AdaBoost 알고리즘과 레이더 데이터를 이용한 채프에코 식별에 관한 연구

김종근(Jonggeun Kim),이한수(Hansoo Lee),유정원(Jungwon Yu),정영상(Yeongsang Jeong),김성신(Sungshin Kim) 한국지능시스템학회 2013 한국지능시스템학회 학술발표 논문집 Vol.23 No.2

미국 해군 장교 버나두가 수집한 조선 지도와 그의 조선 인식

김종근(Kim, Jonggeun) 한국고지도연구학회 2021 한국고지도연구 Vol.13 No.2

이 논문에서는 미국 해군 장교 버나두가 1884년에서 1885년 사이에 조선을 방문하여 수집한 11매의 지도 중 ｢해동전도」와 도별 지도 8매의 서지 사항 및 지도상에 기재된 내용을 분석하였다. 아울러 이 9매의 지도에 대한 설명을 포함하고 있는 내셔널 지오그래픽 잡지 내 버나두의 글을 분석하여 그가 수집한 조선의 지도 및 그의 조선 지리에 대한 인식을 파악하였다. 분석 결과 이 지도는 프랑스 선교사 블랑 주교가 소장하고 있던 지도를 모사한 지도이며, 정상기의 ｢동국지도」 원본 계열 지도임을 파악하였다. 특히 이 지도는 현재까지 파악된 정상기의 ｢동국지도」 계열 지도 가운데 한자 지명과 한글 지명이 병기된 유일한 지도라는 점이 확인되었다. 나아가 내셔널 지오그래픽 내 버나두의 글에서 지도에 한자 지명과 한글 지명을 병기한 이유가 조선의 지명을 정확하게 파악하기 위한 것이라는 점이 밝혀졌다. 아울러 버나두는 조선의 지도가 제작수준이 상당히 높았음을 김정호의 ｢대동여지도」 및 정상기의 ｢동국지도」 원본 계열 지도를 통해 인지하고 있었음이 파악되었다. 그리고 내셔널 지오그래픽 잡지에 실린 버나두의 글은 비교적 객관적인 시각으로 조선을 묘사하고 있었고, 향후 조선을 탐사할 미국인들을 위해 상세한 현장의 정보를 제공하고 있었다. 동시에 미국인들이 조선에 대해 가장 궁금하게 여겼던 정보인 금광 정보를 설명하고, 지도로 까지 표현하고 있었음이 확인되었다. n this paper, among the 11 maps collected by U.S. Navy Officer Bernadou during his visit to Joseon from 1884 to 1885, I analyzed the bibliography of Haedongjeondo and eight maps by province and the contents of these maps. In addition, Bernadou s writings in the National Geographic magazine, which included explanations of these nine maps, were analyzed to grasp the maps he collected and his perception of geography of Korea. As a result of the analysis, it was found that Haedongjeondo and eight maps by province copied by Bernadou were maps that were owned by Bishop Blanc, a French missionary, and the map was based on Jung Sang-gi’s Dongguk Jido. In particular, it was confirmed that these maps were the only maps with place-names written in Chinese and Korean alphabet simultaneously until now. Furthermore, it was confirmed in Bernadou s article in National Geographic Magazine that the reason for scribing Chinese and Korean alphabet together as to accurately fix Korea s place-names. In addition, it was revealed that Bernado recognized through Kim Jeong-ho s Daedongyeojido and Jeong Sang-ki s Donggukjido that map production level of Korea was significantly high. And it was found that Bernado s article in National Geographic Magazine described Korea from a relatively objective perspective and provided detailed field information for Americans who would explore Korea in the future. At the same time, the gold mine information, which Americans were most curious about Korea, was explained and even expressed on a map.

특징기반 오토인코더를 이용한 고출력 스핀들모터 진단

김종근(Jonggeun Kim),이현욱(Hyeonuk Lee) 대한전기학회 2022 대한전기학회 학술대회 논문집 Vol.2022 No.7

다중프레임을 이용한 궁사의 패러독스 크기 측정

김종근(Jonggeun Kim),정영상(Yeongsang Jeong),송문재(Moonjae Song),김성신(Sungshin Kim) 한국생산제조학회 2014 한국생산제조학회지 Vol.23 No.1

고속발사체 측정 장치를 이용한 활의 페이퍼 튜닝

김종근(Jonggeun Kim),정영상(Yeongsang Jeong),이한수(Hansoo Lee),김성신(Sungshin Kim) 제어로봇시스템학회 2013 제어로봇시스템학회 각 지부별 자료집 Vol.2013 No.8

시간별 기상 변화를 고려한 LSTM 기반 일사량 예측에 관한 연구

김민석(Minseok Kim),정승환(Seunghwan Jung),김종근(Jonggeun Kim),이한수(Hansoo Lee),김성신(Sungshin Kim) 한국지능시스템학회 2021 한국지능시스템학회논문지 Vol.31 No.1

