• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2015년도 전력전자학술대회 논문집
• /
• pp.455-456
• /
• 2015

본 논문에서는 무선전력 전송을 위한 평판 나선형 코일의 최적 형상 선정을 위해 각 코일의 형태에 따른 출력 성능을 비교 및 평가한다. 코일 간 결합계수, 각 코일의 Q-factor 측면에서 송수신 패드의 성능을 비교하며, 이를 위해 송수신 패드가 차지하는 면적을 최대한 활용하여 모델링 한다. 모델링한 코일에 대하여 수신패드의 수직 및 수평이동에 대한 성능 지표를 평가하고 코일의 최적 형상을 선정한다.

• 설비공학논문집
• /
• 제10권6호
• /
• pp.763-772
• /
• 1998

The effects of an inserted coil on flow patterns and heat transport performance for a horizontal rotating heat pipe have been studied experimentally. Especially, the present study is to see an internally inserted helical coil inside a RHP would lead to the same kind of results as internal fins. Visualization test conducted for an acryl tube, charged water with at a volumetric rate of 20%. When the flow kept pool regime at a low RPM(less than 1,000 RPM), the movement of coil forced the water to flow in axial direction. But this pumping effect of coil disappeared, when the pool regime changed to annular one which could be created by increasing RPM. The pumping effects for RHP with an inserted coil resulted enhancement both in condensation heat transfer coefficient and heat transport limitation, as obtained in case of using internal fins. But all these effects became negligible in the range of higher RPM(above 1,000∼1,200) with the transition of flow regime to annular flow.

• 한국콘텐츠학회논문지
• /
• 제10권4호
• /
• pp.10-18
• /
• 2010

본 논문에서는 유전자알고리즘을 이용한 시그모이드 활성화 함수 파라미터의 최적화와 이중나선기준문제(two spirals benchmark problem)의 입력공간 패턴인식 상태를 분석 한다. 실험을 위하여 캐스케이드 코릴레이션 학습 알고리즘(Cascade Correlation learning algorithm)을 이용한다. 첫 번째 실험에서는 기본적인 시그모이드 활성화 함수를 사용하여 이중나선 문제를 분석하고, 두 번째 실험에서는 시그모이드 활성화 함수(sigmoidal activation function)의 파라미터 값이 서로 다른 함수를 사용하여 8개의 풀을 구성한다. 세 번째 실험에서는 시그모이드 함수의 변위를 결정하는 세 개의 파라미터 값을 유전자 알고리즘을 이용하여 얻고 이 파라미터 값들이 적용된 시그모이드 함수들은 후보뉴런의 활성화를 위해서 사용된다. 이러한 알고리즘의 성능평가를 위하여 각 학습단계 마다 입력패턴공간에서 인식된 이중나선의 형태를 보여준다.

• 한국전자파학회논문지
• /
• 제27권2호
• /
• pp.163-169
• /
• 2016

본 논문에서는 소형 모바일 기기에 적용이 가능하도록 코일형 및 루프형 공진기의 평면화를 통해 소형화하여 자기공진형 무선전력전송 시스템을 구축하였다. 제안된 디스크형 이중코일공진기(disk type double coil resonator)는 아크릴 기판(acrylic substrate)의 양면에 얇은 구리 재질을 2 mm의 넓이(width)와 1 mm의 간격(pitch)으로 8번 감은 수의 나선코일패턴을 설계하여 최외각단을 연결한 구조이다. 이 공진기는 구리 재질의 패턴 길이에 의한 유도용량과 각 양쪽 나선코일패턴간의 아크릴 사이에 발생하는 정전용량을 이용하여 6.78 MHz에서 공진한다. 공진기에 설계된 나선코일패턴의 크기는 최외각 지름이 9 cm로 소형화 되었다. 급전 및 부하공진기로 사용되는 루프는 5 mm 굵기의 동선을 이용하여 지름 10 cm의 단일 루프로 구현하였다. 또한, 6.78 MHz에서 공진할 수 있도록 3,300 pF 커패시터(capacitor)를 직렬로 연결하였다. 디스크형 이중코일공진기의 특성을 알아보기 위해 다양한 공진기 재배열을 통해 시스템을 구성 및 측정하였으며, 소형 무선전력전송 시스템의 최대 전송효율은 35.67 %를 보였다. 제안된 공진기의 구조를 통해 더 작은 소형화 구조 설계가 가능할 것으로 기대된다.

