선박으로부터 발생하는 배출가스에 대한 규제가 강화되고 이를 해결하기위한 대안으로 전기추진시스템의적용이 대형상선에서 부터 중ㆍ소형선박에 이르기까지 그 사용이 증가되고있다. 전기추진시스템의 효율 향상을 위한 방법으로 발전원의 개선, 배터리ㆍ연료전 지ㆍ태양광 등의 친환경 발전원의 시스템 연계 및 정류기, 전력변환장치, 추진전동기의 개발과 제어방식의 연구를 들 수 있다. 그 중 정류 방식에 있어 상천이변압기과 다이오드를 이용하는 방식이 널리 사용되었으나, 직류배전을 이용한 친환경발전원의 계통 연계, 가변속 발 전원의 사용, 중ㆍ소형 전기추진시스템의 적용을 통해 전력용 반도체 소자를 이용한 AFE정류기에 대한 수요가 증대되고 있다. 이러한 AFE 정류기를 제어하는 방식에 있어 기존의 비례적분제어기가 아닌 신경회로망을 이용한 방식을 본 연구에서는 제안하였다. 기존의 제 어기 데이터를 활용하여 Matlab/Simulink를 통해 학습한 신경회로망제어기를 설계하고 PSIM을 통해 설계된 정류시스템에 신경회로망 제어 기를 적용하여 부하변동에 따른 직류출력단의 파형과 역률 개선의 유효성을 확인하였다. 이는 공간이 협소한 중소형 친환경 선박의 정류 시스템으로써 적용이 가능하다.
Steam tables including superheated, saturated and compressed region were simultaneously modeled using the neural networks. Pressure and temperature were used as two inputs for superheated and compressed region. On the other hand Pressure and dryness fraction were two inputs for saturated region. The outputs were specific volume, specific enthalpy and specific entropy. The neural network model were compared with the linear interpolation model in terms of the percentage relative errors. The criterion of judgement was selected with the percentage relative error of 1%. In conclusion the neural networks showed better results than the interpolation method for all data of superheated and compressed region and specific volume of saturated region, but similar for specific enthalpy and entropy of saturated region.
Simultaneous modelling was carried out using the neural networks with three inputs including a distinguishing variable for the steam table. It covered whole steam tables including the compressed, saturated and superheated region of water. And relative errors of the thermodynamic properties such as specific volume, enthalpy, entropy were compared using the neural networks and the linear interpolation method. As a result of the analysis, The neural networks has proven to be powerful in modeling the steam table because it has slightly better results than the interpolation method.
The predictive control system using model-based predictive control is a very effective way to optimize the present inputs considering the states and future errors of the reference trajectory, but it has a drawback in that a control input matrix must be repeatedly calculated with a long calculation time at every sampling for minimizing future errors in a predictive interval. In this study, we applied the neural network simulating the predictive control method for the trajectory tracking control of the mobile robot to reduce complex control method and computation time which are the disadvantage of predictive control. In addition, the neural network showed excellent performance by the generalization even for a different reference trajectory. Therefore, The controller is designed by modeling the model-based predictive control gains for the reference trajectory using a neural networks. Through the computer simulation, the proposed control method showed better performance than the general predictive control method.
Zermelo's navigation problem is that the ship reaches a particular target point in the minimum-time when it travels with a constant speed in a region of strong currents and its heading angle is the control variable. Its approximate solution for the minimum-time control may be found using the calculus of variation. However, the accuracy of its approximate solution is low since the solution is based on graph or table form from a complicated nonlinear equations. To improve the accuracy, we use a neural network. Through the computer simulation study we have found that the proposed method is superior to the conventional ones.
The steam table in saturated and superheated region was modeled simultaneously using the neural networks. A variable was introduced to distinguish between the saturation and the superheat. The relative errors were compared with the quadratic spline interpolation method. The relative errors by the neural networks were superior to those by the quadratic spline interpolation method over almost all ranges of temperatures and properties. The overall errors in the saturated region were better than those in the superheated region. From the analysis, it was confirmed that the neural networks could be a very powerful tool for simultaneous modeling of superheated and saturated steam table
The thermodynamic state variables in superheated region of steam table are not wholy obtained by measurements. This means that steam table contains a little error. In this study small error was artificially added to superheated variables and modeled using neural networks. The results were compared with the analysis using quadratic spline interpolation method. By and large the relative errors of variables by neural networks were sufficiently small and similar to or less than those by quadratic spline interpolation method. It was concluded that neural networks could be one good way of modeling for superheated steam table.
