| 1 |
1
제1 물체와 제2 물체를 물리적으로 연결하는 연결 수단의 피로도를 예측하는 방법에 있어서,상기 연결 수단의 과거 N개(N은 자연수)의 단위 시간대 각각에서의 피로도를 획득하는 단계로써, 상기 N개의 단위 시간대는 판단 기준 시간대를 포함하는 과거의 N개의 단위 시간대이고; 및학습된 인공 신경망을 이용하여, 상기 N개의 단위 시간대 각각에서의 피로도로부터 상기 판단 기준 시간대 이후의 판단 대상 시간대에서의 상기 연결 수단의 피로도를 결정하는 단계;를 포함하는, 연결 수단의 피로도 예측 방법
|
| 2 |
2
청구항 1에 있어서상기 인공 신경망은상기 N개의 과거의 단위 시간대 각각에서의 상기 연결 수단의 피로도와 상기 N개의 단위 시간대 이후의 판단 대상 시간대에서의 상기 연결 수단의 피로도 간의 상관관계를 학습한 신경망인, 연결 수단의 피로도 예측 방법
|
| 3 |
3
청구항 1에 있어서상기 피로도를 획득하는 단계는제1 단위 시간대 내의 복수의 시점에서 상기 연결 수단에 가해지는 장력을 포함하는 제1 데이터를 획득하는 단계;소정의 기준에 따라 상기 제1 데이터를 필터링 하여 제2 데이터를 생성하는 단계;상기 제2 데이터로부터 상기 제1 단위 시간대 내에서 상기 연결 수단에 가해진 장력의 크기별 횟수 데이터인 제3 데이터를 생성하는 단계; 및상기 연결 수단에 가해지는 장력의 크기 별 최대 횟수 데이터에 기반하여, 상기 제3 데이터로부터 상기 제1 단위 시간대 내에서의 상기 연결 수단의 손상도를 산출하는 단계;를 포함하는, 연결 수단의 피로도 예측 방법
|
| 4 |
4
청구항 3에 있어서상기 제1 단위 시간대는 복수이고,상기 피로도를 획득하는 단계는 상기 복수의 제1 단위 시간대 각각에 대한 상기 손상도를 산출하고,상기 복수의 제1 단위 시간대 각각에 대한 손상도에 기초하여, 상기 복수의 제1 단위 시간대 각각의 피로도를 결정하는 단계;를 더 포함하는, 연결 수단의 피로도 예측 방법
|
| 5 |
5
청구항 4에 있어서상기 피로도를 결정하는 단계는,상기 복수의 제1 단위 시간대 각각에 대한 손상도를 하나 이상의 그룹으로 그룹화 하는 단계; 및상기 하나 이상의 그룹 각각에 손상도가 속하는 제1 단위 시간대들의 피로도를 상기 하나 이상의 그룹 각각의 대표값에 기초하여 결정하는 단계;를 포함하는, 연결 수단의 피로도 예측 방법
|
| 6 |
6
청구항 5에 있어서상기 피로도를 결정하는 단계는,상기 복수의 제1 단위 시간대 중 상기 N개의 단위 시간대 각각의 피로도를 결정하는, 연결 수단의 피로도 예측 방법
|
| 7 |
7
청구항 1에 있어서상기 연결 수단의 피로도 예측 방법은상기 N개의 단위 시간대 각각에서의 피로도 및 상기 판단 대상 시간대의 피로도 중 적어도 하나에 기초하여 상기 판단 대상 시간대에서 상기 연결 수단의 교체 필요성을 결정하는 단계;를 더 포함하는, 연결 수단의 피로도 예측 방법
|
| 8 |
8
청구항 1에 있어서상기 제1 물체는 수상에 부유하는 물체이고,상기 제2 물체는 상기 수상에 부유하는 물체를 소정의 위치에 고정하기 위한 물체이고,상기 연결 수단은 상기 부유하는 물체와 상기 고정하기 위한 물체를 연결하는 무어링(Mooring)인, 연결 수단의 피로도 예측 방법
|
| 9 |
9
컴퓨터를 이용하여 제1 항 내지 제8 항 중 어느 한 항의 방법을 실행하기 위하여 매체에 저장된 컴퓨터 프로그램
|
| 10 |
10
