| 1 |
1
원전 설비의 결함을 예측 진단하는 예측 진단 방법에 있어서,신호 처리부가 상기 원전 설비로부터 센서를 통해 데이터를 취득하는 단계;상기 신호 처리부가 상기 데이터의 전처리를 수행하는 단계;특징 모듈부가 상기 데이터를 제공받아 상기 전처리된 데이터의 통계적 특징 및 형상적 특징 중 적어도 어느 하나를 추출하여 정규화하는 단계;특징 학습 및 분류부가 상기 정규화된 데이터의 특징벡터에 차원축소 알고리즘을 적용하여 상기 원전 설비의 상태를 표현하는 새로운 특징을 구성하는 단계; 및상기 특징 학습 및 분류부가 상기 차원축소 알고리즘을 통해 구성된 새로운 특징을 학습하고, 학습된 특징을 군집 알고리즘을 통해 분류하여 상기 원전 설비의 상태를 인지하는 단계를 포함하고,상기 정규화하는 단계에서는시간영역 및 데이터영역 데이터에 대하여 각각 통계적 특징 및 형상적 특징을 가진 특징을 추출하는 단계와,추출된 데이터의 범위를 일치시키고 분포를 유사하게 조정하는 단계를 포함하는 예측 진단 방법
|
| 2 |
2
제1 항에 있어서,상기 전처리를 수행하는 단계는상기 데이터의 샘플을 분할하는 단계와,상기 데이터의 불안정한 성질을 제거하고 상기 데이터의 크기를 감소시키는 단계를 포함하는 것을 특징으로 하는 예측 진단 방법
|
| 3 |
3
제2 항에 있어서,상기 분할하는 단계에서는입출구 유로저항 변화, 또는 토출 압력 불안정 중 적어도 어느 하나를 포함하는 데이터를 샘플 당 500ms 간격으로 설정하여 분할하는 것을 특징으로 하는 예측 진단 방법
|
| 4 |
4
제3 항에 있어서,상기 분할하는 단계에서는상기 분할된 샘플을 중첩시켜 인접 샘플 간의 정보가 포함될 수 있도록 하는 것을 특징으로 하는 예측 진단 방법
|
| 5 |
5
삭제
|
| 6 |
6
제1 항에 있어서,상기 차원축소 알고리즘은 주성분 분석(Principal Component Analysis; PCA)을 포함하는 것을 특징으로 하는 예측 진단 방법
|
| 7 |
7
제1 항에 있어서,상기 군집 알고리즘은 K-NN(Nearest Neighbors) 알고리즘을 포함하는 것을 특징으로 하는 예측 진단 방법
|
| 8 |
8
제1 항에 있어서,상기 원전 설비는압축기를 포함하는 것을 특징으로 하는 예측 진단 방법
|
| 9 |
9
원전 설비의 결함을 예측 진단하는 예측 진단 시스템에 있어서,신호 처리부가 상기 원전 설비로부터 센서를 통해 데이터를 취득하는 단계;상기 신호 처리부가 상기 데이터의 전처리를 수행하는 단계;특징 모듈부가 상기 데이터를 제공받아 상기 전처리된 데이터의 통계적 특징 및 형상적 특징 중 적어도 어느 하나를 추출하여 정규화하는 단계;특징 학습 및 분류부가 상기 정규화된 데이터의 특징벡터에 차원축소 알고리즘을 적용하여 상기 원전 설비의 상태를 표현하는 새로운 특징을 구성하는 단계; 및상기 특징 학습 및 분류부가 상기 차원축소 알고리즘을 통해 구성된 새로운 특징을 학습하고, 학습된 특징을 군집 알고리즘을 통해 분류하여 상기 원전 설비의 상태를 인지하는 단계를 포함하고,상기 정규화하는 단계에서는시간영역 및 데이터영역 데이터에 대하여 각각 통계적 특징 및 형상적 특징을 가진 특징을 추출하는 단계와,추출된 데이터의 범위를 일치시키고 분포를 유사하게 조정하는 단계를 포함하는 예측 진단 시스템
|
