1 |
1
연료전지 시스템의 고장 검출 방법에 있어서,상기 연료전지 시스템을 구성하는 복수의 서브 시스템들 각각에 대한 특성 값을 예측하는 단계;상기 특성 값 및 측정 값에 기초하여 각 서브 시스템들에 대한 잔차 값(residual value)을 산출하는 단계; 및상기 서브 시스템들에 대한 잔차 값들과 분류기를 이용하여 상기 서브 시스템들 중 고장이 발생한 서브 시스템을 검출하는 단계를 포함하는,연료전지 시스템의 고장 검출 방법
|
2 |
2
제1항에 있어서,상기 검출하는 단계는,상기 각 서브 시스템들에 대한 잔차 값과 상기 각 서브 시스템에 대응하는 임계 값 간의 비교 결과에 기초하여 상기 서브 시스템들에 대한 잔차 패턴 값을 결정하는 단계를 포함하는,연료전지 시스템의 고장 검출 방법
|
3 |
3
제2항에 있어서,상기 검출하는 단계는,상기 잔차 패턴 값을 입력으로 하는 상기 분류기를 이용하여 고장 검출을 위한 분류 패턴 값을 획득하는 단계; 및상기 획득한 분류 패턴을 이용하여 상기 서브 시스템들 중 고장이 발생한 서브 시스템을 결정하는 단계를 포함하는,연료전지 시스템의 고장 검출 방법
|
4 |
4
제3항에 있어서,상기 분류기는,인공 신경망(Artificial Neural Network: ANN), 서포트 벡터 머신(Support Vector Machine: SVM), 선형 회귀식, 일반회귀 신경망(General Regression Neural Network: GRNN) 및 앙상블 회귀 중 적어도 하나를 포함하는 기계 학습법에 기초하여 상기 분류 패턴 값을 획득하는,연료전지 시스템의 고장 검출 방법
|
5 |
5
제2항에 있어서,상기 임계 값은,각 서브 시스템들이 정상인 상태에서 산출된 잔차 값의 표준편차 값에 기초하여 설정되는,연료전지 시스템의 고장 검출 방법
|
6 |
6
제5항에 있어서,상기 임계 값은,상기 표준편차 값의 자연수 배수의 값을 가지는,연료전지 시스템의 고장 검출 방법
|
7 |
7
제1항에 있어서,상기 특성 값을 예측하는 단계는,인공 신경망, 서포트 벡터 머신, 선형 회귀식, 일반회귀 신경망 및 앙상블 회귀 중 적어도 하나를 이용하여 상기 특성 값을 예측하는 단계를 포함하는,연료전지 시스템의 고장 검출 방법
|
8 |
8
제7항에 있어서,상기 특성 값을 예측하는 단계는,상기 연료전지 시스템에 포함된 센서의 측정 값과 제어 신호를 이용하여 상기 특성 값을 예측하는 단계를 포함하는,연료전지 시스템의 고장 검출 방법
|
9 |
9
제8항에 있어서,상기 특성 값은,상기 각 서브 시스템을 대표하는 특성 값으로서 상기 서브 시스템 내의 컴포넌트 및 엘리먼트 중 적어도 하나에서 발생한 고장에 대한 증상이 나타날 수 있는 값이고,상기 서브 시스템의 출력 변수 및 입출력 변수 중 적어도 하나로 환산된 효율식, 열전달율 및 무차원 계수 중 적어도 하나를 포함하는,연료전지 시스템의 고장 검출 방법
|
10 |
10
제1항에 있어서,상기 잔차 값을 산출하는 단계는,상기 각 서브 시스템들에 대한 잔차 값에 대하여 정규화를 수행하는 단계를 포함하는,연료전지 시스템의 고장 검출 방법
|
11 |
11
제10항에 있어서,상기 정규화를 수행하는 단계는,상기 각 서브 시스템들의 잔차 최댓값에서 잔차 최솟값을 뺀 값에 대한 잔차 값에서 잔차 최솟값을 뺀 값의 비율을 산출하여 상기 정규화를 수행하는 단계를 포함하는,연료전지 시스템의 고장 검출 방법
