id
stringlengths 36
57
| type
stringclasses 4
values | title
stringlengths 0
159
| context
stringlengths 121
17.2k
| questions
listlengths 1
584
|
|---|---|---|---|---|
020ea90e-f8cd-44be-bfbe-4f0643ba3512
|
인공물ED
|
독립형 태양광 발전시스템의 MPPT 제어기법 특성비교
|
<h1>3. 시뮬레이션 및 실험 성능 결과</h1> <p>본 논문에서는 PSIM 시뮬레이션를 이용하여 태양전지의 출력특성 및 MPPT의 제어기법의 성능을 비교분석 하였으며, 컨트롤러의 MPU에 MPPT 알고리즘을 적용하여 출력특성을 확인하였다. 시뮬레이션 및 실험에 사용된 태양전지사양 및 특성은 표2와 같다</p> <p> <table border><caption>표 2 태양전지 사양</caption> <tbody><tr><td>Maximum \( \operatorname{Power}\left(P_{\max }\right) \)</td><td>[W]</td><td>50</td></tr><tr><td>Max-Point Voltage \( \left(V_{m p}\right) \)</td><td>\( [\mathrm{V}] \)</td><td>17.3</td></tr><tr><td>\( \operatorname{Max}- \) Point Current \( \left(I_{m p}\right) \)</td><td>\( [\mathrm{A}] \)</td><td>2.90</td></tr><tr><td>Open circuit Voltage \( \left(V_{O O}\right) \)</td><td>\( [\mathrm{V}] \)</td><td>21.8</td></tr><tr><td>Short circuit Current \( \left(I_{S C}\right) \)</td><td>\( [\mathrm{A}] \)</td><td>3.20</td></tr><tr><td colspan=3>Standard Test Conditions Imadiance : \( \left(1000 \mathrm{~W} / \mathrm{m}^{2}\right) \) Air mass : 1.5 Temperature : \( 25^{\circ} \mathrm{C} \)</td></tr></tbody></table></p> <h2>3.1 시뮬레이션</h2> <p>본 논문에서는 그림6과 같이 2개의 C block을 이용하여, 태양전지 특성모델과 MPPT 제어알고리즘을 적용하고 Boost 컨버터 회로도를 구성하였으며, 일사량 조건은 \( 1000 \sim 600\left[\mathrm{~W} / \mathrm{m}^{2}\right] \) , 온도는 \( 27\left[{ }^{\circ} \mathrm{C}\right] \), 샘플링 시간은 \( 5[\mu s] \) 조건으로 모의실험 하였다. 그림 7은 일사량이 \( 1000 \sim 400\left[\mathrm{~W} / \mathrm{m}^{2}\right] \) 조건에서 태양전지 특성곡선을 나타내며, 그림8 은 P&O 제어기법과 개선된 P&O 제어기법을 적용하여 일사량이 변동되는 조건에서 태양전지의 출력 전력, 전압, 전류의 특성을 나타내고 있다. 개선된 P&O 제어방법이 기존의 P&O 제어방법에 비헤 Step 값을 가변함으로서 자려진동이 적고, 최대 전력짐에 더 빠르게 도달하며, 전체 출력전력이 높게 나타남을 확인할 수 있다.</p> <h2>3.2 실험구성 및 결과</h2> <p>동일조건에서 MPPT의 제어기법의 특성을 분석하기 위하여 그림 9와 같이 2 개의 태양전지 모듈과 컨트롤러에 \( 2[\mathrm{~kW}] \) \( -2[\Omega] \) 코일저항과 \( 12[\mathrm{~V}] \) 연축전지를 결선한 후 센서 및 데이터 수집보드를 통해 출력특성을 확인하였으며, 실험 환경 조건은 일사량 \( 400 \sim 700\left[\mathrm{~W} / \mathrm{m}^{2}\right] \), 온도 \( 27 \sim 28\left[{ }^{\circ} \mathrm{C}\right] \)이다.</p> <p>그림10은 일사량이 가장 높을 때의 P&O 제어기법과 개선된 P&O 제어기법을 적용한 태양전지 출력특성으로 시뮬레이션과 동일하게 개선된 P&O 제어기법이 자려진동 폭이 적고 출력특성이 높게 나타남을 확인 할 수 있다. MPPT 비교 실험결과 출력전압의 평균오차는 약 \( 600[\mathrm{mV}] \)로 나타났으며, 전압의 변동범위를 확인할 수 있다. 출력전류의 평균오차는 약 \( 300[\mathrm{~mA}] \)로 나타났으며, 출력전력은 약 \( 0.8[\mathrm{~W}] \)의 차이를 갖는다.</p> <p>그림11은 P&O 제어기법과 개선된 P&O 제어기법을 이용한 배터리 충전상태의 실험결과로서, 개선된 P&O 제어기법이 기존의 P&O 제어기법에 비해 배터리 충전전압 상태가 약 \( 0.9[\mathrm{~V}] \) 더 높게 나타남을 확인할 수 있다.</p> <p>실험결과 개선된 \( \mathrm{P \& O} \) 기법이 기존의 \( \mathrm{P \& O} \) 기법에 비해 출력특성이 우수하고, 설계한 컨트롤러에 부합하다는 것을 확인할 수 있다.</p>
|
[
"본문의 표 2 태양전지 사양에서 Max-Point Voltage \\( \\left(V_{m p}\\right) \\)의 단위는 뭐지?",
"본문의 표 2 태양전지 사양에서 Maximum \\( \\operatorname{Power}\\left(P_{\\max }\\right) \\)의 단위는 뭐야?",
"본문의 표 2 태양전지 사양에서 \\( \\operatorname{Max}- \\) Point Current \\( \\left(I_{m p}\\right) \\)의 단위는 뭘까?",
"본문의 표 2에서 \\( \\operatorname{Max}- \\) Point Current \\( \\left(I_{m p}\\right) \\)의 값은 얼마인가?",
"본문의 표 2 태양전지 사양에서 Open circuit Voltage의 단위는 무엇인가?",
"본문의 표 2에서 Max-Point Voltage \\( \\left(V_{m p}\\right) \\)의 값은 얼마일까?",
"본문의 표 2에서 Max-Point Voltage \\( \\left(V_{m p}\\right) \\)의 수치가 어떻게 되지",
"본문의 표 2에서 Open circuit Voltage의 값은 얼마지?",
"본문의 표 2에서 Open circuit Voltage의 수치가 뭐지",
"본문의 표 2 태양전지 사양에서 Short circuit Current의 단위는 무엇일까?",
"본문의 표 2 태양전지 사양에서 Short circuit Current의 단위는 어떻게 되지?",
"본문의 표 2에서 Short circuit Current의 값은 얼마야?",
"본문의 표 2에서 Short circuit Current의 사양은 뭐지",
"본문의 표 2에서 값이 50인 항목은 무엇인가?",
"본문의 표 2에서 값이 21.8인 항목은 뭐야?",
"본문의 표 2에서 Maximum \\( \\operatorname{Power}\\left(P_{\\max }\\right) \\)의 값은 얼마의 값을 보여?",
"본문의 표 2에서 값이 17.3인 항목은 무엇이지?",
"본문의 표 2에서 값이 2.90인 항목은 무엇일까?",
"본문의 표 2에서 값이 3.20인 항목은 뭘까?"
] |
f16ba782-5951-44c5-951d-f4b608d50c2e
|
인공물ED
|
운전조건을 고려한 고속 영구자석형 동기전동기의 회전자 손실 해석
|
<h2>2.4 회전자 손실 계산 결과의 고찰</h2> <p>표 4는 식(25)부터 식(27)에 그림 2, 표 1의 자료를 적용하여 얻어진 무부하 상태에서의 회전자 손실을 나타낸다. 고조파 발생이 현저한 시간고조파 12 차에서의 공간고조파 11,13차 시간고조파 24 차에서의 공간고조파 23,25차, 시간 고조파 36차에서의 공간고조파 35,37차에서 상대적으로 큰 손실이 발생한다. 회전자의 재질별 회전자 손실의 발생율은 Inconel718 슬리브에서 \( 94.3785 \mathrm{~W} / \mathrm{m}^{2} \) (99.48\%), 영구자석에서 \( 0.4927 \mathrm{~W} / \mathrm{m}^{2}(0.52 \%) \) 로, 비교적 도전율이 크고 자속밀도 왜형의 영향을 많이 받는 슬리브의 손실이 대부분이다.</p> <p>표 5는 식(25)부터 식(27)에 그림 3, 표 2의 자료를 적용하여 얻어진 공냉시 정격 부하 상태에서의 회전자 손실 해석결과를 나타낸다. 무부하 상태에서와 같이 고조파 발생이 현저한 시간고조파 12차에서의 공간고조파 11, 13차 시간고조파 24차에서의 공간고조파 23, 25차, 시간고조파 36차에서의 공간고조파 35, 37차에서 주로 손실이 발생하며, 이 밖에 자속밀도 고조파의 크기가 무부하 상태에에 비교하여 상대적으로 큰 고조파 차수, 즉, 시간고조파 12차에서 공간고조파 5차, 7차, 9차 등, 시간고조파 24차에서 17차, 19차, 21차 등에서 손실이 발생된다.</p> <table border><caption>표 4 무부하시 회전자 손실</caption> <tbody><tr><td rowspan=2>Space Order</td><td colspan=3>Time Order</td></tr><tr><td>12</td><td>24</td><td>36</td></tr><tr><td>1</td><td>0.0085</td><td>0.0289</td><td>0.0725</td></tr><tr><td>3</td><td>0.7995</td><td>0.0046</td><td>0.0467</td></tr><tr><td>5</td><td>0.0325</td><td>0.1011</td><td>0.0196</td></tr><tr><td>7</td><td>0.2692</td><td>0.0085</td><td>0.0446</td></tr><tr><td>9</td><td>4.5808</td><td>0.0190</td><td>0.0192</td></tr><tr><td>11</td><td>45.2540</td><td>0.0012</td><td>0.0001</td></tr><tr><td>13</td><td>33.3820</td><td>0.0001</td><td>0.0003</td></tr><tr><td>15</td><td>0.1978</td><td>0.0008</td><td>0.0001</td></tr><tr><td>17</td><td>0.0116</td><td>0.0018</td><td>0.0008</td></tr><tr><td>19</td><td>0.0008</td><td>0.0235</td><td>0.0001</td></tr><tr><td>21</td><td>0.0001</td><td>0.2888</td><td>0.0001</td></tr><tr><td>23</td><td>0.0000</td><td>5.4963</td><td>0.0000</td></tr><tr><td>25</td><td>0.0000</td><td>3.6574</td><td>0.0000</td></tr><tr><td>27</td><td>0.0000</td><td>0.0365</td><td>0.0000</td></tr><tr><td>29</td><td>0.0000</td><td>0.0012</td><td>0.0001</td></tr><tr><td>31</td><td>0.0Q00</td><td>0.0801</td><td>0.0013</td></tr><tr><td>33</td><td>0.0000</td><td>0.0000</td><td>0.0112</td></tr><tr><td>35</td><td>0.0000</td><td>0.0800</td><td>0.2782</td></tr><tr><td>37</td><td>0.0000</td><td>0.0000</td><td>0.1673</td></tr><tr><td>39</td><td>0.0000</td><td>0.0000</td><td>0.0021</td></tr></tbody></table> <table border><caption>표 \( \quad 5 \) 공냉 정격부하시 회전자 손실 \( \left(\mathrm{J}=6 \mathrm{~A} / \mathrm{mm}^{2}\right) \)</caption> <tbody><tr><td rowspan=2>Space Order</td><td colspan=3>Time Order</td></tr><tr><td>12</td><td>24</td><td>36</td></tr><tr><td>1</td><td>0.0168</td><td>0.0002</td><td>0.0555</td></tr><tr><td>3</td><td>1.9538</td><td>0.9313</td><td>0.5006</td></tr><tr><td>5</td><td>6.7135</td><td>3.2159</td><td>1.8024</td></tr><tr><td>7</td><td>3.3870</td><td>0.7210</td><td>0.7264</td></tr><tr><td>9</td><td>6.5562</td><td>0.0086</td><td>0.0102</td></tr><tr><td>11</td><td>54.4142</td><td>0.0014</td><td>0.0007</td></tr><tr><td>13</td><td>36.3911</td><td>0.0004</td><td>0.0003</td></tr><tr><td>15</td><td>0.1543</td><td>0.0050</td><td>0.0017</td></tr><tr><td>17</td><td>0.0040</td><td>0.0512</td><td>0.0086</td></tr><tr><td>19</td><td>0.0012</td><td>0.0796</td><td>0.0043</td></tr><tr><td>21</td><td>0.0000</td><td>0.3423</td><td>0.0001</td></tr><tr><td>23</td><td>0.0000</td><td>5.6497</td><td>0.0000</td></tr><tr><td>25</td><td>0.0000</td><td>3.7002</td><td>0.0000</td></tr><tr><td>27</td><td>0.0800</td><td>0.0335</td><td>0.0001</td></tr><tr><td>29</td><td>0.0000</td><td>0.0006</td><td>0.0007</td></tr><tr><td>31</td><td>0.0000</td><td>0.0000</td><td>0.0022</td></tr><tr><td>33</td><td>0.0000</td><td>0.0000</td><td>0.0120</td></tr><tr><td>35</td><td>0.0000</td><td>0.0080</td><td>0.2781</td></tr><tr><td>37</td><td>0.0000</td><td>0.0000</td><td>0.1671</td></tr><tr><td>39</td><td>0.0000</td><td>0.0000</td><td>0.0022</td></tr></tbody></table> <table border><caption>표 \( \quad 6 \) 수냉 부하시 회전자 손실 \( \left(J=15 \mathrm{~A} / \mathrm{mm}^{2}\right) \)</caption> <tbody><tr><td rowspan=2>Space Order</td><td colspan=3>Time Order</td></tr><tr><td>12</td><td>24</td><td>36</td></tr><tr><td>1</td><td>0.5067</td><td>0.1334</td><td>0.0443</td></tr><tr><td>3</td><td>18.6784</td><td>6.5259</td><td>4.7626</td></tr><tr><td>5</td><td>44.7057</td><td>14.9824</td><td>12.3261</td></tr><tr><td>7</td><td>18.5525</td><td>3.5172</td><td>3.3278</td></tr><tr><td>9</td><td>7.9242</td><td>0.0989</td><td>0.0603</td></tr><tr><td>11</td><td>104.7968</td><td>0.0022</td><td>0.0042</td></tr><tr><td>13</td><td>51.1266</td><td>0.0026</td><td>0.0006</td></tr><tr><td>15</td><td>0.2217</td><td>0.0394</td><td>0.0106</td></tr><tr><td>17</td><td>0.0367</td><td>0.2820</td><td>0.0439</td></tr><tr><td>19</td><td>0.0189</td><td>0.2868</td><td>0.0206</td></tr><tr><td>21</td><td>0.0007</td><td>0.3597</td><td>0.0010</td></tr><tr><td>23</td><td>0.0000</td><td>6.6a94</td><td>0.0000</td></tr><tr><td>25</td><td>0.0800</td><td>3.9023</td><td>0.0010</td></tr><tr><td>27</td><td>0.0800</td><td>0.0345</td><td>0.0004</td></tr><tr><td>29</td><td>0.0000</td><td>0.0002</td><td>0.0029</td></tr><tr><td>31</td><td>0.0000</td><td>0.0001</td><td>0.0050</td></tr><tr><td>33</td><td>0.0000</td><td>0.0000</td><td>0.0120</td></tr><tr><td>35</td><td>0.0000</td><td>0.0000</td><td>0.2830</td></tr><tr><td>37</td><td>0.0000</td><td>0.0000</td><td>0.1667</td></tr><tr><td>39</td><td>0.0000</td><td>0.0000</td><td>0.0022</td></tr></tbody></table> <p>회전자의 재질별 회전자 손실의 발생율은 Inconel718 슬리브에서 \( 125.6922 \mathrm{~W} / \mathrm{m}^{2} \) \(98.26\%\), 영구자석에서 \( 2.2145 \mathrm{W} / \mathrm{m}^{2} \) \(1.73\%\) 의 발생률을 보인다.</p> <p>표 6은 식(25)부터 식(27)에 그림 4, 표 3의 자료를 적용하여 얻어진 강제 수냉시 부하 상태에서의 회전자 손실 해석결과를 나타낸다. 수냉시에는 전류밀도가 2배 가량 증가하므로, 전기자 자속이 증가하여 시간고조파 12차에서의 공간고조파 11, 13차 시간고조파 24차에서의 공간고조파 23,25차, 시간고조파 36차에서의 공간고조파 35, 37차에서의 주회전자 손실또한 두 배 이상 증가하며, 이 밖에 자속밀도 고조파의 크기가 무부하 상태에에 비교하여 상대적으로 큰 고조파 차수, 즉, 시간고조파 12차에서 공간고조파 5차, 7차, 9차 등, 시간고조파 24차에서 17차, 19차, 21차 등에서 손실이 현격한 증가를 보인다.</p> <p>회전자의 재질별 회전자 손실의 발생율은 Inconel718 슬리브에서 \( 290.0344 \mathrm{~W} / \mathrm{m}^{2} \) \(95.27\%\), 영구자석에서 \( 14.3857 \mathrm{W} / \mathrm{m} 2\) \(4.7256 \%\) 의 발생률을 보인다.</p> <p>그림 6은 표 4부터 표 6에 의해 제시된 세 가지 운전상태에 따른 무부하시, 공냉 정격 부하시, 수냉 부하시, 각각의 시간 및 공간고조파에 따른 손실 발생 특성을 각 고조파 성분에 대해 나타낸 것이다. 그림에서 무부하시에는 해석 대상 전동기의 기하학적 구조에 따른 자속밀도의 주 고조파 즉, 시간고조파 12차에서의 공간고조파 11, 13차, 시간고조파 24차에서의 23, 25차 성분이 회전자 손실 발생의 주 원인이 됨을 볼 수 있다. 그러나, 전기자 전류밀도의 증가에 따른 회전자 표면에서의 자속밀도의 일그러짐 현상이 고조파의 증가에 기여하므로, 전류밀도가 높아질 수 록 회전자 손실의 증가는 주 고조파 성분 이외의 고조파, 즉, 시간고조파 12차에서 공간고조파 5차, 7차, 9차 등, 시간고조과 24차에서 17차, 19차, 21차 등에서 상당한 양의 손실이 발생한다.</p> <h2>2.5 회전자 손실 해석법의 타당성 검증</h2> <p>본 논문에서 제시하는 회전자 손실 해석기법의 타당성을 검증하기 위하여, ANSOFT 사의 Maxwell을 적용하였다. 그림 7부터 그림 9는 무부하시, 공냉 정격부하시, 수냉부하시회전자 영역에서 발생하는 와전류 밀도의 분포를 나타낸다.</p> <p>그림 10부터 그림 12는 각 운전상태에서, 즉, 무부하시, 공냉 정격 부하시, 수냉 부하시 속도에 따른 회전자 손실 특성을 보여준다. 무부하 운전 상태에서 제안된 회전자 손실해석 기법에 의한 속도-손실 특성은 정격속도에서 유한요소법에 의한 해석결과와 약 \( 19.9 \% \) 오차를 가지며, 공냉 정격부하시 \( 18.4 \% \), 수냉부하시 \( 5.9 \% \) 의 오차를 각각 갖는다. 그림에서 속도가 증가 할수록 해석 결과의 오차가 커지는 이유는 본 논문에서 제안한 손실해석의 경우 주파수에 따른 와전류의 침투깊이, 즉, 표피효과가 고려되지 않았고, 회전자도전성 재질 내에서의 와전류 분포 현상을 해석적으로 정확하게 고려할 수 없기 때문이다. 그러나, 전동기의 회전자 와전류 발생 및 손실에 관한 실험적 검증이 매우 어려운 점을 감안 할 때 본 논문에서 제시한 방법 및 그 결과는 향후 이 분야의 연구 개발에 유용한 자료로 사용될 수 있을 것으로 사료된다.</p>
|
[
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 1일 때 Time Order 12값은 얼마야?",
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 11일 때 Time Order 12값은 얼마 정도야?",
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 13일 때 Time Order 12값은 얼마 정도지?",
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 17일 때 Time Order 12값은 얼마 정도인가?",
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 21일 때 Time Order 12값은 얼마 정도의 값이야?",
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 19일 때 Time Order 12값은 얼마 정도일까?",
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 25일 때 Time Order 12값은 얼마 정도의 값이니?",
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 23일 때 Time Order 12값은 얼마 정도의 값이지?",
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 3일 때 Time Order 12값은 얼마지?",
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 7일 때 Time Order 12값은 얼마인가?",
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 5일 때 Time Order 12값은 얼마니?",
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 9일 때 Time Order 12값은 얼마일까?",
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 27일 때 Time Order 12값은 얼마 정도의 값인가?",
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 11일 때 Time Order 15값은 얼마 정도니?",
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 33일 때 Time Order 12값은 얼마 정도의 값을 보이지?",
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 29일 때 Time Order 12값은 얼마 정도의 값일까?",
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 35일 때 Time Order 12값은 얼마 정도의 값을 보이니?",
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 37일 때 Time Order 12값은 얼마 정도의 값을 보이는가?",
"Space Order가 37일 때 Time Order 12값은 본문의 표 4 무부하시 회전자 손실을 참고하면 어떤 값을 가지지",
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 39일 때 Time Order 12값은 얼마 정도의 값을 보일까?",
"본문의 표 4 무부하시 회전자 손실에서 Space Order가 31일 때 Time Order 12값은 얼마 정도의 값을 보여?",
"본문의 표 4에서 Space Order가 1일 때 Time Order 24값은 얼마야?",
"본문의 표 4에서 Space Order가 3일 때 Time Order 24값은 얼마지?",
"본문의 표 4에서 Space Order가 9일 때 Time Order 24값은 얼마인가?",
"본문의 표 4에서 Space Order가 7일 때 Time Order 24값은 얼마일까?",
"본문의 표 4에서 Space Order가 11일 때 Time Order 24값은 얼마 정도야?",
"본문의 표 4에서 Space Order가 5일 때 Time Order 24값은 얼마니?",
"본문의 표 4에서 Space Order가 19일 때 Time Order 24값은 얼마 정도일까?",
"본문의 표 4에서 Space Order가 17일 때 Time Order 24값은 얼마 정도인가?",
"본문의 표 4에서 Space Order가 25일 때 Time Order 24값은 얼마 정도의 값이니?",
"본문의 표 4에서 Space Order가 21일 때 Time Order 24값은 얼마 정도의 값이야?",
"본문의 표 4에서 Space Order가 15일 때 Time Order 24값은 얼마 정도니?",
"본문의 표 4에서 Space Order가 13일 때 Time Order 24값은 얼마 정도지?",
"본문의 표 4에서 Space Order가 27일 때 Time Order 24값은 얼마 정도의 값인가?",
"본문의 표 4에서 Space Order가 31일 때 Time Order 24값은 얼마 정도의 값을 보여?",
"본문의 표 4에서 Space Order가 23일 때 Time Order 24값은 얼마 정도의 값이지?",
"본문의 표 4을 보았을 때 Space Order가 13일 때 Time Order 36값은 얼마 정도지?",
"본문의 표 4에서 Space Order가 37일 때 Time Order 24값은 얼마 정도의 값을 보일까?",
"본문의 표 4을 보았을 때 Space Order가 5일 때 Time Order 36값은 얼마니?",
"본문의 표 4을 보았을 때 Space Order가 1일 때 Time Order 36값은 얼마야?",
"본문의 표 4에서 Space Order가 39일 때 Time Order 24값은 얼마 정도의 값을 보이는가?",
"본문의 표 4을 보았을 때 Space Order가 21일 때 Time Order 36값은 얼마 정도의 값이야?",
"본문의 표 4에서 Space Order가 35일 때 Time Order 24값은 얼마 정도의 값을 보이니?",
"본문의 표 4에서 Space Order가 33일 때 Time Order 24값은 얼마 정도의 값을 보이지?",
"본문의 표 4을 보았을 때 Space Order가 7일 때 Time Order 36값은 얼마인가?",
"본문의 표 4을 보았을 때 Space Order가 3일 때 Time Order 36값은 얼마지?",
"본문의 표 4에서 Space Order가 29일 때 Time Order 24값은 얼마 정도의 값일까?",
"본문의 표 4을 보았을 때 Space Order가 17일 때 Time Order 36값은 얼마 정도인가?",
"본문의 표 4을 보았을 때 Space Order가 31일 때 Time Order 36값은 얼마 정도의 값을 가져?",
"본문의 표 4을 보았을 때 Space Order가 35일 때 Time Order 36값은 얼마 정도의 값을 가지니?",
"본문의 표 4을 보았을 때 Space Order가 27일 때 Time Order 36값은 얼마 정도의 값인가?",
"본문의 표 4을 보았을 때 Space Order가 23일 때 Time Order 36값은 얼마 정도의 값이지?",
"본문의 표 4을 보았을 때 Space Order가 15일 때 Time Order 36값은 얼마 정도니?",
"본문의 표 4을 보았을 때 Space Order가 11일 때 Time Order 36값은 얼마 정도야?",
"본문의 표 4을 보았을 때 Space Order가 19일 때 Time Order 36값은 얼마 정도일까?",
"본문의 표 4을 보았을 때 Space Order가 29일 때 Time Order 36값은 얼마 정도의 값일까?",
"본문의 표 4을 보았을 때 Space Order가 25일 때 Time Order 36값은 얼마 정도의 값이니?",
"본문의 표 4을 보았을 때 Space Order가 9일 때 Time Order 36값은 얼마일까?",
"본문의 표 4을 보았을 때 Space Order가 33일 때 Time Order 36값은 얼마 정도의 값을 가지지?",
"본문의 표 4을 보았을 때 Space Order가 37일 때 Time Order 36값은 얼마 정도의 값을 가질까?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 1인 경우 Time Order 12값은 얼마야?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 7인 경우 Time Order 12값은 얼마인가?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 5인 경우 Time Order 12값은 얼마니?",
"본문의 표 4을 보았을 때 Space Order가 39일 때 Time Order 36값은 얼마 정도의 값을 가지는가?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 15인 경우 Time Order 12값은 얼마 정도니?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 11인 경우 Time Order 12값은 얼마 정도야?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 23인 경우 Time Order 12값은 얼마 정도의 값일까?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 19인 경우 Time Order 12값은 얼마 정도일까?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 9인 경우 Time Order 12값은 얼마일까?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 17인 경우 Time Order 12값은 얼마 정도인가?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 3인 경우 Time Order 12값은 얼마지?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 25인 경우 Time Order 12값은 얼마 정도의 값이지?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 13인 경우 Time Order 12값은 얼마 정도지?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 9인 경우 Time Order 36값은 얼마인가?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 5인 경우 Time Order 36값은 얼마니?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 27인 경우 Time Order 12값은 얼마 정도의 값이니?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 37인 경우 Time Order 12값은 얼마 정도의 값을 보일까?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 9인 경우 Time Order 24값은 얼마일까?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 3인 경우 Time Order 24값은 얼마지?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 31인 경우 Time Order 12값은 얼마 정도의 값을 보여?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 1인 경우 Time Order 24값은 얼마야?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 29인 경우 Time Order 12값은 얼마 정도의 값이야?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 17인 경우 Time Order 24값은 얼마 정도인가?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 15인 경우 Time Order 24값은 얼마 정도니?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 29인 경우 Time Order 24값은 얼마 정도의 값일까?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 11인 경우 Time Order 24값은 얼마 정도야?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 13인 경우 Time Order 24값은 얼마 정도지?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 33인 경우 Time Order 12값은 얼마 정도의 값을 보이지?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 19인 경우 Time Order 24값은 얼마 정도일까?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 35인 경우 Time Order 12값은 얼마 정도의 값을 보이니?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 23인 경우 Time Order 24값은 얼마 정도의 값이지?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 39인 경우 Time Order 12값은 얼마 정도의 값을 보이는가?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 27인 경우 Time Order 24값은 얼마 정도의 값인가?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 25인 경우 Time Order 24값은 얼마 정도의 값이니?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 7인 경우 Time Order 24값은 얼마인가?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 5인 경우 Time Order 24값은 얼마니?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 31인 경우 Time Order 24값은 얼마 정도의 값으로 나타내?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 21인 경우 Time Order 24값은 얼마 정도의 값이야?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 37인 경우 Time Order 24값은 얼마 정도의 값으로 나타내는가?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 33인 경우 Time Order 24값은 얼마 정도의 값으로 나타내지?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 35인 경우 Time Order 24값은 얼마 정도의 값으로 나타내니?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 1인 경우 Time Order 36값은 얼마야?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 7인 경우 Time Order 36값은 얼마인가?",
"본문의 표 \\( \\quad 5 \\)에서 Space Order이 39인 경우 Time Order 24값은 얼마 정도의 값으로 나타낼까?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 15인 경우 Time Order 36값은 얼마의 값이니?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 13인 경우 Time Order 36값은 얼마의 값이지?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 11인 경우 Time Order 36값은 얼마의 값이야?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 3인 경우 Time Order 36값은 얼마지?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 17인 경우 Time Order 36값은 얼마의 값인가?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 23인 경우 Time Order 36값은 얼마의 값으로 나타내지?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 25인 경우 Time Order 36값은 얼마의 값으로 나타내니?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 27인 경우 Time Order 36값은 얼마의 값으로 나타낼까?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 33인 경우 Time Order 36값은 얼마의 값으로 나타낼 수 있어?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 37인 경우 Time Order 36값은 얼마의 값으로 나타낼 수 있는가?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 31인 경우 Time Order 36값은 얼마의 값으로 나타낼 수 있지?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 5일 때 Time Order 12값은 얼마니?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 3일 때 Time Order 12값은 얼마지?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 1일 때 Time Order 12값은 얼마야?",
"본문의 표 \\( \\quad 5 \\) 공냉 정격부하시 회전자 손실에서 Space Order이 21인 경우 Time Order 12값은 얼마 정도의 값인가?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 9일 때 Time Order 12값은 얼마일까?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 13일 때 Time Order 12값은 얼마 정도지?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 11일 때 Time Order 12값은 얼마 정도야?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 15일 때 Time Order 12값은 얼마 정도니?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 17일 때 Time Order 12값은 얼마 정도인가?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 19일 때 Time Order 12값은 얼마 정도일까?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 21일 때 Time Order 12값은 얼마 정도의 값이야?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 23일 때 Time Order 12값은 얼마 정도의 값이지?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 27일 때 Time Order 12값은 얼마 정도의 값인가?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 31일 때 Time Order 12값은 얼마 정도의 값을 보여?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 33일 때 Time Order 12값은 얼마 정도의 값을 보이니?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 37일 때 Time Order 12값은 얼마 정도의 값을 보일까?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 39일 때 Time Order 12값은 얼마 정도의 값을 보이는가?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 1일 때 Time Order 24값은 얼마야?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 3일 때 Time Order 24값은 얼마지?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 9일 때 Time Order 24값은 얼마일까?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 7일 때 Time Order 24값은 얼마인가?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 11일 때 Time Order 24값은 얼마 정도야?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 15일 때 Time Order 24값은 얼마 정도니?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 13일 때 Time Order 24값은 얼마 정도지?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 19일 때 Time Order 24값은 얼마 정도일까?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 21일 때 Time Order 24값은 얼마 정도의 값이야?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 23일 때 Time Order 24값은 얼마 정도의 값이지?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 27일 때 Time Order 24값은 얼마 정도의 값인가?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 25일 때 Time Order 24값은 얼마 정도의 값이니?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 29일 때 Time Order 24값은 얼마 정도의 값일까?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 31일 때 Time Order 24값은 얼마 정도의 값을 보여?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 33일 때 Time Order 24값은 얼마 정도의 값을 보이지?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 35일 때 Time Order 24값은 얼마 정도의 값을 보이니?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 39일 때 Time Order 24값은 얼마 정도의 값을 보일까?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 1인 경우 Time Order 36값은 얼마야?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 3인 경우 Time Order 36값은 얼마지?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 5인 경우 Time Order 36값은 얼마니?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 9인 경우 Time Order 36값은 얼마일까?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 11인 경우 Time Order 36값은 얼마 정도야?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 13인 경우 Time Order 36값은 얼마 정도지?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 15인 경우 Time Order 36값은 얼마 정도니?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 19인 경우 Time Order 36값은 얼마 정도일까?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 25인 경우 Time Order 36값은 얼마 정도의 값이야?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 27인 경우 Time Order 36값은 얼마 정도의 값인가?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 29인 경우 Time Order 36값은 얼마 정도의 값일까?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 35인 경우 Time Order 36값은 얼마 정도의 값을 가지니?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 33인 경우 Time Order 36값은 얼마 정도의 값을 가지지?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 37인 경우 Time Order 36값은 얼마 정도의 값을 가지는가?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 39인 경우 Time Order 36값은 얼마 정도의 값을 가질까?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 21인 경우 Time Order 36값은 얼마의 값으로 나타내?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 19인 경우 Time Order 36값은 얼마의 값일까?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 29일 때 Time Order 12값은 얼마 정도의 값일까?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 35일 때 Time Order 12값은 얼마 정도의 값을 보이지?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 17일 때 Time Order 24값은 얼마 정도인가?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 37일 때 Time Order 24값은 얼마 정도의 값을 보이는가?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 7인 경우 Time Order 36값은 얼마인가?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 21인 경우 Time Order 36값은 얼마 정도의 값이지?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 31인 경우 Time Order 36값은 얼마 정도의 값을 가져?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 39인 경우 Time Order 36값은 얼마의 값으로 나타낼 수 있는가?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 35인 경우 Time Order 36값은 얼마의 값으로 나타낼 수 있니?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 25일 때 Time Order 12값은 얼마 정도의 값이니?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 23인 경우 Time Order 36값은 얼마 정도의 값이니?",
"본문의 표 \\( \\quad 6 \\) 수냉 부하시 회전자 손실에서 Space Order가 7일 때 Time Order 12값은 얼마인가?",
"본문의 표 \\( \\quad 5 \\)을 보았을 때 Space Order이 29인 경우 Time Order 36값은 얼마의 값으로 나타내는가?",
"본문의 표 \\( \\quad 6 \\)에서 Space Order가 5일 때 Time Order 24값은 얼마니?",
"본문의 표 \\( \\quad 6 \\)을 보았을 때 Space Order가 17인 경우 Time Order 36값은 얼마 정도인가?"
