주급수 유량의 형상 분류 및 추정 모델에 대한 연구

양학진(Hac Jin Yang),김성근(Seong Kun Kim),최광희(Kwang Hee Choi) 한국에너지학회 2014 에너지공학 Vol.23 No.4

서포트 벡터 머신을 이용한 차량도어의 개폐 보조력 예측

양학진(Hac-Jin Yang),신현찬(Hyun-Chan Shin),김성근(Seong-Kun Kim) 한국산학기술학회 2016 한국산학기술학회논문지 Vol.17 No.5

본 논문에서는 차량이 주차된 지형의 조건에 따라 적용되는 도어 개폐 보조력 예측 모델을 제시하였다. 경사도, 사용자의 힘 등의 조건에 따른 개폐력 설정을 위하여 작동 보조력에 대한 학습 모델을 구현하여 비교하였고, 예측 모델의 학습을 위하여 축소모형을 제작하여 실험을 통해 학습데이터를 얻을 수 있는 실험 모델을 구성하였다. 실제 보상력 데이터를 학습, 반영하여 적정 값을 도출할 수 있는 학습 알고리즘을 개발하고, 이를 적용할 수 있는 시스템을 개발하였다. 학습 방법 중에서 인공신경망(Artificial Neural Network, ANN)과 서포트 벡터 머신(Support Vector Machine, SVM) 알고리즘을 적용하여 비교·검증하였다. 실제 측정값과 비교·검증한 결과, 차량의 도어 개폐 보조력 예측을 위해서 서포트 벡터 머신의 상대적으로 높은 적용성을 확인할 수 있었으며, 이 예측 모델을 활용하여 경사, 사용자의 힘에 따라 도어 개폐 구동 모터가 보상해야 할 적정한 힘을 예측하여 시간에 따라 구동함으로써 사용자가 평지와 같은 힘으로 문을 제어할 수 있는 시스템 구성을 제시 하였다. We developed a prediction model of assistance force for the opening/closing of an automobile door depending on the condition of the parking ground. The candidates of the learning models for the operating assistance force were compared to determine the proper force according to the slope and user's force, etc. The reduced experimental model was developed to obtain learning data for the estimation model. The learning algorithm was composed to predict the assistance force to incorporate real assistance force data. Among these algorithms, an Artificial Neural Network (ANN) and Support Vector Machine(SVM) were applied and the adaptability was compared between these models. The SVM provided more adaptability for the learning process of the door assistance force prediction. This paper proposes a system for determining the assistance force to control a door motor to compensate for the deviation of required door force in the slope condition, as needed in the plane condition.

온도 균일도 향상을 위한 대면적 서셉터의 설계 및 성능 시험

양학진(Yang, Hac Jin),김성근(Kim, Seong Kun),조중근(Cho, Jung-Geun) 한국산학기술학회 2015 한국산학기술학회논문지 Vol.16 No.6

서셉터 히터에서 쉬스 열선을 사용하는 방법이 일반화되어 있지만, 대면적 초고온 조건에서는 서셉터의 온도 균일도 성능 저하의 문제가 있다. 본 연구에서는 온도균일도 성능을 향상시킬 수 있도록 판형 형태의 열선을 기본으로 새로운 서셉 터를 설계하여 프로토타입을 개발하였다. 표면 온도 450℃의 고온에서 1.4% 이내로 온도 균일도가 시제작된 서셉터에서 검 증될 수 있었다. 또한 온도 학습 데이터를 이용하여 측정 온도 데이터를 예측할 수 있는 커널 회귀 알고리즘을 개발하고, 이러한 예측 데이터와 측정 데이터의 비교 분석으로 균일도 측정 온도의 신뢰성을 확인할 수 있었다. Although sheath-type heating line is generally used for susceptor heater, performance deterioration problems in temperature uniformity occurs in the case of large scale and high temperature condition. We developed new design and prototype of the susceptor using sheet metal to provide performance improvement in temperature uniformity. Temperature uniformity below 1.4% in the surface temperature condition of 450℃ was verified in the susceptor prototype. Also we developed Kernel regression algorithm to estimate measured temperature using temperature learning data. The reliability of the measured temperature uniformity was confirmed by comparative analysis between predicted data and measured data.

