개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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
- 이두호
- 발행연도
- 2021
- 저작권
- 동의대학교 논문은 저작권에 의해 보호받습니다.
이용수9
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
복잡한 동적 시스템에는 관심 소음 및 진동 응답으로 가는 많은 전달 경로가 존재한다. 자동차, 비행기 및 전기·전자 제품과 같은 복잡한 기계 시스템의 개발에 있어 구조 시스템에서 발생하는 소음 및 진동에 대한 응답 제어는 매우 중요하다. 이를 위해, 다중 입력과 다중 출력 시스템에 대한 신호 처리 방법으로 개발된 전달 경로 해석 방법을 심층학습을 이용하여 개발하고 관심 지점에서 진동 응답에 대한 모든 경로의 기여도를 식별하는데 사용하고자 한다.
본 연구의 목적은 기계학습 기술을 신호 처리 분야와 융합하여 작동 중 전달 경로 해석법을 개발하고 이를 실험적 데이터를 통해 검증하는 것이다. 기계학습의 알고리즘 중 하나인 심층학습은 최근 활발히 연구되어 다양한 네트워크 구조로 발전하고 있으며, 소음 및 진동 영역의 연구 이외에도 여러 분야에서 적용되고 있다. 심층학습은 대규모 데이터 세트의 중요 특징을 알아내고 입·출력 관계를 나타낼 수 있다. 본 연구에서는 심층학습을 이용한 작동 중 전달 경로 해석 방법을 제안하고 다구조 시스템에 대해 수치적 및 실험적으로 검증을 수행한다. 제안된 방법은 합성곱 신경망을 사용하며 구조물의 작동 중 응답만을 이용하여 주파수 영역에서 관심 지점의 진동 응답에 대한 각 전달 경로의 기여도를 정량적으로 평가할 수 있다. 제안 방법을 수치적으로 검증하기 위하여 단순화된 자동차 차체의 유한 요소 모델을 통해 얻은 훈련 데이터 세트를 이용하여 합성곱 신경망 모델을 이용한 작동중 전달 경로 해석 모델을 구축하였다. 정확한 예측과 기여도 식별을 위한 모델을 구축하기 위해 본래의 작동 중 데이터 세트는 위상 이동과 상호스펙트럼 곱을 통해 증식되었다. 입력층과 출력층 사이에는 경로 기여도를 식별할 수 있도록 설계된 인공 신경망이 삽입되었다. 여러 가지 형태로 구축한 합성곱 신경망을 수치적으로 검증하여 비교하고 최적의 구조를 결정하였다.
다음으로, 제안된 합성곱 신경망 모델을 이용한 작동 중 전달 경로 해석법은 실제 구조물의 측정 데이터를 이용하여 검증하였다. 실제 구조물은 두 개의 하부구조를 가지는 시스템을 구성하고 세 개의 스프링으로 연결되어 있다. 구조물이 가진은 가진기가 연결된 임의 점을 통해 무작위로 구성된 힘을 전달하여 수행하였고, 각 경로와 관심 응답 위치에 부착된 가속도계를 통해 작동 응답을 수집하였다. 수집된 데이터를 이용하여 합성곱 신경망을 이용한 작동 중 전달 경로 해석 방법을 이용하여 각 경로의 기여도를 계산하였고, 전통적인 전달 경로 해석법과의 정량적 비교를 통해 그 정확성을 증하였다. 측정 응답만을 사용하여 제안된 합성곱 신경망 모델에 기초한 전달 경로 해석 방법의 실험적 검증 결과는 제안된 방법이 작동 중 응답만을 사용하여 경로 기여도를 성공적으로 예측할 수 있다는 것을 보여준다.
본 연구의 목적은 기계학습 기술을 신호 처리 분야와 융합하여 작동 중 전달 경로 해석법을 개발하고 이를 실험적 데이터를 통해 검증하는 것이다. 기계학습의 알고리즘 중 하나인 심층학습은 최근 활발히 연구되어 다양한 네트워크 구조로 발전하고 있으며, 소음 및 진동 영역의 연구 이외에도 여러 분야에서 적용되고 있다. 심층학습은 대규모 데이터 세트의 중요 특징을 알아내고 입·출력 관계를 나타낼 수 있다. 본 연구에서는 심층학습을 이용한 작동 중 전달 경로 해석 방법을 제안하고 다구조 시스템에 대해 수치적 및 실험적으로 검증을 수행한다. 제안된 방법은 합성곱 신경망을 사용하며 구조물의 작동 중 응답만을 이용하여 주파수 영역에서 관심 지점의 진동 응답에 대한 각 전달 경로의 기여도를 정량적으로 평가할 수 있다. 제안 방법을 수치적으로 검증하기 위하여 단순화된 자동차 차체의 유한 요소 모델을 통해 얻은 훈련 데이터 세트를 이용하여 합성곱 신경망 모델을 이용한 작동중 전달 경로 해석 모델을 구축하였다. 정확한 예측과 기여도 식별을 위한 모델을 구축하기 위해 본래의 작동 중 데이터 세트는 위상 이동과 상호스펙트럼 곱을 통해 증식되었다. 입력층과 출력층 사이에는 경로 기여도를 식별할 수 있도록 설계된 인공 신경망이 삽입되었다. 여러 가지 형태로 구축한 합성곱 신경망을 수치적으로 검증하여 비교하고 최적의 구조를 결정하였다.
다음으로, 제안된 합성곱 신경망 모델을 이용한 작동 중 전달 경로 해석법은 실제 구조물의 측정 데이터를 이용하여 검증하였다. 실제 구조물은 두 개의 하부구조를 가지는 시스템을 구성하고 세 개의 스프링으로 연결되어 있다. 구조물이 가진은 가진기가 연결된 임의 점을 통해 무작위로 구성된 힘을 전달하여 수행하였고, 각 경로와 관심 응답 위치에 부착된 가속도계를 통해 작동 응답을 수집하였다. 수집된 데이터를 이용하여 합성곱 신경망을 이용한 작동 중 전달 경로 해석 방법을 이용하여 각 경로의 기여도를 계산하였고, 전통적인 전달 경로 해석법과의 정량적 비교를 통해 그 정확성을 증하였다. 측정 응답만을 사용하여 제안된 합성곱 신경망 모델에 기초한 전달 경로 해석 방법의 실험적 검증 결과는 제안된 방법이 작동 중 응답만을 사용하여 경로 기여도를 성공적으로 예측할 수 있다는 것을 보여준다.
목차
1. 서 론1.1 연구배경 ··································································································· 011.2 연구 동향 및 목적 ················································································· 032. 전달 경로 해석2.1 기본 전달 경로 해석 방법 ··································································· 052.2 합성곱 신경망 기반 작동 중 전달 경로 해석 ································· 072.3 작동 데이터 준비 ··················································································· 112.4 데이터 증식 ····························································································· 123. 수치적 검증3.1 차체 문제 ································································································· 143.2 합성곱 신경망의 구조와 훈련 ····························································· 163.3 결과 및 고찰····························································································· 194. 실험적 검증4.1 실험 장치 구성 및 방법 ········································································· 304.2 실험 데이터를 이용한 합성곱 신경망 구조와 훈련 ························· 374.3 결과 및 고찰 ··························································································· 385. 결론 ················································································································· 42참 고 문 헌 ········································································································· 43영 문 요 약(Abstract) ···················································································· 47
최근 본 자료
댓글(0)
0