인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
This study proposes a conceptual AI-based predictive maintenance architecture for residual current devices (RCDs) using time-series analysis of leakage current and evaluates the preliminary embedded applicability of deep learning models. Leakage current data were collected at 1 s intervals for 120 h using two ACS712 current sensors. LSTM, GRU, and Transformer models were trained and evaluated using the same dataset configuration and evaluation framework. Their performance was compared using MAE, RMSE, trainable parameter count, estimated FP32 weight memory, and CPU inference time. LSTM and GRU showed lower prediction errors than the Transformer. GRU achieved prediction accuracy comparable to LSTM while requiring the fewest parameters and the shortest CPU inference time, suggesting its potential as a lightweight candidate for future MCU-based implementation. Based on these results, the proposed architecture is designed to support early warning and predictive maintenance while retaining the conventional RCD protection function.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
