• Proceedings of the Optical Society of Korea Conference
• /
• 1991.06a
• /
• pp.185-189
• /
• 1991

GaAs Schottky 접촉 전송선을 전극으로 하는 진행파형 광변조기의 특성이 분석되었다. 초고주파의 전파특성은 quasi-TEM 모델에 의해 분석되었으며, 고유치 방법과 유효 굴절율법을 결합하여 광파의 전파특성을 분석하였다. 또한 이를 통해 Schottky 접촉 전송선 및 광도파로의 기하학적 변수에 따라 진행파형 광변조기의 성능지수를 계산함으로써 최적 설계조건을 계산하였다.

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.719-719
• /
• 2015

본 논문에서는 소형 컴프레셔 모터의 정확한 손실 계산을 위하여 PWM 파형을 이용하여 컴프레셔 모터의 철손과 효율을 해석하였다. 시험을 통하여 PWM 파형을 측정하였으며, 측정된 파형을 해석에 필요한 전류원으로 사용하였다. 이를 통하여 고조파 성분이 포함되었을 때의 철손을 해석할 수 있었으며, 모터의 효율을 계산하였다.

• Proceedings of the KIEE Conference
• /
• 1997.07b
• /
• pp.456-458
• /
• 1997

본 논문에서는 플랜트의 계측신호들에 나타나는 현상적인 특징파형들을 감지하여 플랜트의 고장을 진단하는 기법을 제시하고, 플랜트의 고장시 나타나는 여러 특징 파형들의 전형인 oscillatory 파형을 감지하는 알고리즘을 prediction filtering 기법을 적용하여 얻는 과정을 기술하였다. 또한 이의 구체적 적용 예로 500MW급 화력발전소의 보일러 제어 시스템을 대상으로 여러 고장상황에 대한 고장감지 알고리즘을 설계하였고 제시한 기법의 유용성을 보이기 위한 시뮬레이션 적용 결과를 보였다.

• Proceedings of the KIPE Conference
• /
• 2012.07a
• /
• pp.217-219
• /
• 2012

본 논문은 인덕터의 파형을 이용하여 소신호 모델링을 한다. 인덕터 파형에 작은 변화에 해당되는 파라미터를 추가하여 그린다. 그 후, 추가된 파라미터에 의한 출력변화량을 등가회로를 이용하여 계산한다. 그 결과, 손쉽게 컨버터의 소신호 특성을 쉽게 알 수 있다. 제안된 방법은 기존에 방법에 비하여 우반면영점(Right-Half-Plane-Zero, RHPZ)를 이해하기 쉬우며, CCM과 DCM 동작모드 모두에서 소신호 모델링이 가능하다.

• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.1952-1953
• /
• 2007

회로 구성 방법에 따라 등가 회로의 파형이 다르게 나타나는 경우가 있는데 본 논문에서 분석한 500kV 시스템에서 J.R. Marti가 제안한 주파수 의존 모델과 II-등가회로를 각각 이용했을 경우를 예로 들 수 있다. 본 논문에서는 각각의 파형을 비교 분석하고 500kV 시스템에서 스위치 개폐에 따른 전압, 전류 파형을 분석하므로서 JMarti line의 특성을 제시하였다.

• Proceedings of the IEEK Conference
• /
• 2005.11a
• /
• pp.453-456
• /
• 2005

일반적으로 심전도는 심장계통의 질환을 판단할 때 사용된다. 이러한 심장질환의 이상 유무를 자동으로 진단하기 위해서는 QRS파형 검출을 필요로 하며, 이를 위하여 웨이블렛변환 방법이나 템플릿매칭, 룰 베이스 방법 등 여러 가지 방법들이 쓰이고 있으나, 심전도 신호가 표준화된 형태를 갖지 않는 경우는 검출 능력에 많은 한계를 갖고 있다. 본 논문은 파형의 베이스라인(baseline)을 기준으로 진폭 값에 절대치을 취하는 방법으로 파형의 R피크값을 검출하는 알고리즘을 제안한다. 결과를 검증하기 위해 MIT-BIH 데이타베이스에서 제공하는 데이터와 R피크값을 본 논문의 알고리즘으로 추출된 R피크값과 비교한 결과 96.7%의 검출률을 보였다.

