메뉴 건너뛰기
소속 기관 / 학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 / 회원가입
고객센터 ENG
주제분류
인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG
학술저널
오류 신고하기해당 페이지 내 제목·저자·목차·페이지
정보가 잘못된 경우 알려주세요!

논문 기본 정보

저자정보
(한국기술교육대학교)
저널정보
대한기계학회 대한기계학회 논문집 A권 대한기계학회논문집 A권 제49권 제12호(통권 제483호)
오류 신고하기
표지

피인용 0

검색

    초록·키워드

    본 논문에서는 음향 방출(AE: acoustic emission) 센서를 파이프라인에 부착하여 수집한 AE 신호를 이용하여 파이프라인의 누출을 탐지하기 위해 컨볼루셔널 뉴럴 네트워크(convolutional neural network)를 사용할 때 레이어 파리미터와 입력 데이터 포멧이 누출 탐지 성능에 미치는 영향을 조사하였다. 이미지 분류를 위해 제안된 다양한 CNN 모델을 활용하여 AE 신호를 처리하기 위해서는 AE 신호를 이미지 형태로 변환하고 CNN 모델을 일부 수정해야 한다. AE 신호를 이미지로 변환되는 포멧과 ResNet18 모델의 레이어 파라미터에 따라 CNN 모델의 파이프라인 누출 탐지 성능이 달라지는 것과 최선의 변환 포멧과 레이어 파라미터를 파이프라인의 누출을 연출할 수 있는 테스트베드에서 수집한 데이터를 이용하여 확인하였다.
    #Pipeline Leak Detection(배관 누설 탐지) #Acoustic Emission Sensor(음향 방출 센서) #Convolutional Neural Network(합성곱 신경망)

    본문·목차

    최근 본 자료 전체보기

      260915_DBpiaAI2학기
      261017_Citeasy Update
      260917_DBpiaAI뷰어2
      260604_KRpiaAI
      UCI(KEPA) : I410-151-26-02-094732764