메뉴 건너뛰기
.. 내서재 .. 알림
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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
심재순 (한화시스템) 박찬영 (한화시스템) 이헌석 (한화시스템) 오진석 (한국해양대학교)
저널정보
한국정보통신학회 한국정보통신학회논문지 한국정보통신학회논문지 제27권 제8호
발행연도
2023.8
수록면
941 - 950 (10page)
DOI
10.6109/jkiice.2023.27.8.941

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
함정 상태기반정비시스템(CBMS)은 함정의 생존성과 운용 성능을 향상시키기 위한 기술이다. 주요 장비(추진계통, 전력계통 등)의 상태를 모니터링하며 성능 평가를 통한 경향 전시, 경보 발생, 고장 진단 및 잔여 수명 예측 등의 기능을 수행한다. 본 논문에서는 함정 추진체계 장비의 이상진단을 위한 머신러닝 모델 설계의 정확성과 효율성을 높이기 위한 방안을 연구한다. 해외 사례에서 활용된 Random Forest, SVR 모델과 최근 다양한 분야에서 가장 많이 활용되는 XGBoost, Light GBM 모델을 사용하여 실제 운용함정 추진체계 장비들의 운용데이터 기반 정상 예측값(Baseline)을 계산하고, 실시간 측정값과의 비교를 통해 추진장비 상태진단을 수행하였다. 함정 추진장비 상태진단결과를 바탕으로, RMSE, R2 Score 및 학습 시간을 비교하여 각 회귀 모델별 성능을 분석하였다.

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 함정 추진체계 CBMS
Ⅲ. 연구수행 과정
Ⅳ. 연구결과
Ⅴ. 결론
REFERENCES

참고문헌 (16)

참고문헌 신청

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0