] |
d2287836-73f1-4b4a-a46f-2e632cf3419d
|
인공물ED
|
단일 투사 절대 코드 패턴을 이용한 3차원 얼굴 데이터의 유클리디안 복원
|
<h1>Ⅳ. 실험 결과</h1> <p>실험은 카메라 두 대와 프로젝터 한 대를 이용한 시스템을 사용하고, 3차원 얼굴 인식의 전단계로서 사용자는 일정 거리에 있는 것으로 가정하고 있다. 실제 실험에서는 \( 1 \mathrm{~m} \sim 1.5 \mathrm{~m} \) 사이에 사람이 있도록 하였다. 카메라는 컬러 CCD를 사용하고 25frame/ \( \mathrm{sec} \)의 progressive 스캔 방식이며 \( 1024 \times 768 \) 해상도를 가진 카메라를 사용하였다. 좌, 우 영상의 비교와 정합 과정에서의 정확도를 위해 왼쪽과 오른쪽에 동일한 카메라를 사용하였다. 피사체에 컬러 패턴을 투사하기 위해 DLP 방식의 \( 1024 \times 768 \) 해상도를 지원하는 프로젝터를 이용하여 컬러줄무늬의 픽셀폭은 15로 컬러줄 간의 검은 간격은 20픽셀인 줄무늬 패턴을 투사하였다. 알고리즘 코드는 Visual C++ 6.0을 이용하여 구현하였으며 프로그램의 실행은 Pentium4-2.4\( \mathrm{Ghz} \) CPU, 512\( \mathrm{Mb} \) Ram 의 컴퓨터에서 실행 하였다. 그림 7은 카메라 두 대와 프로젝터 한 대로 구성된 시스템의 모습이다. 그림 8은 복원된 3차원 얼굴 데이터이며 복원된 3차원 좌표의 수는 모두 13473포인트이다.</p> <p>총 소요 시간은 복원 데이터 수에 따라 달라지므로 여러 포즈에서 얻은 얼굴 영상을 입력 영상으로 하여 포인트 당 복원시간을 표 1에 나타내었다. 기존의 방법과 비교 결과, 제안한 방법은 포인트 당 복원시간에서 약 \( 20 \% \) 정도의 성능향상이 있었음을 알 수 있다. 정확도 측정은 얼굴 데이터의 경우 곡면에 따른 측정의 어려움으로 폭 15.3, 높이 7.5의 직육면체 상자를 이용 하였다. RMS(Root Mean Square)error로 길이는 평균 \( 0.2652 \mathrm{~cm} \), 각도는 \( 1.21^{\circ} \)의 에러를 확인할 수 있었다.</p> <table border><caption>표 1. 포인트 수에 따른 복원 시간</caption> <tbody><tr><td></td><td colspan=2>Dataset 1</td><td colspan=2>Dataset 2</td></tr><tr><td>Process</td><td>Previous Method</td><td>Proposed Method</td><td>Previous Method</td><td>Proposed Method</td></tr><tr><td>Preprocessing</td><td>3904</td><td>2942</td><td>3889</td><td>3124</td></tr><tr><td>Matching</td><td>736</td><td>720</td><td>814</td><td>749</td></tr><tr><td>Triangulation</td><td>242</td><td>237</td><td>287</td><td>264</td></tr><tr><td>Total Time</td><td>4888</td><td>3899</td><td>4990</td><td>4137</td></tr><tr><td>Total Time</td><td>5620</td><td>5644</td><td>6920</td><td>6425</td></tr><tr><td>Time per point</td><td>0.8690</td><td>0.6908</td><td>0.7210</td><td>0.6439</td></tr></tbody></table>
|
[
"표1에서 Dataset 2의 Previous Method를 이용한 Total Time은 얼마야?",
"포인트 수에 따른 복원 시간을 정리한 표에서 Dataset 1의 Proposed Method을 이용한 Time per point은 얼마야?",
"본 연구의 표1에서 Dataset 1의 Proposed Method를 이용한 Total Time은 무슨 값이야?",
"본 연구의 표1에서 3904는 Dataset 1의 어떤 방법을 이용해서 측정한 값이야?",
"표1에서 Preprocessing의 Dataset 1에서의 Previous Method따른 시간은 얼마야?",
"본 연구의 표1에서 Dataset 1의 Previous Method에서 Matching에 따른 걸린 시간은 무엇이야?",
"포인트 수에 따른 복원 시간을 측정하여 나타낸 표에서 Dataset 1의 Proposed Method를 이용한 Matching 복원시간은 무엇이야?",
"포인트 수에 따른 복원 시간을 정리한 표에서 736은 어떤 Process에 해당돼?",
"본 논문의 표1에서 2942는 어떤 process에 해당되는 값이야?",
"본 연구의 표1에서 3124는 어떤과정에서 계싼된 값이야?",
"표1에서 720는 어떤 과정에 해당되는 값이야?",
"본 논문의 표1에서 Triangulation의 과정에서 Proposed Method를 이용한 복원시간은 얼마야?",
"포인트 수에 따른 복원 시간을 나타낸 표에서 \t814는 어떤과정에서 측정된 값이야?",
"본문의 표1에서 Triangulation과정을 이용한 Dataset 1의 Proposed Method는 얼마나 걸려?",
"포인트 수에 따른 복원 시간을 측정하여 나타낸 표에서 Dataset 1의 Previous Method을 이용한 Total Time은 얼마야?",
"본 논문의 표1에서 Dataset 2에서 Previous Method을 이용한 Time per point는 무슨값으로 측정돼?",
"포인트 수에 따른 복원 시간을 나타낸 표에서 736은 Dataset 1의 어떤 방법을 사용해서 측정한 값이야?",
"포인트 수에 따른 복원 시간을 나타낸 표에서 \t814는 Dataset 2의 어떤 방법을 사용했어?",
"포인트 수에 따른 복원 시간을 측정하여 나타낸 표에서 Dataset 2에서 Proposed Method를 이용한 Time per point는 얼마로 측정됐어?",
"본 연구의 표1에서 242는 Dataset 1의 어떤 방법을 이용했어?",
"포인트 수에 따른 복원 시간을 정리한 표에서 720는 Dataset 1의 어떤걸 사용했어?",
"본 연구의 표1에서 0.6908은 \tDataset 1의 어떤 방법을 사용한 Time per point야?",
"본 연구의 표1에서 3124은 Dataset 2의 어떤 방법으로 측정한거야?",
"표1에서 5620은 Dataset 1의 어떤 방법으로 측정했어?",
"포인트 수에 따른 복원 시간을 나타낸 표에서 \t0.7210은 Dataset 2의 어떤 방법으로 측정한거야?",
"포인트 수에 따른 복원 시간을 나타낸 표에서 0.8690은 Dataset 1의 어떤 방법을 사용했어?",
"본 연구의 표1에서 0.6439은 Dataset 2의 어떤 방법을 사용했어?",
"포인트 수에 따른 복원 시간을 나타낸 표에서 \t749는 Dataset 2의 어떤 방법으로 측정했어?",
"본문의 표1에서 749은 어떤 process에 해당되는 값이야?",
"포인트 수에 따른 복원 시간을 정리한 표에서 \t242는 어떤 process에서 측정된거야?",
"본 논문의 표1에서 237은 무슨 과정에서 측정됐어?",
"포인트 수에 따른 복원 시간을 측정하여 나타낸 표에서 \t287은 Dataset 2의 어떤 방법으로 측정한거야?",
"표1에서 6920은 Dataset 2의 어떤 방법으로 측정한거야?",
"포인트 수에 따른 복원 시간을 나타낸 표에서 6425는 측정하기 위해 사용한 방법은 Dataset 2에서 어떤거야?",
"포인트 수에 따른 복원 시간을 정리한 표에서 Triangulation과정 중에 Dataset 1방법중 더큰값이 측정된 방법은 어떤거야?",
"본문의 표1에서\t3904은 어떤과정에 해당되는 값이야?",
"표1에서 Preprocessing과정의 Dataset 1에서 어떤 방법을 사용하여 측정한 값이 더 커?",
"표1에서 Triangulation과정에서 \t측정한 값들 중에 Dataset 2의 어떤방법이 더 작아?",
"본 연구의 표1에서 Matching과정중에 Dataset 2의 어떤 방법으로 측정한 값이 더 작은걸로 측정됐어?",
"포인트 수에 따른 복원 시간을 측정하여 나타낸 표에서 Preprocessing 과정에서 Dataset 2의 어떤 방법으로 측정한 값이 더 작아?",
"포인트 수에 따른 복원 시간을 측정하여 나타낸 표에서 6425는 Dataset 2의 어떤 방법으로 측정했어?",
"포인트 수에 따른 복원 시간을 측정하여 나타낸 표에서 \t3889은 무슨 과정에서 측정된거야?",
"본 연구의 표1에서 \t264은 무슨 process에 해당되는 값이야?",
"표1에서 0.8690은 어떤 process에서 측정된 값이야?",
"포인트 수에 따른 복원 시간을 나타낸 표에서 0.6908은 어떤 process에서 측정된 값이야?",
"본문의 표1에서 0.7210는 어떤 과정에 해당되는 값이야?",
"포인트 수에 따른 복원 시간을 측정하여 나타낸 표에서 Triangulation과정에서 Previous Method로 측정한 값 중에서 더 오래걸린 포인트수는 어떤거야?",
"본문의 표1에서 Matching의 Proposed Method로 측정한 시간 중에 더 적게 걸린 복원시간에 해당되는 포인트수는 어떤거야?",
"본 연구의 표1에서 Time per point에서 Previous Method로 측정한 시간중에 어떤 포인트 수에서 측정한 값이 더 커?",
"표1에서 Preprocessing과정에서 Proposed Method로 측정한 시간들 중에 더 적게 걸린 시간은 어떤 포인트 수에서야?",
"포인트 수에 따른 복원 시간을 측정하여 나타낸 표에서 287은 무슨 process에서 측정된 값이야?",
"본 논문의 표1에서 Preprocessing\t과정에서 Previous Method로 측정한 값 중에 어느 초인트수가 더 큰값이야?",
"표1에서 Matching\t과정에서 Previous Method로 측정한 값 중에 어느 포인트 수의 값이 더 큰값이야?",
"포인트 수에 따른 복원 시간을 정리한 표에서 Triangulation과정에서 \tProposed Method로 측정한 시간들 중에 더 적게 걸린 포인트 수는 어떤거야?",
"본 논문의 표1에서 Time per point에서 Proposed Method로 측정한 값 중에 더 작은 값의 포인트 수는 무엇이야?",
"포인트 수에 따른 복원 시간을 정리한 표에서 0.6439은 어떤 process에서 측정된 값이야?",
"포인트 수에 따른 복원 시간을 나타낸 표에서 Dataset 1의 Proposed Method로 측정한 Preprocessing 복원시간은 얼마나 걸렸어?",
"본문의 표1에서 Dataset 2의 Previous Method을 이용한 Preprocessing는 얼마야?",
"포인트 수에 따른 복원 시간을 정리한 표에서 Dataset 2의 Proposed Method를 적용한 Preprocessing은 얼마야?",
"본 논문의 표1에서 Dataset 1의 Previous Method를 이용한 Matching을 측정한 시간은 얼마나 걸렸어?",
"표1에서 Matching 과정에서 Dataset 2의 Proposed Method를 이용해서 시간을 측정한 결과 값은 어떤거야?",
"포인트 수에 따른 복원 시간을 나타낸 표에서 Dataset 1의 Previous Method을 이용한 Triangulation과정에서 걸린 복원시간은 얼마야?",
"포인트 수에 따른 복원 시간을 정리한 표에서 Triangulation 과정에서 Dataset 2의 Previous Method는 얼마나 걸려?",
"포인트 수에 따른 복원 시간을 나타낸 표에서 Dataset 2의 Proposed Method을 이용한 Total Time은 어떤거야?",
"본문의 표1에서 Dataset 1의 Previous method를 이용한 time per point은 무슨값이야?",
"본문의 표1에서 2942은 Dataset 1의 무슨 방법을 이용했어?",
"본 논문의 표1에서 237은 Dataset 1의 무슨방법을 사용한 거야?",
"포인트 수에 따른 복원 시간을 측정하여 나타낸 표에서 5644는 Dataset 1의 무슨 방법을 사용한거야?",
"표1에서 3889은 Dataset 2의 무슨 방법을 사용했어?",
"포인트 수에 따른 복원 시간을 나타낸 표에서 Matching과정에서 Dataset 1중에 측정한 방법으로 나온 값에서 어떤 방법이 더 큰 값이야?",
"본 논문의 표1에서 Time per point 과정에서 어떤 Dataset 1의 방법으로 측정한 값이 더 커?",
"포인트 수에 따른 복원 시간을 나타낸 표에서 Time per point은 더 작은 값은 Dataset 2의 어떤 방법으로 측정한거야?"
] |
894edd97-b591-4ce6-ace6-35e1a53706b2
|
인공물ED
|
SVM에 기반한 음악 장르 분류를 위한 특징벡터 정규화 방법
|
<h1>III. 실 험</h1><p>제안 시스템의 성능을 알아보기 위해 공개된 음악 데이터베이스인 GTZAN을 사용하였다. GTZAN은 총 \(10\) 개의 장르로 blues, classical, country, disco, hiphop, jazz, pop, metal, reggae, rock으로 구성 되어있다. 한곡당 \(30\) 초로 각 장르당 \(100\) 곡이며, \( 16 \mathrm{bit}, 22050 \mathrm{~Hz} \), 모노, AU 파일 포맷형식이다.</p><p>특징벡터는 \( 90 \mathrm{~ms} \) 의 analysis window 별로 overlap 없이 MFCC 와 DFB 는 \(14\) 개의 밴드로 각각 \(13\) 차 특징벡터, OSC 는 \(8\) 개 밴드로 \(16\) 차 특징벡터를 추출하였다. 그 후, 약 \(3\)초의 texture window (\(33\)개의 analysis window 를 포함)에 대해서 \(1\) 개의 analysis window만큼 쉬프트 하면서 특징벡터를 추출하였다. 각 장르 데이터별 \( 90 \% \) 는 학습 데이터, \( 10 \% \) 는 테스트 데이터로 사용하여 10-fold cross-validation을 하여 성능을 평가하였다.</p><p>표 1 은 단일 특징벡터에 대하여 정규화 방식에 따른 장르분류 결과이다. 기존 방식은 전체 \(10\) 개의 장르에 대해서 \(1\) 번의 정규화를 수행하며, MFCC, DFB, OSC 순으로 장르 분류 성능이 좋았다. 하지만, 제안 방식은 비교하는 장르의 pair 별로 정규화를 실시하며 OSC, DFB, MFCC 순으로 성능이 좋았다. 기존 정규화 방식은 MFCC 가 \( 62.4 \% \), 제안 정규화 방식은 OSC 가 \( 69.0 \% \) 의 장르 인식율을 보였다. OSC 의 경우 기존 정규화 방식을 사용한 경우에 비해서 제안 정규화 방식을 사용하면 \( 8.2 \% \) 의 성능 개선을 얻을 수 있었다.</p><p>표 2 는 MFCC, DFB, OSC, AFV 를 복합 특징벡터 형태로 이용하여 장르 분류를 시도한 경우의 인식율을 나타내고 있다. 특징벡터의 차수는 단일 특징벡터보다 높다. 하지만, 전체적으로 단일 특징벡터를 가지고 실험한 경우보다 높은 성능을 보이는 것을 알 수 있었다. 특히, 같은 청각 모델 필터를 가지고 추출한 특징 MFCC 와 DFB 의 결합보다, octave 기준 청각 모델 필터로 추출한 OSC 와 MFCC 또는 DFB 의 결합이 보다 높은 성능을 보였다. 또한, DFB 가 MFCC 보다 다른 특징과 복합 특징으로 결합하였을 때, 향상된 성능을 보였다. 기존 정규화 방식에 비해서 제안 정규화 방식은 최소 \( 2.4 \% \) 에서 최대 \( 4.0 \% \) 의 성능 향상을 보였다. 또한, DFB+OSC+AFV 를 복합 특징벡터로 결합한 방식은 모든 특징 MFCC+DFB+OSC+AFV 를 이용한 경우보다 인식율은 \( 0.9 \% \) 낮지만 특징벡터 차수는 \(90\) 차에서 \(64\) 차로 \(26\)차를 줄일 수 있음을 알 수 있다.</p><p>표 3 은 DFB+OSC+AFV 특징벡터에 대해서 제안한 정규화 방식을 사용한 경우에 대한 각 장르별 분류 성공률의 confusion matrix를 나타낸다. 1-fold당 각 장르별로 \(10\) 개의 파일을 테스트하여, 총 \(100\) 개의 파일을 분류한 결과이다. 행이 테스트 장르일 때, 각 열은 분류된 장르를 나타낸다. 그 결과 classical 장르에서 \( 97 \% \) 의 매우 뛰어난 인식 성능을 보였다. Classical 장르는 저주파에 많은 에너지가 분포하며, 보컬부분이 거의 없어 분류 성공률이 뛰어나다. Metal 장르의 경우엔 고주파에 다른 장르에 비해 많은 에너지가 있어서 \( 91 \% \) 로 분류가 잘 되었다. Classical 장르와 metal 장르를 제외한 나머지 장르는 주파수 전 대역에 고루 에너지가 분포하기 때문에 분류 성공률이 classical 장르와 metal 장르보다 저조하였다. 그 중 rock 장르는 가장 저조한 분류 성능을 보였고, 주로 blues, country, 그리고 disco 장르로 오인식 되었다.</p><table border><caption>표 1. 정규화 방식에 따른 단일 특징벡터 별 성능</caption><tbody><tr><td colspan=2></td><td>MFCC</td><td>DFB</td><td>OSC</td></tr><tr><td rowspan=2>Accuracy (%)</td><td>기존 정규화 방식</td><td>62.4</td><td>61.8</td><td>60.8</td></tr><tr><td>제안하는 정규화 방식</td><td>63.3</td><td>64.2</td><td>69.0</td></tr><tr><td colspan=2>Feature Order</td><td>26</td><td>26</td><td>32</td></tr></tbody></table>
|
[
"기존 정규화 방식에 비해서 제안 정규화 방식은 최대 몇 퍼센트의 성능 향상을 나타냈니?",
"MFCC와 DFB는 몇 차 특징벡터를 추출했니?",
"본 연구에서 GTZAN을 사용한 목적은 뭐야?",
"본 연구에서는 제안 시스템의 성능을 알아보기 위해 어떻게 했어?",
"기존 정규화 방식에 비해서 제안 정규화 방식은 최소 몇 퍼센트의 성능 향상을 나타냈니?",
"confusion matrix를 살펴봤을 때, 1-fold당 장르별로 테스트 한 파일의 수는 얼마니?",
"confusion matrix를 살펴봤을 때, 1-fold당 장르별로 분류한 파일의 수는 얼마니?",
"confusion matrix에서, 열은 무엇을 나타내니?",
"다음 중 본 실험에서 \\( 97 \\% \\) 의 인식 성능을 보여준 음악 장르는 무엇이야?",
"본 연구에서 사용된 GTZAN는 총 몇가지 장르로 구성되어 있어?",
"본 연구에서 사용된 GTZAN의 구성에는 어떤 장르들이 있어?",
"본 연구에서 사용된 GTZAN의 구성에서, 각 음악은 한 곡당 몇 초야?",
"본 연구에서 사용된 GTZAN의 구성에서, 음악은 총 몇 곡이야?",
"본 연구에서 사용된 GTZAN의 구성에서, 음악은 어떤 형식을 가지고 있어?",
"본 연구에서 사용한 음악 데이터베이스는 뭐야?",
"OSC는 몇 차의 특징벡터를 추출했어?",
"다음 중 본 연구에 사용된 음악의 한 곡당 길이로 옳은 것은?",
"본 연구에서는 단일 특징벡터에 대하여 어떤 방식을 따라 장르를 분류했니?",
"MFCC와 DFB는 몇 개의 밴드에서 특징벡터를 추출했니?",
"성능 평가 시 학습 데이터의 비율은 몇 퍼센트야?",
"성능 평가 시 테스트 데이터의 비율은 몇 퍼센트야?",
"본 연구에서는 어떤 검증방법을 통해 성능을 평가했니?",
"기존 방식으로는 10개의 장르에 대해 정규화를 몇 번 수행했지?",
"기존 방식에서는 특징 벡터의 종류에 따라 분류 성능이 어느 순서대로 좋았니?",
"기존 방식에서는 특징 벡터의 종류에 따라 분류 성능이 어느 순서대로 좋았니?",
"제안 방식에서는 특징 벡터의 종류에 따라 분류 성능이 어느 순서대로 좋았니?",
"기존 정규화 방식에서 MFCC의 장르 인식률은 몇 퍼센트였니?",
"OSC는 기존 정규화 방식을 사용을 할 때 보다 제안 정규화 방식을 사용할 때 몇 퍼센트의 성능 개선이 있었니?",
"제안하는 정규화 방식에서 OSC의 장르 인식률은 몇 퍼센트였니?",
"본 논문의 표 2는 어떤 수치를 나타내고 있어?",
"복합 특징벡터 형태를 사용했을 때 특징벡터의 차수는 단일 특징벡터와 비교했을 때 그 값이 어때?",
"단일 특징벡터 형태를 이용했을 때와 비교하여, 복합 특징벡터 형태를 이용했을 때 어떤 차이를 관찰할 수 있었니?",
"DFB 가 MFCC 보다 다른 특징과 복합 특징으로 결합하였을 때 어떤 성능을 보여주었어?",
"본 연구에서는 MFCC 와 DFB 의 결합과 OSC 와 MFCC의 결합 중 어떤 결합이 더 높은 성능을 보여주었니?",
"논문의 표 3은 어떤 특징벡터 조합에 대해서 제안한 정규화 방식을 사용한 경우를 나타내고 있니?",
"confusion matrix에서, 행은 무엇을 나타내니?",
"classical 장르에서의 인식률은 몇 퍼센트였어?",
"Metal 장르에서의 인식률은 몇 퍼센트였어?",
"제안하는 모델에서 가장 분류 성능이 저조했던 장르는 뭐야?",
"정규화 방식에 따른 MFCC의 성능에서, 특징벡터의 차수는 몇 차로 나타났어?",
"정규화 방식에 따른 MFCC의 성능은 제안하는 정규화 방식에서 몇 퍼센트의 정확도를 나타냈니?",
"정규화 방식에 따른 MFCC의 성능은 기존 정규화 방식에서 몇 퍼센트의 정확도를 나타냈니?",
"정규화 방식에 따른 DFB의 성능은 제안하는 정규화 방식에서 몇 퍼센트의 정확도를 나타냈니?",
"정규화 방식에 따른 OSC의 성능은 기존 정규화 방식에서 몇 퍼센트의 정확도를 나타냈니?",
"정규화 방식에 따른 OSC의 성능은 제안하는 정규화 방식에서 몇 퍼센트의 정확도를 나타냈니?",
"정규화 방식에 따른 OSC의 성능에서, 특징벡터의 차수는 몇 차로 나타났어?",
"정규화 방식에 따른 DFB의 성능에서, 특징벡터의 차수는 몇 차로 나타났어?",
"정규화 방식에 따른 DFB의 성능은 기존 정규화 방식에서 몇 퍼센트의 정확도를 나타냈니?"
