메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
정선우 (금오공과대학교) 신지원 (금오공과대학교) 민순재 (금오공과대학교) 허장욱 (금오공과대학교)
저널정보
한국산학기술학회 한국산학기술학회 논문지 한국산학기술학회논문지 제23권 제12호
발행연도
2022.12
수록면
355 - 363 (9page)
DOI
10.5762/KAIS.2022.23.12.355

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
열화상카메라는 주로 야간, 악천후 및 고온의 환경에서 사용되며, 고장이 발생하면 치명적인 손상을 입을 수 있어 장기간 사용에 따른 내구성이 매우 중요하다. 최근, 방역, 화재 및 고장진단 등 다양한 용도로 사용되는 열화상카메라의 수요가 증가하고 있다. 열화상카메라를 이용하여 다른 시스템의 고장을 진단하는 연구는 많지만, 열화상카메라 자체의 고장진단을 연구하는 사례는 거의 없다. 따라서 본 연구에서는 열화상카메라의 FMEA(Failure Mode and Effect Analysis)에 대해 RPN(Risk Priority Number)이 높은 PCB(Printed Circuit Board) 및 적외선 렌즈(IR Lens)를 대상으로 70~90°C 온도에 따른 데이터 값을 추출하였으며, PCB 모듈의 고장 시 저항이 증가하는 것을 확인하였다. 획득한 시계열 데이터를 딥러닝 기법 중 하나인 LSTM(Long Short-Term Memory)을 사용하여 분석을 진행하였다. 그 결과, 3가지의 데이터 정확도 오차를 온도별로 구하여 보았을 때, 다른 시스템의 모델에 비해 0.028~4.208%의 높은 정확도를 얻었다.

목차

요약
Abstract
1. 서론
2. 열화상 카메라의 구성 및 실험방법
3. 데이터 수집 및 전처리
4. 딥러닝을 이용한 고장진단
5. 결론
References

참고문헌 (11)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0