163559 research outputs found
Sort by
캐슬린 리처드슨(저), 박충환(역), 2023, 『로봇과 AI의 인류학: 절멸불안을 통해 본 인간, 기술, 문화의 맞물림』, 눌민
No full text생성형 AI(Artificial Intelligence)의 출현 이후 기술과 사회, 혹은 비인간 기계
와 인간 사이의 상호 얽힘은 새로운 국면을 맞고 있다. 자연어로 인간과
대화할 수 있는 기계가 사회에 스며들면, 산업, 교육, 친교와 돌봄 등은 어
떤 형태로 변모할지, 이 기계에 어떤 사회적・법적 자격을 인정할 것인지,
그리고 이 기계를 만든 기업에 어떤 책임을 부여해야 하는지 등 까다로운
쟁점들을 마주하고 있다. 대화형 AI가 이렇게 일상이 된 것은 최근의 일
이지만, 사실 인간의 능력과 외양을 닮은 기계를 만들려는 노력은 오랜 역
사를 갖는다. 18세기 유럽에서는 피아노를 치고 체스를 두는 자동인형 등
진기한 발명품이 만들어졌을 뿐만 아니라 메리 셸리(Mary Shelley)의 『프랑
켄슈타인』(Frankenstein 1818)과 카렐 차페크(Karel Čapek)의 『R.U.R.』(Rossumovi
Univerzální Roboti 1920)처럼 수많은 픽션의 소재가 되었다. AI 연구자에게는
튜링(Alan Turing)의 유명한 논문(Computing Machinery and Intelligence 1950)과 다
트머스 워크숍(Dartmouth Summer Research Project on AI 1956)이 흔히 AI 연구
의 기원처럼 인식되지만, 인간과 유사한 기계를 만들려는 상상과 현실적
시도는 이보다 훨씬 오래된 일인 것이다
양방향 장단기 메모리와 합성곱 신경망에 기반한 보행자 보폭 추정 기법
No full text학위논문(석사) -- 서울대학교 대학원 : 공과대학 항공우주공학과, 2024. 8. 박찬국.Bidirectional LSTM and CNN Based Pedestrian Stride Length Estimation Junu Park Department of Aerospace Engineering The Graduate School Seoul National University An increasing number of stride length estimation (SLE) algorithms adopt deep learning due to its ability to automatically learn complex nonlinearities in the data. However, datasets with true stride length are small in size, posing a threat to network performance with overfitting. Furthermore, the inertial sensor data collected from users are essentially time-series data with spatial features vary depending on individual walking characteristics. The variety of users and motions increases the complexity of the SLE. Therefore, to bypass the issue of a small-sized training dataset and effectively capture spatio-temporal features inherent in the data, this thesis introduces a bidirectional long short-term memory (BiLSTM) combined with a convolutional neural network (CNN) architecture, termed BiLSTM/CNN, which the author trains with proposed data augmentation method that employs random rotation matrix. Through quantitative and qualitative evaluations on three public datasets, this thesis proves that the proposed method outperforms state-of-the-art algorithms in terms of walking distance error rate and stride length error rate, achieving 2.62% and 5.60%, respectively. The results demonstrate that the BiLSTM/CNN and data augmentation method improve the generalization ability of the network for different users engaging in daily life activities and various motion modes. Keywords: Data augmentation, deep learning (DL), inertial measurement unit (IMU), pedestrian dead reckoning (PDR), stride length estimation (SLE). Student number: 2022-20811데이터의 복잡한 비선형성을 자동으로 학습할 수 있는 능력 덕분에 딥러닝 기반의 보폭 추정 알고리즘이 연구되고 있다. 그러나 정답 보폭이 포함된 데이터셋은 그 크기가 작아, 오버피팅으로 인한 네트워크 성능 저하의 가능성을 가진다. 또한 보행자로부터 수집된 관성 센서 데이터는 본질적으로 시계열 데이터이며, 신호의 공간적 특성은 보행자의 보행 특성에 따라 다양하게 변한다. 다양한 사용자와 동작은 보폭 추정의 복잡성 및 비선형성을 증가시킨다. 따라서 본 논문은 데이터셋의 크기가 작은 문제를 해결하고 데이터에 내재된 시공간적 특징을 효과적으로 추출하기 위해 양방향 장단기 메모리 네트워크와 합성곱 신경망을 결합한 네트워크 구조를 제안하며, 이 구조에서 학습 간에 랜덤 회전 행렬을 사용하는 제안된 데이터 증강 기법이 적용된다. 세 개의 오픈 데이터셋에 대한 양적 및 질적 평가를 통해, 제안 기법이 이동 거리 오차와 단일 보폭 오차 측면에서 최신 알고리즘들을 능가함을 입증하며, 각각 2.62%와 5.60%를 달성한다. 결과는 제안된 네트워크 구조 및 데이터 증강 기법이 다양한 동작 및 사용자에 대한 네트워크의 일반화 능력을 향상시킨다는 것을 보여준다.Introduction 1
1.1 Motivation 1
1.2 Objectives and contributions 3
Related Works 5
2.1 Deep learning-based pedestrian dead reckoning 5
2.2 Deep learning-based stride length estimation 6
2.3 Existing data augmentation methods 9
Pedestrian Stride Length Estimation 12
3.1 Inertial data pre-processing 12
3.2 Data augmentation 13
3.2.1 Matematical analysis 13
3.3 Network architecture 16
3.3.1 The general LSTM Structure 19
3.3.2 The general CNN structure 20
3.3.3 Global average pooling layer 20
3.3.4 Proposed BiLSTM/CNN network 20
Experiments and Results 23
4.1 Datasets description 23
4.1.1 SLE dataset 23
4.1.2 WDE dataset 24
4.1.3 RoNIN dataset 25
4.2 Training setup details 25
4.3 Experimental settings 26
4.4 Evaluation metrics 27
4.5 Competing methods 27
4.5.1 CNN 28
4.5.2 LSTM 28
4.5.3 ResNet-18 28
4.6 Comparison with a LOSO strategy 29
4.6.1 Comparison in controlled scenarios 29
4.6.2 Comparison in daily life scenarios 34
4.7 Comparison with a LOMO strategy 37
4.8 Ablation study 40
Conclusion 43
5.1 Conclusion and summary 43
5.2 Future works 43
Bibliography 45
국문초록 50석
팁 간극이 있는 선형 터빈 캐스케이드에서 케이싱 측 2차 유동 주입 효과 연구
No full text학위논문(박사) -- 서울대학교 대학원 : 공과대학 기계공학부, 2024. 8. Seung Jin Song.선형 터빈 캐스케이드에서 블레이드 상류의 케이싱 측에서 주입되는 2차 유동이 주 유동에 미치는 영향에 대해 실험적, 수치 해석적으로 연구했다. 본 연구는 2차 유동의 유량, 피치 방향 속도와 더불어 블레이드와 케이싱 사이의 팁 간극 크기를 변화시켜 가며 2차 유동이 터빈 주 유동에 미치는 영향에 대해 체계적으로 분석한 첫 번째 연구이다.
블레이드 상류 케이싱 측 2차 유동을 유량과 피치 방향 속도를 주 유동 유량 대비 1.5%, 블레이드 팁 속도 대비 100%로 주입하는 경우 2차 유동의 피치 방향 속도로 인해 2차 유동 주입 슬롯에서 여러 다발의 와류가 발생한다. 해당 와류는 블레이드 유로 내에서 유로 와류 (Passage vortex, PV)와 병합하고, PV를 강하게 만든다. 블레이드 앞전 부근 케이싱 근처의 유동의 경우 2차 유동의 피치 방향 속도로 인해 블레이드의 흡입면으로 향하게 된다. 해당 유동은 블레이드 팁 흡입면에 정체되며 블레이드 앞전 근처 흡입면의 정압 상승을 야기한다. 이로 인해 팁의 압력 하중이 감소하고 팁 간극 유동의 유량이 감소한다. 결국 팁 간극 와류 (Tip clearance vortex, TCV)로 인한 손실이 감소한다. PV와 블레이드 흡입면 사이에 형성된 케이싱에서 미드스팬 (Midspan) 방향으로 향하는 반경 방향 유동은 강화된다. 이는 블레이드 앞전 부근 케이싱 근처의 흡입면으로 향하는 유동이 블레이드 흡입면을 만나며 미드 스팬 방향으로 선회하는 것과 더불어 강한 PV로 인해 발생한다. 해당 반경 방향 유동의 강화는 주 유동 흐름 방향의 유동과 반경 방향 유동 사이의 변형률의 증가로 이어진다. 이는 하류에서 PV 손실 증가를 야기한다. 즉, 주 유동과 반경 방향 유동 사이에서 손실이 증가한다. 총 손실은 TCV 손실 감소량보다 PV 손실 증가량이 더 크기 때문에 20% 증가한다. 하류 유동 이탈각의 경우 PV, TSV의 강화로 인해 증가한다. 즉 블레이드 내 유동의 회전각이 감소한다.