] |
69bde439-d4d7-4704-8023-8f4c8e1c3493
|
인공물ED
|
SVM에 기반한 음악 장르 분류를 위한 특징벡터 정규화 방법
|
<h1>I. 본 론</h1><p>음악의 장르를 분류하기 위해선 그림 1 과 같이 특징 추출 (feature extraction), 모델링 (modeling), 분류</p><p>(classification) 과정이 필요하다.</p><h2>1. 특징벡터 추출</h2><p>가. MFCC 와 DFB</p><p>DFB 는 주로 화자인식에 사용되며, MFCC 와 마찬가지로 mel-scale band-pass filter를 사용한다. DFB는 MFCC 추출 시 마지막 과정인 DCT를 대신하여, high-pass filter를 이용하는 점이 다르다. DFB 는 먼저 B개 밴드의 mel-scale band-pass filter를 이용하여 밴드별 스펙트럼의 가중치 합을 구한다. 밴드별 가중치 합에 \( \log \) 를 적용한 신호를 S(k) 라 하면, K 차 DFB 는 다음과 같이 구할 수 있다.</p><p>\( D F B(k)=S(k+1)-S(k), 1 \leq k \leq K<B \)<caption>(1)</caption></p><p>나. OSC</p><p>OSC는 octave-scale band-pass filter를 통하여, 각 밴드내의 spectral contrast를 구한다. OSC 는 각 밴드별 스펙트럼의 peak와 valley를 이용한다. 강한 peak는 음악의 harmonic 부분에, 강한 valley는 non-harmonic 부분과 연관된다. 따라서, OSC 는 음악의 harmonic과 non-harmonic을 동시에 고려하는 특징벡터이다.</p><p>본 논문에서는 \( 22050 \mathrm{~Hz} \) 의 샘플링 주파수를 기준으로 octave-scale band-pass filter의 8 개 밴드를 [0-100), [100-200), [200-400), [400-800), [800-1600), [1600-3200), [3200-6400), [6400-11025)로 설정하였다. 앞서 설계한 밴드를 이용하여 각 밴드의 구간을 나눈 후, i 번째 밴드에 속한 스펙트럼 \( \left\{x_{i, 1}, x_{i, 2}, \cdots, x_{i, L_{i}}\right\} \) 을 내림차순으로 정리한다. 여기서 \( L_{i} \) 은 i 번째 밴드에 속한 스펙트럼 빈의 갯수이다. 내림차순 정리된 스펙트럼을 \( \left\{x_{i, 1}^{\prime}, x_{i, 2}^{\prime}, \cdots, x_{i, L_{i}}^{\prime}\right\} \) 라고 할 때, peak와 valley를 다음과 같은 식으로 구한다.</p><p>\( \operatorname{Peak}_{i}=\log \left(\frac{1}{\alpha L_{i}} \sum_{j=1}^{\alpha L_{i}} x_{i, j}^{\prime}\right) \)<caption>(2)</caption>\[ \text { Valle }_{i}=\log \left(\frac{1}{\alpha L_{i}} \sum_{j=1}^{\alpha L_{i}} x_{i, L_{i}-j+1}^{\prime}\right) \]<caption>(3)</caption></p><p>\( \alpha \) 는 상수로서 \( 0.02 \) 로 설정하여 사용하였다. Spectral contrast는 각 밴드의 peak와 valley의 차로 구할 수 있다. i 번째 밴드의 spectral contrast는 다음과 같이 구한다.</p><p>\( S C_{i}= \) Peak \( _{i}- \) Valley \( _{i} \)<caption>(4)</caption></p><p>본 논문에서는 i 번째 밴드에서 \( \left\{S C_{i}\right. \), Valle \( \left._{i}\right\} \) 를 특징으로 추출하며, 따라서 총 \(16\) 차의 OSC 특징벡터를 추출하였다.</p><p>다. Additional Feature Vectors (AFV)</p><p>가와 나에서 설명한 MFCC, DFB, OSC 이외에도 아래와 같이 다양한 특징벡터를 추출하여 장르 인식에 사용하였다.</p><ol type=1 start=1><li>Zero-Crossing Rate (ZCR)</li><p>ZCR은 Voice Activity Detection 등에 많이 사용되어 왔다. ZCR 은 신호의 부호가 바뀌는 양을 나타내는 특징으로 다음과 같이 구한다.</p><p>\( Z C R=\frac{1}{N} \sum_{n=2}^{N} \operatorname{Sign}(n) \), \( \operatorname{Sign}(n)=\left\{\begin{array}{ll}1, & x(n)^{*} x(n-1)<0 \\ 0, & \text { otherwise }\end{array}\right. \)<caption>(5)</caption></p><p>x(n) 과 N 은 각각 입력신호와 총 샘플수를 나타낸다.</p><li>Spectral Centroid (SC)</li><p>SC 는 spectral magnitude의 centroid를 나타내는 특징으로 다음과 같이 구한다.</p><p>\( C=\frac{\sum_{k=1}^{K} M[k] \times k}{\sum_{k=1}^{K} M[k]} \)<caption>(6)</caption></p><p>M[k] 와 K 은 각각 magnitude와 magnitude의 총 샘플 수를 나타낸다.</p><li>Spectral Roll-Off(SRO)</li><p>SRO 는 magnitude가 \( \alpha \) 만큼 집중되어있는 frequency \( f \) 를 찾는다. \( \alpha \) 는 \( 0.85 \) 로 설정하였다.</p><p>\( \sum_{k=1}^{f} M[k]=\alpha \times \sum_{k=1}^{K} M[k] \)<caption>(7)</caption></p></ol><p>라. Texture window</p><p>가-다에서는 analysis window를 이용하여 MFCC, DFB, OSC, AFV 등의 특징벡터를 추출하였다. 음악은 short-time 특징벡터의 시리즈로 표현될 수 있으므로, 음악의 장르를 분류하기 위해서 그림 2와 같이 N 개의 analysis window씩을 묶어서 T 개의 texture window로 정의한다. 그 후, texture window별로 특징벡터의 평균과 분산을 구한다. Analysis window마다 P 차 특징벡터를 추출한다면, texture window는 \( 2^{*} P \) 차 특징벡터를 추출하게 된다. 본 논문에서는 특징벡터 차수를 줄이기 위해서, texture window에서 구한 \( 2^{*} P \) 차 특징벡터들의 평균값을 최종적인 특징벡터로 이용하였다.</p><h2>2. 모델링 및 분류</h2><p>음악 장르 분류를 위해서 추출된 특징벡터를 SVM을 이용하여 모델링하고 분류를 수행하였다. SVM은 마진을 이용하여 각 클래스를 분류한다. 여기서 마진은 분류할 데이터와 커널 함수가 만날 때까지 확장한 폭을 이야기한다. 이 마진을 최대화하는 최적 분류 초평면은 다음과 같이 구한다.</p><p>\( f(x)=\sum_{i=1}^{n} \alpha_{i} K\left(x_{i}, x\right)+b \)<caption>(8)</caption></p><p>여기서 \( n, \alpha_{i}, K\left(x_{i}, x\right) \) 와 \( b \) 는 각각 특징벡터의 차수, 라그랑제 상수, 커널 함수, 그리고 바이어스를 나타낸다. 본 논문에서는 선형, 다항식, 방사 기저 함수 등 다양한 커널 함수들 중에서 선형 커널을 사용하였다. 일반적인 SVM은 두 개 클래스에 대해서만 사용이 가능하다. 따라서, 멀티 클래스 방법을 이용하여 분류할 수 있는데, OAO 방법과 One-Against-All (OAA) 방법이 있다. 본 논문에서는 OAO 방법으로 장르를 분류하였다. 따라서, \( n(n-1) / 2 \) 의 모델이 필요하다.</p><p>정확한 분류를 위해 OAO SVM 을 이용하여 모델을 생성하기 전에 특징벡터를 정규화 했다. 본 논문에서는 다음과 같이 min-max 정규화를 사용하였다.</p><p>\[ \overline{x_{i, j \mid \tau}}=\frac{x_{i, j \mid \tau}-\min \left(\left\{x_{i, \lambda \mid \tau}\right\}\right)}{\max \left(\left\{x_{i, \lambda \mid \tau}\right\}\right)-\min \left(\left\{x_{i, \lambda \mid \tau}\right\}\right)} \]<caption>(9)</caption>where \( \lambda=1,2, \ldots, D(\tau) \) and \( \tau=1,2, \ldots, T \)</p><p>여기서 \( x_{i, j \mid \tau} \) 는 \( \tau \) 번째 장르 클래스에 속한 j 번째 학습 음원 데이터에서 추출한 특징벡터의 i 번째 component이다. 그리고, \( D(\tau) \) 와 T 는 각각 장르 클래스별 학습 음원 데이터의 개수와 비교할 장르 클래스의 개수이다.</p><p>기존 방식에서는 C 개의 전체 장르 클래스에 대하여 특징벡터를 정규화를 한 후, OAO SVM 으로 모델링하고 분류를 한다. 하지만, 본 논문에서는 한 쌍의 클래스에 대해 OAO SVM을 모델링할 때 마다 정규화를 하고 분류를 하였다. 즉, 기존 방식은 C(C-1) / 2 의 OAO SVM 모델을 만들기 전에 식 (9)에 의해서 \( T=C \) 로 두어 전체 클래스에 대하여 정규화를 하는 반면에, 본 논문에서는 \( T=2 \) 로 두어 비교 대상이 되는 각 쌍의 클래스에 대해서만 정규화를 하게 된다. OAO SVM 사용 시 비교 대상이 되는 한 쌍의 장르 클래스에 대해서만 정규화를 수행함으로써, 특징 벡터의 dynamic range가 해당 장르 클래스에 적합하게 설정되어 다른 장르 클래스의 영향을 배제하고 좀 더 정확한 구분이 이루어질 수 있다.</p>
|
[
"무엇을 분류하려면 특징 추출과 분류, 모델링의 과정이 필수적인가?",
"DFB는 보통 무엇에 이용되는가?",
"화자인식에 대표적으로 사용되는 예시에는 DBF가 있다.",
"MFCC를 추출할 때, DFB는 무엇을 대신하는가?",
"MFCC를 추출할 때, DFB는 최종 과정인 DCT를 대신하여, 어떻게 하는가?",
"분류, 모델링, 특징 추출을 이용하여, 분류가 가능한 장르는 무엇인가?",
"K 차 DFB 는 어떻게 구하는가?",
"DFB는 각 밴드의 스펙트럼의 가충치 합을 구하려면, 우선 B개 밴드의 무엇을 이용하는가?",
"K 차 DFB 를 구하는 식은 \\( D F B(k)=S(k-1)+S(k), 1 \\leq k \\leq K<B \\) 인가?",
"음악의 non-harmonic과 harmonic과 함께 생각하는 OSC를 무엇이라 하는가?",
"특정벡터로서 음악의 non-harmonic과 harmonic을 동시에 생각하는 것은 무엇인가?",
"OSC는 각각의 밴드에서의 spectral constrast를 어떻게 구하는가?",
"octave-scale band-pass filter를 이용해 OSC는 밴드의 무엇을 구하는가?",
"강력한 peak는 음악의 어떤 부분과 관련되는가?",
"강한 peak는 음악의 non-harmonic 부분과 상관있는가?",
"해당 논문에서 octave-scale band-pass filter의 밴드를 무엇을 기준으로 구간을 설정하는가?",
"각 구간의 속한 스펙트럼 \\( \\left\\{x_{i, 1}, x_{i, 2}, \\cdots, x_{i, L_{i}}\\right\\} \\) 을 올림차순으로 나열하는가?",
"스펙트럼 \\( \\left\\{x_{i, 1}^{\\prime}, x_{i, 2}^{\\prime}, \\cdots, x_{i, L_{i}}^{\\prime}\\right\\} \\) 은 어떻게 정리된 스펙트럼인가?",
"i 번째 밴드에 속한 스펙트럼의 peak는 어떻게 구하는가?",
"\\( \\alpha \\) 는 고정된 수로서 몇으로 설정하여 활용하는가?",
"\\( 0.02 \\) 로 설정하고 계산하는 상수는 무엇인가?",
"각 밴드의 peak와 valley의 차이로 무엇을 구할 수 있나?",
"\\( S C_{i}= \\) Peak \\( _{i}- \\) Valley \\( _{i} \\)<caption></caption>은 몇 번째 밴드의 spectral contras를 구하는 식인가?",
"본 논문에서 추출한 OSC 특징벡터는 총 몇 차인가?",
"특징벡터를 뽑은 후, 무엇에 사용하는가?",
"OSC, MFCC, AFV, DFB등의 특징벡터를 추출하려면, 어떻게 하는가?",
"texture window별로 특징벡터의 무엇들을 얻는가?",
"Analysis window에서 P 차 특징벡터를 뽑아낼 때, texture window가 몇 차 특징벡터를 뽑아낼수 있는가?",
"SVM은 무엇을 활용하여 클래스를 분별하는가?",
"왜 최종 특징벡터로 \\( 2^{*} P \\)차 특징벡터들의 평균값을 사용하는가?",
"무엇을 이용하여 추출한 특징벡터를 모델링하는가?",
"특징벡터에서 \\( n, \\alpha_{i}, K\\left(x_{i}, x\\right) \\) 와 \\( b \\) 각 각각 맡은 역할은 무엇인가?",
"보통 몇 개의 클래스에서만 SVM의 활용이 가능한가?",
"멀티 클래스 방법으로 분류가 가능하며, OAO 방법외에 또 어떤 방법이 있는가?",
"본 논문에서 장르를 나누는 방법은 무엇인가?",
"본 논문에서 장르를 분류하기 위해 OAO 방법을 사용하였으며, 이를 위해 어떤 모델을 필요로 하는가?",
"모델 생성 전에 OAO SVM으로 특정벡터를 정규화 한 이유는 무엇인가?",
"D(τ) 무엇의 개수인가?",
"비교할 장르 클래스의 수는 무엇인가?",
"기존의 분류 방식과 비교하여, 본 논문에서 어떻게 분류를 진행하는가?",
"C 개의 전체 장르 클래스에 대해서 기존의 방식은 어떻게 분류하는가?",
"한 쌍의 클래스에 관하여, 정규화를 진행하는 것은 OAO SVM이 무엇을 하는 경우인가?",
"OAO SVM 이용할 때 비교 대상이 되는 한 쌍의 장르 클래스에 대해서만 무엇을 진행하는가?",
"i 번째 밴드에서의 spectral contrast를 어떤 식을 사용하여 구하는가?",
"음악의 장르를 분류할 때, N 개의 analysis window씩 묶은 뒤에 무엇으로 정의하는가?",
"마진을 가장크게 할 수 있는 최적 분류 초평면은 어떻게 구하는가?",
"특징 벡터의 무엇이 해당 장르 클래스에 적합하게 설정되는가?",
"기존 방식에서는 \\( T=C \\) 로 설정하지만 본 논문에서는 어떻게 설정하여 각 쌍의 클래스에 대해서만 정규화를 진행하는가?",
"무엇을 이용하면 한 쌍의 장르 클래식만 정규화를 진행하는가?"
] |
8e069402-9856-43a2-b118-24258804c74f
|
인공물ED
|
SVM에 기반한 음악 장르 분류를 위한 특징벡터 정규화 방법
|
<h1>IV. 결 론</h1><p>본 논문에서는 MFCC, DFB, OSC, AFV 등 다양한 특징벡터를 복합 특징벡터로 구성하고, OAO SVM 으로 한 쌍의 장르 클래스 모델을 만들 때, 해당 클래스에 대해서만 정규화 하여 음악 장르 분류 시스템의 인식율을 향상시켰다. 제안 정규화 방식이 기존 정규화 방식보다 높은 성능 향상을 보였고, 단일 특징벡터의 경우 OSC 에 대해서는 \( 8.2 \% \), 복합 특징에 대해서는 \( 3.3 \% \) 의 성능 향상을 보였다.</p><p>MFCC, DFB, OSC, AFV 등 다양한 특징벡터를 복합 특징벡터를 구성 시, 비교적 높은 차수를 가져도 성능이 크게 향상을 하지 않는 경우도 있었다. 이는 복합 특징을 구성하는 데 있어서 특징들의 조합도 중요하다는 것을 알 수 있다. 향후에는 특징벡터들의 조합에 대한 연구와 장르 분류에 보다 적합한 특징벡터 및 분류기를 연구할 예정이다.</p>
|
[
"OAO SVM 으로 한 쌍의 장르 클래스 모델을 만들 때, 해당 클래스에 대해서만 정규화 하여 무엇을 향상시켰는가?",
"향후 무엇을 연구할 예정인가?",
"단일 특징벡터의 경우 OSC 에 대해서 어느 정도의 성능 향상을 보였는가?",
"MFCC, DFB, OSC, AFV 등 다양한 특징벡터를 복합 특징벡터를 구성 시 높은 차수를 가지면 성능이 크게 향상하는가?",
"OAO SVM 으로 한 쌍의 장르 클래스 모델을 만들 때 무엇을 하여 음악 장르 분류 시스템의 인식율을 향상시켰는가?",
"본 논문에서는 무엇으로 한 쌍의 장르 클래스 모델을 만들 때 해당 클래스에 대해서만 정규화 하였는가?",
"향후 무엇에 보다 적합한 특징벡터 및 분류기를 연구할 예정인가?",
"무엇에 대해 \\( 8.2 \\% \\)의 성능 향상을 보였는가?",
"이는 복합 특징을 구성하는 데 있어서 무엇이 중요하다는 것을 알려주는가?",
"단일 특징벡터의 경우 무엇에 대해 \\( 8.2 \\% \\)의 성능 향상을 보였는가?",
"제안 정규화 방식이 기존 정규화 방식보다 성능 향상이 낮은가?",
"특징백터의 예시는 무엇이 있는가?",
"무엇이 특징백터의 예시에 해당하지",
"본 논문에서는 MFCC, DFB, OSC, AFV 등 다양한 특징벡터를 무엇으로 구성하였는가?",
"본 논문에서 음악 장르 분류 시스템의 인식률을 어떻게 향상시켰는가?",
"복합 특징에 대해 어느 정도의 성능 향상을 보였는가?"
] |
710bfb0e-993a-4a31-b994-c7c88d6fee0f
|
인공물ED
|
SVM에 기반한 음악 장르 분류를 위한 특징벡터 정규화 방법
|
<h1>요 약</h1><p>본 논문에서는 Mel-Frequency Cepstral Coefficient (MFCC), Decorrelated Filter Bank (DFB), Octave-based Spectral Contrast (OSC), Zero-Crossing Rate (ZCR), 그리고 Spectral Contract/Roll-Off를 복합 특징벡터로 결합하여 Support Vector Machine (SVM)을 이용한 음악 장르 분류 시스템을 설계하였다. 기존 방식에서는 전체 학습 데이터에 대한 특징벡터를 정규화를 한 후 SVM 모델을 생성하여 분류를 시행하였다. 본 논문에서는 비교 대상이 되는 한 쌍의 클래스에 대해서 One-Against-One (OAO) SVM으로 모델을 생성할 때 선택된 두 클래스의 특징벡터에 대해서만 정규화를 시행하는 방식을 제안한다. 기존 정규화 방식을 이용하면 단일 특징벡터로 OSC 를 사용할 경우에는 \( 60.8 \% \), 복합 특징벡터를 모두 이용하는 경우에는 \( 77.4 \% \) 의 인식율을 얻을 수 있었다. 또한, 제안된 정규화 방식을 이용하면 OSC와 복합 특징벡터에 대해서 각각 \( 8.2 \% \) 와 \( 3.3 \% \) 의 추가적인 성능 향상을 얻을 수 있었다.</p><h1>I. 서 론</h1><p>현존하는 디지털 음원들은 대부분 수작업으로 직접 음악 장르 등에 대한 태그를 작성하여 관리하고 있다. 하지만, 음원 데이터가 방대해짐에 따라 모든 음원들을 수작업으로 분류하기에는 너무 많은 시간이 필요하다. 따라서, 작곡가, 가수, 장르 등 다양한 태그들에 대한 자동 분류 알고리즘이 필요하다. 본 논문은 그 중 장르에 대해서 자동 분류하는 알고리즘을 제안한다.</p><p>각 음원별 장르를 정확히 정의 내리기는 쉽지 않다. 그로 인해 장르를 정확히 분류하기에도 어려움이 따른다. 장르를 정의 내리기 어려운 이유는 나라와 사람마다 장르의 경계가 일맥상통하지 않을 뿐만 아니라 문화, 가수, 시장에 따라서도 그 정의가 달라지기 때문이다.</p><p>전통적인 자동 장르 분류 시스템은 Mel-Frequency Cepstral Coefficient (MFCC), Octave-based Spectral Contrast (OSC) 등 다양한 특징들을 이용하여 설계된다. 분류기로는 Gaussian Mixture Model (GMM)과 Support Vector Machine (SVM) 등으로 분류된다. 일반적으로 GMM보다 SVM이 높은 성능을 나타낸다. SVM은 각 특징벡터들의 dynamic range가 큰 경우, 커널함수가 각 클래스를 나누기 위해 많은 계산량을 요구한다. 따라서, 각 특징벡터는 정규화를 통해 dynamic range를 줄인 후, SVM으로 모델링한다. 이 방법은 속도를 개선하지만, 성능에는 큰 변화가 없다. 따라서, 본 논문에서는 성능 개선을 위한 새로운 특징벡터 정규화 방식을 제안하였다. 특징벡터로는 화자 인식과 음성 인식 등에서 MFCC 와 함께 사용되는 Decorrelated Filter Bank(DFB) 를 이용하였고, MFCC / DFB / OSC 등 다양한 특징벡터들을 결합하여 멀티 특징벡터를 구성하였다. SVM은 One-Against-One (OAO) 방식을 이용하였다.</p><p>본 논문의 구성은 다음과 같다. Ⅱ장에서 제안한 시스템에 대하여 설명하고, Ⅲ장에서는 제안한 시스템의 실험 결과를 보여준다. 마지막으로 Ⅳ장에서는 최종 결론을 서술하겠다.</p>
|
[
"SVM의 커널함수가 많은 계산량을 요구하는 경우는 어떤 경우인가?",
"현존하는 디지털 음원들은 대부분 어떻게 관리되고 있는가?",
"본 논문에서 제안하는 방식은 무엇인가?",
"제안된 정규화 방식을 이용하면 복합 특징벡터는 몇 \\(\\% \\)의 성능향상이 되는가?",
"SVM의 속도를 높이기 위해 사용하는 방법은 무엇인가?",
"제안된 정규화 방식을 이용하면 OSC는 몇 \\(\\% \\)의 성능향상이 되는가?",
"기존 방식에서는 음악 장르 분류를 어떻게 하였는가?",
"음악의 장르는 왜 정의내리기 어려운가?"
] |
fb8456bb-36af-4bed-9903-11f756666513
|
인공물ED
|
초고속 디스플레이 인터페이스를 위한 회로 기술
|
<h1>6. 채널 감쇄 보상</h1><p>송신단과 수신단을 연결하는 채널은 여러 요인에 의해 low-pass filter 특성을 갖는다. 즉, 고속 데이터 신호가 갖는 저주파 성분은 잘 전달되지만 고주파 성분은 감쇄되어 전달되는 것이다. 이와 같이 채널에 의해 고주파 성분이 감쇄될 경우 심볼 사이의 간섭, 즉 inter-symbol interference (ISI)가 발생하고 이는 수신단의 입력에서 데이터 eye가 좁아지는 요인으로 작용한다.</p><p>이를 해결하기 위해 그림 \( 12 \)와 같이 송신단과 수신단에 채널 감쇄 보상 회로를 사용한다. 송신단에는 pre-emphasis 회로를 두어 신호의 고주파 성분을 강조해서 보내도록 한다. 수신단에는 신호의 고주파 성분을 선택적으로 증폭하는 linear equalizer를 사용한다. 만일 채널의 감쇄가 \( 30 \mathrm{~dB} \) 이상으로 매우 클 경우에는 decision feedback equalizer (DFE)를 사용한다. DFE는 linear equalizer에 비해 잡음과 crosstalk에 둔감한 장점이 있다. 다만, DFE는 long-tail post-cursor와 pre-cursor를 보상하지 못한다는 단점이 있다.</p><h1>7. Spread spectrum clocking</h1><p>Electro-magnetic interference (EMI) 문제를 완화하기 위해 spread spectrum clocking (SSC)를 사용한다. SSC는 클럭의 주파수를 일정하게 유지하지 않고 그림 \( 13 \)과 같이 주기적으로 변하도록 한다. 시간에 따른 주파수의 변화를 정의하는 modulation profile은 Hershey-Kiss profile을 사용할 경우 EMI 절감 효과가 가장 크다고 알려져 있는데 회로 구현의 복잡도가 높다. 많은 경우 간단한 triangular profile을 이용한다. Modulation 주파수는 가청 주파수 대역 밖에 있도록 해야 한다.</p><h1>8. 인터페이스 표준</h1><p>그림 \( 1 \)에서 video source와 SoC를 연결하는 인터페이스를 external interface라고 부른다. 통상 이러한 external interface는 서로 다른 box에 있는 부품 사이에 데이터를 주고 받는 역할을 하므로 Box-to-box interface 라고도 한다. Box-to-box interface는 서로 다른 생산자가 만드는 별개의 box 사이에 데이터를 주고 받도록 하는 것이므로 정확하게 정의된 표준이 필요하다. 가장 널리 사용되는 표준은 HDMI와 DisplayPort이고 USB의 경우 type-C connector의 alternate mode가 정의되어 있다. 그에 반해 TCON과 패널 내의 driver IC를 연결하는데 사용하는 intra-panel interface는 패널 회사 별로 독자적인 표준을 정의해서 사용하는 것이 일반적이다. 그림 \( 14 \)는 인터페이스 표준을 정의할 때 선택할 수 있는 후보 기술의 장점과 단점을 정리한 표이다.</p><h1>9. 최신 동향</h1><p>인터페이스의 data rate는 꾸준히 증가한다. \( 2019 \)년도 IEEE International Solid-State Circuits Conference (ISSCC)에서는 \( 100 \mathrm{Gbps} \) 이상의 data rate를 갖는 회로에 대한 보고가 있었다. 이와 같이 data rate의 증가에 따라 새로운 접근 방식을 택하게 된다. Data rate의 증가에 따라 채널에 의한 신호의 감쇄가 점점 더 심각한 영향을 주게 되는데 이를 회피하기 위해 통상의 PAM\( 2 \) 신호를 사용하지 않고 PAM\( 4 \) 또는 duo-binary coding과 같은 기술을 사용한다. 그리고, 채널에 의한 신호의 감쇄를 보상하기 위한 DFE를 구현함에 있어 data rate이 높아지면 그 난이도가 크게 올라간다. DFE를 digital 회로로 구현하면 문제를 쉽게 해결할 수 있다. 다만, digital 회로로 DFE를 구현하기 위해서는 데이터를 "1" 또는 "0"으로 샘플링해서는 안되고 multi-bit quantization을 해야한다. 즉, analog-to-digital converter ADC가 필요하게 된다. 이와 같이 ADC에 기반 한 수신 회로에 대한 연구가 활발히 진행되고 있다.</p><h1>10. 결론</h1><p>디스플레이 시스템을 위한 초고속 인터페이스 회로를 구현하기 위해 필요한 기본적인 이론을 간단히 살펴 보았다. 표준에 기반하여 인터페이스 회로를 구현하는데 가장 적은 비용 (전력 소모, 실리콘 면적)을 지불할 수 있도록 하기 위해서는 각 구성 회로에 대한 정확한 이해가 필수적이다.</p>
|
[
"채널 감쇄가 \\( 30 \\mathrm{~dB} \\) 이상일 경우 무엇을 사용하는가?",
"채널 감쇄가 30 \\mathrm{~dB} \\) 이상일 경우 사용하는 건 뭐야?",
"Intra-panel interface는 언제 사용되는가?",
"Data rate 증가에 따라 채널에 의한 신호 감쇄를 피하기 위해 무엇을 사용하는가?",
"Linear equalizer의 역할은 무엇인가?",
"ISI로 인해 발생하는 현상은 무엇인가?",
"수신단에는 무엇을 사용하는가?",
"송신단과 수신단을 연결하는 채널은 어떤 특성을 가지는가?",
"External interface는 무엇이라고 불리기도 하는가?",
"채널에 의해 고주파 성분이 감쇄될 경우 무엇이 발생하는가?",
"가장 널리 사용되는 표준은 무엇인가?",
"video source와 SoC를 연결하는 인터페이스는 무엇인가?",
"언제 DFE를 사용하는가?",
"송신단에서 pre-emphasis 회로를 두어 강조하는 것은 무엇인가?",
"Modulation proflie은 무엇을 정의하는가?",
"DFE의 단점은 무엇인가?",
"가장 널리 사용되는 USB는 무엇인가?",
"Box-to-box interface에서 정확하게 정의된 표준이 필요한 이유는 무엇인가?",
"Box-to-box interface가 필요한 것은 무엇인가?",
"SSC는 어떤 역할을 하는가?",
"DFE의 linear equalizer에 비해 가지고 있는 장점은 무엇인가?",
"무엇을 피하기 위해 PAM4 또는 duo-binary coding을 사용하는가?",
"External interface가 box-to-box interface라고 불리는 이유는 무엇인가?",
"SSC는 무엇을 위해 사용하나요?",
"채널 감쇄 보상 회로에서 송신단에서는 무엇을 이용하는가?",
"Hershey-KIss profile은 회로 구현이 쉬운가?",
"EMI 문제 완화를 위해 무엇을 사용하는가?",
"Modulation profile은 언제 절감 효과가 가장 큰가?",
"External interface는 무엇을 연결하는가?",
"Low-pass filter는 어떤 특성인가?",
"2019년도 ISSCC에서 몇 \\( \\mathrm{Gbps} \\) 이상의 data rate 회로에 대한 보고가 있었는가?"
