| 1 |
1
제1 직경의 내부 파이프와 상기 제1 직경보다 큰 제2 직경의 외부 파이프 사이에 설치되어 상기 내부 파이프의 길이방향으로 온도를 측정하는 DTS(Distributed Temperature Sensing) 디바이스; 상기 DTS 디바이스의 온도 데이터를 2차원 영상 데이터로 처리하는 데이터 처리부; 상기 2차원 영상 데이터를 입력받아 기계학습하는 학습부; 및 상기 학습부의 학습결과에 따라 상기 내부 파이프의 누출 여부를 판단하는 판단부를 포함하여 구성되는 것을 특징으로 하는, PIP의 누출 위치 감지장치
|
| 2 |
2
제 1 항에 있어서,상기 내부 파이프와 외부 파이프 사이 공간은 질소(Nitrogen)가 충진되는, PIP의 누출 위치 감지장치
|
| 3 |
3
제 1 항에 있어서상기 데이터 처리부는, one-point 데이터를 생성하도록 상기 내부 파이프의 길이 방향을 따라 서로 인접한 2개의 측정 지점들 간의 온도 차이의 표준편차를 계산하는 표준편차 계산부;상기 one-point 데이터를 FFT 변환하는 FFT부; 및 상기 FFT 변환된 데이터를 2차원 영상 데이터로 변환하는 변환부를 포함하여 구성되는, PIP의 누출 위치 감지장치
|
| 4 |
4
제 1 항에 있어서상기 학습부는, CNN Convolutional Neural Network) 모델이고, 상기 CNN 모델은,크기에 따라 결정된 픽셀에서 특징을 추출하는 4개의 컨볼루션 레이어(convolution layer); 정규화 및 평균 풀링작업을 통해 입력 데이터의 너비, 크기 및 특징 맵의 사이즈를 조절하는 트랜지션 레이어(transition layer); 클래스를 분류하는 완전 연결 레이어(fully-connected layer) 및 소프트맥스 레이어(softmax layer)를 포함하여 구성되는, PIP의 누출 위치 감지장치
|
| 5 |
5
제 1 항에 있어서상기 판단부는 상기 CNN 모델의 결과 데이터를 시각적으로 표현하는 t-SNE 알고리즘을 사용하는, PIP의 누출 위치 감지장치
|
| 6 |
6
내부 파이프와 외부 파이프 사이에 설치된 DTS 디바이스가 상기 내부 파이프의 외부 온도를 실시간 측정하는 제1 단계; 데이터 처리부가 상기 측정된 온도 데이터를 영상 데이터화 하는 제2 단계; 학습부가 상기 영상 데이터를 인공지능(AI) 기술을 활용하여 학습하는 제3 단계; 및 판단부가 상기 학습 결과를 통해 누출 여부를 판단하는 제4 단계를 포함하여 진행되는 것을 특징으로 하는, PIP의 누출 위치 감지방법
|
| 7 |
7
제 6 항에 있어서상기 제2 단계는, 상기 내부 파이프의 어느 한 제1 지점과 상기 제1 지점과 인접한 제2 지점간의 표준편차 값을 계산하여, DTS 온도 데이터를 one-point 데이터로 생성하는 전처리 단계; 상기 전처리 된 one-point 데이터를 FFT 변환하는 FFT 변환 단계; 상기 변환된 FFT 데이터를 2차원 영상 데이터로 변환하는 데이터 변환 단계를 포함하고, 여기서 상기 제1 지점과 상기 제2 지점은 연속해서 나타나는, PIP의 누출 위치 감지방법
|
| 8 |
8
제 6 항에 있어서상기 제3 단계는 컨볼루션 신경망(CNN)에 의해 수행되는, PIP의 누출 위치 감지방법
|
| 9 |
9
제 7 항에 있어서상기 제4 단계는 상기 2차원 영상 데이터를 시각화하여 제공하는, PIP의 누출 위치 감지방법
|
| 10 |
10
제 6 항에 있어서상기 내부 파이프의 누출 지점은, 상기 내부 파이프에서 제1 지점, 상기 제1 지점과 인접한 제2 지점간의 온도 차이가 가장 큰 지점인, PIP의 누출 위치 감지방법
|
