To estimate weld quality of the resistance spot-welding, the acoustic emission features are investigated from the total acoustic emission signal at the single-spot weld. Typically, the resistance spot welding process consists of several stages: set-down of the electrodes, squeeze, current flow, forging, hold time, and lift-off. Various types of acoustic emission response corresponding to each stage can be separately analyzed by using back-propagation neural network classifier and wavelet transform technique. The presented machine learning results provide a validation for using back-propagation neural network and wavelet transform technique as a valuable insights into the resistance spot-welding process. Especially, a wavelet transform technique is demonstrated and the plots are very powerful in the recognition of the acoustic emission features

위성항법중앙사무소는 다수의 DGNSS 기준국을 운영하고 있으며 이 중 일부 기준국은 타 기준국에 비해 TEQC 품질평가 결과가 저조하다. 이에 이 연구에서는 GPS 관측자료의 품질향상을 위해 품질을 저하시키는 요인을 찾아 규명하고자 한다. 비교실험 대상은 TEQC 품질평가가 상대적으로 저조한 충주기준국을 대상으로 진행하였다. 현장조사를 통해 GPS 신호를 차단 또는 방해하는 장애물은 존재하지 않는 것으로 확인되었다. 비교실험은 주변의 환경적 요인을 고려한 동시관측 비교실험과 관측장비의 이상요인을 고려한 장비교체 비교실험으로 진행하였다. 동시관측 비교실험 결과에서는 실험용 관측기기에서 양질의 데이터가 기록되어 충주기준국 주변의 환경적인 부분은 품질저하의 주된 요인이 아님을 확인하였다. 기준국의 주요 관측장비를 하나씩 교체하며 진행한 장비교체 비교실험에서는 실험용 수신기에 기록된 데이터의 품질이 가장 양호함을 확인하였다. 상위 2가지 비교실험을 통해 수신기의 이상이 GPS 관측자료의 품질을 저하시키는 주된 요인임을 확인하였다.