] |
0d7f48f5-0598-4eae-9278-5d8e817d0f55
|
인공물ED
|
초고속 디스플레이 인터페이스를 위한 회로 기술
|
<h1>1. 서론</h1><p>디스플레이 시스템은 그림 \( 1 \)에 표시한 것과 video source, system-on-chip (SoC), timing-controller (TCON), 그리고 패널로 구성된다. 각 구성 요소는 다양한 형태의 디스플레이 인터페이스를 통해 video 데이터를 주고 받는다. 예를 들어 외부의 video source와 SoC는 high-definition multimedia interface (HDMI) 또는 DisplayPort와 같은 external 인터페이스를 이용하고 TCON과 패널 내의 driver는 intra-panel 인터페이스를 이용한다.</p><p>디스플레이 패널의 크기와 해상도가 증가함에 따라 이러한 디스플레이 인터페이스에 요구되는 대역폭이 증가한다. 데이터의 압축과 같은 기술을 적용하지 않을 경우 패널의 해상도에 따라 요구되는 디스플레이 인터페이스의 대역폭을 계산할 수 있다. 그림 \( 2 \)에 표시한 것과 같이 \( 8 \)K UHD 패널의 경우에는 픽셀당 \( 10 \)비트의 해상도와 \( 60 \mathrm{~Hz} \)의 frame rate를 갖도록 하기 위해 \( 75 \mathrm{Gbps} \) 이상의 대역폭을 가져야 한다. 이와 같이 높은 대역폭을 갖기 위해서는 다양한 인터페이스 회로 기술을 적용해야 한다.</p><p>본 논문에서는 초고속 디스플레이 인터페이스를 구현하기 위해 필요한 기본적인 이론과 기술을 정리한다.</p><h1>2. Phase locked loop (PLL)</h1><p>Phase locked loop (PLL)은 클럭을 생성하고 위상을 조절하는 기능을 하는 인터페이스 회로의 가장 기본적이고 필수적인 구성 요소이다. 통상적으로 그림 \( 3 \)과 같은 type-Ⅱ PLL을 가장 많이 사용한다. Type-Ⅱ PLL의 open-loop gain을 구하면 pole이 DC에 \( 2 \)개 존재한다. DC에 \( 1 \)개의 pole이 있는 PLL은 type-Ⅰ이라고 칭하고 DC에 pole이 \( 2 \)개 있는 경우 type-Ⅱ라고 하는 것이다. 이와 같이 DC에 pole이 \( 2 \)개 있으므로 feedback loop의 stability를 보장하기 위해 loop filter에 직렬로 저항을 연결하여 left-half plane (LHP)에 zero를 생성하는 것이다.</p><p>Type-Ⅱ PLL의 특성을 분석하기 위해 linear model이 필요한데 그림 \( 4 \)와 같이 나타낼 수 있다. 이를 통해 식 (\( 1 \))에 표시한 것과 같이 입력 클럭의 위상과 출력 클럭의 위상 사이의 관계를 구할 수 있다. 식에서 나타낸 것과 같이 입력 클럭의 위상과 출력 클럭의 위상 사이에는 low-pass filter 특성을 갖는다. 즉, 입력 클럭의 위상의 변화 성분 중 대역폭 이하의 저주파 성분은 출력 클럭의 위상이 그대로 따라가게 되고, 입력 클럭의 위상 변화 중 대역폭 이상의 고주파 성분은 출력 클럭이 따라가지 못한다. 즉, 출력 클럭 위상의 고주파 성분은 voltage-controlled oscillator (VCO) 자체의 특성에 의해 결정된다.</p><p>\( G(s)=\frac{\Phi_{O U T}}{\Phi_{I N}}=\frac{\frac{K_{P D} K_{V C O}}{C_{2}}\left(1+\frac{s}{\omega_{z}}\right)}{s^{2}+s \frac{K_{P D} K_{V C O}}{\omega_{z} C_{2} N}+\frac{K_{P D} K_{V C O}}{C_{2} N}} \)<caption>(1)</caption></p>
|
[
"\\( 8 \\)K UHD 패널의 경우에는 픽셀당 \\( 10 \\)비트의 해상도와 \\( 60 \\mathrm{~Hz} \\)의 frame rate를 갖추기 위해 얼마 이상의 대역폭이 필요한가?",
"디스플레이의 시스템은 video source로만 이루어져있는가?",
"video 데이터를 나눌 때 external 인터페이스가 아닌 것은?",
"인터페이스 회로의 근본적이며 무조건적인 구성 요소는 무엇인가?",
"출력 클럭의 위상의 변화가 없을 때 어떤 입력 클럭의 위상 변화 성분이 영향을 미치는가?",
"본문으로 보아 출력 클럭 위상의 고주파 성분은 어떤 특성 때문에 지정되는가?",
"디스플레이 시스템은 어떻게 이루어져 있는가?"
] |
bdee7242-402d-40a0-811f-c15fb71d2b29
|
인공물ED
|
초고속 디스플레이 인터페이스를 위한 회로 기술
|
<h1>4. Clock and data recovery (CDR)</h1><p>고속 인터페이스 시스템의 수신단에서 가장 중요한 회로는 CDR이다. 송신단에서 보낸 데이터를 오류 없이 복원하기 위해 샘플링 클럭을 데이터 eye의 최적 위치에 있도록 하는 역할을 한다. 이를 위해 샘플링 클럭과 데이터 사이의 위상 관계를 검출하고 이를 통해 클럭의 위상을 조절하는 feedback 시스템으로 구성되는데 앞에서 살펴본 PLL과 동일한 원리로 동작한다. 그림 \( 9 \)에 가장 기본적인 아날로그 CDR의 구성을 표시하였다. 그림 \( 2 \)의 type-Ⅱ PLL과 기본적으로 동일한 구조를 갖는데 차이점은 위상 오차를 검출하는 phase detector (PD)에 있다.</p><p>PD는 크게 linear PD와 bang-bang PD (BBPD)로 나눌 수 있다. Linear PD는 위상 오차에 비례하는 출력을 제공하는데 인터페이스의 data rate가 높을 경우 원하는 성능을 갖지 못하는 경우가 많다. 따라서, \( 10 \mathrm{Gbps} \) 이상의 data rate를 갖는 경우 BBPD를 이용하는 것이 일반적이다. BBPD는 위상 오차에 비례하는 출력을 제공하지 못하고 위상 오차의 부호 만을 제공한다. BBPD를 사용하는 CDR은 많은 경우 DLF를 사용한다. BBPD는 phase detection gain이 클럭 또는 데이터의 jitter의 크기에 따라 변하는 특성이 있다. Jitter가 클수록 phase detection gain이 줄어드는데 클럭과 데이터의 jitter를 설계 단계에서는 알 수 없기 때문에 CDR loop의 특성을 조절하는데 어려움이 있다.</p><h1>5. 송신 회로</h1><p>송신단이 하는 역할은 고속의 데이터를 채널에 실어주는 것인데 가장 중요한 회로는 driver 회로이다. Driver 회로는 그림 \( 10 \)의 current-mode driver 또는 그림 \( 11 \)의 voltage-mode driver로 구현할 수 있다. Driver 회로가 가져야 할 특성은 impedance matching과 swing control이라고 할 수 있다. 물론 채널의 감쇄를 보완하기 위한 pre-emphasis 기능을 추가해야 할 경우도 있다. 이러한 기능을 갖는 driver 회로를 current-mode 또는 voltage-mode로 구현할 수 있는 것이다. Current-mode driver는 voltage-mode driver에 비해 impedance matching, swing control, pre-emphasis를 훨씬 간단히 구현할 수 있다. 하지만, 동일한 swing을 갖도록 하는 경우 voltage-mode driver가 current-mode driver에 비해 \( 1 / 4 \)의 전류를 소모하므로 전력 소모가 중요한 모바일 응용의 경우에는 voltage-mode driver가 큰 장점을 갖는다.</p>
|
[
"BBPD가 제공하지 못하는 것은 뭐야?",
"고속 인터페이스 시스템의 수신단에서 가장 중요한 회로는 뭐야?",
"pre-emphasis 기능을 추가해야 하는 이유가 뭐야?",
"Jitter가 클수록 phase detection gain도 증가하나요?",
"phase detector (PD)는 어떤 역할을 하나요?",
"Linear PD가 제공하는 출력과 비례하는 것은 뭐야?",
"PD는 무엇으로 나뉘어지나요?",
"샘플링 클럭을 데이터 eye의 최적 위치시키는 목적은 무엇인가?",
"송신단의 역할에서 가장 중요한 회로는 뭐야?",
"Driver 회로는 무엇으로 구현할 수 있어?",
"data rate의 범위가 어느 정도일 때 BBPD를 이용하는 것이 다 나은가요?",
"Current-mode driver는 무엇에 비해 impedance matching, swing control, pre-emphasis를 간단히 구현할 수 있어?",
"voltage-mode driver가 current-mode driver보다 더 적은 전류를 소모하나요?",
"Linear PD는 어떤 경우에 원하는 성능을 갖지 못하나요?",
"그림 \\( 2 \\)는 type-Ⅱ PLL과 어떤 차이점이 있습니까?",
"feedback 시스템은 무엇을 조절하나요?",
"그림 \\( 9 \\)는 무엇을 표시하나요?",
"송신단이 하는 역할은 무엇인가요?",
"BBPD는 무엇에 따라 변해?",
"CDR의 역할은 무엇인가요?",
"BBPD가 제공하는 것은 뭐야?",
"CDR loop의 특성을 조절하는데 어려움을 주는 이유는 뭐야?",
"Driver 회로가 가져야 할 특성은 뭐야?",
"feedback 시스템은 PLL과 동일한 원리인가요?",
"impedance matching과 swing control은 어떤 회로가 가져야할 특성인가요?",
"pre-emphasis 기능은 어떤 역할을 하나요?"
] |
0e475726-717b-4d25-b462-23825f6b2449
|
인공물ED
|
초고속 디스플레이 인터페이스를 위한 회로 기술
|
<p>PLL에 의해 입력 클럭의 위상 잡음은 low-pass filtering 되고 VCO의 위상 잡음은 high-pass filtering 되므로 PLL의 대역폭을 설정할 때에는 입력 클럭과 VCO의 위상 잡음 특성을 고려하여 최적의 값으로 정해야 한다. 그림 \( 5 \)에 보인 것과 같이 최적의 대역폭은 입력 클럭의 위상 잡음과 open-loop VCO의 위상 잡음의 크기가 같아지는 주파수이다.</p><p>PLL의 구성 요소 중에서 저항과 capacitor로 구성된 loop filter가 상대적으로 가장 넓은 실리콘 면적을 차지한다. 특히 CMOS 공정이 발달하여 트랜지스터의 크기가 작아질수록 그러한 경향이 심하게 나타나고 이는 가격을 높이는 요인으로 작용한다. 이를 해결하기 위한 방안으로 digital loop filter(DLF)를 사용하는 digital PLL에 대한 관심이 크게 높아지고 있다. 이 경우에는 loop filter가 flip-flop과 adder 등의 digital 회로로 구현되기 때문에 scale-down된 CMOS 공정에서 실리콘 면적을 크게 줄일 수 있다. 다만, digital PLL의 구현을 위해서는 phase detector를 대체할 수 있는 time-to-digital converter (TDC)이 필요한데 TDC의 정밀도를 높이는데 한계가 있다. Digital PLL에서 DLF는 proportional path와 integral path로 구성되는데 통상의 type-Ⅱ PLL에서 사용하는 loop filter의 저항이 proportional path에 해당하고 capacitor는 integral path에 해당한다.</p><h1>3. Clocking 방법</h1><p>고속 인터페이스 시스템의 구조를 결정하는 가장 중요한 요인은 송신단과 수신단 사이에 클럭을 연결하는 방식이다. 그림 \( 6 \), 그림 \( 7 \), 그림 \( 8 \)에 대표적인 세가지 clocking 방식을 표시하였다.</p><p>Source synchronous clocking 방식에 의하면 송신단에서 데이터와 동기 된 클럭을 수신단으로 보낸다. 수신단에서는 데이터와 클럭이 동기 되어 있으므로 별도의 clock-data recovery (CDR) 회로 없이 그대로 데이터를 샘플링 할 수 있다.</p><p>Mesochronous clocking에 의하면 송신단과 수신단이 동일한 클럭을 사용한다. 따라서, 송신단과 수신단의 클럭은 동일한 주파수를 갖게 된다. 하지만, 송신단과 수신단의 클럭은 임의의 위상 관계를 갖는다. CDR은 이러한 임의의 위상 관계를 보상하기 위한 phase tracking 동작을 수행해야 한다.</p><p>Plesiochronous clocking 방식에 의하면 송신단과 수신단은 별개의 클럭을 사용하므로 주파수와 위상이 임의의 관계를 갖는다. 이러한 상황에서 수신단이 데이터를 충실히 복원하기 위해서는 CDR이 frequency tracking 동작과 phase tracking 동작을 동시에 수행해야 한다.</p>
|
[
"DLF는 무엇의 약자인가?",
"고속 인터페이스 시스템의 구조를 결정하는 가장 중요한 요인은 무엇인가?",
"PLL의 최적의 대역폭은 어떤 주파수인가?",
"Source synchronous clocking 방식은 클럭을 어디서 보내는가?",
"integral path는 DLF의 구성요소인가?",
"CDR은 무엇의 약자인가?",
"Source synchronous clocking 의 수신단에서 데이터와 클럭은 동기되어 있는가?",
"Mesochronous clocking은 송신단과 수신단이 동일한 클럭을 사용하는가?",
"Plesiochronous clocking 방식에서 주파수와 위상은 어떤 관계를 가지는가?",
"proportional path는 DLF의 구성요소인가?",
"TDC는 무엇의 약자인가?",
"PLL의 구성 요소 중에서 가장 넓은 실리콘 면적을 차지하는 것은 무엇인가?",
"통상의 type-Ⅱ PLL에서 사용하는 loop filter는 proportional path인가?",
"고속 인터페이스 시스템의 구조를 결정하는 가장 중요한 요인은 무엇인가?",
"PLL의 저항과 capacitor로 구성된 loop filter가 넓은 실리콘 면적을 차지하면 가격 면에서 문제가 발생할 수 있는가?",
"통상의 type-Ⅱ PLL에서 사용하는 loop filter의 capacitor는 integral path인가?",
"Mesochronous clocking의 송신단과 수신단의 클럭은 어떻게 동일한 주파수를 갖게 되는가?",
"Source synchronous clocking 방식은 클럭을 어디로 보내는가?",
"송신단과 수신단 사이에 클럭을 연결하는 방식은 고속 인터페이스 시스템의 구조를 결정하는 요인이 될 수 있는가?",
"통상의 type-Ⅱ PLL에서 사용하는 loop filter의 저항은 proportional path에 해당하는가?",
"통상의 type-Ⅱ PLL에서 사용하는 capacitor는 loop filter에 해당하는가?"
] |
8c9be9af-abaf-439f-85bd-affec8e123fa
|
인공물ED
|
실측데이터 기반 소규모 태양광발전소 연계용 ESS 효율 분석에 관한 연구
|
<h1>IV. 실험결과</h1><h2>1. 태양광 발전량 비교</h2><p>2018년 9월 1일부터 12월 31일까지 취득한 실측 데이터를 바탕으로 각 발전소의 4 개월간의 태양광 발전량을 비교하였다. 결과는 아래 Table 5 와 같고 Fig. 3에 도식화하였다. 9월에는 광주광역시에 위치한 P 발전소의 발전량이 가장 많은 것으로 나타났다. 16 개 발전소의 9 월 평균 발전량은 \( 250[\mathrm{kWh}] \) 였으며 상대적으로 제주에 위치한 I발전소의 발전량이 가장 적었다. 10 월에도 마찬가지로 P 발전소가 가장 많은 발전량을 나타내었고 I발전소의 발전량이 가장 적은 것으로 나타났다. 10월 평균 발전량은 281[kWh]로 9월에 비해 다소 많았다. 11월과 12월에는 목포시에 위치한 O발전소의 발전량이 가장 많았고 11월을 제외한 9, 10, 12월에 I발전소의 발전량이 가장 적은 것으로 나타났다. 특히 12 월의 I 발전소 태양광 발전량은 평균에 비해 약 \( 34 \% \) 낮은 수치를 보였다. 4 개월간 총 발전량은 P발전소에서 가장 많았고 평균 총 발전량에 비해 \( 20 \% \) 많았다. 결과적으로 태양광발전소의 발전효율은 P 발전소가 가장 높았고 I 발전소에서 가장 낮은 것으로 나타났다.</p><table border><caption>표 5. 각 태양광발전소의 월별 발전량 비교</caption><tbody><tr><td rowspan = "2">Cat</td><td colspan="8">Total PV Generation \( [\mathrm{kWh}] \)</td></tr><tr><td>A</td><td>B</td><td>C</td><td>D</td><td>E</td><td>F</td><td>G</td><td>H</td></tr><tr><td>Sep</td><td>235</td><td>290</td><td>247</td><td>257</td><td>240</td><td>231</td><td>262</td><td>259</td></tr><tr><td>Oct</td><td>276</td><td>310</td><td>251</td><td>260</td><td>268</td><td>251</td><td>303</td><td>299</td></tr><tr><td>Nov</td><td>247</td><td>243</td><td>194</td><td>197</td><td>242</td><td>210</td><td>267</td><td>261</td></tr><tr><td>Dec</td><td>259</td><td>247</td><td>202</td><td>189</td><td>228</td><td>195</td><td>216</td><td>188</td></tr><tr><td>T</td><td>1016</td><td>1090</td><td>894</td><td>900</td><td>978</td><td>886</td><td>1049</td><td>1007</td></tr></tbody></table><table border><caption></caption><tbody><tr><td rowspan = "2">Cat</td><td colspan="8">Total PV Generation \( [\mathrm{kWh}] \)</td></tr><tr><td>I</td><td>J</td><td>K</td><td>L</td><td>M</td><td>N</td><td>O</td><td>P</td></tr><tr><td>Sep</td><td>203</td><td>240</td><td>224</td><td>251</td><td>221</td><td>261</td><td>276</td><td>301</td></tr><tr><td>Oct</td><td>232</td><td>257</td><td>257</td><td>307</td><td>299</td><td>294</td><td>291</td><td>345</td></tr><tr><td>Nov</td><td>242</td><td>254</td><td>254</td><td>283</td><td>272</td><td>238</td><td>316</td><td>314</td></tr><tr><td>Dec</td><td>143</td><td>154</td><td>153</td><td>244</td><td>233</td><td>255</td><td>306</td><td>239</td></tr><tr><td>T</td><td>820</td><td>905</td><td>889</td><td>1084</td><td>1025</td><td>1048</td><td>1289</td><td>1199</td></tr></tbody></table>
|
[
"언제부터 언제까지 취득한 실측 데이터를 바탕으로 각 발전소의 4 개월간의 태양광 발전량을 비교하였나?",
"2018년 9월 1일부터 12월 31일까지 취득한 실측 데이터를 바탕으로 무엇을 비교하였나?",
"광주광역시에 위치한 P 발전소의 발전량이 가장 많은 것으로 나타난 것은 언제인가?",
"10월에는 광주광역시에 위치한 P 발전소의 발전량이 가장 많은 것으로 나타났나?",
"9월에는 어디에 위치한 P 발전소의 발전량이 가장 많은 것으로 나타났나?",
"16 개 발전소의 9 월 평균 발전량은 얼마의 \\( [\\mathrm{kWh}] \\) 였나?",
"16 개 발전소의 9 월 평균 발전량은 \\( 250[\\mathrm{kWh}] \\) 였으며 상대적으로 어디의 발전량이 가장 적었나?",
"10월 평균 발전량은 281[kWh]로 9월에 비해 다소 많았나?",
"10월 평균 발전량은 얼마의 [kWh]로 9월에 비해 다소 많았나?",
"11월과 12월에는 목포시에 위치한 O발전소의 발전량이 가장 많았고 11월을 제외한 9, 10, 12월에 I발전소의 발전량이 가장 적은 것으로 나타났나?",
"목포시에 위치한 O발전소의 발전량이 가장 많았을 때가 언제인가?",
"12 월의 I 발전소 태양광 발전량은 평균에 비해 약 몇 \\( \\% \\) 낮은 수치를 보였나?",
"총 발전량은 P발전소에서 가장 많았고 평균 총 발전량에 비해 \\( 20 \\% \\) 많았을 때가 얼만큼의 기간인가?",
"4 개월간 총 발전량은 P발전소에서 가장 많았고 평균 총 발전량에 비해 \\( 30 \\% \\) 많았나?",
"11월과 12월에는 어디의 발전량이 가장 많았나?",
"Total PV Generation [\\mathrm{kWh}][kWh]에서 A가 235인것은 언제에 속하는가?",
"표 5. 각 태양광발전소의 월별 발전량 비교에서 Total PV Generation [\\mathrm{kWh}][kWh]의 B파트에 Oct는 얼마인가?",
"표 5. 각 태양광발전소의 월별 발전량 비교에서 제일 낮은 수치를 나타내는 것은 얼마인가?",
"표 5. 각 태양광발전소의 월별 발전량 비교에서 Total PV Generation [\\mathrm{kWh}][kWh]의 가장 낮은 수치는 143인데 이때가 언제인가?",
"표 5. 각 태양광발전소의 월별 발전량 비교에서 O파트의 T는 얼마인가?"
] |
4f0c4430-3294-43f0-a279-65d1051c9b98
|
인공물ED
|
실측데이터 기반 소규모 태양광발전소 연계용 ESS 효율 분석에 관한 연구
|
<h2>2. 배터리 충전량 비교</h2><p>태양광 발전에 따른 배터리 충전량은 아래 Table 6 과 같이 9 월에는 태양광발전 효율이 가장 높았던 P 발전소의 충전량이 최대였고 당진에 위치한 F 발전소의 충전량이 가장 적었다. 10 월부터 11 월에는 L 발전소의 충전량이 가장 많았고 12 월에는 A 발전소가 가장 많은 것으로 나타났다. 4 개월간의 총 배터리 충전량은 L 발전소에서 가장 많았고 전체 평균에 비해 \( 16 \% \) 많았다. 배터리 충전효율이 가장 낮았던 발전소는 I발전소이며 평균대비 \( 77 \% \) 의 성능을 보였다. 배터리의 월 별 충전 경향은 아래 Fig. 4 과 같다.</p><table border><caption>표 6. 각 태양광발전소의 월별 충전량 비교</caption><tbody><tr><td rowspan = "2">Cat</td><td colspan="8">Total PV Generation \( [\mathrm{kWh}] \)</td></tr><tr><td>A</td><td>B</td><td>C</td><td>D</td><td>E</td><td>F</td><td>G</td><td>H</td></tr><tr><td>Sep</td><td>168</td><td>189</td><td>164</td><td>173</td><td>145</td><td>127</td><td>185</td><td>182</td></tr><tr><td>Oct</td><td>209</td><td>213</td><td>175</td><td>182</td><td>160</td><td>165</td><td>207</td><td>206</td></tr><tr><td>Nov</td><td>185</td><td>188</td><td>146</td><td>158</td><td>155</td><td>150</td><td>194</td><td>190</td></tr><tr><td>Dec</td><td>192</td><td>166</td><td>147</td><td>156</td><td>136</td><td>137</td><td>148</td><td>128</td></tr><tr><td>T</td><td>754</td><td>757</td><td>633</td><td>668</td><td>596</td><td>579</td><td>734</td><td>706</td></tr></tbody></table><table border><caption></caption><tbody><tr><td rowspan = "2">Cat</td><td colspan="8">Total PV Generation \( [\mathrm{kWh}] \)</td></tr><tr><td>I</td><td>J</td><td>K</td><td>L</td><td>M</td><td>N</td><td>O</td><td>P</td></tr><tr><td>Sep</td><td>141</td><td>170</td><td>156</td><td>191</td><td>167</td><td>168</td><td>153</td><td>195</td></tr><tr><td>Oct</td><td>123</td><td>184</td><td>181</td><td>218</td><td>215</td><td>198</td><td>179</td><td>208</td></tr><tr><td>Nov</td><td>174</td><td>184</td><td>177</td><td>208</td><td>204</td><td>165</td><td>206</td><td>194</td></tr><tr><td>Dec</td><td>87</td><td>99</td><td>97</td><td>171</td><td>163</td><td>170</td><td>182</td><td>141</td></tr><tr><td>T</td><td>524</td><td>637</td><td>612</td><td>787</td><td>749</td><td>700</td><td>719</td><td>738</td></tr></tbody></table><h2>3. 배터리 방전량 비교</h2><p>배터리의 방전량을 분석한 결과를 Table 7에 정리하였으며 Fig. 5를 통해 도식화하였다. 9월과 10월에는 P 발전소의 방전량이 많은 것으로 나타났으며 11월과 12월에는 O 발전소의 방전량이 많았다. 반면 전체 방전량은 L 발전소에서 가장 많은 것으로 나타났다. L 발전소는 대체로 전체 발전소의 평균 월별 방전량에 비해 \( 11 \% \sim 14 \% \) 높게 나타났다.</p><table border><caption>표 7. 각 태양광발전소의 월별 방전량 비교</caption><tbody><tr><td rowspan = "2">Cat</td><td colspan="8">Total PV Generation \( [\mathrm{kWh}] \)</td></tr><tr><td>A</td><td>B</td><td>C</td><td>D</td><td>E</td><td>F</td><td>G</td><td>H</td></tr><tr><td>Sep</td><td>168</td><td>189</td><td>164</td><td>173</td><td>145</td><td>127</td><td>185</td><td>182</td></tr><tr><td>Oct</td><td>209</td><td>213</td><td>175</td><td>182</td><td>160</td><td>165</td><td>207</td><td>206</td></tr><tr><td>Nov</td><td>185</td><td>188</td><td>146</td><td>158</td><td>155</td><td>150</td><td>194</td><td>190</td></tr><tr><td>Dec</td><td>192</td><td>166</td><td>147</td><td>156</td><td>136</td><td>137</td><td>148</td><td>128</td></tr><tr><td>T</td><td>754</td><td>757</td><td>633</td><td>668</td><td>596</td><td>579</td><td>734</td><td>706</td></tr></tbody></table><table border><caption></caption><tbody><tr><td rowspan = "2">Cat</td><td colspan="8">Total PV Generation \( [\mathrm{kWh}] \)</td></tr><tr><td>I</td><td>J</td><td>K</td><td>L</td><td>M</td><td>N</td><td>O</td><td>P</td></tr><tr><td>Sep</td><td>141</td><td>170</td><td>156</td><td>191</td><td>167</td><td>168</td><td>153</td><td>195</td></tr><tr><td>Oct</td><td>123</td><td>184</td><td>181</td><td>218</td><td>215</td><td>198</td><td>179</td><td>208</td></tr><tr><td>Nov</td><td>174</td><td>184</td><td>177</td><td>208</td><td>204</td><td>165</td><td>206</td><td>194</td></tr><tr><td>Dec</td><td>87</td><td>99</td><td>97</td><td>171</td><td>163</td><td>170</td><td>182</td><td>141</td></tr><tr><td>T</td><td>524</td><td>637</td><td>612</td><td>787</td><td>749</td><td>700</td><td>719</td><td>738</td></tr></tbody></table>
|
[
"9 월에는 태양광발전 효율이 가장 높았던 어디가 충전량이 최대였어?",
"L 발전소의 충전량이 가장 많았던 때는 언제야?",
"4 개월간의 총 배터리 충전량은 L 발전소에서 가장 적었나?",
"Table 7은 무엇에 대한 결과야?",
"배터리의 월 별 충전 경향은 어디에 나타나?",
"배터리 충전효율이 가장 높았던 발전소는 I발전소인가?",
"태양광 발전에 따른 배터리 충전량은 당진에 위치한 L발전소의 충전량이 가장 적었어?",
"12 월에는 어디가 충전량이 가장 많았어?",
"표 6에서 9월달의 A값은 뭐야?",
"표 6에서 12월의 B값은 뭐인가요?",
"표 7에서 9월의 D발전량은 뭐야?",
"표 7에서 9월의 P 는 어떤 결과가 나와?",
"표 7에서 11월의 O 값이 뭐가 나오는가?",
"표 6에서 9월달의 H값은 어떻게 되는가?",
"표 7에서 10월의 A발전량은 어떻게돼?"
