• 한국ITS학회 논문지
• /
• 제11권5호
• /
• pp.125-135
• /
• 2012

본 연구는 도로 위의 객체를 분류하고 그 위치를 추정하기 위해 카메라와 레이저스캐너를 이용한 이종센서 검지 시스템의 연구를 다루고 있다. 이러한 도로인프라에서의 검지시스템은 ADAS(Advanced Driver Assist System) 및 (반)자동제어 서비스 등의 새로운 C-ITS 서비스에서 요구되는 객체의 위치 정보를 검지할 수 있다. 본 연구에서는 국외 관련 사례를 살펴보고, 카메라와 레이저스캐너를 이용한 검지시스템의 가능성을 살펴보았다. 그 후 이종센서 처리 알고리즘을 제안하고, 실 도로환경에서 몇 가지 도로상황 시나리오를 설정하여 시험검증을 실시하였다. 그 결과 이종센서 검지시스템으로 차량, 보행자 및 기타 장애물에 대한 검지 및 위치 추정에 대하여 비교적 용이하게 이용될 수 있음을 확인할 수 있었다. 본 연구의 경우 매우 이상적인 조건에서 실험이 실시되었으며, 조도, 날씨 등의 외부환경 조건의 변화에 따른 알고리즘의 평가가 필요하다. 이러한 연구는 향후 미래의 C-ITS 환경 하에서 객체 검지 기술로 활용될 수 있을 것으로 기대한다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.142-145
• /
• 2003

Many control applications using Neural Network need a priori information about the objective system. But it is impossible to get exact information about the objective system in real world. To solve this problem, several control methods were proposed. Reinforcement learning control using neural network is one of them. Basically reinforcement learning control doesn't need a priori information of objective system. This method uses reinforcement signal from interaction of objective system and environment and observable states of objective system as input data. But many methods take too much time to apply to real-world. So we focus on faster learning to apply reinforcement learning control to real-world. Two data types are used for reinforcement learning. One is reinforcement signal data. It has only two fixed scalar values that are assigned for each success and fail state. The other is observable state data. There are infinitive states in real-world system. So the number of observable state data is also infinitive. This requires too much learning time for applying to real-world. So we try to reduce the number of observable states by classification of states with Self-Organizing Map. We also use neural dynamic programming for controller design. An inverted pendulum on the cart system is simulated. Failure signal is used for reinforcement signal. The failure signal occurs when the pendulum angle or cart position deviate from the defined control range. The control objective is to maintain the balanced pole and centered cart. And four states that is, position and velocity of cart, angle and angular velocity of pole are used for state signal. Learning controller is composed of serial connection of Self-Organizing Map and two Multi-layer Feed-Forward Neural Networks.

• 한국항해항만학회지
• /
• 제39권3호
• /
• pp.165-172
• /
• 2015

Dynamic Positioning System(DPS)은 그 신뢰성 및 redundancy(대체) 시스템에 따라 IMO 및 각 선급에서 3개의 class(등급)로 나누고 있다. IMO MSC/Circ 645에 의하면 DPS는 Class 1, 2, 및 3로 나누고 있으며 등급이 높을수록 좀 더 신뢰성 있고 안전하게 DP 선박을 운용할 수 있다. 국내에서 많은 DP Class 선박들이 건조되고 있는 상황에서 DP Class 1선박의 개조를 통해서 DP Class 2로 변경하거나 DP Class 2선박을 신조 또는 중고선으로 구입하는 경우 무엇을 검토하고 확인해야 하는지에 대한 구체적인 실무 자료가 부족하고, DP Class 1선박을 Class 2로 변경하여 다시 매도하는 새로운 산업분야의 개척에 있어 국내 사례를 바탕으로 한 연구가 필요할 것으로 판단된다. 이에 본 연구에서는 DP Class 1선박을 DP Class 2 선박으로 변경하기 위해서는 어떠한 IMO 및 선급의 DP class 요건의 충족이 필요하며 이를 위해서 어떠한 설비의 변경 및 추가가 필요한지를 국내에서 있었던 실제 사례를 통해서 연구해 보았다. DP 선박 Class 변경을 위해서는 FMEA를 통해서 파악되는 DP 선박의 동력 시스템, thruster 시스템 및 제어 시스템 3가지의 주요 시스템에 대체(redundancy)기능을 갖추어야 한다. 동력 시스템은 단일의 발전기, 배전반등에 문제가 발생해도 DP 기능을 유지할 수 있어야 하며, 더불어 PMS기능을 갖추고 있어야 한다. thruster 시스템은 단일의 고장이 발생하더라도 선박의 Surge, Sway 및 Yaw를 남은 thruster 시스템으로 자동 제어 할 수 있어야 한다. 각종 제어 시스템, PRS 및 센서는 여러개를 설치하여 단일의 장비고장에도 DP 기능을 유지 할 수 있어야 한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권10호
• /
• pp.904-911
• /
• 2003

