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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
최의진 (Hoseo University) 한지훈 (Hoseo University) 홍선기 (Hoseo University)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제72권 제2호
발행연도
2023.2
수록면
255 - 262 (8page)
DOI
10.5370/KIEE.2023.72.2.255

이용수

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

이 논문의 연구 히스토리 (7)

2024

오토인코더 출력 기반의 LSTM 및 GRU를 활용한 전동기 기어 고장 예측
최의진 ,  백종훈 ,  한지훈 외 1명 대한전기학회 학술대회 논문집 2024.04 학술대회자료
믹스업 알고리즘과 오토 인코더를 이용한 전동기 기어 고장 진단 실용화 기법 연구
최의진 ,  한지훈 ,  송승민 외 1명 전기학회논문지 2024.01 학술저널

2023

이동 평균 필터를 이용한 오토 인코더 기반 전동기 고장 진단 성능 향상 연구
최의진 ,  송승민 ,  박종훈 외 2명 대한전기학회 학술대회 논문집 2023.10 학술대회자료
외란을 고려한 전동기 고장진단 데이터 취득 회로 설계
최의진 ,  한지훈 ,  송승민 외 2명 대한전기학회 학술대회 논문집 2023.07 학술대회자료
데이터 불균형 대응 믹스업 데이터를 이용한 전이 학습 전동기 고장 진단 시스템의 성능 향상
최의진 ,  한지훈 ,  홍선기 전기학회논문지 2023.02 학술저널

2022

IoT 기반 전이학습을 이용한 딥 러닝 전동기 고장 진단 성능 향상에 관한 연구
최의진 ,  한지훈 ,  홍선기 대한전기학회 학술대회 논문집 2022.11 학술대회자료
CNN 기반의 전이 학습을 이용한 다수 전동기에서 취득한 고장 진단 데이터 분석
최의진 ,  김규리 ,  남현석 외 2명 대한전기학회 학술대회 논문집 2022.07 학술대회자료

초록· 키워드

오류제보하기
Most of the data obtained for motor fault diagnosis is the data of normal motors. Therefore, the model is trained using normal data collected in the field and fault data collected in experiment. In addtion, transfer learning is used for fast learning convergence. Fault diagnosis performance may be reduced by the number of unbalanced data in each state during transfer learning. In this study, a transfer learning method using mix-up data is proposed to solve this data imbalance. A mix-up is a technique of adding insufficient data to the data with clear decision boundaries, and can be used to balance a large number of normal state data with a small number of fault-state data. The proposed method is compared with GAN, another technique of data augmentation. As a result of the experiment, it was confirmed that the proposed mix-up technique is a method to improve the performance of fault diagnosis.
#Deep learning #Mix-up #Motor fault diagnosis #Data augmentation #Data imbalance

목차

Abstract
1. 서론
2. 알고리즘
3. 시스템 구성
4. 실험
5. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

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

믹스업 알고리즘과 오토 인코더를 이용한 전동기 기어 고장 진단 실용화 기법 연구
최의진 ,  한지훈 ,  송승민 외 1명 전기학회논문지 2024 .01
CNN 기반의 전이 학습을 이용한 다수 전동기에서 취득한 고장 진단 데이터 분석
최의진 ,  김규리 ,  남현석 외 2명 대한전기학회 학술대회 논문집 2022 .07
전이학습을 이용한 데이터 불균형 환경에서의 베어링 고장 진단 모델 개발
이상원 ,  이창호 한국정밀공학회 학술발표대회 논문집 2022 .05
전이 학습을 통한 부하 변화 상황에서 베어링 결함 진단
김도행 ,  최민석 ,  서용석 외 1명 대한기계학회 춘추학술대회 2020 .12
외란에 강인한 RNN을 이용한 전동기 고장 진단 시스템
최동진 ,  한지훈 ,  박상욱 외 2명 대한전기학회 학술대회 논문집 2020 .07

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-560-000385425