• 한국음향학회지
• /
• 제12권6호
• /
• pp.53-61
• /
• 1993

이 논문은 접은 도체박판의 단순한 구조가 전자유도형 변환기 역할을 한다는 것을 기술하고 있다. Endoh 등은 볼록한 나선코일과 동박판으로 구성된 볼록한 방사면 모양을 한 전자유도형 변환기가 시간적으로 짧은 충격파를 발생할 수 있기 때문에 뚜렷한 초음파 영상을 얻을 목적으로 Eisenmenger에 이어 전자유도형 EMAT를 보고한 바 있다. 여기서는 코일이 없는 EMAT를 소개한다. 이것은 두께 0.05mm, 폭 5cm 길이 임의의 동박판으로 구성되며 동박판은 절연도료를 칠한 종이로 절연되고 접어서 견고하게 밀착시키며, 여러번 접는 경우는 손부채처럼 접는 방향은 교대로 반대방향으로 접는다. 그리고는 엷은 고무판을 표면에 밀착시키고 연변을 실리콘 충전제등으로 고정시키거나, polyester molding을 하여 표면을 concave형으로 하여 완성하였다. 완성된 EMAT들은 수조에서 축전기방전방식으로 실험을 하였으나 EMAT에서 발생되는 으파의 진폭은 접는 회수에 비례하였으녀, 단접형 EMAT보다 다접형 EMAT의 발생음파가 보다 강력하였다. Concave형 EMAT의 음속은 예견한 바와 같이 잘 집속되었다. 그러나 평판형의 경우는 지향성은 100도로서 넓은 지향각을 나타내었다. 2μF, 600Volt의 축전기 방전에 의한 집속형 concave EMAT를 여기시키기 위한 축전기의 용량이 작을수록 대역폭은 더욱 넓었다.

• 한국산학기술학회논문지
• /
• 제15권3호
• /
• pp.1724-1733
• /
• 2014

본 논문에서는 비모노톤함수(non-monotone function)인 CosExp(cosine-modulated symmetric Exponential function) 함수와 모노톤함수(monotone function)인 시그모이드 함수를 캐스케이드 코릴레이션 알고리즘(Cascade Correlation algorithm)의 학습에 병행해서 사용하여 이중나선문제(two spirals problem)의 패턴인식에 어떠한 영향이 있는지 분석하고 이어서 알고리즘의 최적화를 시도한다. 첫 번째 실험에서는 알고리즘의 후보뉴런에 CosExp 함수를 그리고 출력뉴런에는 시그모이드 함수를 사용하여 나온 인식된 패턴을 분석한다. 두 번째 실험에서는 반대로 CosExp 함수를 출력뉴런에서 사용하고 시그모이드 함수를 후보뉴런에 사용하여 실험하고 결과를 분석한다. 세 번째 실험에서는 후보뉴런을 위한 8개의 풀을 구성하여 변형된 다양한 시그모이드 활성화 함수(sigmoidal activation function)를 사용하고 출력뉴런에는 CosExp함수를 사용하여 얻게 된 입력공간의 인식된 패턴을 분석한다. 네 번째 실험에서는 시그모이드 함수의 변위를 결정하는 세 개의 파라미터 값을 유전자 알고리즘을 이용하여 얻는다. 이 파라미터 값들이 적용된 시그모이드 함수들은 후보뉴런의 활성화를 위해서 사용되고 출력뉴런에는 CosExp 함수를 사용하여 실험한 최적화 된 결과를 분석한다. 이러한 알고리즘의 성능평가를 위하여 각 학습단계 마다 입력패턴공간에서 인식된 이중나선의 형태를 그래픽으로 보여준다. 최적화 과정에서 은닉뉴런(hidden neuron)의 숫자가 28에서 15로 그리고 최종적으로 12개로 줄어서 학습 알고리즘이 최적화되었음을 확인하였다.