안정적인 전력계통 운영을 위해서는 기상 변화에 따라 변동되는 발전량을 예측할 수 있는 시스템이 수반되어야 한다. 태양광 발전량 예측을 위해 사용되는 대부분의 기상정보는 일기예보를 통해 쉽게 획득할 수 있다. 하지만, 발전량에 많은 영향을 미치는 일사량은 일기예보에 포함되어 있지 않으므로 정확한 발전량 예측을 위해 일사량 예측과 관련된 연구가 활발히 진행되고 있다. 최근에는 시계열 데이터를 효과적으로 처리할 수 있는 순환신경망과 같은 인공지능 기술이 발전함에 따라 LSTM(Long short-term memory)을 이용한 일사량 예측 연구가 제안되고 있다. LSTM은 과거 정보를 반영함으로써 일사량 예측 성능을 높일 수 있다. 따라서, 본 논문에서는 기상 변화를 고려할 수 있는 입력변수(대기권 밖 일사량, 대기청명도 등)를 생성한 다음 LSTM에 적용하여 다음 날의 시간별 일사량을 예측하는 방법을 제안하였다. 실험 결과, 제안된 방법이 인공신경망을 이용한 일사량 예측 방법 보다 시간별 일사량을 적절히 예측할 수 있음을 확인하였다. A system that can predict amount of generation fluctuating according to the weather changes is required for stable operation of the power system. Most of meteorological information can easily be obtained through the meteorological agency. However, solar radiation, which is the most important meteorological information for forecasting amount of generation is not included in the weather forecast. In order to accurately forecasting amount of generation, research related to forecasting solar radiation has been actively conducted. Recently, as artificial intelligence technologies such as recurrent neural networks that can effectively process time series data are developed, studies on forecasting solar radiation using long short-term memory (LSTM) have been proposed. LSTM can improve performance of forecasting by reflecting past information. In this paper, we propose a method to forecasting hourly solar radiation of next day by creating a input variable(extraterrestrial irradiance, clearness index, etc.) to weather changes and applying to LSTM. The experimental results confirmed that the proposed method shows outstanding solar radiation forecasting performance than the forecasting model using feedforward neural network.

계절별 기상조건에 기반한 태양광 발전량 예측에 관한 연구

김백천(Baekcheon Kim),정승환(Seunghwan Jung),김민석(Minseok Kim),김종근(Jonggeun Kim),김성신(Sungshin Kim) 한국지능시스템학회 2021 한국지능시스템학회논문지 Vol.31 No.2

태양광 발전량 예측은 태양광 발전 시스템을 연계하여 운용되는 마이크로그리드의 전력공급 안정성을 향상시키기 위해 필요하다. 하지만 태양광 발전은 계절별 특성 및 기상조건에 따라 발전량이 다르기 때문에 예측하기 어렵다. 따라서 본 논문에서는 기상 및 발전량 데이터를 계절 및 날씨에 따라 분류하고, 분류된 데이터에 각각 Long Short-Term Memory(LSTM)를 이용하여 태양광 발전량 예측 방법을 제안한다. 제안된 방법의 성능을 비교하기 위해 계절만 고려한 모델, 날씨별 모델과 비교하였다. 실험결과, 계절 및 날씨에 따라 분류된 데이터를 이용하여 모델을 구현하였을 때, 기존 방법들보다 예측성능이 더 우수한 것을 확인할 수 있었다. The solar power generation forecasting is necessary to improve the power supply stability of microgrids operated in connection with the solar power generation system. However, it is difficult to forecast solar power due to anomalous seasonal characteristics and weather conditions. Therefore, the proposed method classifies meteorological and power generation data by season and weather, and then predicts solar power generation by Long Short-Term Memory (LSTM) using the classified data. Weather conditional model and seasonal model are used to verify the performance of the proposed method. Experimental results show that model using classified data by season and weather is outperforms than conventional models.