2차 유동의 유량을 증가시키는 경우 TCV 손실은 감소하지만 PV 손실은 증가한다. 하지만 PV 손실이 2차 유동 유량에 더 민감하기 때문에 총 손실은 증가한다. 2차 유동 유량과 총 손실은 선형적인 관계를 가진다. 2차 유동의 피치 방향 속도 역시 총 손실과 선형적인 관계를 가지지만 주로 TCV 손실은 크게 영향을 받지 않았으며 PV 손실 증가가 총 손실의 증가로 이어졌다. 2차 유동의 유량 및 피치 방향 속도는 고정하고 팁 간극 크기를 증가시키는 경우 가장 큰 변화는 팁 간극을 지나는 2차 유동의 유량의 증가이다. 더욱 큰 팁 간극으로 2차 유동이 더 많이 지나가게 되며 반경 방향 유동 강화 효과가 약해진다. 즉 주 유동과 반경 방향 유동 간 변형률이 감소하여 해당 전단 영역에서 발생하는 추가 손실이 감소한다. 하지만 TCV 손실 감소 효과는 팁 간극 크기에 크게 영향받지 않는다. 따라서 팁 간극이 커질수록 2차 유동이 손실에 미치는 영향은 감소한다.This study is the first systematic analysis on the impact of secondary air on the main flow by varying the mass flow rate, tangential velocity of the secondary air, and the tip clearance size between the blade and casing. A low-speed linear turbine cascade and time-averaged unsteady simulation have been conducted.
With injection of the secondary air with mass flow and tangential velocity at 1.5% of the mass flow of the main flow and 100% of the blade tip speed, respectively, multiple slot exit vortices (SEV) are generated at the secondary air injection slot due to the tangential velocity difference between the main flow and the secondary air. SEVs merge with the passage vortex (PV), strengthening the PV. The flow near the casing upstream of the blades is directed towards the SS due to the pitchwise velocity of the secondary air. This flow stagnates on the tip of the suction surface (SS), causing an increase in the static pressure on the SS near the leading edge (LE). Consequently, the tip loading is reduced, and the tip clearance leakage mass flow is decreased, leading to a reduction in the tip clearance vortex (TCV) loss. The spanwise flow between the PV and the blade SS is enhanced, as the flow, which proceeds towards the SS near the casing, turns into spanwise direction. The enhancement of this spanwise flow increases the strain rate between the main flow and the spanwise flow, causing an increase in PV loss at downstream. Therefore, the overall loss increases by 20% because the increase in PV loss is greater than the reduction in TCV loss. The deviation increases by 1 degree due to the strengthening of the PV and TSV, reducing the flow turning.
With increasing mass flow ratio (MFR) between the main flow and the secondary air, the PV associated loss is increased due to the enhancement of the shear between the spanwise flow and streamwise flow near the SS in the upper half span. Meanwhile, tip loading is reduced, decreasing the tip clearance vortex (TCV) loss. With increasing swirl ratio (SR) between the main flow and the secondary air, the multiple SEVs, which merge with the PV, are enhanced, increasing the PV loss.Chapter 1. Introduction 1
1.1. Motivation 1
1.2 Literature Review 3
1.3 Thesis objectives 28
1.4 Overview of Thesis 31
Chapter 2. Experimental Facility 32
2.1 Introduction 32
2.2 Wind Tunnel 33
2.3 Test Section 34
2.4 Secondary Air Injection System 39
2.5 Instrumentation 46
2.6 Quality of Measurement 50
2.7 Test Matrix 59
Chapter 3. Numerical Method 61
3.1 Introduction 61
3.2 Computational Domain and Solver Scheme 62
3.3 Solver Setting 65
Chapter 4. Effect of the Casing-side Secondary Air Injection on Flow Field and Loss 66
4.1 Flow Field 66
4.2 Flow Turning 81
4.3 Loss 83
4.4 Relative Motion between the Casing and Blade Tip 93
Chapter 5. Loss Breakdown Method 100
5.1 Introduction 100
5.2 Methodology 101
5.3 Quantification of Loss 104
Chapter 6. Effect of the Tip Clearance Size 105
6.1 Downstream Flow Field and Loss 105
6.2 Flow Field in the Blade Passage 109
6.3 Loss Mechanism 117
Chapter 7. Effect of the MFR and SR 124
7.1 Impacts on Downstream Flow Field and Loss 124
7.2 Loss Mechanism 134
Chapter 8. Contributions 148
References 150
요약(국문초록) 158
감사의 글 160박
이완시간 분포 분석을 이용한 다양한 전압 조건에서의 양성자 교환막 연료전지의 열화 특성 분석
No full text학위논문(석사) -- 서울대학교 대학원 : 공과대학 기계공학부, 2024. 8. 민경덕.Characteristics of degradation on proton exchange membrane fuel cell under various voltage conditions using the distribution of relaxation times analysis Jung Hyo Chang Department of Mechanical Engineering The Graduate School Seoul National University Proton exchange membrane fuel cells (PEMFCs) experience degradation in both the membrane electrode assembly (MEA) and gas diffusion layer (GDL) under various operating conditions during vehicle operation, including open circuit and idling, dynamic loading, and startup/shutdown. The rapid load changes, sub-zero temperatures, humidity and temperature fluctuations, and high potentials encountered under these conditions weaken the durability of the internal and external elements of the fuel cell. In particular, the high potentials encountered during startup and shutdown conditions cause carbon corrosion on the GDL and MEA, which are made of carbon-based materials, leading to performance degradation.
Numerous prior studies have been conducted to address these issues, and national organizations such as the U.S. Department of Energy (DOE) and Japan's New Energy and Industrial Technology Development Organization (NEDO) have set the standard for durability by proposing accelerated stress test (AST) protocols that simulate startup and shutdown conditions. Prior research and protocols have focused on the effects of MEA. However, since high potentials on the cathode side also cause degradation of the GDL, a combined evaluation of MEA and GDL was deemed necessary.
This study delves into the effects of carbon corrosion induced by high voltages during the startup and shutdown of a fuel cell electric vehicle (FCEV) on MEA and GDL. The analysis reveals that surface roughness and structural damage occur on both MEA and GDL, leading to degradation, especially in the voltage range above 1.6 V in the polarization curve. An increase in mass transport resistance is responsible for this degradation. The result confirmed that when MEA and GDL were evaluated separately, both contributed to the resistance increase, revealing the influence of MEA and GDL on the overall performance change.
These findings provide a comprehensive understanding of the carbon corrosion degradation mechanism affecting PEMFCs and suggest the need for improved durability standards covering both MEA and GDL.
Keywords: Proton exchange membrane fuel cell, startup/shutdown condition, potential sweeping, carbon corrosion, distribution of relaxation times, durability, membrane electrode assembly, gas diffusion layer
Student Number: 2022-22635양성자 교환막 연료 전지(PEMFC)는 차량 운행 중 개방 회로 및 공회전, 동적 부하, 시동/정지 등 다양한 작동 조건에서 막 전극 접합체(MEA)와 기체 확산층(GDL) 모두에서 열화를 경험한다. 이러한 조건에서 발생하는 급격한 부하 변화, 영하의 온도, 습도 및 온도 변동, 높은 전위는 연료전지의 내부 및 외부 요소의 내구성을 약화시킨다. 특히 시동 및 정지 조건에서 발생하는 높은 전위는 탄소 기반 물질로 이루어진 GDL 와 MEA에 탄소 부식을 유발시켜 성능 저하로 이어진다.
이러한 문제를 해결하기 위해 수많은 선행 연구가 진행되어져 왔다. 또한, 미국 에너지부(DOE)와 일본 신에너지 산업기술 종합개발 기구(NEDO)와 같은 국가 기관은 시동 및 정지 조건을 모사하는 가속화 내구 실험(AST) 프로토콜을 제시함으로써 내구성의 표준을 수립하였다. 선행 연구와 프로토콜은 MEA의 영향에 초점을 맞추고 있다. 하지만 캐소드 측에서 발생하는 높은 전위는 GDL에도 열화를 일으키기 때문에 MEA와 GDL의 복합적인 평가가 필요하다 판단하였다.
이 연구에서는 연료전지 전기자동차(FCEV)의 시동 및 정지 시 발생한 고전압이 유발하는 탄소 부식이 MEA와 GDL 에 미치는 영향을 조사하였다. 분석 결과, 표면 거칠기와 구조적 손상이 MEA와 GDL에서 모두 발생하여 열화로 이어지는 것으로 나타났으며, 특히 분극곡선에서 1.6V 이상의 전압 범위에서 물질 전달 저항의 증가로 인해 성능이 감소하는 것으로 나타났다. MEA와 GDL을 별도로 평가한 결과, 둘 다 저항 증가에 기여하는 것을 밝혔다.
