• 한국산학기술학회논문지
• /
• 제14권9호
• /
• pp.4455-4461
• /
• 2013

본 논문은 전력기기 열화의 주요한 원인으로 알려진 부분방전의 진단을 위해 널리 사용되는 인공신경망의 계층 구조 및 입력벡터의 구성 요소의 변화에 대한 진단 성능을 검토한다. 은닉층이 1개 또는 2개인 인공신경망의 계층구조 변화에 대한 진단 성능을 비교하였으며, 입력벡터는 세라믹 커플러를 이용하여 한주기에 2048번 샘플링한 시계열 신호를 직접 사용하는 경우와 특성벡터를 추출하여 사용하는 경우를 비교하였다. 침${\leftrightarrow}$평판, 구${\leftrightarrow}$구, 침${\leftrightarrow}$침, 평판${\leftrightarrow}$평판, 구${\leftrightarrow}$평판 형태의 5가지 전극조합의 부분방전 실험으로 학습데이타를 수집하고, 시뮬레이션 연구를 수행하여 인공신경망의 진단 성능을 평가하였다.

• 한국지반신소재학회논문집
• /
• 제17권4호
• /
• pp.199-212
• /
• 2018

본 연구에서는 깊은 굴착에 따른 인접구조물의 손상 평가 및 벽체 구조물의 안정성 평가를 하기 위한 지표의 거동 및 벽체 부재력의 효율적인 예측기법에 대한 내용을 다루었다. 우선적으로 지표의 거동 및 벽체 부재력에 영향을 미치는 매개 변수에 대한 연구를 수행하였고, 이를 토대로 다양한 굴착 조건에 대해 수치해석을 실시한 결과를 통해 데이터베이스를 구축하였다. 구축된 데이터베이스를 토대로 벽체의 부재력과 지표의 거동 각각의 해석 결과에 대한 인공신경망 엔진 학습을 수행하였으며 학습된 인공신경망을 이용하여 예측된 결과와 사용된 데이터베이스의 결과를 비교하여 인공신경망 엔진이 벽체의 부재력 및 지표의 거동예측에 효율적임을 검증하였다.

• Composites Research
• /
• 제34권2호
• /
• pp.115-122
• /
• 2021

복합재료 중에서 SMC(sheet molding compound) 복합재료는 자동차의 차체 성형에 주로 쓰이고 있다. 자동차 산업에서는 차량 사고를 고려하여야 하므로 재료의 충돌 거동 및 특성에 관한 연구는 필수적이다. 충돌은 짧은 시간에 일어나기 때문에 육안으로 확인이 어렵다. 따라서 충돌 거동을 확인하기 위해서는 유한요소 모델을 이용한 충돌 손상 해석이 필요하다. 충돌 손상 해석을 위해서는 SMC 복합재료의 손상 모델에 대한 파라메터가 요구된다. 본 연구에서는 SMC 복합재료의 손상 모델에 대한 파라메터를 획득하기 위해 인공신경망 기법을 적용하였다. LS-DYNA에서 파라메터에 따른 결과를 이용하여 대체 모델을 구성하였다. 자유 낙하 충돌 실험에서 얻은 흡수 에너지와 인공신경망 모델을 이용한 흡수 에너지를 비교하여 최적화된 파라메터를 획득하였다. 획득한 파라메터를 유한요소 모델에 적용해 결과를 비교하여 파라메터의 신뢰성을 검증하였다.

• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 2002년도 가을 학술발표회 논문집
• /
• pp.451-458
• /
• 2002

This paper presents the prediction of deep excavation-induced ground surface movements using artificial neural network, which is of prime importance in the perspective of damage assessment of adjacent buildings. A finite element model, which can realistically replicate deep-excavation-induced ground movements was employed and validated against available large-scale model test results. The validated model was then used to perform a parametric study on deep excavations with emphasis on ground movements. Using the result of the finite element analysis, Artificial Neural Network(ANN) system is formed, which can be used in the prediction of deep exacavation-induced ground surface displacements. The developed ANN system can be effecting used for a first-order prediction of ground movements associated with deep-excavation.

• Journal of Advanced Marine Engineering and Technology
• /
• 제31권4호
• /
• pp.441-447
• /
• 2007

The speed and torque control performance of the DC motor used in the industrial field is affected by the change of parameters. In particular the change of armature resistance can be greatly originated from various load conditions. Accordingly a large number of studies to estimate those problems in the servo motor control field have already been under way. In this paper, the armature resistance on the DC motor under several load and speed conditions is estimated by the Artificial Neural Network(ANN), and the validity is proven by the speed estimation of sensorless speed control system.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2003년도 하계학술대회 논문집 D
• /
• pp.2091-2093
• /
• 2003

Generally, the correlation between the responses of various sensors can be exploited to detect a possible malfunctioning sensor during operation. The sensor fault detection is implemented by using the regression ability of artificial neural networks(ANN). In this work, sensor fault detection scheme based on ANN is proposed. To verify its applicability, simulation study on the water data gathered from Saemangeum measurement stations is executed.

