| 1 |
1
(a) 무선전력전송에서 오정렬 및 금속 이물질 검출을 판별하기 위한 CNN 모델 입력값을 획득하기 위한 감지용 코일 구조로부터, CNN 입력 데이터를 추출하는 단계; (b) 상기 (a) 단계에서 획득된 CNN 입력 데이터를 이용하여 CNN 모델 특징을 추출하는 단계; 및(c) 상기 (b) 단계에서 추출된 특징 추출 결과물을 이용하여 금속 이물질 및 오정렬 중 적어도 어느 하나를 판단하는 단계를 포함하는 무선전력전송에서 CNN 모델을 활용한 금속 이물질 검출 및 오정렬 감지 방법
|
| 2 |
2
제1항에 있어서, 상기 감지용 코일 구조는 맥스웰 브릿지 회로를 구성하는 전압 측정 단자, 레퍼런스 인덕턴스, 발란스 코일, 상기 발란스 코일을 선택하는 스위치 및 직렬 공진 캐패시터를 포함하는 것인 무선전력전송에서 CNN 모델을 활용한 금속 이물질 검출 및 오정렬 감지 방법
|
| 3 |
3
제2항에 있어서, 상기 공진 캐패시터의 값은 상기 발란스 코일의 인덕턴스의 값을 고려하여 입력 교류의 주파수를 고려하여 설정되는 것인 무선전력전송에서 CNN 모델을 활용한 금속 이물질 검출 및 오정렬 감지 방법
|
| 4 |
4
제2항에 있어서, 상기 (a) 단계는 상기 레퍼런스 인덕턴스를 기준으로 각각의 상기 발란스 코일에 유기되는 전압 차를 비교하는 것인 무선전력전송에서 CNN 모델을 활용한 금속 이물질 검출 및 오정렬 감지 방법
|
| 5 |
5
제2항에 있어서, 상기 (a) 단계는 상기 발란스 코일의 단위 셀의 X축, Y축에 대한 전압값을 이용하여 인공지능 모델 파라미터의 학습 및 인공지능 모델을 이용한 추론에 필요한 상기 CNN 입력 데이터를 추출하는 것인 무선전력전송에서 CNN 모델을 활용한 금속 이물질 검출 및 오정렬 감지 방법
|
| 6 |
6
제5항에 있어서, 상기 (a) 단계는 상기 X축 및 Y축에 대한 전압 변화량의 곱을 사용하여 금속 이물질 및 전력 수신단의 위치에 대응되는 2차원의 데이터인 상기 CNN 입력 데이터를 추출하는 것인 무선전력전송에서 CNN 모델을 활용한 금속 이물질 검출 및 오정렬 감지 방법
|
| 7 |
7
제6항에 있어서, 상기 (a) 단계는 상기 X축, Y축의 전압 변화량을 비교하여 각각의 전압 변화량에 적용되는 스케일 팩터를 설정하여 전압 변화량 민감도의 상대적 차이를 보정하는 것인 무선전력전송에서 CNN 모델을 활용한 금속 이물질 검출 및 오정렬 감지 방법
|
| 8 |
8
제7항에 있어서, 상기 (a) 단계는 상기 스케일 팩터의 결정을 위해 인공지능 모델 파라미터 및 스케일 팩터를 동시에 역전파로 학습하는 것인 무선전력전송에서 CNN 모델을 활용한 금속 이물질 검출 및 오정렬 감지 방법
|
| 9 |
9
제1항에 있어서, 상기 (b) 단계는 2차원 데이터인 전압의 변화량을 대상으로 기설정된 개수의 합성곱 연산 및 최대 풀링 연산의 조합으로 구성된 상기 CNN 모델의 특징을 추출하는 것인 무선전력전송에서 CNN 모델을 활용한 금속 이물질 검출 및 오정렬 감지 방법
|
| 10 |
10
제9항에 있어서, 상기 (b) 단계는 온도 변화량 정보, 전송 효율 변화량 정보, 정렬 및 오정렬 상태에 대한 센싱값 중 적어도 어느 하나를 더 고려하여 상기 CNN 모델 특징을 추출하는 것인 무선전력전송에서 CNN 모델을 활용한 금속 이물질 검출 및 오정렬 감지 방법
