개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 차호정
- 발행연도
- 2020
- 저작권
- 연세대학교 논문은 저작권에 의해 보호받습니다.
이용수8
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
배터리의 고장은 탑재된 응용 전체의 성능 저하를 일으킬 뿐만 아니라, 심각한 사고로도 이어질 수 있기 때문에 고장 배터리의 진단은 매우 중요한 문제이다. 하지만 진단을 위해 고장 배터리를 확보하는 것이 현실적으로 어렵기 때문에, 정상 배터리의 데이터만을 활용해서 배터리의 고장을 찾아낼 수 있어야 한다. 이 논문에서는 머신 러닝에 기반해, 정상적인 배터리만을 사용해 고장을 진단할 수 있는 기술을 최초로 제시한다. 제안 방법론은 배터리의 정상 데이터와 이를 구성하는 인자 사이의 관계를 정의하고, 그 관계를 정확하게 예측할 수 있는 모델을 만들어 임의의 방전 프로필이 모델에 얼마나 적합한지 확인하는 방식으로 이루어진다. 실제로 수집하기가 매우 어려운 고장 배터리와 데이터를 필요로 하지 않으면서 배터리의 진단을 수행할 수 있다. 제안 방법론을 검증하기 위해, NCR18650B 배터리를 사용한 실험을 진행하였고, 과방전 및 과충전 고장 데이터를 만들어 이를 구분하는지 확인했다. 그 결과, 정상 배터리 데이터의 약 96%를 정상으로 진단하는 모델을 이용해 약 97%의 정확도로 고장 배터리를 진단했다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0