이러한 연구 결과는 PEMFC에 영향을 미치는 탄소 부식 열화 메커니즘에 대한 포괄적인 이해를 제공하고, MEA와 GDL을 모두 포괄하는 향상된 내구성 표준의 필요성을 시사한다.
주요어: 양성자 교환막 연료전지, 시동/정지 조건, 전위 스위핑, 탄소 부식, 이완 시간 분포, 내구성, 막 전극 접합체, 기체 확산층
학 번: 2022-22635Abstract i
List of Tables v
List of Figures vi
Introduction 1
1.1 Background 1
1.2 Literature Review 8
1.2.1 Degradation factors under operating conditions 8
1.2.2 Carbon corrosion 15
1.3 Research Objectives 19
Experiment. 21
2.1 Experimental setup 21
2.2 Experimental condition 23
2.3 Property measurement 27
2.4 Accelerated stress test 30
Theoretical 34
3.1 Distribution of relaxation times 34
Results and Discussion 37
4.1 Performance variation with operating voltages 37
4.1.1 Polarization curve 37
4.1.1 Electrochemical impedance spectroscopy 40
4.2 Separate analysis of MEA and GDL 45
4.2.1 Polarization curve 45
4.2.1 Electrochemical impedance spectroscopy 49
4.3 Property analysis 52
4.4 DRT analysis: After separating MEA and GDL 61
Conclusion 69
Bibliography 72
국 문 초 록 79석
전기화학적 물 산화 및 이산화탄소 삽입 반응에서 전하 전달 제어에 대한 연구
No full text학위논문(박사) -- 서울대학교 대학원 : 공과대학 재료공학부, 2024. 8. 남기태.효율적이면서도 친환경적인 전기화학적 에너지 전환 공정 개발 연구는 인류의 지속 가능한 에너지 시스템 구축을 위해 매우 중요한 글로벌 과제입니다. 이 분야에서 특히 중요하게 여겨지는 두 가지 공정은 수소 생산을 위한 물 분해 반쪽 반응인 전기화학적 물 산화 반응과 이산화탄소 (CO2)를 고부가가치 화학 물질로 전기화학적으로 전환하는 CO2 삽입 반응입니다. 따라서 두 반응의 전기화학 시스템 성능을 향상시키기 위해서는 각 반응의 전하 전달 메커니즘에 대한 근본적인 이해가 필수적
입니다.
본 연구에서 우리는 전기화학적 물 산화와 CO2 삽입 반응에서 전하 전달 제어를 종합적으로 이해하고자 했습니다. 특히 촉매와 기판 사이의 계면 밴드 구조가 전하 분리, 전달 및 이동 과정에 중요한 역할을 한다는 점을 밝히는 데 중점을 두었습니다. X선 광전자 분광법, 전기화학적 측정 및 분광 분석을 포함한 다양한 실험 기법을 통해 촉매-기판 계면의 전자적 특성과 목표 전기화학 반응의 성능 간의 상관관계를 체계적으로 연구했습니다. 연구 결과는 기판의 전자 구조와 촉매의 전자 구조 간 정렬이 전하 이동 메커니즘과 전체 반응 성능을 결정하는 데 중요한 요인임을 알려줍니다.
또한 전하 전달 과정을 설계하고 전기화학적 물 산화와 CO2 삽입 반응의 효율성을 향상시키기 위한 전략을 추가로 제안했습니다. 이러한 전략에는 기판 재료의 합리적인 선택, 중간층의 도입, 촉매 조성 및 형태의 최적화가 포함됩니다. 본 연구의 결과는 전기화학적 계면에서의 전하 전달 현상에 대한 포괄적인 이해를 제공하며, 지속 가능한 에너지 전환 및 활용을 위한 고성능 촉매 시스템의 합리적 설계를 위한 방법론을 제공합니다. 이 연구 결과는 물 전기분해 장치, 연료 전지 및 CO2 환원 장치와 같은 고부가가치 전기화학 기술의 개발에 더 널리 적용될 수 있으며, 탄소 중립 미래로의 전환을 가속화할 수 있습니다.
Chapter 2에서는 전기화학적 물 산화 동안 기판과 Mn3O4 나노 촉매 사이의 계면 전하 전달 과정을 조사했습니다. 산소 발생 반응을 위한 필름형 전기 촉매에서 전하 전달은 전체 물 산화 성능에 큰 영향을 미칩니다. 예를 들어, 전이 금속 산화물 기반 촉매 필름은 전하 전달 제한으로 인해 최적의 코팅 두께를 가집니다. 본 논문에서는 촉매 표면 및 내부 촉매 필름의 두 가지 전하 전달 계면보다 덜 주목받아온 촉매와 기판 사이 계면에서의 전하 전달 메커니즘에 주목했습니다. Mn3O4 나노촉매는 기판에 따라 산소 발생 성능이 달라졌으며, 이 경향성이 기판의 일 함수와 상관관계가 있음을 관찰했습니다. 우리는 촉매-기판 계면의 에너지 밴드 구조를 기반으로 일 함수 의존성을 분석했습니다. 일 함수가 낮은 기판은 높은 쇼트키 장벽을 형성하여 계면에서의 전하 전달을 방해했습니다. 이러한 이해를 바탕으로, 산업적으로 중요한 Ti 기판에 적절한 일 함수를 가진 얇은 중간층을 삽입해 Mn3O4 나노촉매의 물 산화성능을 크게 향상시킬 수 있음을 입증했습니다.
Chapter 3에서는 furfural과 이산화탄소로부터 2,5-furandicarboxylic acid (FDCA)의 전기화학적 합성을 제안했습니다. 고부가가치 바이오 기반 폴리머인 FDCA의 합성은 일반적으로 5-(hydroxymethyl)furfural (HMF)의 산화 방법 또는 출발 물질로 furfural을 사용하는 열촉매 방법에 의해 이루어집니다. 본 연구에서는 보다 친환경적인 전기화학적 방법론을 도입해 furfural로부터 FDCA를 합성하였습니다. FDCA는 furfural 유도체의 전기화학적 카복실화에 의해 성공적으로 합성되었으며, 마그네슘이 희생 양극으로 사용되었습니다. 또한, FDCA의 패러데이 효율은 전해질 양이온의 종류와 상관관계가 있음을 보여주어 양이온이 반응 중간체를 안정화하는 데 관여하고 있음을 알 수 있었습니다. 나아가, 다양한 희생 양극을 사용한 실험을 통해 다양한 할로젠화 탄소 화합물의 전기화학적 카복실화가 마그네슘보다 저렴한 양극을 사용하여 합성될 수 있음을 보여주었습니다.Developing an efficient and scalable electrochemical energy conversion process is crucial for addressing the global challenges of sustainable energy and environmental protection. Two key processes in this domain are electrochemical water oxidation, the anodic half-reaction in water splitting for hydrogen production, and carbon dioxide (CO2) insertion for electrochemical reduction of CO2 into value-added chemicals. A fundamental understanding of the charge transport mechanisms of two reactions is essential for enhancing the performance of these electrochemical systems.
This study comprehensively investigates manipulating charge transport in electrochemical water oxidation and CO2 insertion reactions. The research focuses on elucidating the critical role of the interfacial band structure between the catalyst and the underlying substrate material in governing the charge separation, transfer, and transport processes. Through a combination of experimental techniques, including X-ray photoelectron spectroscopy, electrochemical measurements, and spectroscopic analyses, the thesis systematically explores the correlation between the electronic properties of the catalyst-substrate interface and the efficiency of the target electrochemical reactions. The findings demonstrate that the alignment between the substrate's electron affinity and the catalyst's electronic structure is pivotal in determining the charge transport kinetics and, consequently, the overall reaction performance.
In this regard, we further investigate strategies for engineering the charge transport process and enhancing the efficiency of electrochemical water oxidation and CO2 insertion. These strategies include a rational selection of substrate materials, the introduction of interfacial layers, and tailoring catalyst compositions and morphologies. The outcomes of this research contribute to the fundamental understanding of charge transport phenomena at electrochemical interfaces and provide a framework for the rational design of high-performance catalytic systems for sustainable energy conversion and utilization. The findings have broader implications for developing advanced electrochemical technologies, such as water electrolyzers, fuel cells, and CO2 reduction devices, potentially accelerating the transition towards a carbon-neutral future.