|
12 |
12
제1항 내지 제11항 중 어느 하나의 항의 방법을 실행시키기 위한 인스트럭션들을 저장하는 컴퓨터 판독 가능한 저장 매체
|
13 |
13
연료전지 시스템의 고장 검출 방법을 수행하는 고장 검출 장치에 있어서,상기 연료전지 시스템을 구성하는 복수의 서브 시스템들 각각에 대한 특성 값을 예측하는 예측부;상기 특성 값 및 측정 값에 기초하여 각 서브 시스템들에 대한 잔차 값을 산출하는 산출부; 및상기 서브 시스템들에 대한 잔차 값들과 분류기를 이용하여 상기 서브 시스템들 중 고장이 발생한 서브 시스템을 검출하는 고장 검출부를 포함하는,고장 검출 장치
|
14 |
14
제13항에 있어서,상기 고장 검출부는,상기 각 서브 시스템들에 대한 잔차 값과 상기 각 서브 시스템에 대응하는 임계 값 간의 비교 결과에 기초하여 상기 서브 시스템들에 대한 잔차 패턴 값을 결정하는,고장 검출 장치
|
15 |
15
제14항에 있어서,상기 고장 검출부는,상기 잔차 패턴 값을 입력으로 하는 상기 분류기를 이용하여 고장 검출을 위한 분류 패턴 값을 획득하고,상기 획득한 분류 패턴을 이용하여 상기 서브 시스템들 중 고장이 발생한 서브 시스템을 결정하는,고장 검출 장치
|
16 |
16
제15항에 있어서,상기 분류기는,인공 신경망, 서포트 벡터 머신, 선형 회귀식, 일반회귀 신경망 및 앙상블 회귀 중 적어도 하나를 포함하는 기계 학습법에 기초하여 상기 분류 패턴 값을 획득하는,고장 검출 장치
|
17 |
17
제14항에 있어서,상기 임계 값은,각 서브 시스템들이 정상인 상태에서 산출된 잔차 값의 표준편차 값에 기초하여 설정되는,고장 검출 장치
|
18 |
18
제17항에 있어서,상기 임계 값은,상기 표준편차 값의 정수 배수의 값을 가지는,고장 검출 장치
|
19 |
19
제13항에 있어서,상기 예측부는,인공 신경망, 서포트 벡터 머신, 선형 회귀식, 일반회귀 신경망 및 앙상블 회귀 중 적어도 하나를 포함하는 기계 학습법을 이용하여 상기 특성 값을 예측하는,고장 검출 장치
|
20 |
20
제19항에 있어서,상기 예측부는,상기 연료전지 시스템에 포함된 센서의 측정 값을 이용하여 상기 특성 값을 예측하는,고장 검출 장치
|
21 |
21
제13항에 있어서,상기 산출부는,상기 각 서브 시스템들에 대한 잔차 값에 대하여 정규화를 수행하는,고장 검출 장치
|
22 |
22
제21항에 있어서,상기 산출부는,상기 각 서브 시스템들의 잔차 최댓값에서 잔차 최솟값을 뺀 값에 대한 잔차 값에서 잔차 최솟값을 뺀 값의 비율을 산출하여 상기 정규화를 수행하는,고장 검출 장치
|
23 |
23
연료전지 시스템의 고장 검출 방법을 수행하는 고장 검출 장치에 있어서,해석적 중첩식을 이용하여 상기 연료전지 시스템을 구성하는 복수의 서브 시스템들 각각에 대한 특성 값을 예측하는 예측부;상기 예측된 특성 값 및 센서들에 의해 측정된 측정 값에 기초하여 각 서브 시스템들에 대응하는 잔차 값을 산출하고, 산출된 잔차 값들을 정규화하는 산출부; 및상기 정규화된 잔차 값들에 기초하여 고장이 발생한 서브 시스템을 검출하는 고장 검출부를 포함하는,고장 검출 장치
|