선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 따라서 본 연구에서는 알루미늄 전해 커패시터를 대상으로 머신러닝 기법 중 LSTM(Long Short-Term Memory) 과 Vanila LSTM 을 적용하여 고장 예지를 하였으며 , 각각의 기법에 대해 epoch 에 따른 loss 와 모델의 정확성을 평가하기 위해 척도인 RMSE(Root Mean Square Error) 와 MAE(Mean Absolute Error) 를 이용하여 성능을 비교하였다.
- 알루미늄 전해 커패시터로부터 데이터를 수집하기 위해 Fig. 2와 같이 회로를 설계하고 [6] , 커패시터를 이용한 회로 , 챔버 및 DAQ(Data Acquisition) 등으로 시험장치를 Fig. 3과 같이 구성하였다 [7]. 이를 통해 커패시터의 반복적인 충전 및 방전에 의한 전압 데이터를 수집하였고 , 랩뷰 (Labview) 를이용하여 저장하였다 .
- 알루미늄 전해 커패시터의 고장예지를 위한 머신러닝을 수행하기 위해 주피터 (Jupyter) 프로그램을 사용하여 keras 를 프레임워크로 LSTM 을 수행하였다 . 먼저 , 획득한 데이터를 대상으로 오차를 줄이기 위해 centered moving average 를 이용하여 5 개의 데이터를 평균화하는 전처리 작업을 통해 Fig.
- 위의 식을 적용하여 알루미늄 전해 커패시터의 전압 데이터를 정리하였으며 , Python 을 이용하여 필요한 데이터만을 추출하여 정전용량 추정기법을 통해 정전용량으로 변환하였다 . 정전용량의 정확도는 Table 3 을 통해 확인할 수 있으며, 샘플링 개수 (n) 가 높고 측정주기 (T) 가 작을수록 오차율이 감소하는 경향을 보였기 때문에 n = 30 이고 , 인 T = 30ms 을 대상으로 하여 시험을 진행하였다 .
- 3과 같이 구성하였다 [7]. 이를 통해 커패시터의 반복적인 충전 및 방전에 의한 전압 데이터를 수집하였고 , 랩뷰 (Labview) 를이용하여 저장하였다 . 이때 , sampling rate 는 1000sps, sampling 수는 1 로 설정하여 1 초에 1,000개의 데이터를 받았다.
- [4] . 표에서 알 수 있는 바와 같이 RPN(Risk Priority Number) 이 가장 높은 전류 및 전해질 감소는 정전용량 감소에 영향을 미치는 요인으로 정전용량감소를 주요 고장모드로 판단하여 , 온도 조건을 변화 시켜 가면서 알루미늄 전해 커패시터의 고장 예지를 위한 가속 수명 시험을 실시하였다.
대상 데이터
- data set 중 70%(115, 416) 의 데이터는 training data 로 하고 , 나머지 30%(49, 464) 의 데이터는 test data 로 사용하였다 . 학습 중 overfitting 또는 underfitting 이 발생하는지 확인하기 위해 validation data 는 training data 중 15%(17, 312) 를 사용하여 검정하였다 .
- 정전용량으로 변환하였다 . 정전용량의 정확도는 Table 3 을 통해 확인할 수 있으며, 샘플링 개수 (n) 가 높고 측정주기 (T) 가 작을수록 오차율이 감소하는 경향을 보였기 때문에 n = 30 이고 , 인 T = 30ms 을 대상으로 하여 시험을 진행하였다 .
- 로 사용하였다 . 학습 중 overfitting 또는 underfitting 이 발생하는지 확인하기 위해 validation data 는 training data 중 15%(17, 312) 를 사용하여 검정하였다 . 또한 ground truth 를 x 축 , actual data 를 y 축으로 하여 그래프로 나타내면 Fig.
데이터처리
- LSTM 과 Vanila LSTM 모델의 정확성을 평가하기 위해 모델이 예측한 값과 실제 측정값의 오차를 구할 때 사용하는 식 (9) 및 식 (10) 과 같이 RMSE(Root Mean Square Error) 와 MAE(Mean Absolute Error) 의 척도를 적용하여 비교할 수 있었다.
- . 먼저 , 획득한 데이터를 대상으로 오차를 줄이기 위해 centered moving average 를 이용하여 5 개의 데이터를 평균화하는 전처리 작업을 통해 Fig. 7 와 같이 data set 을 구축하였다 .
※ AI-Helper는 부적절한 답변을 할 수 있습니다.