In Chapter 2, we investigated the interfacial charge transport between the substrate and Mn3O4 nanocatalysts during electrochemical water oxidation. The charge transport in the film-type electrocatalysts for the oxygen evolution reaction significantly affects the overall catalytic performance. For instance, transition metal oxide-based catalysts film has an optimum coating thickness due to the charge transport limitation. In this article, we investigated the charge transport behavior at the interface between the catalysts and the underlying substrate, which has been less investigated than the two other charge-transporting interfaces: the catalysts surface and the inner catalysts film. We observed that Mn3O4 nanocatalysts exhibited different oxygen-evolving performances depending on the underlying substrate, and this activity trend was correlated with the work function of the substrate. We analyzed the work function dependency based on the energy band structure at the catalysts–substrate interface. We determined that the substrates with low work functions formed high Schottky barriers, disturbing the interfacial charge transport. Based on this understanding, we demonstrated that the catalytic activity of Mn3O4 nanocatalysts film can be significantly enhanced using industrially important Ti substrates with a thin buffering interlayer with the proper work function.
In Chapter 3, we suggested electrochemical synthesis of 2,5-furandicarboxylic Acid (FDCA) from furfural and carbon dioxide. The synthesis of high-value bio-based polymer 2,5-furandicarboxylic acid (FDCA) is conventionally achieved by oxidation of 5-(hydroxymethyl)furfural (HMF) and a thermocatalytic method utilizing furfural as the starting chemical. In this work, we introduce a new synthesis method of FDCA from furfural through electrochemical means as a more environmentally benign approach. FDCA was successfully synthesized through electrochemical carboxylation of a furfural derivative at the cathode, while magnesium was used as a sacrificial anode. Additionally, the Faradaic efficiency of FDCA showed a correlation with the type of supporting electrolyte cation, indicating that the cation is involved in stabilizing the reaction intermediate. Furthermore, experiments with various sacrificial anodes showed that the electrochemical carboxylation of various halocarbon compounds can be synthesized using less expensive anodes than magnesium.Abstract
Table of Contents
List of Tables
List of Figures
Chapter 1. Introduction
1.1 The necessity for deveoping alternate energy sources for a sustainable future
1.2 Electrochemical energy conversion
1.3 Anodic oxidation reactions in electrochemical processes
1.3.1 Water oxidation reaction
1.3.2 Biomass oxidation reaction
1.4. Electrocatalysis for anodic oxidation reactions
1.4.1 Electrocatalysis for water oxidation
1.4.2 Electrocatalysis for biomass oxidation
1.5 Scope of the Thesis
1.6 References
Chapter 2. Interfacial charge transport between the substrate and Mn3O4 nanocatalysts during electrochemical water oxidation
2.1 Introduction
2.2. Experimental methods
2.2.1 Materials
2.2.2 Synthesis of the 4 nm-sized Mn3O4 NPs
2.2.3 Electrode preparation
2.2.4 Characterization of 4 nm-sized Mn3O4 NPs
2.2.5 Electrochemical measurements
2.3 Results and discussion
2.3.1 Substrate dependence of the OER activity
2.3.2 The EIS analysis of catalysts-substrate interface
2.3.3 Work function dependence of OER activity
2.3.4 Modeling of the catalysts-substrate interface
2.3.5 Interpretation of work function dependence
2.3.6 Performance enhancement by interlayer deposition
2.4 Concluding remarks
2.5 References
Chapter 3. Electrochemical Synthesis of 2,5-Furandicarboxylic Acid (FDCA) from Furfural and Carbon Dioxide
3.1 Introduction
3.2 Experimental methods
3.2.1 Materials
3.2.2 Electrode preparation
3.2.3 Electrochemical analysis
3.2.4 Post-treatment of product
3.2.5 Calculation of efficiency
3.3 Results and discussion
3.3.1 Design strategy for electrochemical FDCA synthesis
3.3.2 Electrochemical investigation of reactions at the electrodes
3.3.3 Selection of cation and anion of the electrolyte salt for efficient FDCA synthesis
3.3.4 Reaction expandability with various anode metals and substrates
3.4 Concluding remarks
3.5 References
Chapter 4. Conclusion
Abstract in Korean박
연속학습을 위한 상호 클래스 특징 벡터 증강 방법론
No full text학위논문(석사) -- 서울대학교 대학원 : 공과대학 전기·정보공학부, 2024. 8. 한보형.We propose a novel class incremental learning approach, which incorporates a fea- ture augmentation technique motivated by adversarial attacks. We employ a classifier learned in the past to complement training examples of previous tasks. The proposed approach has an unique perspective to utilize the previous knowledge in class incre- mental learning since it augments features of arbitrary target classes using examples in other classes via adversarial attacks on a previously learned classifier. By allowing the Cross-Class Feature Augmentations (CCFA), each class in the old tasks conveniently populates samples in the feature space, which alleviates the collapse of the decision boundaries caused by sample deficiency for the previous tasks, especially when the number of stored exemplars is small. This idea can be easily incorporated into existing class incremental learning algorithms without any architecture modification. Extensive experiments on the standard benchmarks show that our method consistently outper- forms existing class incremental learning methods by significant margins in various scenarios, especially under an environment with an extremely limited memory budget.우리는 적대적 공격에 기반한 특징 벡터 증강을 이용한 새로운 연속학습 방법론을 제시한다. 이 과정에서 과거에 학습된 분류기가 과거 데이터들의 부족을 보충하기 위해 활용된다. 제안된 방법론은 이전에 학습한 분류기에 대한 적대적 공격을 통해 이전에 학습한 데이터들을 다른 클래스의 데이터들로부터 증강해낸다는 특징을 가진다. 제안된 방법을 통해 이전 스테이지에 학습된 각각의 클래스들은 성공적으로 샘플 숫자를 충분히 확보하게 되며 이는 곧 데이터 부족으로 인한 클래스 간 경계의 붕괴를, 특히나 데이터의 숫자가 부족하면 부족할수록, 성공정으로 예방한다. 해당 방법론은 이미 존재하는 연속학습 방법론들에 네트워크 구조 변경 없이 쉽게 추가될 수 있으며 표준 벤치마크들에서, 특히 메모리 샘플의 숫자가 적은 상황에서, 꾸준한 성능향상을 보여준다.Abstract i
Contents ii
List of Tables iv
List of Figures vi
1 Introduction 1
2 Related Works 4
2.1 Class Incremental Learning 4
2.2 Adversarial attacks 6
3 Proposed Approach 7
3.1 Problem Setup 7
3.2 Overall Framework 7
3.3 Cross-Class Feature Augmentation (CCFA) 9
3.4 Training Objective 11
4 Experiments 12
4.1 Datasets and Evaluation Protocol 12
4.2 Implementation Details . 12
4.3 Results on CIFAR-100 . 14
ii
4.4 Results on ImageNet 14
4.5 Ablation Study and Analysis . 16
4.6 Visualization of CCFA . 21
4.7 Effects of CCFA on the Feature Extractor 22
5 Conclusion 23
Abstract (In Korean) 30
iii석
제한된 데이터 정보 조건에서의 회전기계 교차 도메인 고장 진단 연구
No full text학위논문(박사) -- 서울대학교 대학원 : 공과대학 기계공학부, 2024. 8. 윤병동.회전 기계는 현대 산업의 여러 분야에서 필수적이며, 많은 생산 및 운영 과정의 기초를 형성한다. 이러한 회전 기계의 갑작스러운 고장은 생산 중단, 고가의 수리 비용, 안전 위험 등 중대한 사회적 및 경제적 영향을 초래할 수 있다. 따라서 회전 기계의 시스템 안전성과 신뢰성을 향상시키고 유지보수 비용을 최소화하기 위한 효과적인 고장 진단 방법론 개발의 필요성이 대두되고 있다. 고장 진단은 시스템 내에서 발생하는 고장을 신속하게 감지하고 특정 고장 유형을 정확하게 식별을 목표로 한다. 특히, 최근 IoT 센서 기술과 딥러닝 기술의 급속한 발전으로 딥러닝 기반 고장 진단에 대한 광범위한 연구가 진행되고 있다.
