순환신경망 기법을 이용한 스파 플랫폼의 시계열데이터 필터링에 관한 연구
A study on time series data filtering of spar platform using recurrent neural network
0
조회
0
다운로드
5
인용
0
참고문헌
키워드
초록
스마트 선박 (Smart ship)의 개발과 해양 플랫폼의 예지보전 시스템 및 자산 관리 시스템 개발을 위해 방대한 양의계측 데이터를 실시간으로 분석할 수 있는 기술에 대한 관심이 높아지고 있다. 이러한 계측 데이터를 실시간으로 분석하기 위해서는 계측 데이터의 노이즈를 제거하고 필요한 정보를 추출하여 분석에 용이한 형태로 데이터를 가공하는 과정인 데이터 필터링이 반드시 선행되어야 한다. 기존의 조선 해양 산업에서는 일정기간 이상 데이터를 저장한 후 이에대한 분석을 실시하여 스펙트럼 기반의 필터링 기법을 많이 이용하였다. 이러한 방법은 실시간 데이터를 분석해야 하는현 상황에는 적합하지 않아 실시간 데이터를 필터링하기 위한 새로운 기법이 필요한 실정이다. 본 논문에서는 시계열데이터를 학습하기 위한 딥 러닝 모델인 순환신경망 알고리즘을 이용하여 실시간으로 전송되는 데이터를 필터링하고자하였다. 실시간으로 계측되는 스파 플랫폼의 계류 장력 값을 필터링하기 위해 순환신경망 알고리즘을 이용한 필터링 모델을 설계하고 그 결과값을 확인하여 실시간 필터링 가능 여부를 확인하였다. 최종적으로 실시간으로 전송되는 데이터를 필터링 하기 위해 순환신경망 알고리즘을 사용하는 것이 적합하다는 것을 확인하였다.
Abstract
There is growing interest in the numerous techniques focused on analyzing vast quantities of measurement data in real time for the development of smart ships along with the development of asset integrity management systems for offshore platforms. To analyze the measurement data in real time, data filtering is used to eliminate the noise in the data and then extract the necessary information to perform a comprehensive data analysis. In the traditional shipbuilding and offshore industry, spectrum-based filtering methods are used because the corresponding data is saved for a certain period and subsequently analyzed. These methods are not suited to the present situation in which real-time data is required to be analyzed. Therefore, a new method for data filtering is required. The objective of this study is to filter data in real time using a recurrent neural network algorithm, which is a deep learning model used for learning time series data. In order to filter the measured mooring tension value of the spa platform in real time, a filtering model comprising a recurrent neural network algorithm was designed, and the results of the data filtering process were verified to confirm the possibility of real- time filtering.
참고문헌 (18)
- K. H. Kang, "IoT based equipment of smart ship system", Bulletin of the Society of Naval Architects of Korea, 55(3), pp.26~28 (2018)
- M. B. Gerner, "Marine monitoring of Gulf of Mexico deepwater floating systems", Proceedings in Offshore Technology Conference, pp.1~6 (2007)
- P. Elman, "Reducing uncertainty through the use of mooring line monitoring", Proceedings in Offshore Technology Conference, pp.1~9 (2013)
- T. I. Fossen, "Kalman filtering for positioning and heading control of ships and offshore rigs", IEEE Control Systems Magazine, 29(6), pp.32~46 (2009)
- D. K. Le, "A study on the ship movement estimation by using Kalman filter", The Conference of Navigation and Port Research, pp.261~262 (2012)
- 황세윤, "통계적 기계학습법을 적용한 플랜트 공정 장비의 시계열 데이터 분석및 고장 상태 진단", 한국CDE학회 논문집, 23(3), pp.193~201 (2018), 한국CDE학회[DOI]
- D. A. Tobon-Mejia, "A data-driven failure prognostics method based on mixture of Gaussians hidden Markov Models", IEEE Transactions on Reliability, 61(2), pp.491~503 (2012)
- 김수관, "F-X 필터와 중앙값 필터를 연속적으로 사용한 파랑잡음 제거", 지구물리와 물리탐사, 15(4), pp.199~208 (2012), 한국지구물리.물리탐사학회[DOI]
- 안성일, "가속도 신호의 주파수 분석에 기반한 풍력발전 고장진단 알고리즘 개발", 한국지능시스템학회 논문지, 22(6), pp.675~680 (2012), 한국지능시스템학회
- 이양지, "시스템 결함원인분석을 위한 데이터 로그 전처리 기법 연구", 한국CDE학회 논문집, 17(2), pp.97~110 (2012), 한국CDE학회
- 송예원, "진동 데이터 기반 설비고장예지를 위한 신호처리기법", 한국전자거래학회지, 23(2), pp.111~121 (2018), 한국전자거래학회[DOI]
- 홍규택, "플랜트 공정 FD FAN 설비의 이상 상태 예측을 위한 센서 데이터 분석", 한국CDE학회 논문집, 23(2), pp.137~143 (2018), 한국CDE학회[DOI]
- 이준웅, "도로영상의 잡음도 식별을 위한 퍼지신경망 알고리즘", 한국자동차공학회 논문집, 10(5), pp.147~159 (2002), 한국자동차공학회
- 변오성, "영상 잡음 제거 필터를 위한 퍼지 순환 신경망 연구", 한국컴퓨터정보학회논문지, 16(6), pp.61~70 (2011), 한국컴퓨터정보학회
- 이강, "음소기반의 순환 신경망 음성 검출기를 이용한 음성 향상", 전자공학회논문지, 54(5), pp.85~89 (2017), 대한전자공학회
- H. J. Seo, "Integrated acoustic echo and background noise suppression based on deep neural network", The Journal oF Korean Institute of Communications and Information Sciences, 2017(6), pp.946~947 (2017)[DOI]
- 李建基, "심전도 신호의 기저선 잡음 제거를 위한 적응 신경망 필터 설계", 전자공학회논문지 - SC, 39(1), pp.76~84 (2002), 대한전자공학회
- 조익현, "신경망을 이용한 심전도 신호의 잡음 제거에 대한 연구", 한국정보기술학회논문지, 6(4), pp.151~157 (2008), 한국정보기술학회