제1 물체와 제2 물체를 물리적으로 연결하는 연결 수단의 피로도를 예측하는 시스템에 있어서,상기 연결 수단에 부착되어 상기 연결 수단의 시간의 흐름에 따른 장력을 감지하여 다른 장치로 전송하는 장력 감지 장치; 및상기 장력 감지 장치로부터 상기 연결 수단의 시간의 흐름에 따른 장력을 수신하여 상기 연결 수단의 피로도를 산출하는 연결 수단의 피로도 예측 장치;를 포함하고,상기 연결 수단의 피로도 예측 장치는상기 연결 수단의 과거 N개(N은 자연수)의 단위 시간대 각각에서의 피로도를 획득하되, 상기 N개의 단위 시간대는 판단 기준 시간대를 포함하는 과거의 N개의 단위 시간대이고;학습된 인공 신경망을 이용하여, 상기 N개의 단위 시간대 각각에서의 피로도로부터 상기 판단 기준 시간대 이후의 판단 대상 시간대에서의 상기 연결 수단의 피로도를 결정하는, 연결 수단의 피로도 예측 시스템
|
| 11 |
11
제1 물체와 제2 물체를 물리적으로 연결하는 연결 수단의 피로도를 예측하는 장치에 있어서,상기 연결 수단의 과거 N개(N은 자연수)의 단위 시간대 각각에서의 피로도를 획득하고, 상기 N개의 단위 시간대는 판단 기준 시간대를 포함하는 과거의 N개의 단위 시간대이고,학습된 인공 신경망을 이용하여, 상기 N개의 단위 시간대 각각에서의 피로도로부터 상기 판단 기준 시간대 이후의 판단 대상 시간대에서의 상기 연결 수단의 피로도를 결정하는, 연결 수단의 피로도 예측 장치
|
| 12 |
12
청구항 11에 있어서상기 인공 신경망은상기 N개의 과거의 단위 시간대 각각에서의 상기 연결 수단의 피로도와 상기 N개의 단위 시간대 이후의 판단 대상 시간대에서의 상기 연결 수단의 피로도 간의 상관관계를 학습한 신경망인, 연결 수단의 피로도 예측 장치
|
| 13 |
13
청구항 11에 있어서상기 장치는제1 단위 시간대 내의 복수의 시점에서 상기 연결 수단에 가해지는 장력을 포함하는 제1 데이터를 획득하고,소정의 기준에 따라 상기 제1 데이터를 필터링 하여 제2 데이터를 생성하하고,상기 제2 데이터로부터 상기 제1 단위 시간대 내에서 상기 연결 수단에 가해진 장력의 크기별 횟수 데이터인 제3 데이터를 생성하고,상기 연결 수단에 가해지는 장력의 크기 별 최대 횟수 데이터에 기반하여, 상기 제3 데이터로부터 상기 제1 단위 시간대 내에서의 상기 연결 수단의 손상도를 산출하는, 연결 수단의 피로도 예측 장치
|
| 14 |
14
청구항 13에 있어서상기 제1 단위 시간대는 복수이고,상기 장치는상기 복수의 제1 단위 시간대 각각에 대한 상기 손상도를 산출하고,상기 복수의 제1 단위 시간대 각각에 대한 손상도에 기초하여, 상기 복수의 제1 단위 시간대 각각의 피로도를 결정하는, 연결 수단의 피로도 예측 장치
|
| 15 |
15
청구항 14에 있어서상기 장치는상기 복수의 제1 단위 시간대 각각에 대한 손상도를 하나 이상의 그룹으로 그룹화 하고,상기 하나 이상의 그룹 각각에 손상도가 속하는 제1 단위 시간대들의 피로도를 상기 하나 이상의 그룹 각각의 대표값에 기초하여 결정하는, 연결 수단의 피로도 예측 장치
|
| 16 |
16
청구항 15에 있어서상기 장치는상기 복수의 제1 단위 시간대 중 상기 N개의 단위 시간대 각각의 피로도를 결정하는, 연결 수단의 피로도 예측 장치
|
| 17 |
17
청구항 11에 있어서상기 장치는상기 N개의 단위 시간대 각각에서의 피로도 및 상기 판단 대상 시간대의 피로도 중 적어도 하나에 기초하여 상기 판단 대상 시간대에서 상기 연결 수단의 교체 필요성을 결정하는, 연결 수단의 피로도 예측 장치
|
| 18 |
18
청구항 11에 있어서상기 제1 물체는 수상에 부유하는 물체이고,상기 제2 물체는 상기 수상에 부유하는 물체를 소정의 위치에 고정하기 위한 물체이고,상기 연결 수단은 상기 부유하는 물체와 상기 고정하기 위한 물체를 연결하는 무어링(Mooring)인, 연결 수단의 피로도 예측 장치
|