] |
4b4b6033-8421-4f84-aaeb-fe6dbbf65370
|
인공물ED
|
실측데이터 기반 소규모 태양광발전소 연계용 ESS 효율 분석에 관한 연구
|
<h1>I. 서론</h1><h2>1. 연구의 배경</h2><p>최근에는 신재생에너지발전이 활발히 보급되고 전력계통에 연결되는 선로 용량이 증가하였고, 에너지저장장치(ESS) 가 설치되면서 발전소의 운영 알고리즘, 발전효율에 대한 연구들이 진행되었으며, 간헐적인 신재생에너지발전의 특징 때문에 에너지저장장치(이하 ESS )에 대한 이슈가 크게 대두되어 왔다. 실제로 한국에너지공단에서는 ESS와 태양광 발전을 연계할 경우 REC 가중치를 5.0 으로 책정하였다. 계통 관점에서 ESS 는 신재생에너지발전원의 간헐성을 완화하는 효과가 있으며, 특히 봄/ 가을 및 동절기의 높은 야간전력 수요에 효율적이다. 태양광발전에 의해 생산된 전력은 ESS 에 저장되고, 10 시\(\sim\)16 시까지 전력을 공급받아 ESS 에 충전하고 전력을 충전시간 외에 방전하여 송전한다.</p><p>국내에 보급되어 있는 태양광 발전소는 설치용량 \( 100 \mathrm{~kW} \) 이하 급이 \( 80 \% \) 이상을 차지하고 있으며, 현재 대부분 \( \mathrm{MW} \) 급 태양광발전소의 경우에만 ESS를 설치 운영하고 있는 실정이다. 추후 \( 100 \mathrm{~kW} \) 이하급의 태양광 발전소 ESS 연계는 빠르게 확산될 것으로 예상되므로 소규모의 태양광 발전소의 에너지저장장치(ESS)에 대한 실측 사례 분석이 필요한 것이다. 본 연구에서는 \( 100 \mathrm{~kW} \) 급의 16 개 태양광발전소 연계형 ESS 설치 사례를 바탕으로 PCS 의 용량, 배터리의 용량에 따른 ESS 의 효율을 분석하고자 한다.</p><h2>2. 선행연구 분석</h2><p>ESS 는 보급 확산에 따라 총 투자비용, 변동비 등을 선행하여 분석할 필요가 있고 태양광발전량 대비 충전량, 계통 방전 전력량 등 ESS의 경제성에 대한 분석이 요구된다. 이용봉(2015) 외는 ESS와 신재생에너지 연계에 따른 경제성 분석을 위해 태양광발전 및 풍력발전 연계 사례를 분석하였으며 ESS 보급 촉진을 위해 추가적인 정책지원이 필요함을 시사하였다.</p><p>홍종석(2015) 외는 전력부하의 증가와 분산전원의 확대에 따라 일반 수용가에 ESS를 설치하는 것이 경제적인 효과를 극대화 할 수 있는지에 대해 경제성 평가를 수행하였으며 ESS 의 적정용량을 선정하기 위한 ESS 연간 충 - 방전계획 수립 모형을 생성하고 모형을 바탕으로 최적용량 선정 방안을 제시하였다. 박성준(2010) 외는 태양광 발전용 PCS 연구 동향 연구에서 소규모 태양광 발전용 PCS 특징을 자세히 기술하고 있으며 인버터의 유형별 특징을 소개하였다. 최윤석(2018) 외는 PV-BESS 시스템의 적정 PCS, 배터리 용량 산정을 위해 시뮬레이션 연구를 수행하였으며 결과적으로 \( 1 \mathrm{MW} \) 규모의 태양광 발전소에서는 \( 700 \mathrm{~kW} \) 의 PCS와 \( 3 \mathrm{MWh} \)의 배터리 설치가 최적 조건임을 제시하였다. 정승국(2018) 외는 태양광 발전전력을 효율적으로 사용하기 위해 ESS 도입을 적극 권장하고 있는 시점에서 최적 ESS 도입 용량을 산정하기 위해 태양광발전 시설의 실측 데이터를 활용하여 발전량과 도입 용량별 이용률과 수명을 분석하였다. 현재 국내 에너지저장장치에 대한 연구가 다수 수행되고 있지만 ESS 의 효율을 높이기 위한 연구는 여전히 미흡한 실정이다.</p>
|
[
"한국에너지공단에서는 ESS와 태양광 발전을 연계할 경우 REC 가중치는 얼마입니까?",
"한국에너지공단에서는 ESS와 태양광 발전을 연계할 경우 REC 가중치는 무엇입니까?",
"ESS 는 신재생에너지발전원의 간헐성을 완화하는 효과가 있으며, 특히 여름의 높은 야간전력 수요에 효율적입니까?",
"태양광발전에 의해 생산된 전력은 ESS 에 저장되고 전력을 공금받는 시간대는 무엇입니까?",
"태양광발전에 의해 생산된 전력이 저장되는 곳은 어디 입니까?",
"국내 태양광 발전소의 설치용량 100 kW 이하 급이 몇 프로 이상입니까?",
"이용봉 외는 ESS와 신재생에너지 연계에 따른 경제성 분석은 언제 했나요?",
"ESS 연간 충 - 방전계획 수립 모형을 생성한 사람은 누구입니까?",
"ESS 보급 촉진을 위해 추가적인 정책지원이 필요함을 말한 사람은 누구입니까?",
"PV-BESS 시스템의 적정 PCS, 배터리 용량 산정을 위해 시뮬레이션 연구한 사람은 누구입니까?",
"태양광 발전전력을 효율적으로 사용하기 위해 ESS 도입을 적극권장한 사람은 누구입니까?",
"소규모 태양광 발전용 PCS 특징을 자세히 기술하고 있으며 인버터의 유형별 특징을 소개한 사람은 누구입니까?",
"태양광발전에 의해 생산된 전력은 어떻게 관리 됩니까?",
"이용봉은 ESS와 신재생에너지 연계에 따른 경제성 분석을 위해 어떻게 했어?",
"홍종석은 어떻게 연구했나요?",
"최윤석은 PV-BESS 시스템의 적정 PCS, 배터리 용량 산정을 위해 어떻게 했어?",
"정승국은 태양광 발전전력을 효율적으로 사용하기 위해 ESS 도입을 적극 권장하고 있는 시점에서 최적 ESS 도입 용량을 산정하기 위해 어떻게 했어?"
] |
02826754-8a5c-4900-a464-4ab1a850b3a8
|
인공물ED
|
실측데이터 기반 소규모 태양광발전소 연계용 ESS 효율 분석에 관한 연구
|
<h1>V. 결론 및 고찰</h1><p>국내 신재생에너지 산업의 보급 확산 정책에 따라 ESS 의 보급도 점차 확산되어 왔다. 전체의 약 \( 80 \% \) 를 차지하는 소규모 태양광발전소에 ESS를 도입하는 사례가 점차 확대될 것으로 예상되며 발전소의 효율적인 운영을 위한 방안으로 최대의 태양광발전량과 최적의 ESS 용량을 산정하는 것이 매우 중요할 것이다. 최적 용량을 산정하기 위한 방안으로 본 연구에서는 실제 16 개 \( 100 \mathrm{~kW} \) 용량의 태양광발전소 사이트를 선정하고 데이터를 수집하여 일정기간 실측 데이터를 기반으로 ESS 설비와 효율의 상관관계를 도출하였다. 결론적으로 ESS의 방전효율은 C-Rate과 확률적 상관관계가 있는 것으로 보여지며, 방전효율을 높이기 위해 태양광 발전소의 PCS 용량과 Battery의 용량을 적절한 비율로 산정하여 C-Rate에 따른 방전속도를 높이는 것이 효율을 향상하게 된다. 본 연구의 결과는 향후 에너지저장장치(ESS) 효율에 관한 실측 연구에 활용될 수 있으며 특히 실제 사례를 바탕으로 도출한 결과임에 의미가 있다. 연구대상 발전소 사이트 수가 한정적이므로 명확한 상관관계를 도출하기 위해 향후 최대한 많은 사이트의 실측 데이터를 분석하여 충전효율에 대한 연구를 수행하여 최적의 ESS 설치법을 도출할 수 있을 것으로 보인다.</p>
|
[
"소규모 태양광발전소에 ESS를 도입하는 사례가 점차 확대될 것으로 예상되며 발전소의 효율적인 운영을 위한 방안은 어떻게 이루어져?",
"ESS의 방전효율은 C-Rate과 확률적 상관관계 있어?",
"ESS의 방전효율은 C-Rate과 확률적 상관관계가 있다고 볼 수 있어?",
"최적 용량을 산정하기 위한 방안으로 본 연구에서는 어떻게 했어?"
] |
e1a391e4-531c-4bcc-a99d-65bccbd490e8
|
인공물ED
|
실측데이터 기반 소규모 태양광발전소 연계용 ESS 효율 분석에 관한 연구
|
<h1>요 약</h1><p>본 연구에서는 전체 태양광발전소의 \( 80 \% \) 를 차지하고 있는 소규모 태양광발전소의 에너지저장장치 연계에 따른 시스템 효율을 분석하였다. 설치용량이 \( 100 \mathrm{~kW} \) 인 태양광발전소의 데이터를 수집하고 각 발전소의 PCS와 배터리의 용량에 따른 ESS 효율의 상관관계를 도출하였으며 결론적으로 배터리의 방전속도에 영향을 미치는 C-Rate의 수치가 높을수록 ESS의 방전효율이 높아지는 것으로 나타난다.</p>
|
[
"배터리의 방전속도에 영향을 미치는 C-Rate의 수치가 높을수록 ESS의 방전효율이 높아지는 것을 어떻게 증명했나요?",
"배터리의 방전속도에 영향을 미치는 C-Rate의 수치가 높을수록 ESS의 방전효율이 높아지는 것으로 나타나는 것이 맞습니까?",
"전체 태양광발전소의 몇 퍼센트를 차지하고 있는 소규모 태양광발전소의 에너지저장장치 연계에 따른 시스템 효율을 분석하였습니까?"
] |
393d9778-fbab-416c-bb3c-ac3759c38366
|
인공물ED
|
실측데이터 기반 소규모 태양광발전소 연계용 ESS 효율 분석에 관한 연구
|
<h1>II. 연구의 개요</h1><h2>1. 연구의 방법</h2><p>본 연구의 수행방법은 아래 Fig. 1과 같다. 국내 설치용량 \( 100 \mathrm{~kW} \) 의 16 개 태양광발전소를 대상으로 실측 데이터를 취득하였다.</p><p>신재생에너지 발전설비와 ESS 의 충 - 방전 전력량을 제어하는 통합전력관리시스템(PMS)을 통해 2018년도 9월 1일부터 2018년도 12월 31일까지 약 4 개월 동안의 데이터를 수집하였다. 실측데이터를 바탕으로 PCS의 용량, 배터리 용량에 따른 충 - 방전 효율을 산출하였다.</p><h1>III. 본론</h1><h2>1. 태양광발전 연계형 ESS</h2><p>태양광 연계형 ESS 는 낮(10시부터 16시)동안 생산된 전기를 배터리에 충전하고 충전된 전기를 이외 시간에 방전하는 운영원칙에 따른다. 각 발전소에 설치한 ESS 시스템은 배터리, PCS, BMS, 계통연계시스템, 계량장치 등으로 구성되어 있다. PCS는 태양광발전으로 생산된 전력을 배터리에 충전하고 필요 시 방전하도록 제어한다. PCS 운전 이력 기록은 독립적인 저장장치에 기록된다. PCS 의 용량은 태양광발전에서 생산된 전력을 규정된 시간에 배터리에 저장하고, 그 이후에 계통으로 방전시킬 수 있는 용량으로 선정하였다.</p><h2>2. 대상 발전소 선정</h2><p>아래 Table 1 과 같이 태양광발전소를 선정하였다. 모두 설치용량이 \( 100 \mathrm{~kW} \) 급인 소규모 태양광발전소이며 상대적으로 태양일사량이 많은 남부지역에 위치하고 있으며 소규모 태양광 발전소들이 밀집되어 있는 지역이기도 하다. 사이트는 제주가 5곳으로 가장 많았고 광주 4 곳 등 총 16 개의 발전소를 대상으로 선정하였다.</p><h2>3. PCS 와 Battery 구성</h2><p>국내 16 개 발전소의 PCS, Battery 설치용량 현황은 다음과 같다. 발전소 A, B, C 의 경우 해외 P 사 \( 50 \mathrm{~kW} \) 용량의 PCS를 사용하였으며 약 \( 97 \% \) 의 제품 효율을 갖는다. 발전소 D, E 는 상대적으로 용량수치가 높은 I사 \( 100 \mathrm{~kW} \mathrm{PCS} \) 로 효율은 약 \( 96 \% \) 수준, 그 외 나머지 발전소는 K 사의 PCS 를 설치하였다. 배터리의 경우 16 개 발전소 모두 국내 S 사 배터리를 사용하였으며 발전소 , B, C, F 는 \( 205 \mathrm{kWh} \) 용량 D, E 발전소는 각각 \( 274 \mathrm{kWh}, 411 \mathrm{kWh} \) 용량의 배터리가 설치되었다. 상세현황은 아래 Table 2와 같다. PCS 는 배터리의 충전 시와 방전 시의 특성을 변환 보완하기 위한 전력변환장치이며 일반적으로 교류를 직류로 변환하는 컨버터와 직류를 교류로 변환하는 인버터의 역할을 수행한다. 본 연구의 대상인 태양광발전소에 도입된 배터리의 경우 리튬이온 셀로 구성되어 있으며 BMS 에 의해 하루 총 5시간의 방전 스케쥴로 운영되고 있다.</p><h2>4. 배터리의 C-Rate</h2><p>C-Rate은 배터리의 충 - 방전 시 배터리의 사용시간을 표기하기 위한 단위로 사용되며 \( 1 \mathrm{C} \) 의 C-Rate을 정격으로 갖는 \( 1 \mathrm{Ah} \) 의 배터리는 1 시간동안 \( 1 \mathrm{~A} \)의 전류를 공급함을 뜻한다. 따라서 배터리의 충전 및 방전속도는 C-Rate에 의해 결정된다.</p><p>예를 들어 C-Rate에 따른 배터리의 사용시간은 아래 Table 3 과 같다.</p><p>본 연구에서 선정한 16 개의 발전소는 아래 Table 4 와 같은 정격 C-Rate 을 갖고 있다. 각 발전소의 배터리 용량과 정격 C-Rate 값을 통해 배터리 사용시간을 알 수 있으며 그에 따른 일일 충 방전 효율을 산정할 수 있다.</p><p>C-Rate 는 전지의 충 방전 시 다양한 사용조건하에서의 전류값 설정 및 전지의 가능 사용시간을 예측하거나 표기하기 위한 단위로서, 충 - 방전율에 따른 전류값의 산출은 충전 또는 방전전류를 전지</p><p>정격용량의 단위를 뺀 값으로 나누어 충 방전 전류값를 산출한다. \( \mathrm{C}-\operatorname{Rate}(\mathrm{A})= \) 충 \( \cdot \) 방전전류(A) / 전지의 정격용량</p>
|
[
"발전소 E는 몇 \\( \\mathrm{~kW} \\)용량의 배터리가 설치되었나요?",
"배터리는 16개 발전소 모두 어떤 회사 배터리를 사용하였나요?",
"발전소 B, C, F는 몇 \\( \\mathrm{~kW} \\)용량의 배터리가 설치되었나요?",
"나머지 발전소는 어떤 회사의 PCS를 설치하였나요?",
"발전소 D, E는 약 몇 \\( \\% \\)의 효율을 갖나요?",
"발전소 D는 몇 \\( \\mathrm{~kW} \\)용량의 배터리가 설치되었나요?",
"PCS는 직류를 교류로 변환하는 컨버터와 교류를 직류로 변환하는 인버터의 역할을 수행하나요?",
"배터리의 충전 시와 반전 시의 특성을 변환 보완하기 위한 전력변환장치는 무엇인가요?",
"본 연구의 대상인 태양광발전소에 도입된 배터리는 리튬이온 셀로 구성되어 있나요?",
"배터리의 충전 및 방전속도는 C-Rate에 의해 결정되나요?",
"배터리의 충–방전 시 배터리의 사용시간을 표기하기 위한 단위는 무엇인가요 ?",
"본 연구는 몇 개의 태양광 발전소를 대상으로 데이터를 취득하였나요?",
"본 연구의 수행방법에서 국내 설치용량은 \\( 200 \\mathrm{~kW} \\)인가요?",
"본 연구의 수행방법에서 국내 설치용량은 몇 \\( \\mathrm{~kW} \\)인가요?",
"신재생에너지 발전설비와 ESS의 충-방전 전력량을 제어하는 시스템은 뭔가요?",
"본 연구는 PMS를 통해 약 몇 개월동안 데이터를 수집하였나요?",
"태양광 연계형 ESS는 밤 동안 생산된 전기를 배터리에 충전하였나요?",
"배터리, PCS, BMS, 계통연계시스템, 계량장치 등으로 구성되어 있는 시스템은 무엇인가요?",
"본 연구는 PCS의 용량, EES의 충-방전 효율을 산출하였나요?",
"PCS 운전 이력 기록은 의존적인 저장 장치에 기록되나요?",
"본 연구의 대상인 태양광발전소는 설치용량이 \\( 200 \\mathrm{~kW} \\) 인가요?",
"PCS는 태양광 발전으로 전력이 생산되나요?",
"발전소 A, B, C는 약 몇 \\( \\% \\)의 제품 효윻을 갖나요?",
"ESS 시스템은 배터리, PCS, BMS, 계통연계시스템, 계량장치 등으로 구성되어 있나요?",
"발전소 A, B, C는 P 사 몇 \\(\\mathrm{~kW} \\) 용량의 PCS를 사용하였나요?",
"본 연구의 대상 발전소는 어느 지역에 많이 위치하였나요?",
"본 연구의 대상 발전소는 대규모 태양광 발전소들이 밀집되어있는 지역인가요?"
] |
8451b12d-c497-4c70-a53e-fb32974675de
|
인공물ED
|
실측데이터 기반 소규모 태양광발전소 연계용 ESS 효율 분석에 관한 연구
|
<h2>4. ESS 효율 비교</h2><p>태양광발전 연계형 ESS 의 효율은 배터리 충전효율과 배터리의 방전효율에 의해 산정된다. 각 발전소의 충 방전효율을 Table 8에 정리하였으며 Fig. 6 는 각 발전소의 ESS 효율을 비교한 그래프이다. 결론적으로 B 발전소의 효율이 약 \( 71 \% \) 로 가장 높은 것으로 나타났다. 효율이 가장 낮은 C 발전소에 비해 약 \( 14 \% \) 높은 수치이다. 전체 발전소의 ESS 효율은 약 \( 66 \% \) 였으며 효율은 B-D-L-M-E 순으로 높았다.</p><table border><caption>표 8. 각 태양광발전소의 충/방전 효율</caption><tbody><tr><td>Cat</td><td>Efficiency of charging</td><td>Efficiency of discharging</td></tr><tr><td>A</td><td>\( 69.97 \% \)</td><td>\( 92.70 \% \)</td></tr><tr><td>B</td><td>\( 76.40 \% \)</td><td>\( 92.59 \% \)</td></tr><tr><td>C</td><td>\( 60.48 \% \)</td><td>\( 64.10 \% \)</td></tr><tr><td>D</td><td>\( 72.23 \% \)</td><td>\( 93.62 \% \)</td></tr><tr><td>E</td><td>\( 73.56 \% \)</td><td>\( 89.39 \% \)</td></tr><tr><td>F</td><td>\( 67.12 \% \)</td><td>\( 95.64 \% \)</td></tr><tr><td>G</td><td>\( 67.47 \% \)</td><td>\( 96.45 \% \)</td></tr><tr><td>H</td><td>\( 67.09 \% \)</td><td>\( 95.89 \% \)</td></tr><tr><td>I</td><td>\( 63.77 \% \)</td><td>\( 97.37 \% \)</td></tr><tr><td>J</td><td>\( 65.85 \% \)</td><td>\( 97.23 \% \)</td></tr><tr><td>K</td><td>\( 64.49 \% \)</td><td>\( 95.05 \% \)</td></tr><tr><td>L</td><td>\( 72.68 \% \)</td><td>\( 91.56 \% \)</td></tr><tr><td>M</td><td>\( 71.57 \% \)</td><td>\( 92.58 \% \)</td></tr><tr><td>N</td><td>\( 65.82 \% \)</td><td>\( 99.36 \% \)</td></tr><tr><td>O</td><td>\( 59.74 \% \)</td><td>\( 99.02 \% \)</td></tr><tr><td>P</td><td>\( 61.05 \% \)</td><td>\( 97.51 \% \)</td></tr></tbody></table><h2>5. C-Rate에 따른 ESS 의 충 방전효율 관계</h2><p>ESS 시스템의 PCS 용량, 배터리 용량에 따른 C-Rate과 각 발전소의 발전량, 충전량, 방전량을 바탕으로 산정한 충전효율, 방전효율의 관계는 Fig. 7 과 같이 나타났다. 먼저, 각 발전소의 C-Rate과 충전효율의 경우 두드러지는 상관관계를 찾을 수 없었다. 충전효율은 태양광발전소에 설치한 PCS 의 변환효율 등을 함께 고려할 필요성이 있는 것으로 보인다. 반면, 방전효율의 경우 설치된 PCS, 배터리에 따른 C- Rate과 일정수준의 상관관계가 있는 것으로 나타났다. 결과적으로 C-Rate이 높을수록 방전효율이 높아지는 것으로 나타났다. 다만, 데이터를 취득한 발전소 사이트 수가 부족하며 실측데이터 기반의 결과 분석으로 인한 오차 등을 보완할 필요성이 있으며 취득 데이터 수가 많아질수록 상관관계가 명확해질 것으로 판단된다.</p>
|
[
"실측데이터 기반 결과 분석으로 인한 오차를 보완해야 하는 이유는 무엇인가?",
"효율이 높은 순서대로 발전소의 순서가 바르게 정열된 것은?",
"배터리 충전효율은 무엇의 효율을 산정하는가?",
"B 발전소의 효율은 몇 \\( \\% \\)로 가장 높게 나타났는가?",
"C-Rate는 배터리 용량과 상관없이 효율이 정해지는가?",
"충전효율은 무엇을 바탕으로 측정되는가?",
"L발전소의 효율이 E발전소의 효율보다 높은가?",
"태양광발전소에 설치된 충전효율에서 고려되어야 할 변환효율은 무엇인가?",
"Efficiency of discharging은 C발전소에서 얼마의 값을 가지는가?",
"충전효율, 방전효율의 관계를 나타낸 그림은?",
"K 발전소의 Efficiency of charging은 얼마인가?",
"B 발전소의 효율은 C 발전소에 비해 약 \\( 14 \\% \\) 낮은 수치를 가지는가?",
"방전효율이 낮을수록 C-Rate이 높아지는가?",
"배터리에 따른 C- Rate는 방전효율과 상관관계를 가지지 않는가?",
"배터리에 따른 C- Rate와 PCS에 일정수준의 관계가 있는 것은?",
"발전소의 ESS 효율을 비교한 그래프는 어디에 표시되어있는가?",
"M발전소의 효율이 D발전소의 효율보다 높은가?",
"전체 발전소의 ESS 효율로 알맞은 것은?",
"충전효율과 C-Rate는 두드러지는 상관관계를 가지는가?",
"태양광발전 연계형의 효율은 어떤 절차를 거쳐 결정되는가?",
"약 \\( 71 \\% \\) 로 효율이 가장 높은 것으로 나타난 곳은?",
"충전효율에서 고려해야 할 PCS 의 변환효율은 어디에 설치되어 있는가?",
"방전효율이 높을수록 무엇이 높아지는가?",
"배터리의 방전효율은 ESS의 효율에 영향을 주지 않는가?"
] |
b063b922-4609-4445-87bb-c123fed9edc1
|
인공물ED
|
탄도미사일의 중간단계에서 탄두와 기만체간의 효과적인 변별 연구
|
<h2>4-1 시간-주파수 변환기법 성능 분석</h2> <p>먼저, \( \mathrm{SNR}=0 \mathrm{~dB} \), 관측각도 \( 90^{\circ} \), 원추 주파수 \( 7 \mathrm{~Hz} \), 원추각도 \( 6^{\circ} \) 에서 그림 6(a)의 원뿔 형상 탄두 표적에 대한 레이다 수신신호에 6가지 시간-주파수 변환기법들을 적용할 경우, 그림 7과 같이 나타난다. 이때, 가장 기본적인 STFT 기반의 시간-주파수 영상(그림 7(a))은 다른 기법들에 비하여 잡음에 의한 영향이 크게 나타남을 확인할 수 있다.</p> <p>다음으로 SNR 변화에 따른 각 시간-주파수 변환기법들의 변별성능을 NN구분기를 통해 그림 8과 같이 분석하였다. 여기서, STFT기법은 잡음에 가장 취약하였으며, 반면에 ZAM 기법이 가장 잡음에 강인하였다. 이는 식 (8)과 같이 잡음이 존재하는 부분을 ZAM 커널 함수로 적절히 제거하였기 때문이다.</p> <p>마지막으로 변별을 위한 계산시간은 다른 기법들에 비해 STFT가 가장 빠르게 수행됨을 알 수 있다. 하지만, 시 간-주파수 변환 과정 및 \( N_{T} \times N_{T} \) 시간-주파수 영상에 대한NN구분과정에서 발생하는 \( O\left(N_{T}^{2} \log ^{N_{r}}+N_{T}^{2}\right) \) 의 연산을 모든 학습데이터 개수에 대해 수행해야 하기 때문에,<p>여전히 많은 계산시간을 소모하게 된다. 따라서 매우 낮은 SNR 환경인 중간단계에서 탄두와 기만체 간의 변별을 수행하기 위해서는 잡음에 가장 강인한 ZAM 기법을 우선적으로 선택한 후, 효율적인 특징벡터 추출기법 및 구분기법을 적용하여 불필요한 계산량을 줄여야 한다.</p> <table border><caption>표 2. 시간-주파수 변환기법들에 대한 계산시간 비교</caption> <tbody><tr><td>Time-frequency methods</td><td>Computation time [s]</td></tr><tr><td>1) STFT</td><td>412.2</td></tr><tr><td>2) S-meteod</td><td>486.7</td></tr><tr><td>5) Reassigned S-method</td><td>489.5</td></tr><tr><td>4) ZAM</td><td>601.2</td></tr><tr><td>5) MMCE</td><td>638.6</td></tr><tr><td>6) BJD</td><td>605.8</td></tr></tbody></table> <h2>4-2 특징벡터 추출기법 성능 분석</h2> <p>앞서 ZAM 기법이 가장 잡음에 강인한 시간-주파수 영상임을 판단하였다. 하지만, 2차원 시간-주파수 영상을<p>바로 변별에 사용할 경우, 매우 많은 계산시간을 요구하기 때문에, 본 절에서는 ZAM기법에 대표적인 3가지 특 징벡터 추출기법들과 NN 구분기를 적용하여 변별 성능을 분석한다.</p> <p>시뮬레이션 결과, 3DFV기법이 낮은 특징벡터 차원에도 불구하고, 그림9 및 표3 과 같이 높은 변별성능 대비 상대적으로 빠른 계산시간을 보였다. 이는 다른 기법들과 달리 탄두의 미세운동 특성을 바탕으로 한 기저함수를 사용하여, 시간-주파수 영상에서 보다 효율적으로 특징벡터를 추출할 수 있기 때문이다. 반면에, KL 특징벡터 추출기법은 탄두와 기만체의 특징을 최적으로 추출하지 못하였기 때문에 변별성능이 가장 낮았다. 그리고 pZ 모멘트 추출기법의 경우, 시간-주파수 영상의 모든 영역에 대한 특징을 골고루 추출하기 때문에, 잡음에 대한 영향이 3DFV보다 상대적으로 크게 나타났다.</p> <p>최종적으로 탄두의 고유 미세운동 특성에 맞게 특징벡터를 추출하는 3DFV 기법이 ZAM 시간-주파수 영상에 대한 가장 효율적인 특징벡터 추출 기법임을 확인할 수 있었다.</p>
|
[
"표 2에서 보여주는 것은 무엇의 계산시간 비교인가요?",
"STFT의 Computation time 값은 뭐야?",
"Computation time 값으로 486.7 초를 갖는 것은 뭐니?",
"계산시간이 601.2 초인 것은 어떤 시간-주파수 변환기법인가요?",
"계산시간으로 638.6 초를 가지는 것은 무엇이니?",
"뭐가 계산시간으로 638.6 초를 가져?",
"Reassigned S-method의 Computation time는 몇이야?",
"표 2에서 STFT, S-meteod, ZAM 등의 것들이 의미하는 것은 뭐야?",
"표 2에서 412.2, 489.5, 638.6 등은 무엇의 값이니?",
"시간-주파수 변환기법인 BJD가 계산시간으로 갖는 값은 몇인가요?"