그러나, 기존의 딥러닝 기반 고장 진단 방법이 신뢰할 수 있는 결과를 도출하려면 두 가지 중요한 조건을 충족해야 한다. 첫째, 모델을 훈련시키기 위해 충분한 양의 라벨 정보가 있는 데이터(labeled data)가 필요하다. 이 라벨 정보가 있는 데이터는 모델이 다양한 종류의 고장과 관련된 패턴을 학습하고 식별하는 데 필수적이다. 둘째, 훈련(training) 및 테스트(test) 데이터가 동일한 확률 분포 내에서 추출되어야 한다. 이는 훈련에 사용된 데이터의 통계적 특성이 실제 응용에서 접하게 되는 것과 일치하도록 보장한다. 그러나, 실제 산업 현장에서 위의 두 가지 조건을 충족시키는 것은 어렵다. 데이터에 라벨을 부여하는 라벨링(labeling)은 많은 노동력을 필요로 하며 대상 시스템에 대한 전문 지식이 요구된다. 전문가들은 다양한 고장의 존재를 반영하도록 데이터를 라벨링해야 하며, 이는 심층적인 전문 지식과 상당한 시간과 비용을 요구하는 작업이다. 또한, 산업 기계는 다양한 조건에서 작동하며, 각 조건은 데이터의 특성에 영향을 미친다. 이러한 변동성은 도메인 이동(domain shift)이라고 하며, 훈련 데이터와 실제 시나리오에서 관찰되는 데이터 간의 불일치를 초래한다. 결과적으로, 모델이 다양한 조건에서 일반화하고 정확하게 성능을 발휘할 수 있는 능력이 감소된다.
위 문제들을 해결하기 위해, 비지도 도메인 적응이 고장 진단 연구에서 널리 연구되고 있다. 비지도 도메인 적응은 소스 도메인이라고 하는 한 도메인의 정보를 활용하여 타겟 도메인이라고 하는 다른 도메인에 적용한다. 비지도 도메인 적응의 핵심은 소스 도메인 분포와 타겟 도메인 분포 사이의 거리를 줄이는 것이다. 이러한 분포 간 차이를 줄임으로써, 비지도 도메인 적응은 타겟 도메인의 일반화 성능 향상을 목표로 한다. 도메인 이동을 완화하여 도메인 이동을 완화함으로써 타겟 도메인에 대한 일반화 성능 향상이 가능하나, 신뢰도 높은 비지도 도메인 적응 기반 고장 진단 기술 개발에는 여전히 해결되지 않은 문제들이 있다. 첫째는 진동 신호의 특성 변화로 인한 진단 모델의 강건성 저하이다. 두 시스템이 동일한 건전성 상태에 있더라도 취득된 진동 신호는 크게 다를 수 있으며 이러한 차이에는 신호의 진폭, 고장 주파수, 노이즈의 유형 및 수준 등이 있다. 즉, 두 도메인 간 거리가 최소화되더라도 각 건전성 상태의 특성이 충분히 훈련되지 않아 결정 경계 근처에서 오분류가 발생하기 쉽다. 둘째는 고장 데이터 취득의 어려움이다. 기계는 고장 징후가 나타나면 즉시 정지되기 때문에 고장 데이터는 정상 데이터보다 훨씬 적다. 이러한 희소성 때문에 고장에 대한 지식이 부분적으로 전이되거나 전혀 전이되지 않을 수 있다. 결과적으로 고장 데이터가 오분류 될 가능성이 높아진다. 셋째는 라벨 정보가 있는 여러 데이터셋의 이용 가능성이다. 진동 신호는 단일 설비 내의 다양한 운영 조건 하에서 또는 여러 설비에서 취득될 수 있으며 이러한 다양한 데이터에서 지식을 전이함으로써 일반화 성능을 향상시킬 수 있다. 하지만, 모든 데이터가 타겟 도메인에 적용 가능하거나 유용한 것은 아니다. 특정 소스 도메인으로부터의 지식 전이는 부정적 전이(negative transfer)로 이어져 타겟 도메인에 대한 일반화 성능을 약화시킬 수 있기 때문이다. 즉, 여러 데이터에서 의미 있고 전이 가능한(transferable) 정보를 추출하지 못하면 타겟 도메인의 일반화 성능이 저하될 수 있다.
이에 본 박사학위 논문에서는 제한된 데이터 정보 조건에서의 비지도 도메인 적응 기반 회전기계 교차 도메인 고장 진단 기법을 제안한다. 첫 번째 연구는 국부 전이 성능 향상시키기 위한 새로운 단일 소스 도메인 적응 기법을 제안한다. 제안하는 방법은 도메인 간 정렬 및 도메인 내 정렬을 통해 주연 분포 및 클래스 조건부 분포를 정렬한다. 이를 통해, 제안하는 방법은 타겟 도메인의 일반화 성능을 향상시킨다. 두 번째 연구는 도메인 이동 하에서 클래스 불균형의 영향을 줄이기 위한 새로운 클래스 불균형 도메인 적응 기법을 제안한다. 제안하는 방법은 메트릭 학습 및 샘플링 전략을 채택하여 라벨이 정렬된 방식으로 데이터를 샘플링함으로써 클래스 불균형의 영향을 감소시킨다. 세 번째 연구는 라벨 정보가 있는 다중 데이터의 정보를 완전히 활용하기 위한 새로운 다중 소스 도메인 적응 기법을 제안한다. 제안하는 방법은 샘플 수준과 도메인 수준 가중치 전략을 사용하여 여러 소스 도메인과 타겟 도메인을 정렬한다. 특히, 샘플 수준의 가중치는 신호 처리 기술을 활용함으로써 강건성을 확보할 수 있다. 가중치 전략을 통해 여러 소스 도메인으로부터 필요한 정보를 선택적으로 전이함으로써, 제안하는 방법은 부정적 전이를 방지하고 일반화 성능을 향상시킨다.Rotating machinery is essential in numerous sectors in modern industry, serving as the foundation for many production and operational processes. The sudden failure of these machines can result in significant social and economic repercussions, including production halts, costly repairs, and safety hazards. Thus, the urgent need for effective fault diagnosis in rotating machinery is driven by the goals of enhancing system safety and reliability while minimizing maintenance costs. Fault diagnosis methods are meticulously designed with the dual objectives of promptly detecting faults as they arise within a system and accurately identifying the specific type of fault involved. With the recent rapid advancements in IoT sensor technologies and deep learning techniques, extensive research has been conducted on deep-learning-based fault diagnosis.
However, for conventional deep-learning-based fault diagnosis methods to produce reliable results, two crucial conditions must be met. First, a substantial amount of labeled data is necessary to properly train the model. This labeled data is vital for the model to learn and identify patterns related to different types of faults. Second, both the training and test data must come from identical probability distributions. This ensures that the statistical properties of the data used for training are consistent with those encountered during real-world applications. Meeting these conditions in practical industrial environments presents significant challenges. The process of data labeling is labor-intensive and necessitates specialized expertise in the target system. Experts must accurately annotate the data to reflect the presence of different faults, a task demanding in-depth expertise and considerable time and cost. Additionally, industrial machinery often operates under a wide range of conditions, each affecting the characteristics of the data. This variability, referred to as domain shift, creates discrepancies between the training data and the data observed in actual scenarios. Consequently, the model's capacity to generalize and perform accurately in diverse operational conditions is diminished.
To confront and mitigate these challenges, the research community has extensively delved into the realm of unsupervised domain adaptation (UDA) within the context of fault diagnosis. This innovative approach involves harnessing and repurposing information from one domain, termed the source domain, and applying it to another, referred to as the target domain. At its core, UDA is founded on the principle of minimizing the disparity between the distributions of the source and target domains. By bridging this gap, UDA aims to enhance the generalization performance when applied to the target domain, thereby making fault diagnosis more robust and effective. Despite achieving performance improvements by mitigating the domain shift, several issues remain unresolved in developing reliable UDA-based fault diagnosis techniques.
The first issue is a reduction in robustness due to the varying characteristics of vibration signals. Even when two systems are in the same health state, their vibration signals can differ significantly. These differences include variations in signal amplitude, fault period, noise type, and noise level, etc. Although the distance between two domains may be minimized, the characteristics of each health state is not sufficiently trained. Consequently, misclassification tends to occur near the decision boundary. The second issue is the challenge of obtaining fault data. Machines are usually halted as soon as any fault indications appear, leading to fault data being significantly scarcer than normal data. This scarcity means that knowledge of faults may be only partially transferred or not transferred at all. Consequently, fault data is more likely to be misclassified. The third issue concerns the availability of multiple labeled datasets, which can be collected under different operating conditions within a single facility or from various facilities. The challenge lies in determining how to effectively utilize this diverse data, as not all of it will be applicable or useful in the target domain. Knowledge transfer from a specific source domain can lead to negative transfer, adversely impacting the ability to generalize to the target domain. In other words, if only meaningful and transferable information cannot be extracted from multiple datasets, the generalization performance in the target domain may decline.