|
| 11 |
11
제10항에 있어서, 상기 (c) 단계는 상기 (b) 단계에서 추출된 3차원 특징 추출 결과물을 1차원으로 선형화하고, 상기 (b) 단계에서 획득된 센싱 벡터 결과물과 1개의 데이터로 결합하는 것인 무선전력전송에서 CNN 모델을 활용한 금속 이물질 검출 및 오정렬 감지 방법
|
| 12 |
12
제10항에 있어서, 상기 (c) 단계는 수신단의 오정렬 여부, 이물질이 수신단과 겹치는 곳에 존재하는지 여부에 관해 기설정된 개수의 분류로 클래스를 분류하는 것인 무선전력전송에서 CNN 모델을 활용한 금속 이물질 검출 및 오정렬 감지 방법
|
| 13 |
13
전압 측정 단자, 레퍼런스 인덕턴스, 발란스 코일, 공진 캐패시터 및 상기 발란스 코일을 선택하는 스위치를 포함하는 맥스웰 브릿지 회로를 이용하여 오정렬 및 금속 이물질 검출을 판별하기 위한 입력 데이터를 추출하는 입력 데이터 추출부; 및상기 입력 데이터를 이용하여 특징을 추출하고, 금속 이물질 및 오정렬 중 적어도 어느 하나를 판단하는 CNN 모델을 포함하는 무선전력전송에서 CNN 모델을 활용한 금속 이물질 검출 및 오정렬 감지 시스템
|
| 14 |
14
제13항에 있어서, 상기 입력 데이터 추출부는 상기 레퍼런스 인덕턴스를 기준으로 상기 발란스 코일에 유기되는 전압 차를 비교한 상기 입력 데이터를 추출하는 것인 무선전력전송에서 CNN 모델을 활용한 금속 이물질 검출 및 오정렬 감지 시스템
|
| 15 |
15
제13항에 있어서, 상기 입력 데이터 추출부는 상기 발란스 코일의 단위 셀의 X, Y 축에 대한 전압 변화량을 이용하여 금속 이물질 및 전력 수신단의 위치에 대응되는 2차원 데이터를 추출하는 것인 무선전력전송에서 CNN 모델을 활용한 금속 이물질 검출 및 오정렬 감지 시스템
|
| 16 |
16
제15항에 있어서, 상기 입력 데이터 추출부는 상기 X, Y축에 대한 전압 변화량에 적용되는 스케일 팩터를 결정하여 전압 변화량 민감도에 대한 상대적 차이를 보정하는 것인 무선전력전송에서 CNN 모델을 활용한 금속 이물질 검출 및 오정렬 감지 시스템
|
| 17 |
17
제15항에 있어서, 상기 CNN 모델은 상기 2차원 데이터를 대상으로 기설정된 개수의 합성곱 연산 및 최대 풀링 연산의 조합으로 상기 특징을 추출하는 것인 무선전력전송에서 CNN 모델을 활용한 금속 이물질 검출 및 오정렬 감지 시스템
|
| 18 |
18
제17항에 있어서, 상기 CNN 모델은 온도 변화량 정보, 전송 효율 변화량 정보, 정렬 및 오정렬 상태에 대한 센싱값 중 적어도 어느 하나를 더 고려하여 상기 특징을 추출하는 것인 무선전력전송에서 CNN 모델을 활용한 금속 이물질 검출 및 오정렬 감지 시스템
|
| 19 |
19
제18항에 있어서, 상기 CNN 모델은 추출된 3차원 특징 결과물을 1차원으로 선형화하고, 이를 센싱 벡터 결과물과 1개의 데이터로 결합하여, 수신단의 오정렬 여부와 이물질이 수신단과 겹치는 위치에 존재하는지 여부에 대해 분류를 수행하는 것인 무선전력전송에서 CNN 모델을 활용한 금속 이물질 검출 및 오정렬 감지 시스템
|