대면적 서셉터의 온도 균일도 검증 알고리즘

양학진(Hac Jin Yang),김성근(Seong Kun Kim),조중근(Jung Kun Cho) Korean Society for Precision Engineering 2014 한국정밀공학회지 Vol.31 No.10

Performance of next generation susceptor is affected by temperature uniformity in order to produce reliably large-sized flat panel display. In this paper, we propose a learning estimation model of susceptor to predict and appropriately assess the temperature uniformity. Artificial Neural Networks (ANNs) and Support Vector Machines (SVMs) are compared for the suitability of the learning estimation model. It is proved that SVMs provides more suitable verification of uniformity modeling than ANNs during each stage of temperature variations. Practical procedure for uniformity estimation of susceptor temperature was developed using the SVMs prediction algorithm.

발전플랜트 성능 데이터의 측정 손실 보정에 관한 연구

양학진(Hac Jin Yang),김성근(Seong Kun Kim) 호서대학교 공업기술연구소 2010 공업기술연구 논문집 Vol.29 No.1

발전소 운전의 효율 관리의 핵심이 되는 터빈 사이클 성능 분석을 위해서는 운전성능 측정 데이터의 검증이 필요하다. ASME PTC(Performance Test Code)등에 의하여 표준화가 되어 있는 성능 분석 계산 절차에 의한 입력 검증 모델을 구성하기 위하여,본 연구에서는 Support Vector Machine 회귀 모델을 사용하여 측정 데이터의 검증용 모델을 구성하였으며,이 모델을 사용하여 측정 데이터 중 상실되어 정보를 제공할 수 없는 부분에 대한 예측 모델을 구성하 였 다 . 또한 커널 회귀 모델을 적용하여 운전 조건의 변화에도 적용할 수 있도록 예측 모델의 일반성을 증대시켰다.

손 동작을 모사하기 위한 신경회로망과 커널 회귀의 모델링 비교 연구

양학진(Hac Jin Yang),김형태(Hyung Tae Kim),김성근(Seong Kun Kim) 대한기계학회 2010 大韓機械學會論文集A Vol.34 No.4

강력한 파지와 정밀 조작이 가능한 인간형 로봇 손에 대한 연구는 인간의 손동작을 파악하여 메커니즘을 분석하고, 로봇 손에 적절하게 응용하여야 한다. 본 논문에서는 최소의 자유도를 적용한 실용적인 인간형 로봇 손의 파지 동작을 모사하고자, 고속카메라를 사용하여 인간의 손동작에 대한 움직임을 추출하고, 이를 분석하였다. 이러한 촬영 데이터를 필터링하여 실험 데이터를 얻었으며, 이를 활용한 수학적 모델을 구하였다. 또한, 말절골(DIP)은 중절골(PIP) 및 기절골(MCP)의 움직임과 비선형 관계 모델을 고찰하여, 신경회로망 및 커널 회귀 모델을 사용한 인간형 로봇 손의 파지 모델을 얻었다. 신경회로망과 커널 회귀를 이용한 과정을 비교함으로써, 커널 회귀 알고리즘을 통한 모델링이 실험 데이터와의 근접성이 우수한 유효 모델임을 입증하였다. The grasping motion of a person’s hand for a simplified degree of freedom was modeled by using the photographic motion measured by a high-speed camera. The mathematical expression of distal interphalangeal (DIP) motion was developed by using relation models of the metacarpophalangeal (MCP) and proximal interphalangeal (PIP) motions to reduce the degree of freedom. The mathematical expression for humanoid-hand operation obtained using a learning algorithm with a neural network and using a kernel regression model were compared. A feasible model of hand operation was obtained on the basis of comparative data analysis by using the kernel regression model.