• 한국안전학회지
• /
• 제33권6호
• /
• pp.42-49
• /
• 2018

In this study, we have developed a prediction model for expansion and contraction behaviors of expansion joint in Gwangan Bridge using machine learning techniques and bridge monitoring data. In the development of the prediction model, two famous machine learning techniques, multiple regression analysis (MRA) and artificial neural network (ANN), were employed. Structural monitoring data obtained from bridge monitoring system of Gwangan Bridge were used to train and validate the developed models. From the results, it was found that the expansion and contraction behaviors predicted by the developed models are matched well with actual expansion and contraction behaviors of Gwangan Bridge. Therefore, it can be concluded that both MRA and ANN models can be used to predict the expansion and contraction behaviors of Gwangan Bridge without actual measurements of those behaviors.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.116-116
• /
• 2022

현재 인공지능은 공학적 문제 해결 외에도 다양한 분야에 적용되어 매우 친숙하게 활용되고 있다. 특히 하천 분야에서는 시설물 주위 국부세굴 또는 어류 서식처 분석과 같이 관련 변수들의 복잡성으로 적절한 결과를 쉽게 얻어내기 어려운 것들에 적용되고 있다. 그 외에도 인공지능 기법을 적용할 수 있는 분야로 하천에서의 수위를 이용하여 유량을 예측하는 것이 있다. 기존에는 수위-유량 관계 곡선을 만들어 수위를 이용하여 유량을 예측하였으나, 관계곡선 제작에 활용된 수위와 유량 범위에서 벗어나는 경우 과다한 유량으로 계산되는 경우가 있다. 본 연구에서는 인공지능 기법 중 하나인 인공신경망 기법을 사용하여 하천의 유량 예측을 수행하였다. 기존 국가수자원관리종합정보시스템에 기록된 자료를 활용하여 수위와 유량 자료를ANN에 학습시키고 학습에 활용하지 않은 시기의 자료를 이용하여 전반적인 유량 예측 성능과 루프형 수위-유량 관계 곡선을 생성할 수 있는지를 검토하였다. 또한 학습 범위를 벗어난 홍수량에 대한 측정 결과를 검토하고, 기존 수위-유량 관계곡선과 비교하여 그 성능을 검토하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권4호
• /
• pp.129-134
• /
• 2018

최근, 인공신경망 모델은 예측, 수치제어, 로봇제어, 패턴인식 등의 분야에서 촉망되는 기술이다. 본 연구에서는 인공신경망 모델을 이용하여 온실 외부 온도를 예측하고 이를 온실제어에 활용하는데 목적이 있다. 예측 모델의 성능 평가를 위해 다중회귀모델과 SVM 모델과의 비교분석을 수행하였다. 평가 방법으로는 10-Fold Cross Validation을 사용하였으며, 예측 성능 향상을 위해 상관관계분석 통해 데이터 축소를 수행하였고, 측정 데이터로부터 새로운 Factor 추출하여 데이터의 신뢰성을 확보하였다. 인공신경망 구축을 위해 Backpropagation algorithm을 사용하였으며, 다중회귀모델은 M5 method로 구축하였고, SVM 모델을 epsilon-SVM으로 구축하였다. 각 모델의 비교분석 결과 각각 0.9256, 1.8503과 7.5521로 나타났다. 또한 예측모델을 온실 난방부하 계산에 적용함으로써 온실에 사용되는 에너지 비용 절감을 통한 수입증대에 기여할 수 있다. 실험한 온실의 난방부하는 3326.4kcal/h이며, 총 난방시간이 $10000^{\circ}C/h$일 때 연료소비량은 453.8L로 예측된다. 아울러 데이터 마이닝 기술 중 하나인 인공신경망을 정밀온실제어, 재배기법, 수확예측 등 다양한 농업 분야에 적용함으로써 스마트 농업으로의 발전에 기여할 수 있다.

• Korean Chemical Engineering Research
• /
• 제61권1호
• /
• pp.123-141
• /
• 2023

인공신경망을 이용한 모델 개발에서 데이터의 품질은 모델 성능에 큰 영향을 주고, 양질의 충분한 데이터가 인공신경망 훈련을 위해 필요하다. 하지만, 공학 분야에서는 적은 양의 데이터로 모델을 개발해야 하는 경우가 자주 발생한다. 본 논문은 토양에 살포된 축산 분뇨로부터 암모니아 방출량에 대한 적은 수의 데이터(83 개)를 사용하여 인공신경망 모델의 예측 성능을 향상할 수 있는 방안을 제시하였다. Michaelis-Menten 식으로 표현되는 암모니아 방출량 문제는 11개 입력변수에 대하여 2개 출력변수로 구성되었다. 출력변수는 최대 질소 발생량(N_max, kg/ha)과 N_max의 절반에 도달하는 시간(K_m, h) 이다. 범주형 입력변수에 대해 다차원 등간격 기법인 one-hot encoding 을 이용하여 데이터 전처리를 수행하였고, 훈련데이터 66개에 대하여 generative adversarial network (GAN)을 이용하여 13개 데이터를 추가로 보강하였다. 또한, 인공신경망의 초매개변수인 은닉층 수, 각 은닉층 내 뉴런 수, 활성화 함수의 최적 조합을 찾기 위하여 Gaussian process (GP)를 사용하였다. 기존의 인공신경망 구조(Lim et al., 2007) 는 17개 평가데이터에 대하여 mean absolute error (MAE)는 K_m에서 0.0668, N_max에서 0.1860이었다. 본 연구에서 제시된 인공신경망 모델은 K_m에서 0.0414, N_max에서 0.0818로 MAE 가 기존 모델 대비 각각 38%, 56% 감소하였다. 본 연구에서 제시된 방법은 적은 양의 데이터를 갖는 문제에서 인공신경망 성능을 향상하기 위하여 활용할 수 있을 것이다.