Therefore, this doctoral dissertation proposes a unsupervised domain adaptation-based cross-domain fault diagnosis of rotating machinery under limited data information. The first research thrust proposes a new single-source domain adaptation method aimed at enhancing local transfer performance. This method achieves alignment of both marginal and class-conditional distributions through inter-domain and intra-domain alignments, thereby significantly improving generalization performance in the target domain. The second research thrust proposes an innovative class-imbalanced domain adaptation method designed to mitigate the impact of class imbalance under domain shift. The proposed method utilizes metric learning and a sampling strategy to sample data in a label-aligned manner, thereby reducing the effect of class imbalance. The third research thrust proposes an innovative multi-source domain adaptation method to fully utilize information from multiple labeled datasets. The proposed method aligns multiple source domains and the target domain using both sample-level and domain-level weighting strategies. Specifically, the sample-level weight is determined through signal processing techniques, enhancing robustness. By selectively transferring essential information from multiple source domains via the weighting strategy, the proposed method prevents negative transfer and improves diagnosis performance.Chapter 1 Introduction 1
1.1 Motivation 1
1.2 Research Scope and Overview 5
1.3 Dissertation Layout 8
Chapter 2 Technical Background and Literature Review 10
2.1 Fault Diagnosis Approaches of Rotating Machinery 11
2.1.1 Physics-based Fault Diagnosis 12
2.1.2 Data-driven Fault Diagnosis 13
2.2 Unsupervised Domain Adaptation 16
2.3 Unsupervised Domain Adaptation-based Fault Diagnosis Methods 23
2.3.1 Single-Source Domain Adaptation 23
2.3.2 Class-Imbalanced Domain Adaptation 28
2.3.3 Multi-Source Domain Adaptation 33
2.4 Summary and Discussion 37
Chapter 3 Asymmetric Inter-Intra Domain Alignments (AIIDA) Method for Intelligent Fault Diagnosis of Rotating Machinery 38
3.1 Background: Unsupervised Domain Adaptation-based Fault Diagnosis 38
3.1.1 Problem Formulation of Unsupervised Domain Adaptation 39
3.1.2 Conventional Unsupervised Domain Adaptation-based Fault Diagnosis 40
3.1.2.1 Maximum Mean Discrepancy (MMD) 40
3.1.2.2 Domain Adversarial Neural Network (DANN) 42
3.1.2.3 Maximum Classifier Discrepancy (MCD) 44
3.2 Proposed Method 45
3.2.1 Overall Procedure of AIIDA 45
3.2.2 Asymmetric Feature Extractor 50
3.2.3 Step 1: Learning Discriminative Feature for the Source Domain 51
3.2.4 Step 2: Inter-Domain Alignment 53
3.2.5 Step 3: Intra-Domain Alignment 56
3.3 Description of the Validation Datasets 61
3.4 Validation of the Proposed Method 64
3.4.1 Comparative Methods and Implementation Setting 64
3.4.2 Results and Analysis 67
3.4.2.1 Diagnosis Performance 67
3.4.2.2 Diagnosis Performance Under Noise Environment 73
3.4.2.3 Learned Feature Visualization 79
3.4.2.4 Hyper-Parameter Study 87
3.4.2.5 Physical Interpretation 90
3.5 Summary and Discussion 95
Chapter 4 Domain Adaptation with Label-Aligned Sampling (DALAS) for Cross-Domain Fault Diagnosis of Rotating Machinery Under Class Imbalance 96
4.1 Background: Class-Imbalanced Domain Adaptation, Domain Discriminator Shortcut, and Metric Learning 97
4.1.1 Problem Formulation of Class-Imbalanced Domain Adaptation 97
4.1.2 Domain Discriminator Shortcut 98
4.1.3 Metric Learning 101
4.2 Proposed Method 103
4.2.1 Overall Procedure of DALAS 103
4.2.2 Step 1: Learning domain-invariant feature 107
4.2.3 Step 2: Learning Class-Discriminative Feature for the Source Domain 110
4.2.4 Step 3: Sampling Samples from Source and Target Domains by Label-Aligned Sampling 111
4.2.5 Training Strategy of DALAS-based Fault Diagnosis Method 113
4.3 Description of the Validation Datasets 116
4.4 Validation of the Proposed Method 119
4.4.1 Comparative Methods and Implementation Setting 119
4.4.2 Results and Analysis 123
4.4.2.1 Diagnosis Performance 123
4.4.2.2 Learned Feature Visualization 134
4.4.2.3 Pseudo-Label Accuracy 140
4.4.2.4 Hyper-Parameter Study 143
4.5 Summary and Discussion 145
Chapter 5 Class-Weighted Multi-Source Domain Adaptation (CW-MSDA) for Fault Diagnosis of Rotating Machinery 146
5.1 Background: Multi-Source Domain Adaptation-based Fault Diagnosis 147
5.1.1 Problem Formulation of Multi-Source Domain Adaptation 147
5.1.2 Weighted Maximum Mean Discrepancy (WMMD)-based Multi-Source Domain Adaptation 148
5.2 Proposed Method 150
5.2.1 Class-Weight Generation Block (CWGB) 150
5.2.2 Class-Weighted Multi-Source Domain Adaptation (CW-MSDA) 158
5.2.3 Training Strategy of CW-MSDA-based Fault Diagnosis Method 159
5.3 Description of the Validation Datasets 162
5.4 Validation of the Proposed Method 165
5.4.1 Comparative Methods and Implementation Setting 165
5.4.2 Results and Analysis 169
5.4.2.1 Validation of CWGB 169
5.4.2.2 Diagnosis Performance 173
5.4.2.3 Learned Feature Visualization 175
5.5 Summary and Discussion 178
Chapter 6 Conclusions 179
6.1 Contributions and Significance 179
6.2 Suggestions for Future Research 182
Appendix 186
References 190
국문 초록 205
감사의 글 209박
이중모드 나노입자 센서의 스트레인 및 온도 분리
No full text학위논문(석사) -- 서울대학교 대학원 : 공과대학 기계공학부, 2024. 8. 안성훈.Structural health monitoring systems need sensitive and flexible sensors that can be easily attached to the curved surface. In machine condition monitoring areas, temperature and strain can be analyzed to determine the state of industrial devices. By printing nanomaterials, such as silver, onto a flexible substrate, flexible sensors are made at a low cost compared to other commercial sensors using the aerodynamically focused nanoparticle printing (AFN) system. Nanomaterial particles are highly sensitive compared with the commercial strain gauge due to the properties of the cracks in the nanomaterial printed sensors. In addition, with the nature of varying resistances by thermal expansion, nanomaterial sensors are capable of being used to measure temperature. In this research, a dual-modal sensor consisted of three different thickness printed lines. The thickness of each printed line was varied because of different printing operations. Lines of different thicknesses had different sensitivities with respect to mostly strain and slightly temperature. Using three lines with different thicknesses, calibration methods developed in this research were utilized to decouple strain and temperature from the resistances of the printed lines. One method was using the look-up table for each printed lines resistance and narrowing down until one combination of strain and temperature was identified. The other method was by using the piecewise linear regression combined with k-mean clustering for few data collected. By attaching the polyimide (PI) film to the devices, the temperature and the strain were able to be measured using the calibration method developed in this research with collected data. By detecting the change in temperature and strain of the devices, the state of the devices could be monitored.