정확한 오이의 형상 및 위치를 인식하기 위하여 형상인식 알고리즘에 대한 연구를 수행하였다. 실제 영상에서 오이의 형상과 위치를 판정할 수 있도록 알고리즘을 개발한 결과, 다음과 같은 결론을 얻었다. 오이의 특징형상 검출은 15×15 간격으로 자동검출 되도록 처리하였다. 오이로 인식된 출력패턴 중에서 오검출된 출력패턴의 비율은 0.1~4.2%로 나타났다. 오류역전파 알고리즘은 영상크기를 445×363, 501×391, 300×421, 450×271, 297×421의 크기에 따라 출력패턴을 얻은 결과 영상의 크기에 따른 검출 값의 변화는 없는 것으로 나타났다. 학습패턴 수가 25개로 증가하면 영상에서 다른 패턴을 검출하는 비율이 16.02%로 나타났다. 또한 학습패턴이 2개인 경우 40개의 영상에서 8개의 오이를 검출하지 못하였다. 학습패턴의 수가 7~9개인 경우 오이의 검출이 가장 좋은 것으로 나타났다.
본 연구는 우리나라 서해안에서 월동하는 수조류 군집의 특성 및 환경요인에 따른 분포 특성을 밝히고자 수행되었다. 수조류 군집조사는 10개 지역에서 실시되었으며, 환경요인으로 토지피복도 비율을 측정하였다. 전체 조사지역에서 종 구성은 수면성 오리류가 84%로 가장 높은 비율을 나타냈고, 그 외 잠수성 오리류, 섭금류, 기러기류, 갈매기류 등이 많이 관찰되었다. 가장 높은 우점도를 나타낸 종은 청둥오리(Anas platyrhynchos)였으며 다음으로 가창
Defining the relationship between the quality of injection molded parts and the process condition is very complicate because of lots of factor are involved and each factor has a non-linearity. With the development of CAE(Computer Aided Engineering) technology, the estimation of volumetric shrinkage of injection mold parts is possible by computer simulation even though restricted application. In this research, the Taguchi method and Neural Network applied for finding optimal processing condition. The percent of volumetric shrinkage compared on each case and show neural network can be successfully applied.
본 연구에서는 복합재료 원통쉘의 정적 구조해석 결과를 신경회로망에 적용하여 원통쉘에 가해진 하중특성을 추론하였다. 신경회로망 알고리즘은 역전파 학습법의 학습율이 가변적으로 조정될 수 있도록 프로그램을 개발하였으며, 입력패턴은 원통쉘에 하중이 가해졌을 때, 원통쉘의 측면에서 발생하는 9지점의 변형률을 이용하였다 출력층은 가해진 하중특성으로 설정하였으며, 학습결과 원통쉘의 하중특성 추론 학습에 성공하였다. 은닉층의 층수를 1층에서 3층까지 학습결과를 비교분석하였으며, 하중특성은 0.5% 이내로 추론이 가능해졌다. 본 연구 결과 신경회로망을 이용한 복합재료 원통쉘의 역공학이 가능해졌다.
다분야 통합 시스템의 설계문제는 다량의 설계변수와 구속조건으로 구성되며 다수의 공학적 현상으로 연관되어 있다. 다분야 통합 최적설계 문제를 효과적으로 다루기 위해서는 다양한 해석분야의 공학적 설계원리를 동시에 고려하여 균형 있고 유기적인 방법으로 최적의 설계를 결정하는 체계적인 설계자동화기술이 요구된다. 다분야 통합 설계문제를 위한 효율적인 설계방법론으로 분리기반 최적화 기법이 적용되는데 이 방법은 한 단위의 대규모 설계문제를 여러 개의 하부시스템으로 분리하여 독립적으로 최적화를 수행하고 각 하부 시스템으로부터의 설계해 사이의 중재 및 통합화를 거쳐 최종적으로 수렴된 최적설계를 찾는 방법이다. 본 논문에서는 분리기반 최적화기법을 다분야 통합최적 설계문제에 적용하는데 필요한 시스템분리기법을 유전알고리즘 및 다층 역전 파 신경회로망을 이용하여 정립하였다. 시스템분리기법을 검증하기 위해 최근 미국 Boeing사에서 개발중인 고속 민간항공기인 HSCT의 시뮬레이션기반 설계문제를 이용하였다. 대규모 설계시스템의 분리결과는 전체 설계문제의 특성을 파악하기 위한 자료로 활용되며 향후, 분리기반 최적화과정에서 최종적으로 통합된 최적설계를 탐색하는데 필요한 기반구조를 제공한다.
인공 신경회로망은 인간의 뇌를 전산 모델로 구현한 것으로 상호 연결된 많은 정보 처리 유니트들로 구성되어 있으며, 이를 기초로 논리적인 추론을 수행할 수 있다. 특히, 신경망은 비선형 변수를 많이 포함하고 있는 복잡한 문제 해결에서 더욱 효과적이다. 신경망의 이러한 기능으로 인해 구조분야에서는 비선형적인 각종 구조실험의 결과예측이나 구조계획 그리고 최적 설계에 응용되고 있는 추세이다. 본 논문에서는 인공 신경 회로망의 기본 이론을 설명하고, 현재까지 정립되고 있지 않은 대형 콘크리트 판넬간 수직 접합부의 최대 전단 내력 예측에 기존의 제안식과 인공 신경 회로망의 예측 결과를 비교하여 신경망의 적용가능성을 검토하고자 한다.