최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기주관연구기관 | 동국대학교 DongGuk University |
---|---|
연구책임자 | 김범주 |
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 | 한국어 |
발행년월 | 2022-05 |
과제시작연도 | 2020 |
주관부처 | 교육부 Ministry of Education |
등록번호 | TRKO202200019427 |
과제고유번호 | 1345327133 |
사업명 | 개인기초연구(교육부)(R&D) |
DB 구축일자 | 2023-03-08 |
키워드 | 쉴드 TBM.디스크 커터.굴진데이터.기계학습.인공신경망.Shield TBM.Disc cutter.Excavation data.Machine learning.Artificial Neural Network. |
□ 연구개발 목표 및 내용
○ 최종 목표
쉴드 TBM 디스크 커터의 수명을 예측하기 위해 사용되는 기존 암석시험 기반 모델들의 한계를 극복하여 인공지능 기반의 머신러닝(Machine Learning, 기계학습) 알고리즘을 적용함으로써 쉴드 TBM 디스크 커터의 성능에 영향을 미치는 다양한 요인들을 전체적으로 고려함과 동시에 높은 정확도로 디스크 커터의 수명을 예측할 수 있는 모델을 개발하는 것이다.
○ 전체 내용
디스크 커터 수명을 예측하기 위하여 관련된 선행 연구 자료와 쉴드 TBM 현장의 굴진 데이터를 분석
※ AI-Helper는 부적절한 답변을 할 수 있습니다.