] |
b74dfb27-1385-47c9-a435-4f6108563e5a
|
인공물ED
|
탄도미사일의 중간단계에서 탄두와 기만체간의 효과적인 변별 연구
|
<h1>Ⅳ. 시뮬레이션 결과</h1> <p>본 절에서는 앞서 언급된 그림 3의 변별 절차에 대한 시뮬레이션 결과를 도시한다. 이때, 시뮬레이션에 사용된 탄두와 기만체 CAD표적들은 그림 6과 같이 각각 2개의 형상들로 정의되며, PO 및 PTD 기반의 상용수치해석도구 VIRAF를 활용하여 레이다 수신신호를 구성하였다. 그리고 각 표적들에 대한 학습 데이터베이스를 구성하기 위한 시뮬레이션 변수들은 표1 과 같다. 그리고 각 표적당 50개의 시험 데이터는 표1 의 최대, 최소값 범위 사이에서 랜덤하게 선택된다. 최종적으로 변별 성능은 전체 시험데이터 개수에 대한 confusion matrix의 대각성분 비 (i.e., \( P_{d} \) )로 정의된다. 이때, 시뮬레이션은 Intel i7기반의 Window 10 운영체제에서 MATLAB R2017a버전을 활용하여 수행되었다.</p> <p>시뮬레이션은 그림 3 과 같이 3단계에 따라 수행된다. 먼저, 4-1절에서는 앞서 3-1절에서 소개하였던 6가지 시 간-주파수 변환 기법들(e.g., STFT, S-method, reassigned S-method, ZAM, MMCE, BJD) 중 어느 기법이 가장 잡음에 강인한지 판단하기 위하여, 특징벡터 추출과정 없이 2차원 시간-주파수 영상을 NN구분기로 직접 변별하여 성능을 평가한다. 다음으로 4-2절에서는 잡음에 가장 강인한 시간-주파수 기법을 바탕으로 보다 빠르고 효율적인 변별을 수행하기 위하여, NN 구분기에 3-2절에서 소개되었던 특징벡터 추출기법들을 적용하여 변별 성능을 분석 한다. 마지막으로 4-3절에서는 3-3절의 구분 기법들 중 가장 효과적인 방법을 도출한다.</p> <table border><caption>표 1. 시뮬레이션 변수들</caption> <tbody><tr><td colspan=3>Carrier frecuency [GHz]</td><td>10</td></tr><tr><td colspan=3>Observation time [sec]</td><td>0.5</td></tr><tr><td colspan=3>Sampling frequency [kHz]</td><td>2</td></tr><tr><td colspan=3>Wave length [m]</td><td>0.03</td></tr><tr><td colspan=3>Aspect-angle [deg.]</td><td>0, 10, ... 180</td></tr><tr><td colspan=3>Coning frequency [Hz]</td><td>5, 6, 7</td></tr><tr><td colspan=3>Coning angle [deg.]</td><td>6, 8, 10</td></tr><tr><td colspan=3>Wobble frequency [Hz]</td><td>5, 6, 7</td></tr><tr><td colspan=3>Wobble angle amplitude [deg.]</td><td>0, 10, ... 360</td></tr><tr><td colspan=3>Polarization</td><td>HH</td></tr><tr><td colspan=3>SNR [dB]</td><td>-20, -18, -2, 0</td></tr></tbody></table>
|
[
"레이다 수신신호는 어떻게 구성했어?",
"어떻게 레이다 수신 신호가 만들어져",
"시뮬레이션 변수중 Carrier frecuency는 얼마야?",
"시뮬레이션 변수들중 SNR은 얼마의 dB들로 진행했어?",
"변별 절치의 시뮬레이션의 변수들중 애스팩크 앵글은 어떻게 진행했어?",
"시뮬레이션 변수들중에 5, 6, 7Hz로 진행된것은 뭐야?",
"잡음이 어느 기법에서 강인한지 판단하기 위해 어떻게 성능평가를 했어?",
"변별절차의 시물레이션에서 샘플링 주파수는 얼마의 kHz야?",
"변별절차 시뮬레이션의 변수에서 관측시간은 몇 sec이야?",
"시뮬레이션 변수중에서 Wave length는 얼마야?",
"전체 시험데이터 개수에 대한 confusion matrix의 대각성분 비 (i.e., \\( P_{d} \\) )로 정의한 변별 성능의 시뮬레이션은 무엇으로 활용하여 어떻게 진행했어?",
"변별 절차에 대한 시뮬레이션 변수들중에 극성은 뭐야?"
] |
74b6d355-6ebd-4d4e-a130-7d883005d17e
|
인공물ED
|
HEVC의 Transform Skip Mode를 위한 Rough Mode Decision 알고리즘
|
<table border><caption>표 3. 새로운 비용 함수를 적용한 방식의 인코딩 시간및 압축 성능 (스크린 콘텐츠)</caption><tbody><tr><td rowspan ="2">Class</td><td rowspan ="2">영상</td><td rowspan = "2">QP</td><td colspan = "3">НМ \( 10.0 \)</td><td colspan = "3">제안한 방법 (new cost function)</td><td colspan = "2">성 능 비 교</td></tr><tr><td>Bitrate\( (\mathrm{kbps}) \)</td><td>PSNR\( (\mathrm{dB}) \)</td><td>T\( (\mathrm{h}) \)</td><td>Bitrate\( (\mathrm{kbps}) \)</td><td>PSNR\( (\mathrm{dB}) \)</td><td>T\( (\mathrm{h}) \)</td><td>BD - rate (\(\%\))</td><td>\( \Delta \) Time (\(\%\))</td><tr><td rowspan ="16">B</td><td rowspan ="4">BasketballDrillText</td><td>22</td><td>22727.02</td><td>41.98</td><td>0.49</td><td>22729.81</td><td>41.99</td><td>0.48</td><td rowspan ="4">-0.05</td><td>-2.26</td></tr><tr><td>27</td><td>13152.02</td><td>38.53</td><td>0.41</td><td>13150.71</td><td>38.53</td><td>0.40</td><td>-1.57</td><tr><td>32</td><td>7612.66</td><td>35.43</td><td>0.35</td><td>7612.63</td><td>35.43</td><td>0.35</td><td>-1.86</td></tr><tr><td>37</td><td>4476.68</td><td>32.53</td><td>0.31</td><td>4477.26</td><td>32.53</td><td>0.31</td><td>-0.57</td></tr><tr><td rowspan ="4">ParkScene</td><td>22</td><td>22776.51</td><td>44.90</td><td>0.86</td><td>22698.51</td><td>44.92</td><td>0.84</td><td rowspan ="4">-0.68</td><td>-1.51</td></tr><tr><td>27</td><td>15172.07</td><td>40.97</td><td>0.76</td><td>15117.61</td><td>41.00</td><td>0.75</td><td>-1.17</td></tr><tr><td>32</td><td>9879.63</td><td>37.20</td><td>0.69</td><td>9840.22</td><td>37.23</td><td>0.68</td><td>-0.85</td></tr><tr><td>37</td><td>6433.37</td><td>33.61</td><td>0.63</td><td>6406.88</td><td>33.64</td><td>0.62</td><td>-1.11</td></tr><tr><td rowspan ="4">Cactus</td><td>22</td><td>33420.98</td><td>46.61</td><td>0.65</td><td>33335.06</td><td>46.65</td><td>0.64</td><td rowspan ="4">-0.66</td><td>-1.4</td></tr><tr><td>27</td><td>24988.22</td><td>42.25</td><td>0.61</td><td>24924.79</td><td>42.31</td><td>0.60</td><td>-1.30</td></tr><tr><td>32</td><td>19055.21</td><td>37.72</td><td>0.57</td><td>18988.41</td><td>37.78</td><td>0.56</td><td>-1.60</td></tr><tr><td>37\)</td><td>14253.42</td><td>32.95</td><td>0.52</td><td>14223.97</td><td>33.02</td><td>0.51</td><td>-1.41</td><tr><td rowspan ="4">B</td><td rowspan>22</td><td>5180.96</td><td>50378</td><td>0.70</td><td>5179.0</td><td>50.79</td><td>0.70</td><td rowspan ="4">-0.09</td><td>-0.55</td></tr><tr><td>27</td><td>3525.72</td><td>47.14</td><td>0.66</td><td>3522.38</td><td>47.14</td><td>0.66</td><td>-0.77</td><tr><td>32\)</td><td>2418.94</td><td>43.47</td><td>0.64</td><td>2417.65</td><td>43.47</td><td>0.64</td><td>-0.75</td></tr><tr><td>37</td><td>1623.61</td><td>39.49</td><td>0.61</td><td>1623.56</td><td>39.49</td><td>0.61</td><td>-0.57</td></tr><tr><td colspan = "9">평 균</td><td>-0.37</td><td>-1.12</td></tr></tbody></table>
|
[
"표 3. 중 제안한 방법의 PSNR 값이 ParkScene 영상의 양자화 매개변수 27에서는 어떻게 나타났지?",
"표 3. 중 НМ \\( 10.0 \\)에서의BasketballDrillText 영상의 양자화 파라미터 22에서 비트 전송속도는 얼마지?",
"표 3.에서 BD - rate (\\(\\%\\))값이 가장 낮은 영상은 무엇이지?",
"표 3. 중에 BasketballDrillText 영상 양자화 매개변수 37의 T\\( (\\mathrm{h}) \\)값은 얼마지?",
"표 3.에서 전체 영상에 대한 BD - rate (\\(\\%\\)) 평균값은 얼마야?",
"표 3.에서 나타난 것처럼 어떤 영상에서의 BD - rate (\\(\\%\\))값이 제일 높게 보이고 있지?"
] |
3ae50357-ff46-4070-a701-a43051f3e868
|
인공물ED
|
HEVC의 Transform Skip Mode를 위한 Rough Mode Decision 알고리즘
|
<table border><caption>표 5. 새로운 비용 함수를 적용한 방식의 인코딩 시간및 압축 성능 (스크린 콘텐츠)</caption><tbody><tr><td rowspan ="2">Class</td><td rowspan ="2">영상</td><td rowspan = "2">QP</td><td colspan = "3">НМ 10.0</td><td colspan = "3">제안한 방법 (new cost function)</td><td colspan = "2">성 능 비 교</td></tr><tr><td>Bitrate\( (\mathrm{kbps}) \)</td><td>PSNR\( (\mathrm{dB}) \)</td><td>T\( (\mathrm{h}) \)</td><td>Bitrate\( (\mathrm{kbps}) \)</td><td>PSNR\( (\mathrm{dB}) \)</td><td>T\( (\mathrm{h}) \)</td><td>BD - rate (\(\%\))</td><td>\( \Delta \) Time (\(\%\))</td><tr><td rowspan ="16">F</td><td rowspan ="4">BasketballDrillText</td><td>22</td><td>22727.02</td><td>41.98</td><td>0.49</td><td>22720.66</td><td>41.98</td><td>0.45</td><td rowspan ="4">-0.04</td><td>-7.67</td></tr><tr><td>27</td><td>13152.02</td><td>38.53</td><td>0.41</td><td>13143.07</td><td>38.52</td><td>0.37</td><td>-9.14</td><tr><td>32</td><td>7612.66</td><td>35.43</td><td>0.35</td><td>7608.14</td><td>35.43</td><td>0.31</td><td>-11.39</td></tr><tr><td>37</td><td>4476.68</td><td>32.53</td><td>0.32</td><td>4470.70</td><td>32.52</td><td>0.28</td><td>-13.70</td></tr><tr><td rowspan ="4">ChinaSpeed</td><td>22</td><td>22776.51</td><td>44.90</td><td>0.86</td><td>22680.03</td><td>44.91</td><td>0.79</td><td rowspan ="4">-0.50</td><td>-8.12</td></tr><tr><td>27</td><td>15172.07</td><td>40.97</td><td>0.77</td><td>15085.12</td><td>40.96</td><td>0.70</td><td>-8.70</td></tr><tr><td>32</td><td>9879.63</td><td>37.20</td><td>0.69</td><td>9802.82</td><td>37.18</td><td>0.63</td><td>-9.58</td></tr><tr><td>37</td><td>6433.37</td><td>33.61</td><td>0.63</td><td>6360.49</td><td>33.54</td><td>0.56</td><td>-10.36</td></tr><tr><td rowspan ="4">SlideEditing</td><td>22</td><td>33420.98</td><td>46.61</td><td>0.65</td><td>33334.80</td><td>46.65</td><td>0.60</td><td rowspan ="4">-0.57</td><td>-8.11</td></tr><tr><td>27</td><td>24988.22</td><td>42.25</td><td>0.61</td><td>24915.53</td><td>42.30</td><td>0.56</td><td>-8.60</td></tr><tr><td>32</td><td>19055.21</td><td>37.72</td><td>0.57</td><td>18964.88</td><td>37.74</td><td>0.52</td><td>-8.42</td></tr><tr><td>37</td><td>14253.42</td><td>32.95</td><td>0.53</td><td>14160.63</td><td>32.91</td><td>0.48</td><td>-10.16</td><tr><td rowspan ="4">SlideShow</td><td rowspan>22</td><td>5180.96</td><td>50.78</td><td>0.70</td><td>5177.60</td><td>50.79</td><td>0.62</td><td rowspan ="4">-0.07</td><td>-11.62</td></tr><tr><td>27</td><td>3525.72</td><td>47.14</td><td>0.67</td><td>3521.46</td><td>47.13</td><td>0.59</td><td>-12.17</td><tr><td>32</td><td>2418.94</td><td>43.47</td><td>0.64</td><td>2413.55</td><td>43.46</td><td>0.56</td><td>-11.76</td></tr><tr><td>37</td><td>1623.61</td><td>39.49</td><td>0.61</td><td>1619.65</td><td>39.47</td><td>0.54</td><td>-12.39</td></tr><tr><td colspan = "9">평 균</td><td>-0.30</td><td>-10.12</td></tr></tbody></table><table border><caption>표 6. 기존 고속 인트라 예측 방식과 제안하는 방식 의 성능 비교</caption><tbody><tr><td rowspan ="2"></td><td colspan = "3">기존 방식</td><td rowspan = "2">제안 방식</td></tr><tr><td>Jiang’s</td><td>Yan’s</td><td>Silva’s</td></tr><tr><td>평균 인코딩 시간 감소 \( (\%) \)</td><td>19.99</td><td>23.52</td><td>18.88</td><td>10.12</td></tr><tr><td>평균 압축 성능 감소 \((\%) \)</td><td>0.74</td><td>1.3</td><td>1.30</td><td>0.00 (일반영상) -0.3(스크린 콘텐츠)</td></tr></tbody></table><p>표 6은 II장에서 소개한 기존의 고속 인트라 예측 방식과 제안 방식의 성능을 비교하여 나타낸 것이다. 평균 인코딩 시간 감소 부분에서는 상대적으로 제안 방식의 성능이 낮지만 기존 방식들은 인코딩 시간 감소를 위해서 압축 성능 부분에서 손실이 발생되는 반면 제안하는 방식은 일반 영상에서는 압축 성능의 손실이 없고, 스크린 콘텐츠에서는 오히려 압축 성능을 향상시키는 것을 확인 할 수 있다. 제안하는 방식은 일반 영상에 대해서는 추가적인 성능 손실 없이 인코딩 시간을 감소시키고, 특히 스크린 콘텐츠에서는 추가적으로 압축 효율도 향상시키는 제안 방식이 기존 고속 인트라 예측 방식들에 비해서 좀 더 효율적으로 사용될 수 있는 알고리즘이라는 것을 확인 할 수 있다.</p>
|
[
"평균 인코딩 시간이 23.52% 감소하는 기존방식은 무엇인가?",
"안 방식이 기존 고속 인트라 예측 방식들에 비해서 좀 더 효율적으로 사용될 수 있는 알고리즘이라는 것은 어떻게 알 수 있는가?",
"평균 압축 성능이 1.3% 감소하는 기존 방식은 무엇인가?",
"Jiang’s 방식의 평균 압축 성능은 몇%나 감소되는가?",
"Yan’s 방식이 갖는 평균 압축 성능 감소 %는 얼마인가?",
"기존 방식 중 Silva’s 방식의 평균 압축 성능 감소율은 몇 %인가?",
"Silva’s 방식이 갖는 평균 인코딩 시간 감소율은 얼마인가?",
"제안된 방식에서 평균 압축 성능의 감소율을 일반영상에서 구한다면 그 값은 얼마인가?",
"기존 방식 중 가장 낮은 값의 평균 압축 성능 감소율을 갖는 방식은 무엇인가?",
"가장 낮은 평균 인코딩 시간 감소율을 갖는 기존 방식은 무엇인가?",
"제안된 방식의 평균 인코딩 시간 감소율은 얼마인가?",
"Jiang’s 방식의 평균 인코딩 시간은 몇 % 감소되는가?",
"기존 방식 중 가장 높은 평균 인코딩 시간 감소율을 갖는 방식은 무엇인가?",
"기존 방식 중 Yan’s 방식의 평균 인코딩 시간은 얼마나 감소되는가?",
"스크린 콘텐츠에서 제안된 방식의 평균 압축 성능의 감소율을 구한다면 그 값은 몇 %인가?",
"이 영상에서 일반 방식과 제안된 방법의 BD-rate(%)은 -0.04% 차이 나는데 이 영상은 무엇인가?",
"ChinaSpeed 영상에서 기존 방식과 제안 방식의 BD-rate(%) 차이는 얼마인가?",
"제안된 방법과 기존 방법의 성능의 차이가 어떻게 돼?",
"일반 영상에서는 압축 성능의 손실이 없지만 스크린 콘텐츠에 대해서는 오히려 압축 성능이 향상되는 방식이 어떻게 돼?"
] |
b727f0af-d082-4cf3-aa3e-4f408481b7d3
|
인공물ED
|
HEVC의 Transform Skip Mode를 위한 Rough Mode Decision 알고리즘
|
<table border><caption>표 4. 새로운 비용 함수와 고속 알고리즘을 함께 적용한 방식의 인코딩 시간 및 압축 성능 (일반영상)</caption><tbody><tr><td rowspan ="2">Class</td><td rowspan ="2">영상</td><td rowspan = "2">QP</td><td colspan = "3">НМ \( 10.0 \)</td><td colspan = "3">제안한 방법 (new cost function)</td><td colspan = "2">성 능 비 교</td></tr><tr><td>Bitrate\( (\mathrm{kbps}) \)</td><td>PSNR\( (\mathrm{dB}) \)</td><td>T\( (\mathrm{h}) \)</td><td>Bitrate\( (\mathrm{kbps}) \)</td><td>PSNR\( (\mathrm{dB}) \)</td><td>T\( (\mathrm{h}) \)</td><td>BD - rate (\%)</td><td>\( \Delta \) Time (\%)</td><tr><td rowspan ="8">A</td><td rowspan ="4">Traffic</td><td>22</td><td>101878.91</td><td>43.35</td><td>1.31</td><td>101863.48</td><td>43.35</td><td>1.19</td><td rowspan ="4">0.01</td><td>-2.87</td></tr><tr><td>27</td><td>57384.08</td><td>40.16</td><td>1.11</td><td>57382.13</td><td>40.16</td><td>0.99</td><td>-11.02</td></tr><tr><td>32</td><td>32738.70</td><td>37.12</td><td>0.98</td><td>32742.40</td><td>37.12</td><td>0.89</td><td>-8.93</td></tr><tr><td>37</td><td>18511.60</td><td>34.10</td><td>0.89</td><td>18509.31</td><td>34.10</td><td>0.78</td><td>-12.60</td></tr><tr><td rowspan ="4">PeopleOnStreet</td><td>22</td><td>104706.18</td><td>43.26</td><td>1.33</td><td>104686.83</td><td>43.26</td><td>1.22</td><td rowspan ="4">0.00</td><td>-8.36</td></tr><tr><td>27</td><td>60857.26</td><td>39.82</td><td>1.14</td><td>60855.69</td><td>39.82</td><td>1.02</td><td>-10.16</td></tr><tr><td>32</td><td>34789.47</td><td>36.70</td><td>1.00</td><td>34784.11</td><td>36.70</td><td>0.88</td><td>-12.04</td></tr><tr><td>37</td><td>20390.32</td><td>33.84</td><td>0.91</td><td>20391.73</td><td>33.84</td><td>0.83</td><td>-8.86</td></tr><tr><td rowspan ="16">B</td><td rowspan ="4">Kimono</td><td>22</td><td>22234.31</td><td>42.70</td><td>0.94</td><td>22230.49</td><td>42.70</td><td>0.83</td><td rowspan ="4">0.00</td><td>-11.68</td></tr><tr><td>27</td><td>12152.51</td><td>41.01</td><td>0.78</td><td>12152.84</td><td>41.01</td><td>0.69</td><td>-11.61</td><tr><td>32</td><td>6848.55</td><td>38.95</td><td>0.71</td><td>6848.46</td><td>38.95</td><td>0.62</td><td>-12.55</td></tr><tr><td>37</td><td>3820.53</td><td>36.51</td><td>0.66</td><td>3821.15</td><td>36.51</td><td>0.58</td><td>-12.38</td></tr><tr><td rowspan ="4">ParkScene</td><td>22</td><td>52736.77</td><td>41.68</td><td>1.16</td><td>52727.45</td><td>41.68</td><td>1.06</td><td rowspan ="4">0.01</td><td>-8.31</td></tr><tr><td>22</td><td>52736.77</td><td>41.68</td><td>1.16</td><td>52727.45</td><td>41.68</td><td>1.06</td><td>-8.31</td></tr><tr><td>27</td><td>28591.58</td><td>38.60</td><td>0.95</td><td>28583.28</td><td>38.60</td><td>0.84</td><td>-11.41</td></tr><tr><td>37\)</td><td>7300.55</td><td>32.79</td><td>0.71</td><td>7300.41</td><td>32.79</td><td>0.62</td><td>-12.31</td></tr><tr><td rowspan ="4">Cactus</td><td>22</td><td>105363.61</td><td>40.57</td><td>2.50</td><td>105301.67</td><td>40.57</td><td>2.31</td><td rowspan ="4">0.01</td><td>-7.92</td></tr><tr><td>27</td><td>48710.15</td><td>37.93</td><td>1.94</td><td>48694.48</td><td>37.93</td><td>1.74</td><td>-10.47</td></tr><tr><td>32</td><td>26370.06</td><td>35.69</td><td>1.64</td><td>26360.67</td><td>35.69</td><td>1.44</td><td>-11.99</td></tr><tr><td>37</td><td>14279.52</td><td>33.26</td><td>1.48</td><td>14279.64</td><td>33.26</td><td>1.31</td><td>-12.07</td><tr><td rowspan ="4">BasketballDrive</td><td>22</td><td>71114.19</td><td>41.25</td><td>2.26</td><td>71090.58</td><td>41.25</td><td>2.06</td><td rowspan ="4">0.01</td><td>-8.64</td></tr><tr><td>27</td><td>29165.12</td><td>38.71</td><td>1.76</td><td>29154.88</td><td>38.71</td><td>1.56</td><td>-11.25</td></tr><tr><td>32</td><td>15230.44</td><td>36.95</td><td>1.53</td><td>15230.22</td><td>36.95</td><td>1.40</td><td>-9.00</td></tr><tr><td>37</td><td>8495.71</td><td>34.98</td><td>1.42</td><td>8496.82</td><td>34.98</td><td>1.27</td><td>-10.62</td></tr><tr><td rowspan = "12">C</td><td rowspan = "4">BasketballDrill</td><td>22</td><td>20808.93</td><td>41.76</td><td>0.48</td><td>20803.09</td><td>41.76</td><td>0.44</td><td rowspan = "4">0.00</td><td>-7.98</td></tr><tr><td>27</td><td>11313.41</td><td>38.37</td><td>0.39</td><td>11307.96</td><td>38.37</td><td>0.36</td><td>-9.59</td></tr><tr><td>32</td><td>6075.09</td><td>35.41</td><td>0.34</td><td>6073.88</td><td>35.41</td><td>0.31</td><td>-7.60</td></tr><tr><td>37</td><td>3355.56</td><td>32.77</td><td>0.30</td><td>3355.13</td><td>32.77</td><td>0.27</td><td>-11.19</td></tr><tr><td rowspan = "4">BQMall</td><td>22</td><td>23373.95</td><td>41.92</td><td>0.55</td><td>23371.54</td><td>41.92</td><td>0.51</td><td rowspan = "4">0.01</td><td>-8.05</td></tr><tr><td>27</td><td>13971.94</td><td>39.02</td><td>0.46</td><td>13970.18</td><td>39.02</td><td>0.42</td><td>-9.81</td><tr><td>32</td><td>8219.58</td><td>35.97</td><td>0.41</td><td>8219.02</td><td>35.96</td><td>0.36</td><td>-10.79</td></tr><tr><td>37</td><td>4694.47</td><td>32.89</td><td>0.37</td><td>4692.13</td><td>32.88</td><td>0.32</td><td>-12.97</td></tr><tr><td rowspan = "4">RaceHorses</td><td>22</td><td>14999.12</td><td>42.29</td><td>0.29</td><td>14998.39</td><td>42.29</td><td>0.26</td><td rowspan = "4">-0.01</td><td>-7.93</td></tr><tr><td>27</td><td>9002.19</td><td>38.91</td><td>0.24</td><td>8999.70</td><td>38.91</td><td>0.22</td><td>-8.94</td></tr><tr><td>32</td><td>5109.92</td><td>35.49</td><td>0.21</td><td>5106.02</td><td>35.49</td><td>0.19</td><td>-11.33</td></tr><tr><td>37</td><td>2575.49</td><td>32.12</td><td>0.19</td><td>2572.71</td><td>32.11</td><td>0.16</td><td-12.04</td></tr><tr><td rowspan = "12">D</td><td rowspan = "4">BasketballPass</td><td>22</td><td>5321.44</td><td>42.95</td><td>0.11</td><td>5320.74</td><td>42.95</td><td>0.10</td><td rowspan = "4">-0.01</td><td>-10.46</td></tr><tr><td>27</td><td>3168.20</td><td>39.38</td><td>0.10</td><td>3166.96</td><td>39.38</td><td>0.09</td><td>-10.46</td></tr><tr><td>32</td><td>1816.59</td><td>35.98</td><td>0.08</td><td>1815.58</td><td>35.98</td><td>0.07</td><td>-12.18</td></tr><tr><td>37</td><td>1012.37</td><td>32.82</td><td>0.07</td><td>1012.42</td><td>32.81</td><td>0.07</td><td>-11.29</td><tr><td rowspan = "4">Blowing Bubbles</td><td>22</td><td>11455.40</td><td>41.03</td><td>0.15</td><td>11452.62</td><td>41.03</td><td>0.14</td><td rowspan = "4">0.00</td><td>-4.61</td></tr><tr><td>27</td><td>7073.62</td><td>36.72</td><td>0.13</td><td>7068.43</td><td>36.71</td><td>0.12</td><td>-6.03</td></tr><tr><td>32</td><td>4023.30</td><td>32.74</td><td>0.11</td><td>4019.83</td><td>32.73</td><td>0.10</td><td>-9.86</td></tr><tr><td>37</td><td>2073.17</td><td>29.21</td><td>0.09</td><td>2068.59</td><td>29.20</td><td>0.08</td><td>-12.06</td></tr><tr><td rowspan = "4">RaceHorses</td><td>22</td><td>4459.94</td><td>42.42</td><td>0.07</td><td>4460.44</td><td>42.42</td><td>0.07</td><td rowspan = "4">0.01</td><td>-6.22</td></tr><tr><td>27</td><td>2684.48</td><td>38.41</td><td>0.06</td><td>2684.67</td><td>38.41</td><td>0.06</td><td>-8.44</td></tr><tr><td>32</td><td>1475.23</td><td>34.58</td><td>0.05</td><td>475.04</td><td>34.58</td><td>0.05</td><td>-11.56</td></tr><tr><td>37</td><td>744.35</td><td>31.29</td><td>0.05</td><td>744.28</td><td>31.28</td><td>0.04</td><td>-11.58</td></tr><tr><td rowspan = "12">E</td><td rowspan = "4">FourPeople</td><td>22</td><td>30227.07</td><td>43.80</td><td>1.05</td><td>30229.41</td><td>43.80</td><td>0.96)</td><td rowspan = "4">-0.01</td><td>-10.39</td></tr><tr><td>27</td><td>18538.75</td><td>41.23</td><td>0.92</td><td>18538.05</td><td>41.23</td><td>0.91</td><td>-1.40</td></tr><tr><td>32</td><td>11401.79</td><td>38.36</td><td>0.84</td><td>11399.90</td><td>38.36</td><td>0.74</td><td>-11.55</td></tr><tr><td>37</td><td>6930.59</td><td>35.27</td><td>0.78</td><td>6929.19</td><td>35.27</td><td>0.69</td><td>-11.85</td></tr><tr><td rowspan = "4">Johnny</td><td>22</td><td>20142.91</td><td>44.05</td><td>0.97</td><td>20142.23</td><td>44.05</td><td>0.870.00</td><td rowspan = "4">0.00</td><td>-10.70</td></tr><tr><td>27</td><td>11233.27</td><td>41.84</td><td>0.84</td><td>11231.88</td><td>41.84</td><td>0.74</td><td>-11.62</td></tr><tr><td>32</td><td>6423.21</td><td>39.50</td><td>0.78</td><td>6422.42</td><td>39.50</td><td>0.68</td><td>-12.15</td></tr><tr><td>37</td><td>3708.88</td><td>36.90</td><td>0.74</td><td>3706.38</td><td>36.89</td><td>0.65</td><td>-12.52</td></tr><tr><td rowspan = "4">KristenAndSara</td><td>22</td><td>22193.82</td><td>44.42</td><td>0.99</td><td>22191.72</td><td>44.42</td><td>0.87</td><td rowspan = "4">0.00</td><td>-12.06</td></tr><tr><td>27</td><td>13262.08</td><td>42.10</td><td>0.88</td><td>13260.32</td><td>42.10</td><td>0.76</td><td>-13.25</td></tr><tr><td>32</td><td>8032.71</td><td>39.46</td><td>0.8</td><td>8031.70</td><td>39.46</td><td>0.70</td><td>-13.22</td></tr><tr><td>37</td><td>4860.67</td><td>36.57</td><td>0.76</td><td>4860.24</td><td>36.57</td><td>0.66</td><td>-12.46</td></tr><tr><td colspan = "9">평 균</td><td>0.00</td><td>-10.47</td></tr></tbody></table>
