$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

관계적시점지도로 구성된 SOM을 이용한 가스배관 부식상태의 자율적 판단 방법
A Method For Autonomous Determination Of Corrosion State Of Gas-pipeline Using RPM-based SOM 원문보기

한국컴퓨터정보학회 2011년도 제43차 동계학술발표논문집 19권 1호, 2011 Jan. 20, 2011년, pp.137 - 140  

손충연 (한국가스안전공사 가스안전연구원) ,  여지혜 (숭실대학교 일반대학원 미디어과) ,  고일주 (숭실대학교 일반대학원 미디어과)

초록
AI-Helper 아이콘AI-Helper

시설의 안전성 평가에 대한 연구는 안전성에 영향을 주는 데이터를 정량화하여 획일적인 자동 수행하는 안전관리가 주를 이루고 있다. 이와 달리 자율수행은 수집 된 상황 정보나 상태 데이터를 이용하여 안전성을 예측하고 사고 위험성을 경보하여 사고를 예방 할 수 있다. 본 연구에서는 다양한 시설물 중에서 가스배관의 부식에 대한 판단을 위해서 신경망의 대표적 비지도학습인 자기조직화지도를 적용한다. SOM의 적용에서는 주변효과를 보완하기 위해서 관계적관점지도로 맵을 구성한다. 학습 할 데이터는 가스배관의 방식전위이다. 배관의 부식상태를 확인하기 위하여 수집 된 데이터인 방식전위에는 부식에 대한 위험요인이 내재되어 있다. 학습 후 새로운 데이터가 입력되면 각 상태 군집의 중심뉴런과 맵핑된 뉴런의 유사도를 측정하여 배관의 부식상태를 결정한다. 제안 된 방법으로 판단 된 결과를 기존에 사람이 판단한 결과와 비교하여 검증한다. 이를 통해 배관의 부식상태를 자율적이고 신속하게 판단하여 지능화 된 가스배관 관리로 활용한다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 그러나 이러한 기법은 정량화에 필요한 변수가 많아 가스시설의 자율적인 안전성 평가에 의한 안전관리에 이용하기에는 어려움이 있다. 본 논문에서는 지능 화 된 가스배관의 안전관리를 위해서 가스배관의 위험요인 중 하나인 부식상태를 자율적으로 판단 할 수 있는 방법을 제안한다.
  • 본 연구에서는 다양한 시설물 중에서 가스배관의 부식상태 판단을 자율화한다. 이를 위해 신경망의 대표적인 비지도학습인 자기조직화지도를 적용한다.
  • 학습 후 새로운 데이터를 맵핑하여 각 상태 군집과의 유사도를 측정해서 배관의 부식상태를 자율적으로 판단한다. 이를 통해 기존 판단방법의 단점을 보완한 자율적인 가스배관의 부식상태 판단방법을 제시한다.
본문요약 정보가 도움이 되었나요?
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로