• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.15 no.1
• /
• pp.533-538
• /
• 2014

This study examines the performance of and searches for improvements to the existing automatic fire detection systems installed at domestic apartment buildings as a basic study for development of intelligent fire detection systems specifically for apartments. Thus, this study aims to find out the problems in performance and maintenance of the existing fire detectors installed at apartment buildings which is the prerequisite process for development of intelligent fire detection system for that specific application. It is also found impossible to check whether or not the detectors installed at each apartment are in an operational state at normal times. This study finds that it is desirable to replace the slow-sensing heat detectors by a smoke and single smoke detectors which can detect a fire at its early stage in an effort to improve the problems of fire detectors installed at apartment buildings presently. Because we need to the independence fire detection system of apartment building.

• Transactions of the Korean Society of Mechanical Engineers B
• /
• v.35 no.12
• /
• pp.1351-1358
• /
• 2011

To approximate the threshold of the fault detection and diagnosis (FDD) system, validation of the measurements is mandatory. Naturally, the system shows uncertainties due to measuring sensors - mostly thermocouples or RTDs - and due to repeatability. The uncertainty of a thermocouple comes from natural variation or a drift of the thermocouple measurement. Considering the natural variation behaves like zero-mean white noise, its natural variation can be characterized closely by the steady-state standard deviation. However, residuals between measurements and no-fault references in FDD systems show a statistical distribution with various uncertainties. In this paper, steady-state variations of measurement residuals were investigated by utilizing built-in temperature sensors in a heat pump for the model development and the final application.

• Journal of the Institute of Electronics Engineers of Korea SD
• /
• v.40 no.12
• /
• pp.17-23
• /
• 2003

A sensor array (3${\times}$5$\textrm{mm}^2$ in diaphragm dimension) of 12 sensing clements with different operating temperatures was optimized with respect to thermal operation. This sensor array with single heater on a glass diaphragm over back-etched silicon bulk realizes a novel concept of a sensor array: an array of sensor clements operated at different temperatures can yield more information than single measurement. The proposed micro sensor array could provide well-integrated array structure because it had only single heater at the center of the diaphragm and used the various sensing properties of two kinds of metal oxide layers with various operating temperatures.

• Proceedings of the Korean Institute of Industrial Safety Conference
• /
• 2002.05a
• /
• pp.82-87
• /
• 2002

지금까지의 화재감지시스템은 하나의 입력요소에 대하여 화재, 비화재로 판단하는 단순한 형태의 신호를 발신하여 하나의 요소로만 화재를 판단하여 왔다. 또한 기존의 화재감지시스템은 화재 시에 발생되는 열, 연기, 불꽃 등에 대하여 감지기회로에서의 미리 지정한 고정값과의 비교를 통하여 정해진 기준을 넘을 경우 화재로 판정한다. 그러나 고정값을 기준으로 신호를 발신하게 되어있는 화재감지기의 동작은 상황에 따라 불확실한 경우가 발생한다.(중략)

• Proceedings of the Korean Information Science Society Conference
• /
• 2008.06b
• /
• pp.298-302
• /
• 2008

주어진 작은 크기의 칩 내부에 많은 기능 (예: 멀티미디어, 음성/영상 등)을 작동시키기 위해서는 고집적(high-integration)의 회로가 구현되게 된다. 이러한 고집적 회로는 작동할 때 상당한 양의 전력 소모를 유발하게 되어 결국 배더리 수명을 단축시키는 상황을 가지게 한다. 더욱 심각한 상황은 고 밀도의 칩 안에서의 많은 전력 소모는 열의 발생을 더욱 가속화 시키게 되며, 결국 칩 작동의 신뢰성(reliability)을 상당히 잃게 만든다. 본 연구에서는 칩의 작동에 따른 열 발생으로 유발되는 칩의 온도 상승을 감지하는 센서회로 구현에 관한 것이다. FPGA 칩은 주 목적의 기능을 수행하는 회로들을 구현함과 동시에 추가적으로 열 감지 센서 회로를 구현할 자원을 FPGA가 제공을 해 주어야 하는데, 주목적의 회로 공간(즉, 자원) 사용으로 인해 열 센서 회로 구현 자원이 충분하지 않을 경우나 여러 지역에 사용 가능한 자원이 소규모로 흩어진 경우 등 센서 구현을 위한 자원 탐색 및 구현 가능성에 대해 점검하는 알고리즘이 필요하다. 본 연구는 이러한 알고리즘을 개발하여 그 효용성을 실험을 통해 보이고 있다. 제안한 알고리즘의 특징은 Branch-and-Bound에 기반을 두고 있으며, 알고리즘의 수행 시간 단축을 위한 효과적인 search tree pruning 기법을 제안하고 있다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.5 no.1
• /
• pp.31-36
• /
• 2010