제조업 기기의 상태를 결정하기 위한 기계 상태 모니터링 영역에서는, 온도와 스트레인을 측정하고 분석할 수 있으면서 곡면에 쉽게 부착할 수 있는 민감하고 유연한 센서가 필요하다. 공기 역학적으로 집중된 나노 입자 프린팅 (AFN) 시스템을 사용하여 은과 같은 나노 소재를 유연한 기판에 인쇄함으로써, 다른 상용 센서에 비해 저렴한 비용으로 유연한 센서를 제작할 수 있다. 나노 소재 입자는 나노 소재 프린팅 센서의 균열 특성 때문에, 상용 스트레인 게이지 센서보다 매우 민감하다. 또한 온도 변화에 따라 저항이 변화하는 특성으로 인해, 나노 소재 센서는 온도를 측정하는 데 사용할 수 있다. 본 연구에서는 한 이중모드 센서를 구성하는 선들의 두께를 프린팅 작업에 따라 다르게 하여 두께를 변화시켰다. 다른 두께의 선들은 스트레인 및 온도에 대한 감도가 다르다. 본 연구에서 개발한 보정 방법을 사용하여 센서의 저항에서 스트레인 및 온도를 분리할 수 있다. 하나의 방법은 3개의 다른 각 선들의 상대적 저항에 대한 룩업 테이블을 사용하여, 스트레인과 온도의 조합을 식별할 때까지 좁히는 것이다. 다른 방법은 수집된 소수의 데이터에 대해 조각별 선형 회귀와 k-클러스터링을 결합하여 학습시킨 모델을 사용한다. PI 필름을 3D 프린터 베드 및 그리퍼가 잡고자 하는 물체에 부착함으로써, 수집된 데이터로 본 연구에서 개발한 보정 방법을 사용하여 온도와 스트레인을 측정할 수 있다. 기계 장비 및 물체의 온도 및 스트레인 변화를 감지함으로써, 기계의 상태를 알고 사용자에게 보고할수 있을 것으로 예상한다.Chapter 1. Introduction 1
1.1. Nanoparticle sensors
1.2. Research objective
Chapter 2. Background 4
2.1. Aerodynamically focused nanoparticle printing system
2.2. Strain and vibration measurement
2.3. Strain gauge temperature compensation
Chapter 3. Fabrication and setup method for the sensor 9
3.1. Design process
3.2. Experiment setup
Chapter 4. Calibration methods 18
4.1. Calibration look-up table for sensor
4.2. Calibration using machine learning algorithm
Chapter 5. Results 24
5.1. Sensitivity test for printed lines
5.2. Look-up table for 3 printed lines
5.3. Piecewise linear regression with k-mean clustering
5.4. Applications
Chapter 6. Conclusion 39
Bibliography 41
Abstract in Korean 44석
심장 질환 예측을 위한 의료 분야에서의 딥 순방향 신경망 응용
No full text학위논문(석사) -- 서울대학교 대학원 : 공과대학 협동과정 기술경영·경제·정책전공, 2024. 8. Jörn Altmann.심장병은 여전히 전 세계 주요 사망 원인 중 하나로 남아 있으며, 세계보건기구(WHO)는 매년 약 1,790만 명의 사망자가 발생한다고 보고하고 있다. 조기 진단과 효과적인 건강 관리가 심장병으로 인한 사망률을 줄이고 수명을 연장하는 데 중요하다. 심장병 진단을 돕기 위해 사용되는 한 방법은 머신러닝 예측 도구의 활용이다. 이전 연구에서는 다양한 머신러닝 기법을 심장병 예측에 적용했지만, 많은 기법의 정확성과 효과성은 여전히 탐구되고 있다. 본 연구는 심장병 예측을 위한 딥 순방향 신경망(DFNN) 기법을 평가한다. University of California Irvine (UCI) 머신러닝 저장소의 심장병 데이터 세트를 활용하여 DFNN예측 모델의 성능을 구축하고 평가했으며, 기존의 기술인 Support Vector Machine (SVM), Random Forest (RF), Extreme Gradient Boosting Machine (XGB) 기반의 다른 모델들과 비교했다. 모델 성능을 평가하기 위해 정확도, 정밀도, 재현율, F1점수를 사용했다. 작은 데이터 세트에서는 DFNN모델이 77.8%의 정확도를 달성했다. 그러나 확장된 데이터 세트에서는 90.1%의 정확도를 기록하여 다른 모델들의 성능을 능가했다. 이러한 연구 결과는 심장병 예측을 향상시키는 데 있어 DFNN기법의 잠재력을 강조한다.Heart disease remains a leading global cause of death, with the World Health Organization (WHO) reporting approximately 17.9 million fatalities annually. Early diagnosis and effective healthcare maintenance are crucial for reducing mortality from heart disease and extending lifespans. One method that has been applied to aid in heart disease diagnosis is the use of machine learning prediction tools. Although previous studies have investigated various machine learning techniques for heart disease prediction, many techniques remain unexplored regarding their accuracy and effectiveness. This study evaluates the Deep Feedforward Neural Network (DFNN) technique for heart disease prediction. Utilizing the heart disease dataset from the University of California Irvine (UCI) Machine Learning Repository, we built and evaluated the performance of the DFNN prediction model, comparing it with other models based on existing techniques such as Support Vector Machine (SVM), Random Forest (RF), and Extreme Gradient Boosting Machine (XGB). Accuracy, precision, recall, and F1-score are used as metrics to evaluate model performance. With a small dataset size, the DFNN model achieved a 77.8% accuracy rate. However, a significant improvement to a 90.1% accuracy rate was achieved with an expanded dataset size, surpassing the performance of the other models. These findings highlight the potential of the DFNN technique in enhancing heart disease prediction. Keywords: Heart Disease Prediction, Machine Learning, Deep Feedforward Neural Network Student Number: 2022-26347Abstract. i
Table of Contents iii
List of Tables vi
List of Figures viii
Chapter 1. Introduction 1
1.1. Research Background . 1
1.2. Research Objectives 2
1.3. Research Outlines . 3
Chapter 2. State-of-the-Art 6
2.1. Heart Disease 6
2.2. Heart Disease Prediction 7
2.3. Machine Learning . 8
2.3.1. Deep Feedforward Neural Network . 9
2.3.2. Support Vector Machine 10
2.3.3. Random Forest 11
2.3.4. Extreme Gradient Boosting Machine 12
2.3.5. Ensemble Model 13
2.4. Medical Record 13
2.5. Personal Data Protection Policies and Regulations 14
2.6. Focus of Research 15
2.6.1. Research Gap . 16
2.6.2. Research Questions 18
2.6.3. Research Relevancy 20
Chapter 3. Methodology 23
3.1. Methodology Outlines . 23
3.2. Data Collection 24
3.3. Data Pre-processing 25
3.3.1. Data Cleaning 26
3.3.2. Data Encoding 26
3.3.3. Data Augmentation . 27
3.3.4. Data Normalization. 27
3.3.5. Data Splitting . 28
3.4. Building Prediction Models 28
3.5. DFNN Model 29
3.6. Training and Testing Prediction Models 31
3.7. Model Evaluation 32
3.8. Model Validation 33
Chapter 4. Analysis . 36
4.1. Heart Disease Dataset 36
4.2. Data Preparation . 37
4.3. Generating Synthetic Data . 39
4.4. Normalizing the Data 40
4.5. Training and Testing Set . 41
4.6. Prediction Model Performance 42
4.6.1. Performance on Original and Augmented Dataset . 42
4.6.2. Performance on Increasing Synthetic Data Train Set 45
4.6.3. K-Fold Cross-Validation . 50
Chapter 5. Discussion 54
5.1. Research Findings . 54
5.2. Practical Implications 56
5.3. Technical Implications 59
5.4. Policy Implications 60
5.5. Limitations . 63
Chapter 6. Conclusion 65
6.1. Summary . 65
6.2. Contributions 67
6.3. Future Research Ideas 68
Bibliography 70
Appendix . 81
A. Data Pre-processing 81
B. K-Fold Cross-Validation Results 82
C. Personal Data Protection and Regulations. 86
국문 초록 88
Acknowledgments 90석
체내 전자상자성공명 치아 선량평가를 위한 움직임 보정 시스템의 개발
No full text학위논문(박사) -- 서울대학교 대학원 : 융합과학기술대학원 융합과학부(방사선융합의생명전공), 2024. 8. 예성준.체르노빌과 후쿠시마와 같은 대규모 방사선 사고 시 효율적인 의료 대응을 위해서는 방사선 피폭 피해자에 대한 현장 분류가 필요합니다. 방사선 피폭에 의해 발생하는 급성 방사선 증후군의 초기 진단은 개인의 전신 흡수 선량에 따라 달라집니다. 개인 선량계가 없는 일반인의 전신 흡수 선량을 추정하기 위해 생물학적 선량평가 및 물리적 선량평가를 포함한 다양한 기술들이 활발히 연구되어 왔습니다. 전자 상자성 공명(EPR) 분광법을 이용한 치아 측정은 방사선 피폭으로 생성된 홀전자를 측정하는 선량평가 방식입니다. 최근 체내 EPR 분광계의 개발을 통한 비 침습적인 치아 선량평가 기술이 개발되었으며, 이는 온전한 치아의 전처리가 필요 없어 측정 시간 면에서 상용의 체외 EPR 선량평가 기술에 비해 상당한 이점을 제공합니다.
체내 EPR 치아 선량평가의 가장 큰 어려움은 살아있는 인체 대상으로 EPR 측정을 수행하는 것입니다. 살아있는 대상의 호흡과 움직임은 측정된 EPR 스펙트럼의 왜곡을 발생시키며, 치아 위치 변화로 인해 방사선 유도 신호(RIS)의 상당한 불확실성을 초래합니다. 그러나 수동으로 제어되는 기존의 견고한 타입 고품질 공진기의 경우 이러한 문제를 해결하기 어려웠습니다. 이 문제를 해결하기 위해 본 연구는 체내 EPR 치아 선량평가를 위한 움직임 보정 시스템을 개발하고 적용하였습니다.