본 논문에서는 우편봉투 상에 기입된 인쇄체 한글 주소와 필기체 한글 주소를 효과적으로 구분할 수 있는 방법을 제안한다. 문자인식 모듈을 포함하는 각종 응용 시스템에서 입력 영상이 인쇄체인지 필기체인지 구분하는 것은 매우 중요하다. 이는 대부분의 경우 인쇄체 영상과 필기체 영상이 갖는 특징이 상이하여, 각 영상에서의 문자 및 문자열 분리 방법, 문자 인식 방법 둥이 매우 상이하게 개발되기 때문이다. 본 논문에서 제안한 구분 방법은 연결요소 추출 및 병합, 특징 추출, 영상 구분 순으로 수행된다. 연결요소 추출 및 병합 단계에서는 입력영상으로부터 연결요소를 추출한 후 일부 연결요소들에 대하여 병합을 시도하며, 특징 추출 단계에서는 병합결과 얻어진 연결요소들의 그룹들로부터 폭과 위치에 관련된 특징을 추출하고, 영상 구분 단계에서는 추출한 특징을 입력으로 제공받는 다충퍼셉트론을 사용하여 구분을 시도한다. 제안한 방법의 우수성을 증명하기 위해 실제 우편물로부터 추출된 3,147개의 한글 주소 영상을 사용하여 실험한 결과, 98.85%의 구분률을 보여주었다.

• 한국산학기술학회논문지
• /
• 제14권8호
• /
• pp.3971-3975
• /
• 2013

본 논문은 핸드 제스쳐에 의해 증강현실 내의 가상 객체 제어기술로, HOG기반의 핸드 제스쳐 인식을 제안하고 있다. 인식을 위한 특징점들은 HOG불럭들에 의하여 결정되며, 크기가 다른 여러 불럭들을 시험하여 가장 적절한 불럭구성을 결정하며, AdaBoostSVM기법을 사용하여 분류 목적에 가장 적절한 불럭들을 추출한다. 실험 결과 핸드 제스쳐 인식률은 94% 이었다.

• 융합신호처리학회논문지
• /
• 제10권2호
• /
• pp.120-126
• /
• 2009

반도체 외관결함에는 발생 요인이 각각 다른 crack, foreign material, chip-out, chip, void 등이 있으며, 검사 시스템에서는 결함 유무 및 결함 분류를 수행하여 효과적인 공정관리가 가능하여야 한다. 본 논문에서는 QFN 패키지 결함의 분류를 위한 알고리즘 및 광학시스템을 제안한다. 제안한 방법에서 분류가 어려운 결함 중 하나인 foreign material 과 chip의 효과적인 분류를 위해 제안한 결함의 위치, 밝기의 특징정보(feature)를 사용한 ML(Maximum Likelihood ratio) 분류방법 및 특징정보 획득에 효과적인 광학계를 제안하였다. 실험 결과에서 분류가 어려운 foreign material과 chip에 대한 신뢰성 높은 분류성능을 보였다.

