초록 ▼

Ⅳ. 연구개발결과
○ 전기모터 고장진단 분야 시범 적용 연구
- Matlab과 Simulink 활용 Model 생성
- 모델 정확도 확인
- 정상 및 고장 상태의 전류 파형 변화 확인 및 RP (Recurrence Plot) 이미지 생성
- 훈련 데이터 레이블 설정, 이미지 데이터 크기 축소, 수정된 LeNet-5 네트워크를 활용한 인공지능 학습
- Convolutional Neural Networks (CNN) 및 Mahalanobis Distance (MD)를 이용한 정상/결함 구분 및 심각도 분

Ⅳ. 연구개발결과
○ 전기모터 고장진단 분야 시범 적용 연구
- Matlab과 Simulink 활용 Model 생성
- 모델 정확도 확인
- 정상 및 고장 상태의 전류 파형 변화 확인 및 RP (Recurrence Plot) 이미지 생성
- 훈련 데이터 레이블 설정, 이미지 데이터 크기 축소, 수정된 LeNet-5 네트워크를 활용한 인공지능 학습
- Convolutional Neural Networks (CNN) 및 Mahalanobis Distance (MD)를 이용한 정상/결함 구분 및 심각도 분석

○ 무인기를 활용한 탐색을 위한 비행경로설정 분야 시범 적용 연구
- 규칙 기반 CPP, 템플릿 기반 CPP, 셀 분할방식 CPP, 격자패턴 분할 방식 CPP 기법 장단점 분석
- 강화학습 (Q-러닝 및 Deep Q-러닝) 기법 분석 및 강화학습을 위한 학습 기준 분석
- Q-러닝 학습 결과 : 학습 시간이 오래 걸리고, 중복해가 존재하는 상황에 대해서는 학습 오류가 확인됨
- Deep Q-러닝 학습 결과 : 학습되지 않은 환경에서도 경로생성 가능 확인

○ 인공지능기술 적용 항공 기술 분야 조사
- Neural Network와 Gradient Descent을 이용한 Airfoil 자동 설계
- CNN을 이용한 Airfoil의 Lift Coefficient 예측 등

(출처 : 요약문 4p)

Abstract ▼

Ⅳ. Results
○ Trial application of electric motor failure diagnosis
- Create Matlab and Simulink models, Check model accuracy
- Check current waveform changes in normal and faulty conditions and generate Recurrence Plot (RP) images
- Label training data, reduce image data size, and train

Ⅳ. Results
○ Trial application of electric motor failure diagnosis
- Create Matlab and Simulink models, Check model accuracy
- Check current waveform changes in normal and faulty conditions and generate Recurrence Plot (RP) images
- Label training data, reduce image data size, and train AI model using a modified LeNet-5 network
- Classify Normal / Faulty states and Determine Severity Level using Convolutional Neural Networks (CNN) and Mahalanobis Distance (MD)

○ Demonstration study on AI application in flight path planning for UAS search operation
- Pros and cons of rule-based CPP, template-based CPP, cell division CPP, grid pattern division CPP
- Analysis of reinforcement learning (Q-learning and deep Q-learning) techniques and learning grade for reinforcement learning
- Q-learning result : learning takes a long time and learning errors are found for situations when multiple solutions exist
- Deep Q-learning result : flight path can be generated in unlearned environment

○ Study on pilot AI application in aerospace field
- Automatic Airfoil Design using Neural Network and Gradient Descent
- Lift Coefficient Prediction of Airfoil Using CNN

(출처 : SUMMARY 6p)

목차 Contents

• 표지 ... 1
• 제출문 ... 2
• 요약문 ... 3
• SUMMARY ... 5
• 목차 ... 8
• 그림목차 ... 9
• Contents ... 10
• 제1장 서론 ... 11
• 제2장 인공지능기술 현황 ... 13
• 제1절 머신러닝과 딥러닝 ... 13
• 제2절 신경망 ... 14
• 제3절 딥러닝 ... 16
• 제4절 심층신경망의 성능개선 ... 17
• 제3장 AI 기술을 활용한 BLDC 전기모터 건전성 분석 ... 19
• 제1절 개요 ... 19
• 제2절 모터 시뮬레이션 모델 ... 19
• 제3절 RP 기법을 이용한 1차원 전류파형의 2차원 이미지 변환 ... 29
• 제4절 CNN과 MD를 활용한 모터 열화 진단 ... 31
• 제5절 결론 및 제언 ... 32
• 제4장 AI 기술을 활용한 무인기 비행 경로설정 ... 33
• 제1절 전체영역 경로계획 기법 연구 ... 33
• 제2절 학습의 종류 및 기준 ... 37
• 제3절 학습을 위한 모델 및 환경 구성 ... 41
• 제4절 학습 결과 ... 44
• 제5절 결론 및 제언 ... 46
• 제5장 항공 분야 인공지능 적용 동향 ... 47
• 제1절 인식 분야 ... 47
• 제2절 항공기 설계, 해석 분야 ... 48
• 제6장 결론 ... 52
• 제7장 참고문헌 ... 54
• 끝페이지 ... 55