보고서 내 다른 이미지

• 그림 연차별 연구개발 목표
• 그림 2차년도 고장모사 항목
• 표 데이터 종류 및 모드별 데이터 확보량
• 그림 데이터 종류 및 모드별 데이터 확보량
• 그림 펌프 통합 진단 시스템 (IDiS) 화면
• 그림 펌프 진동신호 기반 특성인자, 운전데이터 및 성능데이터
• 그림 각 모드별 특성인자 tSNE 분포
• 표 알고리즘별 진단 성공률
• 그림 진단 Confusion Matrix
• 그림 발전소 데이터 진단 결과
• 그림 펌프 테스트베드 CAM을 활용한 attention 영역
• 그림 다이나믹 머신비전 기술
• 그림 소형 펌프의 영상 진단 정확도
• 그림 피격에 의한 손상범위예측 모듈 입·출력 GUI 모습
• 그림 충돌/좌초에 의한 손상범위예측 모듈 입·출력 GUI 모습
• 그림 함정 배관체계 손상모사 테스트베드 구축 모습
• 그림 파열판 시험 모습(좌) 및 배관계 압력 계측 결과(우)
• 그림 KIMM 손상탐지/제어 알고리즘 개념
• 그림 손상 탐지/제어 알고리즘 구현 과정
• 그림 손상 탐지/제어 알고리즘 검증 시험 결과: Damage 1
• 그림 손상 탐지/제어 알고리즘 검증 시험 결과: Damage 2
• 그림 손상 탐지/제어 알고리즘 검증 시험 결과: Damage 3
• 그림 비침투식 배관 압력 모니터링 센서 공압배관 성능 시험 결과
• 그림 비침투식 배관 압력 모니터링 센서 테스트베드 성능 시험 결과
• 그림 무선 데이터 전송 방안 연구(좌: 무선통신 모듈 제작, 우: 전력선통신 시험 모습)
• 그림 스마트밸브 적용에 따른 소화체계 복구 시간 분석
• 그림 오토인코더 구조
• 그림 학습을 위한 조건
• 표 발전소 제어 데이터를 이용한 이상진단 성공률
• 그림 제어 데이터를 이용한 이상 진단
• 그림 스팀 터빈 진동 스펙트럼
• 그림 발전기 진동 스펙트럼
• 그림 No 1 보일러 급수 펌프 진동 스펙트럼
• 그림 No 2 보일러 급수 펌프 진동 스펙트럼
• 그림 이상 진단 결과: 스팀터빈 발전기
• 그림 이상 점수의 경향: 스팀터빈 발전기
• 그림 이상 점수의 경향: 보일러 급수 펌프
• 그림 고장 종류
• 그림 data augmentation 실험에서 사용한 센서
• 그림 분류 모델의 구조
• 그림 생성 모델의 구조
• 그림 부족한데이터와 생성한 데이터
• 그림 GAN을 활용하여 agumentation전과 후의 분류모델 학습도 차이
• 그림 mass-damper-spring system과 각 계수에 따른 natural resposne
• 그림 mass-damper-spring system의 natural response 데이터 생성 모델
• 그림 실제 데이터의 c값에 따른 response 변화
• 그림 잠재변수 5개, c값만 변화시키며 만든 데이터로 생성한 데이터의 잠재변수에 따른 response 변화
• 그림 잠재변수 1개, c값만 변화시키며 만든 데이터로 생성한 데이터의 잠재변수에 따른 response 변화
• 그림 실제 데이터의 k값에 따른 response 변화
• 그림 잠재변수 5개, k값만 변화시키며 만든 데이터로 생성한 데이터의 잠재변수에 따른 response 변화
• 그림 잠재변수 1개, k값만 변화시키며 만든 데이터로 생성한 데이터의 잠재변수에 따른 response 변화
• 그림 그림 15의 데이터를 FFT 하여 주파수를 확인
• 그림 잠재변수 5개, m,c,k 값에 따라 변화시키며 만든 데이터로 생성한 데이터의 잠재변수에 따른 response 변화
• 그림 전이학습 적용 목표
• 그림 전이학습 방법
• 그림 Domain adaptation을 위한 특성인자
• 그림 MMD 기반 방식 개요
• 그림 Deep CORAL 네트워크 구조
• 그림 Domain Adversarial Neural Networks 개략도
• 그림 Deep Convolutional Transfer Learning Network 개략도
• 그림 제안 기술의 개략도
• 그림 제안 기술을 통해 학습한 특성인자
• 그림 Scale-free 진단 모델 검증을 위해 사용된 베어링 시스템
• 그림 베어링 시스템으로부터 획득된 진동 신호
• 그림 운전 조건(하중)이 다른 경우에 대한 진단 결과
• 그림 시스템이 다른 경우에 대한 진단 결과
• 그림 Domain adaptation 기반 진단 가시화(t-SNE) 결과
• 그림 보일러 급수 펌프 실험 개략도
• 그림 Domain adaptation 기반 진단 가시화(t-SNE) 결과
• 그림 Testbed
• 표 Damage scenarios and points
• 표 Pressure from each Smart Valve (SV) (Unit: bar)
• 그림 Simulation Model emulating testbed
• 표 Pressure from each locations that SV located at simulation (Unit: bar)
• 그림 Framework of model calibration
• 표 Percentage error of pressure between simulation and experimental responses (Unit: %)
• 표 Real error of pressure between simulation and experimental responses (Unit: 0.01 bar)
• 표 Average error of pressure between simulation and experimental responses (Unit: % (Percentage error), 0.01 bar (Absolute error))
• 그림 Detectability against quantity of sensors
• 표 Benchmarking functions for optimization
• 표 Results and termination condition for MBF
• 표 Results and termination condition for AES
• 표 Results and termination condition for SR
• 그림 Framework of optimal sensor placement
• 표 Detectability of sensor network by randomly designed, SGA, and AMGA
• 그림 Color map describing objective function values with two sensor nodes
• 그림 Experimental results to observe that CNN focused on the shape of the pixels
• 그림 Atom-bond structure of a molecule represented by a graph with labeled nodes