가중치 기반 Local Outlier Factor를 이용한 고장탐지에 관한 연구

김민석(Minseok Kim),정승환(Seunghwan Jung),김종근(Jonggeun Kim),김성신(Sungshin Kim) 한국지능시스템학회 2021 한국지능시스템학회논문지 Vol.31 No.4

현대의 복잡한 산업공정에서 예상치 못한 비계획정지는 주요 설비들의 수명을 단축시킬 뿐만 아니라 막대한 유지보수 비용을 초래한다. 이러한 문제를 방지하기 위해서 설비들의 고장을 탐지할 수 있는 방법이 필요하다. 따라서, 본 논문에서는 LOF(local outlier factor)를 이용한 고장탐지 방법을 제안한다. 데이터가 특정 분포(Gaussian, binomial, exponential 등)를 따른다는 가정을 기반으로 한 주성분분석, 독립성분분석 등과 같은 통계적 방법들과는 달리, 인접한 이웃의 밀집도를 이용하는 LOF는 데이터에 분포에 따른 가정을 요구하지 않기 때문에 비선형 시스템, 다중모드 및 시변공정에서 많은 관심을 받고 있다. 하지만, LOF는 밀집도를 이용하는 특성상 인접한 이웃들의 거리에 많은 영향을 받기 때문에, 본 논문에서는 각 인접한 이웃의 거리에 비례하는 가중치를 곱해주는 형태로 기존 LOF의 고장탐지 성능을 개선하는 방법을 제안한다. 제안된 방법의 성능을 검증하기 위해 고장탐지 및 진단의 평가목적으로 사용되고 있는 Tennessee eastman 프로세스에 적용한 결과, 제안된 방법이 기존 방법에 비해 고장 구간을 적절히 탐지하면서 부적절한 거짓 알람 발생을 낮출 수 있음을 확인하였다. In complex industrial processes, unplanned shutdown not only shorten the life of the main equipment but also require significant maintenance costs. To avoid these problems, it is an efficient way to detect equipment failures. Therefore, we propose a fault detection method using local outlier factor(LOF). Unlike probability-based methods such as principal component analysis(PCA) and independent component analysis(ICA) where the data have a specific distribution(Gaussian, binomial, exponential, etc.), LOF that utilize the density of nearest neighbors do not require a distribution of data. However, due to the LOF is affected by the distances of nearest neighbor, we propose a method to improve the fault detection performance of the conventional LOF in the form of multiplying a weight proportional to the distance to each neighbor. To validate the fault detection performance of the proposed method, it was applied to the Tennessee eastman process, which is widely used for fault detection and diagnosis. The experimental results confirmed that the proposed method can accurately detect faults and also reduce the occurrence of false alarms compared to conventional methods(PCA and conventional LOF).

재배식물명 표준화 연구

김현진(Hyunjin Kim),장계선(Kaesun Chang),이유미(Youmi Lee),이혜정(Hyejeong Lee),송기훈(Gihun Song),김종근(Jonggeun Kim),원창오(Chango Won),정문영(Munyeong Jeong),전정일(Jeongill Jeon) 한국원예학회 2013 한국원예학회 학술발표요지 Vol.2013 No.5

독립성분분석을 이용한 다변량 공정에서의 고장탐지 방법

정승환,김민석,이한수,김종근,김성신,Jung, Seunghwan,Kim, Minseok,Lee, Hansoo,Kim, Jonggeun,Kim, Sungshin 한국정보통신학회 2020 한국정보통신학회논문지 Vol.24 No.2

대규모 발전소나 화학공정과 같은 다변량 공정은 매우 위험한 환경에서 운전되기 때문에 고장이 발생하면 심각한 인적·물적 손실이 발생할 수 있다. 따라서 시스템의 고장을 사전에 탐지할 수 있는 온라인 모니터링 기술이 필수적이다. 본 논문에서는 세 가지의 다른 다변량 공정 데이터에 ICA를 적용하여 고장탐지를 수행하였고, PCA와 성능을 비교하였다. ICA 기반의 고장탐지 절차는 크게 오프라인 과정과 온라인 과정으로 나뉜다. 오프라인 과정에서는 시스템이 정상일 때 계측된 데이터를 이용하여 고장판별을 위한 문턱 값을 설정한다. 그리고 온라인 과정에서는 실시간으로 계측되는 질의벡터에 대한 통계량을 계산한 후, 계산된 통계량과 사전에 정의된 문턱 값과 비교하여 고장을 판별한다. 본 논문에서 이용한 세 가지의 다변량 공정 데이터에 실험한 결과, ICA 기반 고장탐지 방법이 시스템의 고장을 사전에 탐지하였고, PCA 보다 우수한 고장탐지 성능을 보여주었다. Multivariate processes, such as large scale power plants or chemical processes are operated in very hazardous environment, which can lead to significant human and material losses if a fault occurs. On-line monitoring technology, therefore, is essential to detect system faults. In this paper, the ICA-based fault detection method is conducted using three different multivariate process data. Fault detection procedure based on ICA is divided into off-line and on-line processes. The off-line process determines a threshold for fault detection by using the obtained dataset when the system is normal. And the on-line process computes statistics of query vectors measured in real-time. The fault is detected by comparing computed statistics and previously defined threshold. For comparison, the PCA-based fault detection method is also implemented in this paper. Experimental results show that the ICA-based fault detection method detects the system faults earlier and better than the PCA-based method.