In this paper, an autonomous mobile robot for fire detection is designed. The robot is equipped with thermal sensor which rotates for wide range of detection. The fire detector A2TPMI is used. A data processing method for robust fire detection is also implemented. AD converter and Kalman filter is applied to remove noisy signal from the fire detection sensor.

• Annual Conference of KIPS
• /
• 2017.11a
• /
• pp.795-798
• /
• 2017

근래에 들어, 웨어러블 기기의 발전으로 사람의 움직임에 대한 측정이 손쉬워 지면서, 워킹, 러닝, 사이클링 등의 인간의 신체 활동 상태를 감지하여 더 효율적인 운동을 할 수 있도록 정보를 획득, 제공하려는 연구가 계속되고 있다. 본 연구에서는 웨어러블 기기중 하나인 스마트 인솔을 통해서 수집되는 가속도 정보와 압력 정보를 사용하여 운동시에 사람의 운동 자세를 감지하고 측정하는 시스템을 구현하였다. 사람이 헬스센터에서 수행하는 각각의 자세는 운동의 특성에 따라 시계열 신호의 표현 패턴이 다르게 나타나며 이 패턴을 통한 정확한 자세의 감지를 위해서 본 연구에서는 다양한 신호처리 알고리즘을 사용하였으며 이 경우 더 정확한 자세를 측정할 수 있음을 알 수 있었다. 따라서 본 연구에서는 정확한 자세의 감지를 위해 운동의 특징에 따라 알고리즘을 선택하여 시계열 정보를 처리 분석 하는 시스템을 제안하였으며 이를 통해 보다 정확하게 사람의 신체활동을 분석할 수 있었다.

• Annual Conference of KIPS
• /
• 2022.11a
• /
• pp.606-608
• /
• 2022

센서 데이터를 활용한 행동 감지 연구는 인간 행동 인식을 선행연구로 진행되었으며, 인식의 정확도를 높이기 위해 전처리, 보간, 증강 등을 통한 연구가 활발히 진행되고 있다. 이에 본 논문에서는 시계열 센서 데이터 증강을 통하여 반려동물의 행동 감지를 제안한다. ODROID 단일 보드 컴퓨터와 6축 센서(가속도, 자이로) 데이터를 탑재한 소형 디바이스를 사용하여 블루투스 통신을 통해 웹 서버 DB에 저장한다. 저장된 데이터는 이상치, 결측치 처리 후 정규화를 통해 시퀀스를 구성하는 전처리 과정을 거친다. 이후 GAN을 기반으로 한 시계열 데이터 증강을 진행한다. 이때, 데이터 증강은 입력된 텍스트에 따라 센서 데이터로 변환하여 데이터를 증강한다. 학습된 딥러닝 모델을 바탕으로 행동을 감지 후 평가 지표에 따라 모델 성능을 검증한다.

• Proceedings of the Korean Institute of Industrial Safety Conference
• /
• 2004.04a
• /
• pp.397-402
• /
• 2004

• Journal of Aerospace System Engineering
• /
• v.18 no.4
• /
• pp.43-52
• /
• 2024

This paper presents an anomaly detection system that uses an LSTM-Autoencoder model to identify early-stage anomalies in the blade pitch system of floating wind turbines. The sensor data used in power plant monitoring systems is primarily composed of multivariate time-series data for each component. Comprising two unidirectional LSTM networks, the system skillfully uncovers long-term dependencies hidden within sequential time-series data. The autoencoder mechanism, learning solely from normal state data, effectively classifies abnormal states. Thus, by integrating these two networks, the system can proficiently detect anomalies. To confirm the effectiveness of the proposed framework, a real multivariate time-series dataset collected from a wind turbine model was employed. The LSTM-autoencoder model showed robust performance, achieving high classification accuracy.