현재 위치
Home
SESSION C-5 : 교통안전(Ⅲ)
그래프 주의 집중 네트워크를 적용한 지하철 전송 시스템 다중결함 탐지
Using Graph Attention Networks for Multi-Fault Detection in Equipment
-
- 발행기관
- 한국ITS학회 바로가기
-
- 간행물
- 한국ITS학회 학술대회 바로가기
-
- 통권
- 한국ITS학회 2024년도 추계학술대회 (2024.10)바로가기
-
- 페이지
- pp.639-643
-
- 저자
-
- 언어
- 한국어(KOR)
-
- URL
- https://www.earticle.net/Article/A455738
※ 기관로그인 시 무료 이용이 가능합니다.
※ 학술발표대회집, 워크숍 자료집 중 4페이지 이내 논문은 '요약'만 제공되는 경우가 있으니, 구매 전에 간행물명, 페이지 수 확인 부탁 드립니다.
4,000원
원문정보
초록
- 한국어
- 설비의 결함 진단은 ITS분야 중 유지보수 및 안전성을 특히 더 고려해야하는 교통과는 뗄 수 없는 분야이다. 그 중, 많은 인원이 사용하는 대중교통은 그 특성상 사용하는 인원의 규모차이로 인해 유지보수 측면 뿐만 아니라 안전성을 위해서도 설비에 대한 결함 진단은 중요하다. 각 모듈들에 센서를 부착하여 전체적인 모니터링을 가능케 하는 기술은 현재 자율주행차와 전기차등의 분야에서 어느정도의 가능성을 보이고 있다. 취득되는 데이터들이 있다면 그곳에 딥러닝을 적용하는 것 또한 가능할 것이며 이러한 관점에서 여러 설비에 부착된 센서데이터들을 활용한 결함진단에 딥러닝을 적용하고자 하는 연구가 발전하고 있다. 본 연구에서는 지하철 열차 보깅을 1:2 규모로 설계된 고장 시뮬레이션 실험 플랫폼에서 수집된 다중 결함 데이터를 활용하여 기존의 많이 연구되는 단일 모듈의 결함이 아닌 다중 결함 탐지를 진행하고자 한다. Transformer와 Graph Attention을 활용한 아키텍쳐를 설계했다. Graph Attention Convolution의 다중결함 진단의 적용가능성을 탐색하엿고 그 가능성을 볼 수 있다.
목차
ABSTRACT
Ⅰ. 연구개요
Ⅱ. 관련 연구
1. 가속도계 센서 기반 결함 진단
2. 그래프 네트워크를 이용한 결함 진단
Ⅲ. 방법론
1. 실험 데이터셋
2. 그래프 주의집중 네트워크를 적용한 다중 결함진단
3. 실험 환경 및 결과
Ⅳ. 결론
참고문헌
키워드
Deep Learning Multi-Fault Detection Graph Attention Convolution저자
간행물 정보
발행기관
-
- 발행기관명
- 한국ITS학회 [The Korean Society of Intelligent Transport Systems]
- 설립연도
- 2002
- 분야
- 공학>교통공학
- 소개
- ◈ 전문분야간 공동협의, 공동연구를 통한 ITS의 학술적 발전 ◈ 산·학·연 협동체계 구축으로 기술개발 지원 ◈ 정부정책 및 제도 방향에 대한 기술적 자문 ◈ 외국 ITS 관련 학술단체와 기술교류 ◈ 관련전문가 및 기술자의 교육 및 양성
간행물
-
- 간행물명
- 한국ITS학회 학술대회
- 간기
- 반년간
- 수록기간
- 2002~2026
- 십진분류
- KDC 326 DDC 338
이 권호 내 다른 논문 / 한국ITS학회 학술대회 한국ITS학회 2024년도 추계학술대회
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.