http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
임철우(ChulWoo Rhim),유춘근(ChunGun Yu),김종근(ChongGun Kim),강병욱(ByungWook Kang) 한국정보과학회 2009 한국정보과학회 학술발표논문집 Vol.36 No.1D
동적인 센서네트워크에서 센서 노드의 위치에 따라서 수집되는 정보의 가치가 달라지기 때문에 센서 네트워크에서 센서 노드의 위치 파악은 매우 중요하다. 본 논문에서는 센서 네트워크에서 인접 노드에 대한 정보와 수신되는 신호의 세기를 이용해서 노드의 위치를 추정하는 기법을 제안한다. 그리고 동적인 센서네트워크 시스템에서 제안한 기법을 구현하기 위해서 UML의 여러 다이어그램 중에서 유즈 케이스 다이어그램, 액티비티 다이어그램, 상태 머신 다이어그램을 이용해서 분석하고 시뮬레이션을 통해서 센서 노드의 위치 추정에 대한 결과를 확인한다.
전기차 사용 후 배터리의 효과적인 재사용을 위한 사용 후 배터리 팩의 잔존가치 판단 방법에 대한 연구
임철우(Chulwoo Rhim),이원호(Wonho Lee),김우용(Wooyong Kim) 전력전자학회 2021 전력전자학술대회 논문집 Vol.2021 No.11
전기차의 사용 후 배터리는 사고, 고장, 수명 등의 다양한 이유로 교체되며 일반적으로 과거 사용 이력을 알 수 없다. 그러므로 전기차 사용 후 배터리를 다른 용도로 재사용하기 이전에 재사용하고자 하는 배터리 팩의 잔존가치를 판단해야 한다. 따라서 본 논문에서는 전기차 사용 후 배터리 시스템을 적절한 용도로 재사용 하기 위해 배터리 시스템의 잔존 가치를 판단할 수 있는 방법을 제시한다. 제안하는 방법은 배터리 팩의 잔존 가치 판단을 위해 고전적인 수명 판단 방법인 배터리 팩의 방전가능 용량과 등가 직렬저항 뿐 아니라 셀 간 편차와 동작 전압 영역과 같은 배터리 팩의 내부 불균형도까지 반영될 수 있도록 하여 사용 후 배터리 시스템의 잔존 가치를 보다 종합적으로 결정할 수 있으므로 전기차 사용 후 배터리 시스템의 효과적인 재사용을 가능하게 할 것으로 기대한다.
임철우(Chulwoo Rhim),김보균(BoGyun Kim) 한국정보기술학회 2010 한국정보기술학회논문지 Vol.8 No.7
In the research of wireless sensor network, it is important to estimate the location nodes. In this paper, we analyze a problem of the position estimate technique that previously proposed. Then propose the additional method that can solve it. With this method, we can find the positions of nodes easily because we use information that nodes have. And we can make a map for all the nodes because we can measure a relative position for an node whose position is not known based on anchor nodes whose positions are already known and then we can confirm whether nodes are placed appropriately. We confirmed that we could locate positions of all nodes, estimated node positions had average 4~7% error through verifying the proposed method.
Predicting End-Effector Positions in Robotic Manipulators using Long Short-Term Memory Algorithm
Saewoong Min(민세웅),Chulwoo Rhim(임철우) 대한기계학회 2023 대한기계학회 춘추학술대회 Vol.2023 No.11
This paper presents a method for predicting end-effector positions in robotic manipulators by using Long Short-Term Memory (LSTM). The Denavit-Hartenberg method was utilized for kinematics, generating 15,000 joint and position data points. Of these, 12,000 were used for training and 3,000 for testing. The performance of LSTM was compared to Support Vector Regression (SVR), Random Forest (RF), and Multiple Linear Regression (MLR). Results demonstrate LSTM’s success in regression tasks, indicating its potential as an alternative to traditional kinematics.