|
[
"A Class 영상 Traffic에서 НМ \\( 10.0 \\)방법을 썼을 때 T\\( (\\mathrm{h}) \\)가 가장 높은 경우의 Bitrate\\( (\\mathrm{kbps}) \\)의 수치가 얼마인가?",
"Class A 영상 Traffic에서 QP가 27일 경우의 PSNR\\( (\\mathrm{dB}) \\)을 제안한 방법 (new cost function) 적용하였을 때 얼마나 되는가?",
"A Class 영상 Traffic에서 НМ \\( 10.0 \\)의 방식을 썼을 때 Bitrate\\( (\\mathrm{kbps}) \\)가 18511.60일 경우에 \\( \\Delta \\) Time (\\%)의 수치는 얼마인가?",
"B Class 영상 ParkScene에서 성능을 비교할 때 BD - rate (\\%)의 수치가 몇이 되는가?",
"Class A에서 PeopleOnStreet 영상에서 QP가 37일 때 성능을 비교하면 \\( \\Delta \\) Time (\\%)의 수치가 몇인가?",
"A class Traffic 열상에서 QP가 32이면 제안한 방법 (new cost function)을 썼을 때 PSNR\\( (\\mathrm{dB}) \\)가 몇인가?",
"class B Kimono 영상에서 QP가 27이면 НМ \\( 10.0 \\)을 썼을 때 Bitrate\\( (\\mathrm{kbps}) \\)가 몇인가?",
"C class 영상 BasketballDrill에서 성능을 비교하면 BD - rate (\\%)의 수치가 몇으로 나오는가?",
"ParkScene 영상에서 QP가 37일 경우 제안한 방법을 적용했을 때 T\\( (\\mathrm{h}) \\)의 수치가 몇으로 나오는가?",
"Cactus 영상에서 QP가 27일 경우 성능을 비교하면 \\( \\Delta \\) Time (\\%)의 성능비교수치가 몇으로 나오는가?",
"영상 BasketballDrive에서 QP가 32이면 (new cost function)방식을 썼을 때 Bitrate\\( (\\mathrm{kbps}) \\)가 몇으로 나오는가?",
"BQMall 영상에서 НМ \\( 10.0 \\)방식을 썻을 때 QP가 22면 Bitrate\\( (\\mathrm{kbps}) \\)가 몇으로 나오는가?",
"영상 BasketballPass에서 Bitrate\\( (\\mathrm{kbps}) \\)의 수치가 제안한 방법을 쓰고 QP가 32면 얼마로 나오는가?",
"E Class 영상 FourPeople에서 두 방식 간의 BD - rate (\\%)의 성능비교수치가 몇으로 나오는가?",
"Class D 영상 Blowing Bubbles에서 QP가 27이면 \\( \\Delta \\) Time (\\%)의 성능비교수치가 얼마로 나오는가?",
"RaceHorses 영상에서 QP가 37일 경우 (new cost function)방식을 쓰면 PSNR\\( (\\mathrm{dB}) \\)이 얼마로 나오는가?",
"PeopleOnStreet 영상에서 QP가 27이면 НМ \\( 10.0 \\)의 방식을 썼을 때 T\\( (\\mathrm{h}) \\)가 몇으로 나오는가?",
"FourPeople 영상에서 Bitrate\\( (\\mathrm{kbps}) \\)의 수치가 가장 낮을 때의 수치는 몇인가?",
"D Class Blowing Bubbles영상에서 \\( \\Delta \\) Time (\\%)의 성능비교수치가 -6.03일려면 QP가 몇이어야 하는가?",
"Johnny 영상에서 제안한 방법을 쓰면 Bitrate\\( (\\mathrm{kbps}) \\)가 QP가 27일 때 몇으로 나오는가?",
"RaceHorses 영상에서 QP가 32면 НМ \\( 10.0 \\) 방식을 쓸 때 PSNR\\( (\\mathrm{dB}) \\)이 몇으로 나오는가?",
"C Class 영상 BQMall에서 두 방식을 썼을 때 BD - rate (\\%)의 성능비교수치가 몇으로 나오는가?",
"Cactus 영상에서 QP가 22면 \\( \\Delta \\) Time (\\%)의 성능비교수치가 몇인가?",
"PeopleOnStreet 영상에서 QP가 32면 제안한 방법을 썼을 때 T\\( (\\mathrm{h}) \\)의 수치가 몇인가?",
"A Class 영상 Traffic서 PSNR\\( (\\mathrm{dB}) \\)의 수치가 가장 낮은 경우의 수치가 몇인가?",
"BasketballPass 영상에서 Bitrate\\( (\\mathrm{kbps}) \\)의 수치가 가장 높은 경우의 수치가 얼마인가?",
"Blowing Bubbles 영상에서 제안한 방법을 썼을 때 PSNR\\( (\\mathrm{dB}) \\)이 가장 높은 경우의 QP는 몇인가?",
"FourPeople 영상에서 НМ \\( 10.0 \\)방식을 썼을 때 PSNR\\( (\\mathrm{dB}) \\)이 가장 낮은 경우의 Bitrate\\( (\\mathrm{kbps}) \\)의 수치가 몇인가?",
"E Class Johnny 영상에서 QP가 22일 때 제안한 방법을 쓸 경우 PSNR\\( (\\mathrm{dB}) \\)이 가장 낮게 나올 때의 수치가 몇인가?",
"KristenAndSara 영상에서 두 방식을 썼을 때 BD - rate (\\%)의 성능비교수치는 몇인가?",
"두 가지 방식을 실험해본 결과 \\( \\Delta \\) Time (\\%)의 평균 성능비교 수치가 몇인가?",
"E Class 영상 KristenAndSara에서 QP가 37일 때 НМ \\( 10.0 \\)방식을 쓰면 Bitrate\\( (\\mathrm{kbps}) \\)의 수치가 몇으로 나오는가?",
"Blowing Bubbles영상에서 QP가 22면 제안한 방법을 썼을 때 T\\( (\\mathrm{h}) \\)가 얼마로 나옵니까?",
"C Class 영상 BasketballDrill에서 QP가 37이면 Bitrate\\( (\\mathrm{kbps}) \\)의 수치가 НМ \\( 10.0 \\) 방식을 썼을 때 몇으로 나오는가?",
"Cactus 영상에서 Bitrate\\( (\\mathrm{kbps}) \\)가 가장 높을 경우의 수치가 어느정도인가?",
"실험에서 두 가지 방식을 썼을 때 BD - rate (\\%)의 평균 성능비교수치는 몇인가?",
"Traffic 영상과 PeopleOnStreet 영상은 어느 Class에 속해있는가?",
"E Class 영상 FourPeople에서 Qp가 27일 경우, 제안한 방법을 쓰면 T\\( (\\mathrm{h}) \\)의 수치가 몇으로 나오는가?",
"Traffic 영상에서 PSNR\\( (\\mathrm{dB}) \\)의 수치가 가장 높은 경우의 QP는 몇인가?",
"A Class 영상 Traffic에서 T\\( (\\mathrm{h}) \\)의 수치가 가장 낮은 경우의 QP의 수치가 몇인가요?",
"A Class에서 Traffic 영상을 성능비교 할 때, QP가 22면 \\( \\Delta \\) Time (\\%)의 성능비교수치가 몇인가?",
"PeopleOnStreet 영상에서 Bitrate\\( (\\mathrm{kbps}) \\)가 가장 높을 때, \\( \\Delta \\) Time (\\%)의 성능비교수치는 몇인가?",
"D Class 영상 BasketballPass에서 T\\( (\\mathrm{h}) \\)가 가장 낮은 경우의 \\( \\Delta \\) Time (\\%)의 성능비교수치가 몇인가요?",
"Blowing Bubbles 영상에서 Bitrate\\( (\\mathrm{kbps}) \\)가 가장 낮은 수치를 가질 때, \\( \\Delta \\) Time (\\%)의 성능비교수치는 몇입니까?",
"RaceHorses 영상에서 QP가 27일 때, \\( \\Delta \\) Time (\\%)의 성능비교수치는 몇인가?",
"BasketballDrill에서 Qp가 27이면 제안한 방법을 썼을 때, T\\( (\\mathrm{h}) \\)가 몇이 나오는가?",
"E Class 영상 Johnny에서 제안한 방법을 쓸 때, QP가 22면 T\\( (\\mathrm{h}) \\)가 몇으로 나오는가?",
"영상 FourPeople, Johnny, KristenAndSara가 어느 Class에 속해있는가?",
"E Class 영상 KristenAndSara가 QP가 37이면 \\( \\Delta \\) Time (\\%)의 성능비교수치가 몇인가?",
"KristenAndSara 영상에서 НМ \\( 10.0 \\)방식을 쓸 때, Bitrate\\( (\\mathrm{kbps}) \\)가 가장 낮은 경우, T\\( (\\mathrm{h}) \\)의 수치는 몇인가?",
"영상 BasketballDrill, BQMall, RaceHorses가 어느 Class에 속해있는가?",
"B Class 영상 Kimono에서 QP가 27이면 \\( \\Delta \\) Time (\\%)의 성능비교수치가 얼마인가?",
"영상 Kimono, ParkScene, Cactus, BasketballDrive가 어느 Class에 속해있습니까?",
"ParkScene 영상에서 T\\( (\\mathrm{h}) \\)가 가장 높은 경우의 QP는 몇인가?",
"BasketballDrive 영상에서 PSNR\\( (\\mathrm{dB}) \\)이 가장 낮은 경우의 QP가 몇인가?",
"A Class 영상 Traffic에서 성능을 비교하였을 때 BD - rate (\\%)의 수치는 어느정도인가?",
"Class A 영상 Traffic에서 성능을 비교할 때 QP가 22일 때의 \\( \\Delta \\) Time (\\%)) 성능비교수치가 어느 정도 되는가?",
"A Class 영상 Traffic에서 PSNR\\( (\\mathrm{dB}) \\)이 가장 낮은 경우의 QP가 몇인가?"
] |
bf751ae7-9e0f-4187-a466-4a0351f574e8
|
인공물ED
|
HEVC의 Transform Skip Mode를 위한 Rough Mode Decision 알고리즘
|
<h1>V. 실 험 결 과</h1><p>제안하는 고속 인트라 예측 방식의 검증을 위해서 HEVC 참조 소프트웨어인 HM 10.0을 사용하였다. 실험 환경 구성은 공동 실험 조건문서를 참조하였으며 자세한 내용은 표 1 에 나타내었다. 제안하는 방식의 성능 검증을 위하여 우리는 제안하는 방식의 전체 인코딩시간과 HM 10.0의 전체 인코딩 시간을 이용하였다. 두 인코딩 시간을 비교하여 제안하는 방식이 HM에 비해서 전체 인코딩 시간을 감소시키는 비율을 통해 성능을 나타내었다. 인코딩 시간 감소 비율( \( \Delta \) Time)은 식 (4)와 같은 방식으로 계산하였다.</p><p>\( \Delta \operatorname{Time}(\%)=\frac{\left(T_{\text {pro }}-T_{r e f}\right)}{T_{r e f}} \)<caption>(4)</caption></p><p>식 (4)에서 \( T_{p r o} \) 는 제안하는 방식의 인코딩 시간이며, \( T_{\text {ref }} \) 는 HM 10.0의 인코딩 시간이다. 다음으로 압축 성능을 나타내기 위해서는 Bjontegaard-Delta(BD) 측정법을 사용하였다. \( \mathrm{x} \% \) 의 BD-rate 값은 제안하는 방식이 기준 방식에 비해 \( \mathrm{x} \% \)의 전체 bit를 줄일 수 있다는 것을 의미하고 반대로 양수 값을 갖는 경우에는 전체 bit를 증가시켜 압축 효율이 떨어졌다는 것을 의미한다. HM 10.0과 비교한 제안하는 방식의 최종 성능은 표 2~5에 나타내었다. 먼저 표 2는 IV장 1절에서 설명 한 압축 성능 향상을 위한 새로운 비용 함수를 적용한 방식의 일반 영상에서의 인코딩 시간 감소 비율 및 압축 성능을 나타내며, 표 3은 이 방식의 스크린 콘텐츠에서의 성능을 나타낸다. 표 2를 보면 일반 영상에서 제안하는 방식을 통한 특별한 성능 변화가 없는 것을 알 수 있다. 이는 제안하는 방식이 적용되는 TSM 자체 가 일반 영상보다는 스크린 콘텐츠에서의 성능 향상을 위한 알고리즘이기 때문에 제안하는 방식이 적용되어도 일반 영상에서는 크게 성능 변화가 없게 된다. 제안하는 방식의 압축 성능은 표 3을 통해서 확인 할 수 있다. 표 3을 보면 제안하는 방식이 스크린 콘텐츠에서 인코딩 시간의 손실 없이 평균 \( 0.37 \% \)의 압축률을 향상시키는 것을 볼 수 있다. 즉, 두 표의 결과를 종합해 볼 때, 본 논문에서 제안하는 비용 함수가 적용될 경우 기존 HM 10.0에 비해서 모든 영상에 대해서 인코딩 시간의 손실이 없고, 스크린 콘텐츠에 대해서는 압축률을 향상 시킬 수 있다는 것을 확인할 수 있다.</p><table border><caption>표 2. 새로운 비용 함수를 적용한 방식의 인코딩 시 간및 압축 성능 (일반영상)</caption><tbody><tr><td rowspan ="2">Class</td><td rowspan ="2">영상</td><td rowspan = "2">QP</td><td colspan = "3">НМ \( 10.0 \)</td><td colspan = "3">제안한 방법 (new cost function)</td><td colspan = "2">성 능 비 교</td></tr><tr><td>Bitrate\( (\mathrm{kbps}) \)</td><td>PSNR\( (\mathrm{dB}) \)</td><td>T\( (\mathrm{h}) \)</td><td>Bitrate\( (\mathrm{kbps}) \)</td><td>PSNR\( (\mathrm{dB}) \)</td><td>T\( (\mathrm{h}) \)</td><td>BD - rate (\%)</td><td>\( \Delta \) Time (\%)</td><tr><td rowspan ="8">A</td><td rowspan ="4">Traffic</td><td>22</td><td>101878.91</td><td>43.35</td><td>1.31</td><td>101873.49</td><td>43.35</td><td>1.28</td><td rowspan ="4">0.00</td><td>-2.87</td></tr><tr><td>27</td><td>57384.08</td><td>40.16</td><td>1.13</td><td>57383.21</td><td>40.16</td><td>1.09</td><td>-3.93</td></tr><tr><td>32</td><td>32738.70</td><td>37.12</td><td>0.98</td><td>32743.25</td><td>37.12</td><td>0.97</td><td>-1.53</td></tr><tr><td>37</td><td>18511.60</td><td>34.10</td><td>0.89</td><td>18511.27</td><td>34.10</td><td>0.89</td><td>-0.48</td></tr><tr><td rowspan ="4">PeopleOnStreet</td><td>22</td><td>104706.18</td><td>43.26</td><td>1.34</td><td>104718.24</td><td>43.26</td><td>1.30</td><td rowspan =4">0.00</td><td>-2.61</td></tr><tr><td>27</td><td>60857.26</td><td>39.82</td><td>1.14</td><td>60855.69</td><td>39.82</td><td>1.11</td><td>-2.64</td></tr><tr><td>32</td><td>34789.47</td><td>36.70</td><td>1.01</td><td>34783.29</td><td>36.70</td><td>1.01</td><td>-0.04</td></tr><tr><td>37</td><td>20390.32</td><td>33.84</td><td>0.91</td><td>20390.02</td><td>33.84</td><td>0.90</td><td>-0.96</td></tr><tr><td rowspan ="16">B</td><td rowspan ="4">Kimono</td><td>22</td><td>22234.31</td><td>42.70</td><td>0.94</td><td>22231.30</td><td>42.70</td><td>0.92</td><td rowspan ="4">0.00</td><td>-2.06</td></tr><tr><td>27</td><td>12152.51</td><td>41.01</td><td>0.78</td><td>12152.87</td><td>41.01</td><td>0.76</td><td>-1.77</td><tr><td>32</td><td>6848.55</td><td>38.95</td><td>0.71</td><td>6847.95</td><td>38.95</td><td>0.73</td><td>1.76</td></tr><tr><td>37</td><td>3820.53</td><td>36.51</td><td>0.66</td><td>3820.74</td><td>36.51</td><td>0.66</td><td>-0.93</td></tr><tr><td rowspan ="4">ParkScene</td><td>22</td><td>52736.77</td><td>41.68</td><td>1.16</td><td>52734.71</td><td>41.68</td><td>1.13</td><td rowspan ="4">0.00</td><td>-2.54</td></tr><tr><td>27</td><td>28591.58</td><td>38.60</td><td>0.94</td><td>28591.26</td><td>38.60</td><td>0.92</td><td>-1.89</td></tr><tr><td>32</td><td>14837.37</td><td>35.61</td><td>0.80</td><td>14837.41</td><td>35.61</td><td>0.79</td><td>-1.88</td></tr><tr><td>37</td><td>7300.55</td><td>32.79</td><td>0.71</td><td>7301.31</td><td>32.79</td><td>0.70</td><td>-1.11</td></tr><tr><td rowspan ="4">Cactus</td><td>22</td><td>105363.61</td><td>40.57</td><td>2.49</td><td>105370.06</td><td>40.57</td><td>2.44</td><td rowspan ="4">-0.01</td><td>-2.13</td></tr><tr><td>27</td><td>48710.15</td><td>37.93</td><td>1.94</td><td>48709.64</td><td>37.93</td><td>1.90)</td><td>-1.65</td></tr><tr><td>32</td><td>26370.06</td><td>35.69</td><td>1.64</td><td>26366.48</td><td>35.69</td><td>1.62</td><td>-1.21</td></tr><tr><td>37</td><td>14279.52</td><td>33.26</td><td>1.49</td><td>14280.57</td><td>33.26</td><td>1.47</td><td>-1.30</td><tr><td rowspan ="4">BasketballDrive</td><td>22</td><td>71114.19</td><td>41.25</td><td>2.25</td><td>71109.34</td><td>41.25</td><td>2.21</td><td rowspan ="4">0.00</td><td>-1.87</td></tr><tr><td>27</td><td>29165.12</td><td>38.71</td><td>1.77</td><td>29171.17</td><td>38.71</td><td>1.76</td><td>-0.60</td></tr><tr><td>32</td><td>15230.44</td><td>36.95</td><td>1.53</td><td>15231.15</td><td>36.95</td><td>1.51</td><td>-1.36</td></tr><tr><td>37</td><td>8495.71</td><td>34.98</td><td>1.42</td><td>8496.84</td><td>34.98</td><td>1.40</td><td>-1.49</td></tr><tr><td rowspan = "12">C</td><td rowspan = "4">BasketballDrill</td><td>22</td><td>20808.93</td><td>41.76</td><td>0.48</td><td>20815.04</td><td>41.77</td><td>0.47</td><td rowspan = "4">0.02</td><td>-2.66</td></tr><tr><td>27</td><td>11313.41</td><td>38.37</td><td>0.39</td><td>11315.16</td><td>38.37</td><td>0.39</td><td>-1.32</td></tr><tr><td>32</td><td>6075.09</td><td>35.41</td><td>0.34</td><td>6079.22</td><td>35.41</td><td>0.33</td><td>-1.46</td></tr><tr><td>37</td><td>3355.56</td><td>32.77</td><td>0.30</td><td>3355.98</td><td>32.77</td><td>0.30</td><td>-1.20</td></tr><tr><td rowspan = "4">BQMall</td><td>22</td><td>23373.95</td><td>41.92</td><td>0.55</td><td>23374.89</td><td>41.92</td><td>0.54</td><td rowspan = "4">0.00</td><td>-2.63</td></tr><tr><td>27</td><td>13971.94</td><td>39.02</td><td>0.46</td><td>13973.63</td><td>39.02</td><td>0.45</td><td>-2.22</td><tr><td>32</td><td>8219.58</td><td>35.97</td><td>0.41</td><td>8221.78</td><td>35.97</td><td>0.40</td><td>-1.23</td></tr><tr><td>37</td><td>4694.47</td><td>32.89</td><td>0.37</td><td>4695.40</td><td>32.89</td><td>0.63</td><td>-3.87</td></tr><tr><td rowspan = "4">RaceHorses</td><td>22</td><td>14999.12</td><td>42.29</td><td>0.29</td><td>14999.76</td><td>42.29</td><td>0.28</td><td rowspan = "4">0.00</td><td>-2.90</td></tr><tr><td>27</td><td>9002.19</td><td>38.91</td><td>0.24</td><td>9003.64</td><td>38.91</td><td>0.24</td><td>-1.81</td></tr><tr><td>32</td><td>5109.92</td><td>35.49</td><td>0.21</td><td>5108.94</td><td>35.49</td><td>0.21</td><td>-0.77</td></tr><tr><td>37</td><td>2575.49</td><td>32.12</td><td>0.19</td><td>2575.68</td><td>32.12</td><td>0.18</td><td>-1.09</td></tr><tr><td rowspan = "12">D</td><td rowspan = "4">BasketballPass</td><td>22</td><td>5321.44</td><td>42.95</td><td>0.11</td><td>5321.89</td><td>42.95</td><td>0.11</td><td rowspan = "4">-0.02</td><td>-2.66</td></tr><tr><td>27</td><td>3168.20</td><td>39.39</td><td>0.10</td><td>3167.04</td><td>39.38</td><td>0.09</td><td>-1.63</td></tr><tr><td>32</td><td>1816.59</td><td>35.98</td><td>0.08</td><td>1816.80</td><td>35.99</td><td>0.08</td><td>-1.58</td></tr><tr><td>37</td><td>1012.37</td><td>32.82</td><td>0.07</td><td>1012.69</td><td>32.82</td><td>0.07</td><td>-0.60</td><tr><td rowspan = "4">Blowing Bubbles</td><td>22</td><td>11455.40</td><td>41.03</td><td>0.15</td><td>11456.30</td><td>41.03</td><td>0.14</td><td rowspan = "4">-0.02</td><td>3.07</td></tr><tr><td>27</td><td>7073.62</td><td>36.72</td><td>0.13</td><td>7071.74</td><td>36.72</td><td>0.12</td><td>-4.22</td></tr><tr><td>32</td><td>4023.30</td><td>32.74</td><td>0.11</td><td>4023.69</td><td>32.74</td><td>0.10</td><td>-2.71</td></tr><tr><td>37</td><td>2073.17</td><td>29.21</td><td>0.09</td><td>2073.36</td><td>29.21</td><td>0.09</td><td>-1.35</td></tr><tr><td rowspan = "4">RaceHorses</td><td>22</td><td>4459.94</td><td>42.42</td><td>0.07</td><td>4460.44</td><td>42.42</td><td>0.07</td><td rowspan = "4">0.00</td><td>-2.61</td></tr><tr><td>27</td><td>2684.48</td><td>38.41</td><td>0.06</td><td>2684.04</td><td>38.41</td><td>0.06</td><td>-2.02</td></tr><tr><td>32</td><td>1475.23</td><td>34.58</td><td>0.05</td><td>1474.93</td><td>34.58</td><td>0.05</td><td>-0.93</td></tr><tr><td>37</td><td>744.35</td><td>31.29</td><td>0.05</td><td>744.29</td><td>31.28</td><td>0.05</td><td>-0.81</td></tr><tr><td rowspan = "12">E</td><td rowspan = "4">FourPeople</td><td>22</td><td>30227.07</td><td>43.80</td><td>1.05</td><td>30228.98</td><td>43.80</td><td>1.03</td><td rowspan = "4">0.00</td><td>-1.68</td></tr><tr><td>27</td><td>18538.75</td><td>41.23</td><td>0.92</td><td>18538.05</td><td>41.23</td><td>0.91</td><td>-1.40</td></tr><tr><td>32</td><td>11401.79</td><td>38.36</td><td>0.84</td><td>11401.54</td><td>38.36</td><td>0.83</td><td>-0.88</td></tr><tr><td>37</td><td>6930.59</td><td>35.27</td><td>0.78</td><td>6930.63</td><td>35.27</td><td>0.78</td><td>-0.59</td></tr><tr><td rowspan = "4">Johnny</td><td>22</td><td>20142.91</td><td>44.05</td><td>0.97</td><td>20143.44</td><td>44.05</td><td>0.95</td><td rowspan = "4">0.00</td><td>-2.65</td></tr><tr><td>27</td><td>11233.27</td><td>41.84</td><td>0.84</td><td>11233.77</td><td>41.84</td><td>0.84</td><td>-0.37</td></tr><tr><td>32</td><td>6423.21</td><td>39.50</td><td>0.78</td><td>6423.34</td><td>39.50</td><td>0.77</td><td>-0.90</td></tr><tr><td>37</td><td>3708.88</td><td>36.90</td><td>0.73</td><td>3708.33</td><td>36.90</td><td>0.73</td><td>-0.39</td></tr><tr><td rowspan = "4">KristenAndSara</td><td>22</td><td>22193.82</td><td>44.42</td><td>0.97</td><td>22191.30</td><td>44.42</td><td>0.95</td><td rowspan = "4">0.00</td><td>-1.71</td></tr><tr><td>27</td><td>13262.08</td><td>42.10</td><td>0.85</td><td>13261.38</td><td>42.10</td><td>0.85</td><td>-0.95</td><tr><td>32</td><td>8032.71</td><td>39.46</td><td>0.79</td><td>8033.08</td><td>39.46</td><td>0.79</td><td>-0.49</td></tr><tr><td>37</td><td>4860.67</td><td>36.57</td><td>0.75</td><td>4860.45</td><td>36.57</td><td>0.75</td><td>-0.38</td></tr><tr><td colspan = "9">평 균</td><td>0.00</td><td>-1.60</td></tr></tbody></table>
|
[
"표 2. 새로운 비용 함수를 적용한 방식의 인코딩 시 간및 압축 성능 (일반영상)에서 Bitrate의 값이 101878.91이 있는 영상 이름은 뭐야?",
"표 2. 새로운 비용 함수를 적용한 방식의 인코딩 시 간및 압축 성능 (일반영상)에서 Bitrate의 값이 104706.18이 나오는 영상 이름은 뭐야?"