움직임 보정 시스템은 두 가지 목표를 기반으로 설계되었습니다. 해당 시스템은 (1) 체내 EPR 측정 중 임계 결합에서 벗어나는 것을 방지하고, (2) 치아에 대한 공진기 코일의 위치를 일관되게 유지합니다. 개발된 움직임 보정 시스템은 자동 제어 회로(ACC)와 웨어러블 공진기의 두 가지 주요 요소로 구성되어 있습니다. ACC 구현을 위해 전기 신호를 통해 제어 가능한 공진기가 설계되었으며, 튜닝 및 매칭 전압에 의해 공진 주파수와 임피던스가 제어됩니다. ACC는 위상 감응 검출(PSD)을 사용하여 제어 가능한 공진기의 공진 주파수와 임피던스 제어를 위한 피드백 신호를 실시간으로 계산합니다. 웨어러블 공진기는 부착 가능한 표면 코일과 플렉서블 동축 케이블, 그리고 보정 회로를 통해 구성되었습니다. EPR 신호 감도를 최대화하기 위해 고주파 구조 시뮬레이터(HFSS)를 사용하여 중앙 윗 앞니에 최적화된 표면 코일이 설계되었습니다.
전기 신호를 통해 제어 가능한 공진기는 10 MHz 공진 주파수 조정 범위를 보여주며, 이는 생체 내 EPR 측정에 필요한 2 MHz 요구사항을 만족합니다. 특히, 구성된 조정 가능한 공진기는 0.3 mm 이상의 치아 움직임에도 임계 결합을 유지하여 RF 주파수를 변경하지 않는 보정 시스템이 달성되었습니다. 15N-PDT 샘플을 사용한 체외 측정에서는 진폭 변조를 사용했음에도 신호 대 잡음비의 감소 및 EPR 스펙트럼의 왜곡이 관찰되지 않았습니다. 또한 하나의 중앙 윗 앞니를 대상으로 EPR 선량평가 성능(SEIP)을 평가한 결과, 기존 고품질 공진기에 비해 약 20.6%의 성능 향상이 확인되었습니다.
웨어러블 공진기의 플렉서블 인쇄회로기판(FPCB)에 5 mm 내경과 0.7 mm 트레이스 폭으로 설계된 부착 가능한 표면 코일은 HFSS를 기반으로 최대 충진 계수를 달성하여 치아 샘플에 대한 자기 에너지 집중을 최적화했습니다. 구성된 착용 가능한 공진기는 움직임에 대한 안정성을 보여주어, 중심축을 따라 2 mm의 치아 움직임에도 치아 샘플에서 ±2.0% 이내의 일정한 RIS 진폭을 유지했습니다. 착용 가능한 공진기의 안전한 고정으로 안정성이 더욱 향상되어 RIS 진폭의 불확실성이 1.2%로 낮아졌습니다. 또한, 착용 가능한 공진기는 치아 샘플에 더 많은 자기 에너지를 집중시켜 강성 공진기에 비해 RIS 진폭을 약 8.4% 증가시켰습니다.
착용 가능한 공진기의 구현으로 체내 치아 선량평가의 정확도와 안정성이 크게 향상되었습니다. ACC와 함께 사용하여 대상의 움직임으로 인한 장치의 수동 재설정의 필요성을 최소화하면서 왜곡되지 않은 생체 내 EPR 스펙트럼의 획득을 용이하게 했습니다. 결과적으로 웨어러블 공진기와 ACC의 통합으로 체내 EPR 치아 선량 측정을 위한 종합적인 움직임 보정 시스템이 완성되었습니다. 개발된 시스템은 대규모 방사선 사고의 분류에 필요한 2 Gy 이하의 판별 능력을 달성하였습니다. 또한, 움직임 보정 시스템이 완전히 자동화되어, 방사선 비상 상황에서 자원봉사자들의 간단한 훈련을 통해 체내 EPR 치아 선량 평가의 활용이 가능합니다.Triage for radiation-exposed victims during large-scale radiation accidents (e.g. Chernobyl and Fukushima) is necessary for efficient medical response. The initial decision of acute radiation syndrome that can occur due to radiation exposure varies depending on the whole-body absorbed dose of individuals. Various techniques, including biodosimetry or physical dosimetry (e.g. thermo-luminescence, optically stimulated luminescence), have been actively researched to estimate the whole-body absorbed dose for individuals without personal dosimeters. Among these, the tooth dosimetry method applying electron paramagnetic resonance (EPR) spectroscopy is a unique technique that measures unpaired electrons generated by radiation exposure. Recently, an in-vivo tooth dosimetry has been developed by modifying the EPR spectrometer, and various studies have been reported. In comparison to commercial ex-vivo EPR spectrometers, in- vivo EPR tooth dosimetry offers the advantage of significantly shorter measurement times as it requires no pre-processing of the intact tooth. The most challenging problem of in-vivo EPR tooth dosimetry is measuring human subjects, that are not anesthetized and have some movement during EPR measurement. For this reason, the EPR spectrum was distorted by disturbances of the human subject, and the radiation- induced signal (RIS) of the tooth can be perturbed due to the change of tooth position. In this study, a motion compensation system for in-vivo EPR tooth dosimetry was developed and implemented. The motion compensation system aimed not only to prevent broken critical coupling, which is a measurable state of an EPR resonator, during in-vivo measurement but also to maintain tooth position consistently. The motion compensation system consists of an automatic control circuit (ACC) and a wearable resonator. For the implementation of the ACC, an electronically controlled tunable resonator was designed and optimized to be controlled by tuning and matching control voltage. The ACC calculates and supplies feedback signals for impedance control by applying phase-sensitive detection (PSD) into the developed tunable resonator. The wearable resonator was applied by introducing attachable surface-coil and flexible coaxial cables. The surface coil was optimized to achieve the maximum EPR signal sensitivity by attaching it to the central upper incisor using Ansys HFSS. The adjustable resonance frequency range of the electronically-controlled tunable resonator was measured to be 10 MHz, satisfying the range required for in-vivo measurements (2 MHz). Furthermore, it was confirmed that the configured tunable resonator maintained the critical coupling state even with tooth movement of over 0.3 mm, contrary to the previous compensation methods without changing the RF frequency. When measured with 15N-PDT samples, no decrease in signal-to-noise ratio was observed despite using amplitude modulation, which can induce EPR spectrum distortion. The attachable surface coil achieved maximum filling factor, which means concentration ratio of magnetic energy on the tooth sample made by EPR resonator, with a 5 mm inner diameter and a 0.7 mm trace width of flexible printed circuit board (FPCB). The wearable resonator was fabricated to achieve a 1.15 GHz resonance frequency based on ANSYS HFSS and Circuit Design results. As a result of comparing EPR sensitivity through EPR measurement for a 50 Gy irradiated tooth sample, dosimetric sensitivity was enhanced with an 8.6 % improved performance compared to the previous rigid loop resonator. Moreover, in spite of the movement of the tooth in the central axis on the resonator coil, the wearable resonator achieved a stable tooth signal with a relative standard deviation of 2.0 %. In-vivo measurement verification also confirmed obtaining a stable EPR signal of the 15N-PDT reference sample with the subjects breathing and motion allowed. Consequently, the motion compensation system developed in this study demonstrated the potential to provide automated, accurate, and comfortable in-vivo EPR tooth dosimetry.ABSTRACT i
LIST OF TABLES vii
LITS OF FIGURES viii
LIST OF ABBREBIATIONS xii
1. Introduction 1
1.1. Principles of EPR spectroscopy 4
1.2. Tooth retrospective dosimetry using EPR 6
1.3. Motivation of the study 8
2. Materials and Methods 12
2.1. L-band in-vivo EPR spectrometer 12
2.2. Control of resonator coupling status 22
2.3. Electronically-controlled tunable resonator 24
2.4. Automatic control circuit (ACC) 33
2.5. Wearable resonator 36
2.6. Fabrication of attachable surface coil 40
2.7. Simulation setup of ANSYS Electronics simulation 41
2.7.1. ANSYS Circuit Design 42
2.7.2. ANSYS HFSS Design . 44
2.8. EPR measurement using ACC 50
2.9. EPR measurement using wearable resonator 54
3. Results 59
3.1. Characteristics of tunable resonator 59
3.2. Verification of ACC 64
3.2.1. Feedback signal using PSD method 64
3.2.2. Ex-vivo EPR measurement using ACC 69
3.2.3. In-vivo EPR measurement using ACC 71
3.3. EPR tooth dosimetry using tunable resonator 73
3.4. Simulation results of wearable resonator 75
3.4.1. Bending effect of flexible coaxial cable 75
3.4.2. Filling factor of attachable surface coil 78
3.5. Fabrication of wearable resonator 82
3.5.1. Prototype of wearable resonator 82
3.5.2. Optimization of attachable surface coil 83
3.5.3. Optimization of substrate material 85
3.6. Tooth dosimetry using EPR spectroscopy 87
3.6.1. Characteristics of wearable resonator 87
3.6.2 Tooth movement effect 90
3.7. Reproducibility assessment of wearable resonator 94
3.8. In-vivo EPR measurement 96
4. Discussions 99
5. Summary 104
Bibliography 106
Abstract in Korean 115박