주기성을 갖는 입출력 데이터의연관성 분석을 통한 회귀 모델 학습 방법 (Learning Method for Regression Model by Analysis of Relationship Between Input and Output Data with Periodicity)

서지정보

· 발행기관 : 한국정보처리학회
· 수록지 정보 : 정보처리학회 논문지 / 11권 / 7호 / 299 ~ 306페이지
· 저자명 : 김혜진, 박예슬, 이정원

초록

최근 로봇이나 설비, 회로 등에 센서 내장이 보편화 되고, 측정된 센서 데이터를 학습하여 기기의 고장을 진단하기 위한 연구가 활발하게 수행되고있다. 이러한 고장 진단 연구는 고장 상황이나 종류를 예측하기 위한 분류(Classification) 모델 개발과 정량적으로 고장 상황을 예측하기 위한회귀(Regression) 모델 개발로 구분된다. 분류 모델의 경우, 단순히 고장이나 결함의 유무(Class)를 확인하는 반면, 회귀 모델은 무수히 많은 수치중에 하나의 값(Value)을 예측해야 하므로 학습 난이도가 더 높다. 즉, 입력과 출력을 대응시켜 고장을 예측을 할 때, 유사한 입력값이 동일한출력을 낸다고 결정하기 어려운 불규칙한 상황이 다수 존재하기 때문이다. 따라서 본 논문에서는 주기성을 지닌 입출력 데이터에 초점을 맞추어,입출력 관계를 분석하고, 슬라이딩 윈도우 기반으로 입력 데이터를 패턴화 하여 입출력 데이터 간의 규칙성을 확보하도록 한다. 제안하는 방법을적용하기 위해, 본 연구에서는 MMC(Modular Multilevel Converter) 회로 시스템으로부터 주기성을 지닌 전류, 온도 데이터를 수집하여 ANN을이용하여 학습을 진행하였다. 실험 결과, 한 주기의 2% 이상의 윈도우를 적용하였을 때, 적합도 97% 이상의 성능이 확보될 수 있음을 확인하였다

영어초록

In recent, sensors embedded in robots, equipment, and circuits have become common, and research for diagnosing device failuresby learning measured sensor data is being actively conducted. This failure diagnosis study is divided into a classification model for predictingfailure situations or types and a regression model for numerically predicting failure conditions. In the case of a classification model,it simply checks the presence or absence of a failure or defect (Class), whereas a regression model has a higher learning difficulty becauseit has to predict one value among countless numbers. So, the reason that regression modeling is more difficult is that there are manyirregular situations in which it is difficult to determine one output from a similar input when predicting by matching input and output.
Therefore, in this paper, we focus on input and output data with periodicity, analyze the input/output relationship, and secure regularitybetween input and output data by performing sliding window-based input data patterning. In order to apply the proposed method,in this study, current and temperature data with periodicity were collected from MMC(Modular Multilevel Converter) circuit system andlearning was carried out using ANN. As a result of the experiment, it was confirmed that when a window of 2% or more of one cyclewas applied, performance of 97% or more of fit could be secured.

참고자료

· 없음