http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Pipe Leak Detection System using Wireless Acoustic Sensor Module and Deep Auto-Encoder
Doyeob Yeo(여도엽),Giyoung Lee(이기영),Jae-Cheol Lee(이재철) 한국컴퓨터정보학회 2020 韓國컴퓨터情報學會論文誌 Vol.25 No.2
본 논문에서는 저전력 무선 음향센서 모듈을 통한 데이터 수집과 딥 오토인코더를 이용한 데이터 분석을 통해 배관의 누출을 탐지하는 시스템을 제안한다. 데이터 통신량을 줄이기 위해서 푸리에 변환을 통해 음향센서 데이터 양을 약 1/800로 감소시키는 저전력 무선 음향센서 모듈을 구성하였고, 20kHz~100kHz 주파수 신호를 이용하여 가청 주파수 대역에서 발생하는 노이즈에 강인한 누출 탐지 시스템을 설계하였다. 또한, 데이터 양의 감소에도 배관 누출을 정확하게 탐지하도록 딥 오토인코더를 이용한 데이터 분석 기법을 설계하였다. 수치적인 실험을 통해, 본 논문에서 제안한 누출 탐지 시스템이 고주파 대역대의 노이즈가 섞인 환경에서도 99.94%의 높은 정확도와 Type-II error 0%의 높은 성능을 보이는 것을 검증하였다. In this paper, we propose a pipe leak detection system through data collection using low-power wireless acoustic sensor modules and data analysis using deep auto-encoder. Based on the Fourier transform, we propose a low-power wireless acoustic sensor module that reduces data traffic by reducing the amount of acoustic sensor data to about 1/800, and we design the system that is robust to noise generated in the audible frequency band using only 20kHz~100kHz frequency signals. In addition, the proposed system is designed using a deep auto-encoder to accurately detect pipe leaks even with a reduced amount of data. Numerical experiments show that the proposed pipe leak detection system has a high accuracy of 99.94% and Type-II error of 0% even in the environment where high frequency band noise is mixed.
음향센서로부터 수집된 데이터를 이용한 비지도 학습 기반의 플랜트 배관계에 대한 미세누출 탐지 방법
여도엽(Doyeob Yeo),배지훈(Ji-Hoon Bae),이재철(Jae-Cheol Lee) 한국컴퓨터정보학회 2019 韓國컴퓨터情報學會論文誌 Vol.24 No.9
In this paper, we propose a deep auto-encoder-based pipe leak detection (PLD) technique from time-series acoustic data collected by microphone sensor nodes. The key idea of the proposed technique is to learn representative features of the leak-free state using leak-free time-series acoustic data and the deep auto-encoder. The proposed technique can be used to create a PLD model that detects leaks in the pipeline in an unsupervised learning manner. This means that we only use leak-free data without labeling while training the deep auto-encoder. In addition, when compared to the previous supervised learning-based PLD method that uses image features, this technique does not require complex preprocessing of time-series acoustic data owing to the unsupervised feature extraction scheme. The experimental results show that the proposed PLD method using the deep auto-encoder can provide reliable PLD accuracy even considering unsupervised learning-based feature extraction.
김건(Geon Kim),여도엽(Doyeob Yeo),최유락(Yurak Choi),이종혁(JongHyunk Lee),배지훈(Ji-Hoon Bae) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.11
본 논문은 기계잡음이나 소음환경으로 인해 미세 누출의 진위 판별의 한계를 극복하기 위해 서포트 벡터 머신 기법을 이용한 분석 방법을 제안한다. 제안하는 분석 방법은 플랜트 배관계의 저전력 센서 모듈에서 수집한 미세 누출에 대한 데이터를 사용한다. 본 연구의 실험결과에 따르면, 제안된 구현 모델이 누출 발생 신호가 매우 미약하더라도 95% 이상의 높은 정확도로 누출 판별을 수행할 수 있음을 실험적으로 관찰하였다. In this paper, we propose a support vector machine model to overcome the limitations of determining the authenticity of low-level leakage due to machine noise or noise environment. The proposed analysis method uses data on microleakage collected from the low-power sensor module of the plant piping system. According to the experimental results of this study, it was experimentally observed that the proposed implementation model could perform leak detection with high accuracy of 95% or more even if the leak occurrence signal is very low-level.
