지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 정철웅
- 발행연도
- 2022
- 저작권
- 부산대학교 논문은 저작권에 의해 보호받습니다.
이용수32
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문은 차량의 엔진소음에 기반한 고장진단 기법에 관한 연구로, 수음된 고장소음을 MFCC(Mel-frequency Ceptstral Coefficient) 형상추출 기법을 접목하는 경우 분류문제를 다루는 기계학습 모델에서 정확도가 향상되는 것을 확인하였다. 특히 4가지 시험 모델을 통해 MFCC와 CNN(Convolution neural network) 모델을 함께 적용 할 경우 합성곱층과 압축층의 조합을 통해 인지단계에서의 보다 큰 시너지 효과가 있다는 결론을 도출할 수 있었다. 본 연구를 통해 산업계의 공통적 추세인 상태기반유지관리 개념에 따라 기존의 시간기반 유지관리의 틀에서 벗어나 차량엔진의 실질적인 상태에 기반한 고장진단을 통해 일반 운전자들에게 안전한 의사결정에 도움이 되기를 기대한다.
목차
제 1 장 서 론 11.1. 연구배경 11.2. 연구목표 및 내용 21.3. 선행연구 2(1) 고장소음 정의 2(2) 엔진고장 감별기법과 모방기술 5(3) 합성곱 인공신경망과 MFCC 6제 2 장 고장소음 분류학습 102.1. 데이터 준비 10(1) 데이터 전처리 방식에 관한 고찰 10(2) 데이터 수집 15(3) 데이터 분류/현황 162.2. 인공신경망 학습 17(1) 기계학습 입력형상 선택의 중요성 17(2) 학습모델 선정시 고려사항 23(3) 합성곱 인공신경망 적용 24제 3 장 결 과 29제 4 장 결 론 36참 고 문 헌 38
최근 본 자료
댓글(0)
0