DC Field | Value | Language |
---|---|---|
dc.contributor.author | 권기춘 | ko |
dc.contributor.author | 김진형 | ko |
dc.date.accessioned | 2009-12-02T05:09:36Z | - |
dc.date.available | 2009-12-02T05:09:36Z | - |
dc.date.created | 2012-02-06 | - |
dc.date.created | 2012-02-06 | - |
dc.date.issued | 1997-12 | - |
dc.identifier.citation | 정보과학회논문지(B), v.24, no.12, pp.1408 - 1418 | - |
dc.identifier.issn | 1226-2285 | - |
dc.identifier.uri | http://hdl.handle.net/10203/13919 | - |
dc.description.abstract | 원자력발전소와 같이 복잡한 시스템에서 사고상태를 조기에 진단하여 적절한 운전조치를 취하는 것이 필요하다. 원자력발전소에서 사고가 발생하면 주요변수 및 기기의 증상패턴에 따라 사고유형을 패턴으로 표시할 수 있으며, 이 패턴을 인식함으로써 사고의 종류를 진단할 수 있다. 따라서 시간적인 특성과 공간적인 특성을 효과적으로 모델링할 수 있는 이중 확률 모델인 HMM (Hidden Markov Model)을 적용할 수 있게 된다. 학습용 데이터는 시험용 시뮬레이터로부터 획득하여 자기조직화지도를 이용하여 벡터양자화된다. 각 사고에 대해서 학습에 의하여 하나의 모델이 생성되며, 학습은 최대확률 파라미터 추정 방법을 사용하는데, Forward-Backward 알고리즘과 Baum-Welch 재추정 알고리즘을 이용한다. 진단은 주어진 입력패턴에 내해서 가장 큰 확률 값을 가지는 모델로 결정하며, Viterbi 알고리즘으로 각 모델에 대해 최적의 경로를 구한 다음, 최적 경로에 따른 확률을 구한다. HMM을 이용한 사고진단시스템은 left-to-right 모델을 사용하였으며, 8개의 사고와 정상상태를 진단하기 위하여 22개의 입력변수를 사용하였다. 모의 실험에서 8개의 사고유형 모두 정확하게 진단하였으며,입력패턴이 센서의 오류, 일부 기기의 오동작등으로 하나의 변수값이 부정확한 경우에도 거의 정확하게 진단하였다. | - |
dc.language | Korean | - |
dc.language.iso | ko | en |
dc.publisher | 한국정보과학회 | - |
dc.title | 은닉 마르코프 모델을 이용한 원자력발전소 사고진단 | - |
dc.title.alternative | Application of Hidden Markov Model to Accident Diagnosis in Nuclear Power Plants | - |
dc.type | Article | - |
dc.type.rims | ART | - |
dc.citation.volume | 24 | - |
dc.citation.issue | 12 | - |
dc.citation.beginningpage | 1408 | - |
dc.citation.endingpage | 1418 | - |
dc.citation.publicationname | 정보과학회논문지(B) | - |
dc.embargo.liftdate | 9999-12-31 | - |
dc.embargo.terms | 9999-12-31 | - |
dc.contributor.localauthor | 김진형 | - |
dc.contributor.nonIdAuthor | 권기춘 | - |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.