• 한국산학기술학회논문지
• /
• 제21권11호
• /
• pp.554-560
• /
• 2020

평판 디스플레이 제조 공정에서 대상물의 위치 결정을 위해 고정밀 평면 모션 스테이지를 사용한다. 이 유형의 스테이지는 일반적으로 마찰이 없는 선형 모터와 에어 베어링을 사용하며, 고정밀 위치 센서로 레이저 간섭계를 사용한다. 스테이지의 불가피한 기생 운동에 의해 야기되는 요 모션 오차는 위치 결정 대상체의 향 변화를 의미하므로, 스테이지의 성능과 공정 정밀도 향상을 위해 요 모션 오차의 실시간 동적 보정은 매우 중요하다. 요 모션 오차 보상에는 갠트리 제어가 일반적이며, 이 방법을 공기베어링 가이드를 사용하는 스테이지에 적용하기 위해서 회전 모션을 허용하는 유연기구가 스테이지에 적용된다. 본 논문은 공기베어링과 유연기구를 갖춘 H형 XY 스테이지의 정속 구동 성능을 개선하는 방법을 제안한다. 유연기구를 포함한 스테이지의 갠트리 제어 시 선형 모터로부터 발생하는 상호 리플의 발생 원인을 분석하고, 이러한 상호 리플을 보상하는 방안으로 적응 학습 제어를 제시한다. 제시 방안의 검증을 위해 시뮬레이션을 수행하여, 보상 제어를 통해 속도 리플이 약 22 % 수준으로 감소함을 확인하였다. 그리고 요 모션 오차가 발생하는 스테이지 상태를 가정하여 리플 저감 효과를 검증하였다.

• 한국수자원학회논문집
• /
• 제33권2호
• /
• pp.247-262
• /
• 2000

본 연구에서는 낙동강유역의 주요 수위표지점중 진동수위표지점에서 홍수위를 예측하기위한 신경망모형인 WSANN모형이 제시되었다. WSANN모형은 모멘트방법, 초기조건의 개선 및 적응학습속도에 의해 보완되어진 개선된 역전파훈련 알고리즘을 이용하였고, 본 연구에 사용된 자료는 훈련자료와 테스팅자료로 분할하였으며, 최적 은닉층 노드수를 결정하기 위하여 은닉층노드와 임계학습횟수로부터 경험식이 유도되었다. 그리고 WSANN모형의 보정은 4개의 훈련자료에 의해 실시되었으며, WSANN22와 WSANN32모형이 모델의 검증에 사용될 최적모형으로 결정되었다. 모형의 검증은 훈련되지 않은 2개의 테스팅자료를 이용하여 모형의 적합성을 평가하기 위하여 이루어 졌으며, 통계분석의 결과를 통하여 홍수위를 합리적으로 예측하는 것으로 나타났다. 따라서 본 연구의 결과를 기본으로 신경망기법을 이용한 실시간 홍수예경보 시스템의 구축 및 홍수위의 제어에 관한 지속적인 연구가 필요것으로 사료된다.

• 방송공학회논문지
• /
• 제22권3호
• /
• pp.282-294
• /
• 2017

본 논문에서는 차량이 움직일 때 발생하는 카메라의 움직임, 도로상의 광원에 강건한 지능형 전조등 제어 시스템을 제안한다. 후보광원을 검출할 때 카메라의 원근 범위 추정 모델을 기반으로 한 ROI (Region of Interest)를 사용하며 이는 FROI (Front ROI)와 BROI (Back ROI)로 나뉘어 사용된다. ROI내에서 차량의 전조등과 후미등, 반사광 및 주변 도로의 조명들은 2개의 적응적 임계값에 의해 세그먼트화 된다. 세그먼트화 된 광원 후보군들로부터 후미등은 적색도(redness)와 Haar-like특징에 기반한 랜덤포레스트 분류기에 의해 검출된다. 전조등과 후미등 분류 과정에서 빠른 학습과 실시간 처리를 위해 SVM(Support Vector Machine) 또는 CNN(Convolutional Neural Network)을 사용하지 않고 랜덤포레스트 분류기를 사용했다. 마지막으로 페어링(Pairing) 단계에서는 수직좌표 유사성, 광원들간의 연관성 검사와 같은 사전 정의된 규칙을 적용한다. 제안된 알고리즘은 다양한 야간 운전환경을 포함하는 데이터에 적용한 결과, 최근의 관련연구 보다 향상된 검출 성능을 보여주었다.