1 |
1
구조물에서 발생하는 진동을 측정하여 진동 데이터를 획득하는 진동 데이터 획득 단계;상기 진동 데이터로부터 적어도 하나의 샘플 데이터를 추출하는 단계;상기 샘플 데이터로부터 제1 통계 정보들을 연산하는 단계; 및상기 제1 통계 정보를 기반으로 상기 진동 데이터가 측정 오류에 의한 것인지를 판단하는 머신 러닝을 위한 특징 정보들을 추출하는 단계;를 포함하는, 진동 측정 오류 판별을 위한 머신러닝 특징 추출 방법
|
2 |
2
제1항에 있어서,상기 제1 통계 정보는,상기 샘플 데이터의 RMS(Root mean square), 평균, 분산, 표준 편차를 포함하는, 진동 측정 오류 판별을 위한 머신러닝 특징 추출 방법
|
3 |
3
제2항에 있어서,상기 특징 정보는,상기 샘플 데이터의 RMS에 대한 상기 샘플 데이터의 평균의 비율을 포함하는, 진동 측정 오류 판별을 위한 머신러닝 특징 추출 방법
|
4 |
4
제3항에 있어서,상기 특징 정보는,상기 샘플 데이터의 RMS에 대한 상기 샘플 데이터의 표준 편차의 비율을 포함하는, 진동 측정 오류 판별을 위한 머신러닝 특징 추출 방법
|
5 |
5
제3항에 있어서,상기 특징 정보는,상기 샘플 데이터의 표준 편차에 대한 상기 샘플 데이터의 분산의 비율 또는 상기 샘플 데이터의 분산에 대한 상기 샘플 데이터의 표준 편차의 비율을 포함하는, 진동 측정 오류 판별을 위한 머신러닝 특징 추출 방법
|
6 |
6
제3항에 있어서,상기 특징 정보는,상기 샘플 데이터의 RMS에 대한 상기 샘플 데이터의 분산의 비율을 포함하는, 진동 측정 오류 판별을 위한 머신러닝 특징 추출 방법
|
7 |
7
제3항에 있어서,상기 진동 데이터로부터 제2 통계 정보들을 연산하는 단계를 더 포함하고,상기 특징 정보를 추출하는 단계에서, 상기 제1 통계 정보와 상기 제2 통계 정보를 기반으로 상기 특징 정보를 추출하는, 진동 측정 오류 판별을 위한 머신러닝 특징 추출 방법
|
8 |
8
제7항에 있어서,상기 제2 통계 정보는,상기 진동 데이터의 RMS(Root mean square), 평균, 분산, 표준 편차를 포함하는, 진동 측정 오류 판별을 위한 머신러닝 특징 추출 방법
|
9 |
9
제8항에 있어서,상기 특징 정보는,상기 진동 데이터의 RMS에 대한 상기 샘플 데이터의 표준 편차의 비율을 포함하는, 진동 측정 오류 판별을 위한 머신러닝 특징 추출 방법
|
10 |
10
제8항에 있어서,상기 특징 정보는,상기 진동 데이터의 표준 편차에 대한 상기 샘플 데이터의 표준 편차의 비율을 포함하는, 진동 측정 오류 판별을 위한 머신러닝 특징 추출 방법
|
11 |
11
제8항에 있어서,상기 특징 정보는,상기 진동 데이터의 분산에 대한 상기 샘플 데이터의 평균의 비율을 포함하는, 진동 측정 오류 판별을 위한 머신러닝 특징 추출 방법
|
12 |
12
제8항에 있어서,상기 특징 정보는,상기 진동 데이터의 표준 편차에 대한 상기 샘플 데이터의 평균의 비율을 포함하는, 진동 측정 오류 판별을 위한 머신러닝 특징 추출 방법
|
13 |
13
제8항에 있어서,상기 특징 정보는,상기 진동 데이터의 RMS에 대한 상기 샘플 데이터의 평균의 비율을 포함하는, 진동 측정 오류 판별을 위한 머신러닝 특징 추출 방법
|
14 |
14
제8항에 있어서,상기 특징 정보는,상기 샘플 데이터의 RMS에 대한 상기 진동 데이터의 평균의 비율을 포함하는, 진동 측정 오류 판별을 위한 머신러닝 특징 추출 방법
|
15 |
15
제8항에 있어서,상기 특징 정보는,상기 진동 데이터의 분산에 대한 상기 샘플 데이터의 분산의 비율을 포함하는, 진동 측정 오류 판별을 위한 머신러닝 특징 추출 방법
|