• 한국철도학회논문집
• /
• 제14권6호
• /
• pp.515-525
• /
• 2011

도시형 자기부상열차 실용화사업에 적용된 유도무선루프방식 열차제어시스템에 대하여 최상위 레벨에서 전체 시스템에 대한 시스템 분류, 기능 분석을 시행하고 차상신호설비, 지상신호설비로 나누어 신뢰도, 가용도, 유지보수도 및 안전도를 수식을 통하여 분석한 결과를 제시하였다. RAM 분석은 신뢰도 블록도(RBD)를 각 장치별로 적용하여 시스템 서비스 가용도를 산출하였고, 안전도 분석은 PHA(예비위험원 분석), FMEA (고장모드영향분석), HAZOP을 통한 각각의 정상사상(Top Event)의 FTA(고장트리분석)을 시행하고 그 결과를 제시하여 RAMS 목표 값에 도달함을 수식을 통하여 증명하였다.

• 한국항해항만학회지
• /
• 제34권5호
• /
• pp.343-348
• /
• 2010

해상 교통량이 증가함에 따라 높아지는 선박 사고위험을 줄이기 위해 안전 운항을 위한 시스템은 필수적이다. 국제해사기구의 SOLAS에서는 선박에 AIS(Automatic Identification System)의 탑재를 의무화 하였다. AIS는 육상과 타 선박에 신원, 종류, 위치, 항해 상태를 포함한 각종 항해정보와 선박상태를 자동으로 알리는 시스템이다. 안전운항을 위한 응용서비스 개발의 대부분의 경우에 AIS는 활용될 수 있으므로, 체계적인 정보의 관리가 필요하다. 본 논문에서는 수신된 메시지 정보를 관리하기 위해 데이터베이스를 도입하였다. AIS메시지를 정적정보와 동적정보로 나누어 저장하고, 전자해도 기반 AIS 정보를 디스플레이하는 시스템 구현을 통해 설계의 결과를 확인했다.

• 한국추진공학회지
• /
• 제10권2호
• /
• pp.102-109
• /
• 2006

본 논문에서 항공기용 터보 축 엔진의 결함 진단 알고리즘을 개발하기 위해 Support Vector Machine(SVM)과 인공신경망(ANN)을 이용하였다. 신경망을 이용한 시스템은 비선형성이 과도한 데이터를 학습할 때 지역 최소점(Local Minima)에 빠져 분류 정확률이 낮아질 수 있다. 이러한 위험성을 보안하기 위해 SVM에 의한 ANN의 분할 학습 알고리즘(SLA)을 제안하였다. 이것은 SVM을 이용하여 결함 위치를 판별 한 후 신경망이 선택적으로 학습을 하는 방법으로 학습 데이터의 비선형성을 줄여 분류 정확률을 높이기 때문에 신경망을 단독으로 사용할 때보다 개선된 성능을 보여주었다.

• Nuclear Engineering and Technology
• /
• 제54권1호
• /
• pp.193-206
• /
• 2022

Several algorithms for nuclear power plant (NPP) break event detection, isolation, localization, and size estimation are proposed. A break event can be promptly detected and isolated after its occurrence by simultaneously monitoring changes in the sensing readings and by employing an interquartile range-based isolation scheme. By considering the multi-sensor data block of a break to be rank-one, it can be located as the position whose lead field vector is most orthogonal to the noise subspace of that data block using the Multiple Signal Classification (MUSIC) algorithm. Owing to the flexibility of deep neural networks in selecting the best regression model for the available data, we can estimate the break size using multiple-sensor recordings of the break regardless of the sensor types. The efficacy of the proposed algorithms was evaluated using the data generated by Maanshan NPP simulator. The experimental results demonstrated that the MUSIC method could distinguish two near breaks. However, if the two breaks were close and of small sizes, the MUSIC method might wrongly locate them. The break sizes estimated by the proposed deep learning model were close to their actual values, but relative errors of more than 8% were seen while estimating small breaks' sizes.