발전플랜트 성능데이터 학습에 의한 발전기 출력 추정 모델

양학진(Yang, Hac Jin),김성근(Kim, Seong Kun) 한국산학기술학회 2015 한국산학기술학회논문지 Vol.16 No.12

터빈 발전 사이클에서의 안정적인 발전 출력 유지관리를 위해서는 검증된 성능 측정 데이터 그룹과 이를 바탕으로 한 발전 출력 성능 계산 절차의 수립이 필요하다. ASME PTC(Performance Test Code)의 성능 계산 절차를 기반으로 본 연구 에서는 터빈 출력에 의한 발전기 출력 성능 산정을 위해서 터빈 팽창선 모델과 발전기 출력 측정 데이터의 입력 검증 모델을 구성하였다. 또한 불확실한 측정 데이터에 대한 검증 모델도 구성하였다. 지난 연구에서는 신경회로망과 커널 회귀의 학습 방법을 사용하였으나 본 연구에서는 미측정 데이터에 대한 보완을 하기 위하여 서포트 벡터 머신 모델을 사용하여 발전기 출력 계산 데이터의 학습 모델을 구성하였으며, 학습 모델 구성을 위해서 관련 변수의 선정을 위한 절차와 학습 데이터 구간 을 설정하는 알고리듬을 개발하였다. 학습의 결과 오차는 약 1% 범위 안에 있게 되어 추정 및 학습 모델로서 유용함을 입증 하였다. 이 학습 모델을 사용하여 측정 데이터 중 상실된 부분에 대한 추정 모델을 구성함으로써, 터빈 사이클 보정 성능 계산의 신뢰성을 향상시킬 수 있음을 검증하였다. Establishment of analysis procedures and validated performance measurements for generator output is required to maintain stable management of generator output in turbine power generation cycle. We developed turbine expansion model and measurement validation model for the performance calculation of generator using turbine output based on ASME (American Society of Mechanical Engineers) PTC (Performance Test Code). We also developed verification model for uncertain measurement data related to the turbine and generator output. Although the model in previous researches was developed using artificial neural network and kernel regression, the verification model in this paper was based on algorithms through Support Vector Machine (SVM) model to overcome the problems of unmeasured data. The selection procedures of related variables and data window for verification learning was also developed. The model reveals suitability in the estimation procss as the learning error was in the range of about 1%. The learning model can provide validated estimations for corrective performance analysis of turbine cycle output using the predictions of measurement data loss.

사출금형 CAM 작업 지원용 공구 항목 추천 시스템 개발

김성근(Seong Kun Kim),양학진(Hac Jin Yang),허영무(Young Moo Heo),양진석(Jin Seok Yang) Korean Society for Precision Engineering 2003 한국정밀공학회지 Vol.20 No.1

최소자승법을 적용한 도어 개폐 험 데이터의 보정 및예측 알고리즘

신현찬(Hyun-Chan Shin),양학진(Hac-Jin Yang),김성근(Seong - Kun Kim) 호서대학교 공업기술연구소 2016 공업기술연구 논문집 Vol.35 No.1

차량이 위치하고 있는 다양한 경사조건에 따라 사용자가 도어에 가하는 개폐 힘을 평지와 같도록 하기 위해 개폐보조 힘을 예측하는 모델을 제안하였다 . 학습에 앞서 모의실험장치로부터의 데이터는 외부 요인에 의한 오차를 가질 수 있다고 판단하였다 . 이러한 문제를 해결하기 위해 최소제곱법을 이용하여 구간마다 최댓값을 보정하였고 , 예측 값의 정확도를 높이는 방안을 제안하였다 . 그에 따른 결과를 인공신경망 모델을 통하여 검증하였고 예측 신뢰 도를 높였다 . 이와 같은 알고리즘 검증을 통하여 사용자가 평지와 유사한 힘으로 도어를 효과적으로 제어하도록 돕는 방안을 제시하였다 . \Ve proposed prediction model of assistance force for the user when use the automobile door to assist the deviation of required door force in the slope condition as needed in the plane condition. Before the training of data we supposed the data can have some error by external factors. So we used Least Squares Method(LSM) to resolve it and proposed the plan can improve accuracy of the prediction force data by revising maximum value. We validated the result Artificial Neural Network(ANN) and improved confidence of prediction force. As a result we proposed to control the door as a similar force regardless of a slope condition.

터빈 사이클의 보정 성능 계산을 위한 급수 유량의 검증 모델

김성근(Seong-Kun Kim),양학진(Hac-Jin Yang),이강희(Kang-Hee Lee),최광희(Kwang-Hee Choi) 대한설비공학회 2012 설비공학 논문집 Vol.24 No.6

Analysis of thermal performance is required for the economic operation of turbine cycle of power plant. We developed corrective model of main feed water flow which is the most important parameter for the precise analysis of turbine cycle performance. Classification model for the identification of feed water flow measurement status was applied to increase the suitability of the corrective model. We used neural network and support vector machine to develop estimation model of main feed water flow with more generalization capability. The estimation model can be used practically to evaluate corrective performance of turbine cycle plant.