http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 심규환(Gyuhwan Sim) (검색결과 1 건)
- 무료
- 기관 내 무료
- 유료
-
LSTM을 이용한 고분자전해질 연료전지의 상태 예측 모델 개발
김경현(Kyunghyun Kim),김재연(Jaeyeon Kim),박태현(Taehyun Park),송창희(Changhee Song),심규환(Gyuhwan Sim),차석원(Suk Won Cha) 한국자동차공학회 2021 한국자동차공학회 부문종합 학술대회 Vol.2021 No.6
고분자전해질 연료전지 시스템에서 Cathode에서 생성된 물이 고여서 전극의 기공을 막게 되는 Flooding과 막 내부의 수분이 낮아져서 수소 이온 전도도가 감소 되는 Drying이 존재한다. 위 두 현상은 연료전지 성능 저하 및 내구도 저하에 크게 기여하기 때문에 미리 예측하여 발생을 저지시켜야 한다. 하지만 Flooding과 Drying에 관한 판단 지표가 명확하지 않기에 연료 전지시스템의 현재 및 미래 상태에 대한 예측에 어려움이 있다. 본 연구에서는 Flooding과 Drying이 발생할 때 연료전지의 상태 및 작동 조건에 대한 데이터를 축적하기 위해 연료전지 샘플 셀을 제작하고, 실험 프로토콜을 구축하여 테스트를 진행한다. 유로 가시화 기술을 통해 Flooding과 Drying의 발생 여부를 판단하고, 레이블링과 Feature 생성 등 데이터 전처리 알고리즘을 개발하여 지도학습(Supervised Learning)을 위한 데이터 베이스를 구축한다. 축적된 지도학습 데이터를 기반으로 시계열 문제에 효과적인 LSTM(Long Short-Term Memory)의 심층인공신경망 모델을 활용하여 Flooding 및 Drying 진단 및 예측 모델을 개발한다. 예측 정확도 향상을 위해 Feature engineering 및 기계학습의 하이퍼 파라미터 최적화를 수행한다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
