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
- 박규해
- 발행연도
- 2017
- 저작권
- 전남대학교 논문은 저작권에 의해 보호받습니다.
이용수5
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 연구에서는 압축 센싱 이론을 회전체 시스템의 상태진단에 적용하였다. Nyquist sampling 이론에 의해 측정된 원 신호와 압축 센싱을 통해 측정 후 복원된 신호의 비교를 통해 압축된 신호에서도 원 신호의 특성이 보존됨을 확인하였다. 또한 기존 압축 센싱 연구와 달리 복원 과정 없이 압축된 신호만을 사용하여 상태 진단을 수행함으로써, 회전체 상태진단 분야에서 압축 센싱 적용 가능성을 확인하였다.
시스템의 이상 유무 파악 및 일반화 알고리즘 개발을 위해 두 회전체 시스템에 동일한 결함, 동일한 특성인자를 사용하여 연구를 수행하였다. 결함탐지 알고리즘은 통계학적 기법을 기반으로 개발되었으며, 다수 특성인자들의 통계적 거동 분석을 통해 시스템의 이상 유무를 파악하였다. 또한 개발된 알고리즘을 타 회전체 시스템에 적용하여 일반화 검증을 수행하였다.
시스템의 이상 발견 시 정확한 결함 발생원인 파악을 위해 3차원 kernel space에 추출된 특성인자를 투영 후, 다수의 기계 학습 알고리즘(Fisher Discriminant Analysis(FDA), Support Vector Machine(SVM), Variance Considered Machine(VCM))을 적용하였다. 각 알고리즘 별 데이터 트레이닝 후 새로운 실험 데이터 삽입을 통해 성능 평가를 수행하였으며, 높은 정확도로 시스템의 결함을 분류하였다.
본 연구에서 개발된 압축 센싱 적용 회전체 상태진단 기법은 i) 전체적인 신호처리 시간 감소, ii) 다양한 시스템에 적용, iii) 높은 정확도의 시스템 진단의 3가지 장점을 보유하고 있다. 개발된 방법을 통해 향후 다양한 회전체 시스템에서 효율적이고 신속한 상태진단 시스템 구축 및 무선 상태진단 분야의 응용이 가능할 것으로 판단된다.
시스템의 이상 유무 파악 및 일반화 알고리즘 개발을 위해 두 회전체 시스템에 동일한 결함, 동일한 특성인자를 사용하여 연구를 수행하였다. 결함탐지 알고리즘은 통계학적 기법을 기반으로 개발되었으며, 다수 특성인자들의 통계적 거동 분석을 통해 시스템의 이상 유무를 파악하였다. 또한 개발된 알고리즘을 타 회전체 시스템에 적용하여 일반화 검증을 수행하였다.
시스템의 이상 발견 시 정확한 결함 발생원인 파악을 위해 3차원 kernel space에 추출된 특성인자를 투영 후, 다수의 기계 학습 알고리즘(Fisher Discriminant Analysis(FDA), Support Vector Machine(SVM), Variance Considered Machine(VCM))을 적용하였다. 각 알고리즘 별 데이터 트레이닝 후 새로운 실험 데이터 삽입을 통해 성능 평가를 수행하였으며, 높은 정확도로 시스템의 결함을 분류하였다.
본 연구에서 개발된 압축 센싱 적용 회전체 상태진단 기법은 i) 전체적인 신호처리 시간 감소, ii) 다양한 시스템에 적용, iii) 높은 정확도의 시스템 진단의 3가지 장점을 보유하고 있다. 개발된 방법을 통해 향후 다양한 회전체 시스템에서 효율적이고 신속한 상태진단 시스템 구축 및 무선 상태진단 분야의 응용이 가능할 것으로 판단된다.
목차
국문초록제 1 장 서 론1.1 서론1.2 연구 목표1.3 연구 공헌제 2장 이론 소개2.1 상태진단2.2 압축 센싱2.3 통계적 신호처리 기법2.3.1 ROC curve2.3.2 Statistical box plot2.3.3 Statistical Process Control2.4 시스템 진단 알고리즘2.4.1 Fisher Discriminant Analysis2.4.2 Support Vector Machine2.4.3 Variance Considered Machine2.5 상태진단 흐름도제 3장 압축 센싱을 활용한 회전체 시스템의 상태진단3.1 실험 장치3.2 특성인자3.3 압축 센싱을 통한 신호 측정 및 분석3.3.1 압축 센싱을 통해 측정된 신호의 복원 신호 분석3.3.2 압축 센싱 데이터와 원 데이터 비교3.3.4 동일한 양의 압축 센싱 데이터와 기존 데이터 비교3.4 결론제 4장 회전체 결함 탐지 및 일반화, 결함 종류 판별4.1 시스템 결함 탐지 및 일반화4.1.1 실험 장치4.1.2 추출된 특성인자의 통계적 분석4.2 기계 학습 알고리즘을 적용한 회전체 시스템의 결함종류 판별4.3 결론제 5장 연구 결론5.1 연구 결론5.2 연구 공헌5.3 향후 계획
최근 본 자료
댓글(0)
0