• Proceedings of the KIPE Conference
• /
• 2011.11a
• /
• pp.185-186
• /
• 2011

본 논문에서는 최근 직류송전용 컨버터로 많은 관심이 집중되고 있는 모듈형 멀티레벨 컨버터(Modular Multi-level Converter)에서 출력파형의 고조파를 저감하는 모듈레이션 방법과 각 모듈의 직류전압 불평형을 해소하는 알고리즘에 대해 기술하고 있다. 먼저 본 논문에서 임의의 개수로 반브리지 모듈이 주어졌을 때 고조파 레벨이 최소화되도록 다펄스 형태로 출력파형을 형성하는 방식을 제안하고 그 타당성을 PSCAD 소프트웨어를 이용한 시뮬레이션으로 검증하였다. 이 방식은 다펄스 출력파형의 각 계단을 형성하는 모듈의 턴온과 턴오프 시점을 보편화된 수식으로 정하는 방식으로 알고리즘 구현이 매우 용이하다. 또한 각 모듈의 직류전압 불평형을 바로잡는 알고리즘을 제안하고 그 타당성도 시뮬레이션으로 검증하였는데, 이 방식은 각 모듈이 교류 매 반주기마다 생성하는 펄스의 크기를 순차적으로 형성하는 것으로 알고리즘의 구현이 용이하다. 본 논문에서 제안하는 알고리즘은 향후 국내에서 모듈형 멀티레벨 컨버터를 개발할 때 유용하게 활용될 것으로 보인다.

• Tunnel and Underground Space
• /
• v.15 no.4 s.57
• /
• pp.316-323
• /
• 2005

As a result of waveform analysis, the separation of waveform found that high frequency well accomplishes but low frequency doesn't accomplish that. The data which measured less than 60 Hz and more than 60 Hz was analysed to examine the relation between cooperating charge and frequency. The measured data of more than 70 Hz was also analysed to consider the characteristics of high frequency.

• Proceedings of the KIEE Conference
• /
• 2008.10b
• /
• pp.199-200
• /
• 2008

이 논문에서는 백서를 이용한 출혈성 쇼크 실험에서 수집되는 혈압 데이터 분석을 위한 프로그램을 개발하였다. 일반적인 혈압 데이터는 기존 프로그램을 이용하여 분석이 가능하지만 출혈성 쇼크 실험 중에 획득되는 혈압 데이터의 경우 일반적인 경우와 다른 모양의 파형이 나타나는 경우가 있으며 파형의 크기 변동이 크다. 이런 문제들로 인해 기존 프로그램으로 분석하는데 어려움이 있어 출혈성 쇼크 실험에 적합한 프로그램을 개발하였다. 본 논문에서 개발한 프로그램을 이용하여 혈압 파형을 분석한 결과 기존 프로그램에서 잘못 분석된 이완기 혈압을 정상적으로 분석 할 수 있었다. 또한 전체 구간 데이터를 분석하면서, 혈압 파형 크기의 급격한 변화로 인해 잘못된 수축기와 이완기 혈압이 출력되던 문제점을 해결 할 수 있었다. 이렇게 분석된 데이터를 이용하여 추후에 다양한 방법의 혈압분석이 가능할 것으로 사료된다.

• Proceedings of the KIPE Conference
• /
• 2008.06a
• /
• pp.66-68
• /
• 2008

본 논문은, 전력계통 내의 순시 파형으로부터 전력품질 자동진단을 위한 인공지능형 단상전력품질 진단기를 제안한다. 진단하는 전력품질은 전압강하(Sag), 전압상승(Swell), 과도현상(Transient) 및 전고조파함유율(THD) 이다. 인공지능 구현을 위해서 인공신경망 이론을 이용하였으며, 시뮬레이션 및 TI DSP 320C6713 사용하여 하드웨어를 구현하였다. 인공신경망의 학습을 위하여, 00변전소에서 일년(2007년)동안 측정한 데이터 중에서 Sag, Swell, Transient 특성이 명확히 관측된 150주기의 파형과 정상상태의 50주기 파형으로 구성된 총 200주기의 데이터를 사용하였다. 측정된 파형을 1/60[sec.]마다 256번 샘플링하여, FFT 및 웨이블렛 변환을 시행하여 얻어진 값을 인공신경망 학습에 사용하였다. 상용프로그램 PSIM을 이용하여 인공신경망 학습을 시뮬레이션하였으며, DSP 프로세서를 이용하여 하드웨어로 구현하여 검증하였다.