플랜트 배관계 미세누출 지능형 감지를 위한 딥러닝 모델 구현
박재순(JaeSoon Park),여도엽(Doyeob Yeo),최유락(Yurak Choi),이종혁(JongHyunk Lee),배지훈(Ji-Hoon Bae) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.11
본 논문에서는 플랜트 배관계의 저전력 센싱 모듈에서 수집한 미세누출에 대한 데이터를 이용하여 딥러닝 기반의 경량화된 누출진단 학습모델을 제안하고자 한다. 초기 건설 시에 설치되었던 플랜트 배관들의 노후화가 진행됨에 따라 배관계의 조기 누출탐지 요구가 증대되고 있지만, 플랜트에서 발생되는 기계잡음과 소음으로 인해 미세누출의 진위 여부를 판별하는 데에 어려움이 있다. 따라서 본 연구에서는 학습 데이터가 작고 기계잡음이 존재하는 상황에서 실제 누출 신호에 대한 이상감지를 수행하기 위해 전이학습 기반의 미세누출 판별 딥러닝 모델을 제안한다. 본 연구의 결과에 따르면 제안모델의 정확도 성능이 기존 신경망 기반의 모델들 보다 더 우수한 미세누출 판별 정확도를 제공할 수 있음을 실험적으로 관찰할 수 있었다. 또한 모델 경량화 작업을 수행한 후 라즈베리파이와 같은 저사양 하드웨어에 탑재하여 정상적인 기능 동작과 빠른 추론 성능도 검증하였다. In this paper, we propose a lightweight leak diagnosis learning model based on deep-learning using low-level leakage data collected from the low-power sensing module of the plant piping system. As the aging of the plant pipes installed during the initial construction progresses, the demand for early leak detection in the piping system is increasing. However, it is difficult to determine the authenticity of low-level leaks due to the mechanical noise and noise generated in the plant. Therefore, in this study, we propose a transer learning-based low-level leak detection deep-learning model to perform anomaly detection on actual leak signals in the presence of a small training dataset and machinery noise. According to the results of this study, it was experimentally observed that the accuracy performance of the proposed model could provide better low-level leak detection accuracy than the existing neural network-based models. In addition, after performing the lightweight model work, it was mounted on low-spec hardware such as Raspberry Pi to verify normal functional operation and fast inference performance.
Leak detection study of plant pipelines using TadGANbased unsupervised learning structure
SuJin Park,SeungSae Joo,SangWoo Lee,DoYeob Yeo,Ji-Hoon Bae 한국정보기술학회 2024 Proceedings of The International Workshop on Futur Vol.2024 No.4
This paper implemented a model using deep learning techniques to early detect pipe leaks that may occur in aging plant pipeline systems. Additionally, considering the difficulty of collecting leakage data in a real environment, we applied an unsupervised learning technique to effectively detect leaks through learning normal patterns. This study utilized the TadGAN model, a structure that combines an autoencoder and a generative adversarial network. The model consists of four components: an encoder and decoder, which function as a generator, along with two discriminators. All four models were composed of multi-layer perceptrons. Through this approach, the study aimed to reduce the false detection rate that can occur in existing autoencoder models. As a result of the study, the leak detection model based on the TadGAN model achieved a high accuracy performance of 97.35%. Additionally, compared to existing autoencoder models, the performance improved from 4.61% to 11.29%. Through this comparison, it was experimentally confirmed that the false detection rate problem in the existing model was effectively overcome.
이재철(JaeCheol Lee),조재완(JaiWan Cho),여도엽(Doyeob Yeo),박태진(Tae-Jin Park),최유락(YouRak Choi) 대한전기학회 2023 정보 및 제어 심포지엄 논문집 Vol.2023 No.10
보온재로 덮여 있는 배관의 누설을 검출하기 위한 방안을 제시하였다. 원자력발전소 원자로냉각재 배관에 사용되는 것과 동일한 보온재를 사용하여 보온재배관 누설 Mockup 을 제작하였다. 40kHz 초음파 소스를 이용하여 보온재의 감쇠 특성을 실험적으로 구하였다. 보온재로 덮여 있는 SUS 배관의 5개 노즐들에 대한 누설신호들을 각각 측정하였다. 보온재에 3개의 관측 홀을 뚫은 상태에서, SUS 배관의 누설초음파신호를 측정하여, 관측 홀이 없는 보온재 배관의 누설신호와 상호 비교하였다.