최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기주관연구기관 | 숭실대학교 Soongsil University |
---|---|
연구책임자 | 김철홍 |
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 | 한국어 |
발행년월 | 2024-03 |
과제시작연도 | 2023 |
주관부처 | 과학기술정보통신부 Ministry of Science and ICT |
연구관리전문기관 | 한국연구재단 National Research Foundation of Korea |
등록번호 | TRKO202400007869 |
과제고유번호 | 1711192599 |
사업명 | 개인기초연구(과기정통부) |
DB 구축일자 | 2024-09-19 |
키워드 | 고장진단.딥러닝.회전기계.스마트팩토리.계산 복잡도.Fault Diagnosis.Deep Learning.Rotating Machinery.Smart Factory.Computation Complexity. |
□ 연구개요
본 과제에서는 기계공학 분야에서 주로 연구가 진행되었던 회전기계 고장 진단 연구에 ICT 기술인 딥러닝 기법을 적용하여 상태 진단 정확도를 향상시켰고, 가속기 활용 기술을 적용하여 고속화를 통해 고장 진단 속도를 개선하였으며, 임베디드시스템 구현 기술을 적용함으로써 회전기계 고장 진단에 요구되는 계산 복잡도를 낮추는 연구를 수행하였다. 회전기계를 위한 딥러닝 기반 고장 진단 기술의 정확성 향상, 연산 고속화 및 계산 복잡도 감소 기법 개발을 통해 회전기계 고장으로 인해 발생하는 제조산업의 경제적 손실을 절감하고 생
해당 보고서가 속한 카테고리에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.