] |
fc17082c-b774-4f0b-8e2f-4f936e23eb22
|
인공물ED
|
버퍼 삽입을 이용한 Delay와 Noise 특성 개선을 위한 연구
|
<h1>Ⅲ. 실 험 결 과</h1> <p>버퍼의 효과를 실험하기 위히여 \( 0.18 \mathrm{um} \)공정을 이용하였다.</p> <p>신호선의 지연시간 모델은 \( \mathrm{RC} \Pi \) 모델을 사용하였다. 버퍼에 대한 트랜지스터 파라미터 값은 [13]에서 제공하는 값을 사용하였다. 실험은 SUN Sparc Ultra 80 워크스테이션에서 star-Hspice를 사용하여 수행하였다.</p> <p>표 4에서는 버퍼 삽입으로 노이즈 감소를 나타낸다. 본 실험에서 정한 허용범위는 최소 크기 인버터의 입력과 출력 전압 비의 곡선에서의 기울기가 \( -1 \)인 지점인 \( 0.18 \mathrm{v} \)로 잡았다. 표 4를 보면, crosstalk 노이즈는 버퍼 삽입으로 충분히 줄어드는 것을 볼 수 있다. 예를 들어, 신호선의 길이가 \( 3000 \mathrm{um} \)의 노이즈는 \( 0.336 \mathrm{~V} \)에서 buffer 삽입 후 \( 0.065 \mathrm{~V} \)로 줄어 \( 80.6 \% \)의 노이즈 개선을 할 수 있었다.</p> <p>표 5는 예제 회로에서 critical nets에 버퍼들을 삽입하면 지연시간이 감소됨을 보여준다. 실험에서 사용된 예제는 11개의 module과 83개의 nets를 갖는 예제이다. 이를 4-1장의 알고리즘에 적용하여 버퍼를 삽입했을 때, 예제 회로에 188개의 버퍼를 삽입하였을 때 최 대지연시간이 \( 1090 \mathrm{ps} \)에서 \( 640 \mathrm{ps} \)까지 줄어들었다.</p> <p>표 6은 회로의 최대지연시간의 허용 범위를 주었을 때 버퍼 수를 비교 한 것이다. 예를 들어, 허용된 최대 지연시간이 \( 700 \mathrm{ps} \)이면 49개의 버퍼가 필요하게 된다.</p> <p>표 7은 multiple fan out net에 버퍼 삽입 결과를 보인다. 이 실험은 critical path의 허용된 최대지연시간을 \( 600 \mathrm{ps} \)로 정하고 수행한 결과이다. CA의 경우, 원래의 critical path의 지연시간은 \( 1099 \mathrm{ps} \)이고, 7개의 fan-out(sink)중 5개의 sink가 허용 범위를 넘는 예제이다. 이 예제C4에서는 critical path delay를 허용 지연시간 내에 들어오도록 하기 위해서는 4개의 버퍼가 필요하였다.</p> <table border><caption>표 5. 버퍼 삽입 으로 인한 crosstalk 노이즈 감소</caption> <tbody><tr><td rowspan=2>Length (\(\mathrm{um} \))</td><td colspan=4>Voltage(\(\mathrm{v} \))</td></tr><tr><td>0 buffer</td><td>1 buffer</td><td>2 buffers</td><td>3 buffers</td></tr><tr><td>700</td><td>0.192</td><td>0.087</td><td></td><td></td></tr><tr><td>1000</td><td>0.224</td><td>0.098</td><td></td><td></td></tr><tr><td>1200</td><td>0.242</td><td>0.1</td><td></td><td></td></tr><tr><td>1500</td><td>0.265</td><td>0.11</td><td></td><td></td></tr><tr><td>2000</td><td>0.295</td><td>0.124</td><td>0.07</td><td></td></tr><tr><td>2500</td><td>0.317</td><td>0.113</td><td>0.082</td><td></td></tr><tr><td>3000</td><td>0.336</td><td>0.14</td><td>0.086</td><td>0.065</td></tr></tbody></table> <table border><caption>표 7. 버퍼 삽입 결과</caption> <tbody><tr><td></td><td>원래의 critical path delay(ps)</td><td>Sink 수</td><td>허용 지연시간을 넘은 sink 수</td><td>삽입 된 버퍼 수</td><td>버퍼 삽입 후 지연시간(ps)</td></tr><tr><td>C1</td><td>668</td><td>7</td><td>2</td><td>1</td><td>543</td></tr><tr><td>C2</td><td>908</td><td>7</td><td>3</td><td>2</td><td>536</td></tr><tr><td>C3</td><td>890</td><td>9</td><td>5</td><td>4</td><td>586</td></tr><tr><td>C4</td><td>1099</td><td>7</td><td>5</td><td>4</td><td>596</td></tr></tbody></table>
|
[
"표 5. 버퍼 삽입 으로 인한 crosstalk 노이즈 감소에서 2000의 2 buffers는 얼마로 나오는가?",
"표 7. 버퍼 삽입 결과를 볼 때 Sink 수에서 C2는 얼마를 가지는가?",
"본 논문은 실험을 어떻게 시행했는가?",
"지연시간을 줄이기 위해서는 어떻게 하면 되는가?",
"표 5. 버퍼 삽입 으로 인한 crosstalk 노이즈 감소에서 700의 0 buffer는 몇인가?",
"0 buffer를 700\\(\\mathrm{um} \\)만큼 삽입했을때의 전압은 얼마인가?",
"표 5. 버퍼 삽입 으로 인한 crosstalk 노이즈 감소에서 1 buffer 중 1000은 얼마로 나오는가?",
"표 5. 버퍼 삽입 으로 인한 crosstalk 노이즈 감소에서 0 buffer는 어느 길이에서 가장 값이 큰가?",
"표 5. 버퍼 삽입 으로 인한 crosstalk 노이즈 감소에서 0 buffer가 제일 작게 나오는 것은 어떤 길이에서인가?",
"표 5. 버퍼 삽입 으로 인한 crosstalk 노이즈 감소에서 1 buffer에서 어느 길이가 두 번째로 제일 값이 높은가?",
"표 7. 버퍼 삽입 결과에서 C1은 원래의 critical path delay에서 몇으로 나오는가?",
"표 7. 버퍼 삽입 결과를 볼 때, C3의 허용 지연시간을 넘은 sink 수는 얼마라고 나와있는가?",
"표 7. 버퍼 삽입 결과에서 C4는 버퍼 삽입 후 지연시간이 얼마나 걸리는가?",
"표 7. 버퍼 삽입 결과를 살펴보면, 삽입 된 버퍼 수가 1인 것은 어떤 것인가?",
"표 7. 버퍼 삽입 결과에서 버퍼 삽입 후 지연시간이 가장 짧은 것은 무엇인가?",
"표 7. 버퍼 삽입 결과에서 버퍼 삽입 후 지연시간이 제일 긴 것은 어느 것인가?",
"버퍼의 효과를 확인하기 위해 이용한 것은 무엇인가?",
"표 5. 버퍼 삽입 으로 인한 crosstalk 노이즈 감소에서 3 buffers를 살펴볼 때, 길이가 3000인 경우 값이 얼마인가?"
] |
f014c32c-c0ef-40be-a526-fb6151868af3
|
인공물ED
|
플라잉 커패시터 멀티-레벨 인버터의 커패시터 전압 균형을 위한 캐리어 비교방식의 펄스폭변조기법
|
<h1>3. 시뮬레이션 결과 및 특성 고찰</h1> <p>제안된 방법의 타당성을 검증하기 위해 R-L 부하를 갖는 3상 5-레벨 플라잉 커패시터 인버터를 모델링하고 제안한 알고리즘을 5-레벨로 확장하여 시뮬레이션을 수행하였다. 시뮬레이션 조건은 다음 표 2와 같다. 여기서 가장 안쪽의 플라잉 커패시터가 \( C_{1} \)이고 이를 기준으로 순서대로 \( C_{2} \), \( C_{3} \)가 되며 \( C \)는 DC-링크 커패시터이다.</p> <table border><caption>표 2 시뮬레이션 조건</caption> <tbody><tr><td>\( \mathrm{V}_{\mathrm{dc}} \)</td><td>\( 800 \mathrm{V} \)</td></tr><tr><td>\( T_{s} \)</td><td>\( 125 \mathrm{s} \)</td></tr><tr><td>Modulation index</td><td>0.9</td></tr><tr><td>Output frequency</td><td>\( 50 \mathrm{Hz} \)</td></tr><tr><td>DC-Link capacitance\( (C) \)</td><td>\( 1000 \mathrm{F} \)</td></tr><tr><td>Flying Cap. capacitance\( (C_{1}) \)</td><td>\( 250 \mathrm{F} \)</td></tr><tr><td>Flying Cap. capacitance\( (C_{2}) \)</td><td>\( 500 \mathrm{F} \)</td></tr><tr><td>Flying Cap. capacitance\( (C_{3}) \)</td><td>\( 750 \mathrm{F} \)</td></tr><tr><td>Load resistance</td><td>10</td></tr><tr><td>Load inductance</td><td>\( 10 \mathrm{mH} \)</td></tr></tbody></table> <p>그림 7은 5-레벨 플라잉 커패시터 인버터의 simulink diagram을 나타내며 그림 8은 출력선간전압, 그림 9는 부하전류, 그림 10은 각 상 커패시터 전압파형을 나타낸다.</p> <p>그림 8에서 제안된 PWM방식과 리던던시를 고려하지 않은 PWM방식은 선간전압파형으로부터 인접한 벡터들을 사용하는 것을 알 수 있으나 리던던시를 고려하지 않을 경우 플라잉 커패시터들의 충전과 방전시간을 같게 만들 수 없으므로 이들 커패시터에 전압변동이 발생하여 선간전압의 레벨이 일정치 않음을 보여주고 있다. Phase-shift PWM방식은 인접하지 않은 전압 벡터들로 인하여 선간전압에 다른 레벨의 전압이 출력되고 있음을 알 수 있다.</p> <p>그림 9는 출력전류파형으로 Phase-shift PWM방식이 제안된 PWM방법보다 전류리플이 작게 나타나고 있는데 그 이유는 샘플링 주기인 \( T_{s} \)를 \( 125 ~\mu \mathrm{sec} \)로 동일하게 사용하였기 때문에 Phase-shift PWM방식은 \( 4 \mathrm{kHz} \)의 개별 스위칭주파수를 갖는 반면 제안된 PWM방법은 \( 1 \mathrm{kHz} \)의 스위칭주파수를 갖기 때문이다.</p> <p>리던던시를 고려하지 않은 PWM방식은 커패시터 전압변동으로 인해 일정하지 않은 전류가 흐르게 된다. 그림 10은 각 상의 플라잉 커패시터 전압을 나타낸 파형으로 Phase-shift PWM방식이 전압변동량이 가장 안정적으로 제어되고 있음을 보여주고 있으며 제안된 방법도 안정적으로 커패시터 전압들이 제어되고 있음을 나타내고 있다. 두 방법에서 커패시터 전압리플의 차이 역시 개별 스위칭주파수의 차이에서 비롯된다. 그러나 두 방법의 커패시터 전압변동량의 차이는 4배의 스위칭주파수의 차이를 고려할 때 미소하다고 할 수 있다.</p> <p>반면 리던던시를 고려하지 않은 PWM방식은 부하 역률과 변조지수에 따라 커패시터 전압이 크게 변동하고 있음을 보여주고 있다. 그림에서 5개 전압들(DC-링크 전압( \( 800 \mathrm{V} \))과 영전압 그리고 세 개의 플라잉 커패시터 전압들)의 차이가 개별 소자들이 브로킹 해야 하는 전압이 되며 맨 위와 아래의 전압차가 초기 \( 200 \mathrm{V} \)의 정상값에서 점차 증가하다가 소자의 브레이크 다운 전압을 넘게 되면 소자의 파괴에 이를 수 있는 것을 알 수 있다.</p>
|
[
"캐패시턴스 파라미터 중에 값이 가장 큰 것은 무엇이니?",
"Flying Cap. capacitance\\( (C_{2}) \\)는 어떤 값을 가지는가?",
"\\( 10 \\mathrm{mH} \\)는 어떤 파라미터가 가지는 값인가?",
"제안된 방법의 효능 검증을 위해서 어떻게 시뮬레이션을 하였지?",
"가장 적은 캐패시턴스 값은 얼마지?",
"가장 적은 수치를 가지고 있는 파라미터는 무엇일까?",
"직류 전압의 크기는 얼마야?",
"샘플링 주기 \\( T_{s} \\)는 어떤 값을 가지나?",
"\\( 50 \\mathrm{Hz} \\) 값을 가지는 파라미터는 어떤거야?",
"얼마의 변조지수 값을 가지는가?",
"부하저항의 값은 얼마일까?"
] |
6276930c-4101-4121-a2f5-d9a156fc1d13
|
인공물ED
|
GPU를 이용한 반복적 물리 광학법의 가속화에 대한 연구
|
<h1>III. 시뮬레이션 결과</h1> <h2>3-1 시뮬레이션 조건</h2> <p>본 논문에 사용된 컴퓨터의 CPU는 Intel(R) Core(TM) [email protected] GHz, RAM은 DDR3640016.0 GB, GPU는 GeForce GTX 770의 사양을 가진다.</p> <p>기법 간의 적용 효과를 확인하기 위하여 IPO만 단독으로 동작하였을 경우와 GPU가 적용된 경우, 그리고 GPU와 AIPO-CR이 동시에 적용되었을 경우를 가정한다. 분석 대상의 모델은 그림 3과 같으며 각각 \( \theta \) 와 \( \phi \) 편파로 분석을 시행한다. 그림 3과 같이 공동구조 입구에 수직한 방향에서 50도가 될 때까지 입사파방향 \( \hat{k} \) 벡터를 1도씩 변화시켜 전자기 산란을 IPO로 해석한다.</p> <p>AIPO-CR이 적용되지 않을 경우, 수렴횟수를 사용자가 결정하기 때문에 수렴지점으로 판단되는 수준은 FEKO의 결과와 대조하여 결정하였으며, 짧은 모델의 경우 수렴횟수를 5회, 긴 모델의 경우 10회로 결정하였다.</p> <p>3-2에서는 기법 간의 결과를 FEKO와 대조하여 정확도를 확인한 후 가속화 효과를 정량화 하여 비교하며, 또한 AIPO-CR 의 사용으로 인한 글로벌 메모리 사용량 감소를 확인한다.</p> <table border><caption>표 \(2\). IPO에 적용된 기법들의 차이에 따른 결과의 RMSE (단위: \( \mathrm{dB} \) )</caption> <tbody><tr><td></td><td colspan=2>Short cylindrical</td><td colspan=2>Short rectangular</td><td colspan=2>Long cylindrical</td><td colspan=2>Long rectangular</td></tr><tr><td></td><td>\( \theta \)-pol.</td><td>\( \phi \)-pol.</td><td>\( \theta \)-pol.</td><td>\( \phi \)-pol.</td><td>\( \theta \)-pol.</td><td>\( \phi \)-pol.</td><td>\( \theta \)-pol.</td><td>\( \phi \)-pol.</td></tr><tr><td>IPO</td><td>\(2.32\)</td><td>\(2.58\)</td><td>\(2.36\)</td><td>\(2.27\)</td><td>\(2.64\)</td><td>\(3.37\)</td><td>\(1.96\)</td><td>\(3.36\)</td></tr><tr><td>IPO+GPU</td><td>\(2.32\)</td><td>\(2.58\)</td><td>\(2.36\)</td><td>\(2.27\)</td><td>\(2.64\)</td><td>\(3.37\)</td><td>\(1.96\)</td><td>\(3.36\)</td></tr><tr><td>IPO+GPU+AIPO-CR</td><td>\(2.19\)</td><td>\(2.84\)</td><td>\(3.02\)</td><td>\(2.30\)</td><td>\(2.86\)</td><td>\(4.17\)</td><td>\(2.43\)</td><td>\(3.63\)</td></tr></tbody></table> <h2>3-2 기법에 따른 시뮬레이션 결과 비교</h2> <p>표 2는 기법 간의 결과들과 대조군으로 사용된 FEKO의 결과를 비교하여 RMSE(Root Mean Square Error)를 구한 것이다. RMSE는 기준값 대비 추정값이 가지는 차이에 대한 측도이며 \( \sqrt{\sum_{n=1}^{N}\left(x_{n}-x_{n}^{\prime}\right)^{2} /N} \)을 통해 구한 것이다. 여기서 \(x\)는 각 기법으로 계산한 추정값, \( x^{\prime} \) 은 FEKO로 계산한 기준값 그리고 N 은 계산각도의 수를 나타낸다. 평균 RMSE는 \( 2.77 \mathrm{~dB} \)이며, 정규화된 RMSE는 약 10\( \% \) 내외가 되는 것을 확인할 수 있다. AIPO-CR 적용 유무에 따른 RMSE의 차이는 \( 0.35 \mathrm{~dB} \) 내외로 수렴 정도가 유사함을 나타내며, 이는 또한, 그림 4에서 각 기법 간의 결과 그래프로 학인할 수 있다. 다만 이 경우 RMSE가 다소 증가하는 방향으로 나타나는 것을 확인할 수 있는데, 비교대상이 MOM을 사용한 FEKO 결과이기 때문에 IPO와 수렴결과가 부분적으로 차이가 날 수밖에 없는 것을 고려한다면 AIPO-CR에 의한 결과는 앞선 \( 0.35 \mathrm{~dB} \)의 수치를 고려할 때 충분히 수렴하여 정확도가 유지되는 것으로 판단된다. GPU 의 사용 유무는 기존 IPO 알고리즘을 단순히 병렬화 시키는 것이기 때문에, 결과의 정확도에 차이를 주지 않는 것을 표 2과 그림 4를 통해 확인할 수 있다.</p> <p>표 3에 따르면 GPU가 적용되었을 때 짧은 모델의 경우, 평균 약 200 배, 긴 모델의 경우 평균 약 800배 빨라지는 것을 확인하였으며, 이는 IPO 에 GPU가 개입하는 시간이</p>
|
[
"본 논문에서는 기법들 간의 적용 효과를 확인하기 위해서 어떻게 가정을 하나요?",
"IPO에 GPU와 AIPO-CR이 동시에 적용되어 동작하고 Long cylindrical 구조 입구를 통해 \\( \\phi \\) 편파로 분석을 하면 어떤 RMSE 값이 나오나요?",
"IPO만 단독으로 동작하고 Short cylindrical 구조 입구를 통해 \\( \\theta \\)편파로 분석을 하면 RMSE 값은 무엇이 나오나요?",
"IPO에 GPU와 AIPO-CR이 동시에 적용되어 동작하고 Short cylindrical 구조 입구를 통해 \\( \\phi \\) 편파로 분석을 하면 어떤 RMSE 값이 나오나요?",
"IPO에 GPU가 적용되어 동작하고 Short rectangular 구조 입구를 통해 \\( \\theta \\)편파로 분석을 하면 RMSE 값은 무엇이 나오나요?",
"IPO만 단독으로 동작하고 Long rectangular 구조 입구를 통해 \\( \\theta \\)편파로 분석을 하면 RMSE 값은 무엇이 나오나요?",
"IPO만 단독으로 동작하고 Long cylindrical 구조 입구를 통해 \\( \\theta \\)편파로 분석을 하면 RMSE 값은 무엇이 나오나요?",
"IPO에 GPU가 적용되어 동작하고 Long cylindrical 구조 입구를 통해 \\( \\theta \\)편파로 분석을 하면 RMSE 값은 무엇이 나오나요?",
"IPO에 GPU와 AIPO-CR이 동시에 적용되어 동작하고 Short rectangular 구조 입구를 통해 \\( \\theta \\)편파로 분석을 하면 RMSE 값은 무엇이 나오나요?",
"AIPO-CR이 적용되지 않으면 수렴지점으로 판단되는 수준은 어떻게 결정하나요?",
"IPO에 GPU와 AIPO-CR이 동시에 적용되어 동작하고 Short rectangular 구조 입구를 통해 \\( \\phi \\) 편파로 분석을 하면 어떤 RMSE 값이 나오나요?",
"IPO만 단독으로 동작하고 Short rectangular 구조 입구를 통해 \\( \\theta \\)편파로 분석을 하면 RMSE 값은 무엇이 나오나요?",
"IPO에 GPU가 적용되어 동작하고 Short cylindrical 구조 입구를 통해 \\( \\theta \\)편파로 분석을 하면 RMSE 값은 무엇이 나오나요?",
"IPO만 단독으로 동작하고 Short rectangular 구조 입구를 통해 \\( \\phi \\) 편파로 분석을 하면 어떤 RMSE 값이 나오나요?",
"IPO에 GPU가 적용되어 동작하고 Long rectangular 구조 입구를 통해 \\( \\theta \\)편파로 분석을 하면 RMSE 값은 무엇이 나오나요?",
"IPO에 GPU와 AIPO-CR이 동시에 적용되어 동작하고 Long rectangular 구조 입구를 통해 \\( \\phi \\) 편파로 분석을 하면 어떤 RMSE 값이 나오나요?",
"IPO만 단독으로 동작하고 Short cylindrical 구조 입구를 통해 \\( \\phi \\) 편파로 분석을 하면 어떤 RMSE 값이 나오나요?",
"IPO에 GPU가 적용되어 동작하고 Short rectangular 구조 입구를 통해 \\( \\phi \\) 편파로 분석을 하면 어떤 RMSE 값이 나와?",
"IPO에 GPU가 적용되어 동작하고 Long rectangular 구조 입구를 통해 \\( \\phi \\) 편파로 분석을 하면 어떤 RMSE 값이 나와?",
"IPO에 GPU가 적용되어 동작하고 Short cylindrical 구조 입구를 통해 \\( \\phi \\) 편파로 분석을 하면 어떤 RMSE 값이 나와?",
"IPO만 단독으로 동작하고 Long rectangular 구조 입구를 통해 \\( \\phi \\) 편파로 분석을 하면 어떤 RMSE 값이 나와?",
"IPO에 GPU와 AIPO-CR이 동시에 적용되어 동작하고 Long rectangular 구조 입구를 통해 \\( \\theta \\)편파로 분석을 하면 어떤 RMSE 값이 나오나요?",
"IPO에 GPU와 AIPO-CR이 동시에 적용되어 동작하고 Long cylindrical 구조 입구를 통해 \\( \\theta \\)편파로 분석을 하면 RMSE 값은 무엇이 나오나요?",
"IPO만 단독으로 동작하고 Long cylindrical 구조 입구를 통해 \\( \\phi \\) 편파로 분석을 하면 어떤 RMSE 값이 나오나요?",
"IPO에 GPU가 적용되어 동작하고 Long cylindrical 구조 입구를 통해 \\( \\phi \\) 편파로 분석을 하면 어떤 RMSE 값이 나와?",
"IPO에 GPU와 AIPO-CR이 동시에 적용되어 동작하고 Short cylindrical 구조 입구를 통해 \\( \\theta \\)편파로 분석을 하면 RMSE 값은 무엇이 나오나요?"
] |
6f024ac5-db0b-4eac-822f-d34b2e1deb9a
|
인공물ED
|
GPU를 이용한 반복적 물리 광학법의 가속화에 대한 연구
|
<p>gular의 \( \phi \)-pol.에서 시간이 증가하는 것을 확인할 수 있는데, 이는 모델별, 상황별로 다를 수밖에 없는 반복횟수의 차이를 임의로 결정하기 어려움을 반증해 주는 것으로 그림 4의 (d)에서 AIPO-CR 을 통하여 구한 반복횟수가 짧은 모델에 기본적으로 정한 5회의 반복횟수를 상회하는 것으로 확인할 수 있다.</p> <p>표 4에서는 AIPO-CR이 적용된 경우, 전류량의 차이를 사용해 반복횟수를 정하는 경우를 가정한 알고리즘에 비해 사용된 글로벌 메모리의 사용량이 약 \( 50 \% \) 로 감소한 것을 확인할 수 있다.</p> <table border><caption>표 \(3\). IPO에 적용된 기법들의 차이에 따른 계산 성능(단위: 초)</caption> <tbody><tr><td rowspan=2></td><td colspan=2>Short cylindrical</td><td colspan=2>Short rectangular</td><td colspan=2>Long cylindrical</td><td colspan=2>Long rectangular</td></tr><tr><td>\( \theta \)-pol.</td><td>\( \phi \)-pol.</td><td>\( \theta \)-pol.</td><td>\( \phi \)-pol.</td><td>\( \theta \)-pol.</td><td>\( \phi \)-pol.</td><td>\( \theta \)-pol.</td><td>\( \phi \)-pol.</td></tr><tr><td>IPO</td><td>\(107.58\)</td><td>\(127.56\)</td><td>\(472.66\)</td><td>\(472.89\)</td><td>\(2,478.79\)</td><td>\(2,480.10\)</td><td>\(4,366.81\)</td><td>\(4,369.82\)</td></tr><tr><td>IPO+GPU</td><td>\(0.86\)</td><td>\(0.83\)</td><td>\(1.54\)</td><td>\(1.50\)</td><td>\(4.25\)</td><td>\(4.23\)</td><td>\(5.75\)</td><td>\(5.77\)</td></tr><tr><td>IPO+ GPU+AIPO-CR</td><td>\(0.72\)</td><td>\(0.81\)</td><td>\(1.28\)</td><td>\(1.56\)</td><td>\(2.58\)</td><td>\(2.82\)</td><td>\(3.47\)</td><td>\(3.09\)</td></tr></tbody></table> <caption>표 \(4\). 글로벌 메모리 사용량(단위: kByte)</caption> <tbody><tr><td></td><td>Diferene of current</td><td>AIPO-CR</td></tr><tr><td>Short cylindrical</td><td>\(41.0\)</td><td>\(20.4\)</td></tr><tr><td>Short rectangular</td><td>\(80.8\)</td><td>\(40.4\)</td></tr><tr><td>Long cylindrical</td><td>\(125.2\)</td><td>\(62.6\)</td></tr><tr><td>Long rectangular</td><td>\(165.1\)</td><td>\(82.6\)</td></tr></tbody></table> <h1>IV. 결 론</h1> <p>본 논문에서는 기존에 사용되던 IPO의 연산속도가 실질적으로 사용하기에는 느리다는 단점을 보완하기 위해 GPU 와 AIPO-CR의 기법을 적용하였다. CPU의 적용을 통해 반복적으로 계산되는 부분을 병렬화 하고, AIPO-CR을 적용하여 전파의 입사 각도별 상이한 반복횟수를 수렴지점에 최적화 시켜 불필요한 계산을 막아 연산속도를 모델에 따라 약 200배에서 800배 가량 개선하였다. 또한, GPU가 활용된 IPO상에서 AIPO-CR 을 통하여 글로벌 메모리의 사용량을 줄이는 것과 동시에 충분한 연산속도의 개선과 정확도가 유지되는 것을 확인하였다.</p>
|
[
"기존에 있던 IPO의 단점을 보완하기 위해 어떤 방법을 사용하였나요?",
"GPU를 사용한 IPO에서의 AIPO-CR을 통하여 어떻게 결과를 도출하였나요?",
"IPO를 적용한 Short cylindrical의 \\( \\theta \\)-pol.값은 얼마인가요?",
"IPO+ GPU+AIPO-CR가 적용된 성능이 2.58인 것은 뭐야?",
"AIPO-CR 기법을 적용해서 연산속도를 어떻게 개선했나요?",
"Short rectangular의 \\( \\theta \\)-pol.값이 1.54가 나오려면 어떤 기법을 적용해야해?",
"가장 큰 \\( \\phi \\)-pol.값은 얼마인가요?",
"IPO+GPU를 적용한 Long rectangular의 \\( \\phi \\)-pol.값은 얼마야?"
] |
5bea1bf9-c954-498d-8e67-c6cb5cc056d3
|
인공물ED
|
이산 웨이블릿 변환과 신경회로망을 이용한 FRTU의 고장판단 능력 개선에 관한 연구
|
<h1>6. 시뮬레이션 결과</h1> <p>본 논문에서 고장 및 돌입전류파형의 대표성을 가진 파형들의 패턴을 선정하고, 선정된 대표적인 파형 패턴에 대해 이산 웨이블릿 변환을 하여 그 결과를 신경회로망의 학습에 적용하였다. 실측파형의 고장 및 돌입전류파형의 특징을 분류하기 위하여 고장이후 128샘플에 대하여 이산웨이블릿 변환 결과를 사용하였다. 128샘플의 경우 약 5주기 정도의 전류파형을 분석하여 돌입전류퐈형의 특징인 과도현상이 줄어드는 형태와 고장전류파형의 패턴을 구분할 수 있도록 하였다. 1 주기(24샘플)을 대상으로 진행된 기존의 연구에서는 이산웨이블릿 변환 결과가 고장전류파형 패턴과 돌입전류파형 패턴의 특징을 분류하기 어려운 단점이 발생했다. 128샘플을 대상으로 고장 인식을 위한 이산웨이블릿 변환과 신경망을 이용한 고장판단의 경우 개폐기의 차단 알고리즘보다 시간을 많이 소요하나, FI에서 정확한 고장판단을 목적으로 하므로 많은 샘플을 대상으로 고장검출을 시도하였다.</p> <p>또한 이산웨이블릿 변환을 위하여 가장 중요한 마더 웨이블릿 선정을 위하여 여러 가지 마더 웨이블릿 변환 결과를 신경망에 입력하여 학습시킨 후 학습에서 제외된 돌입 및 고장파형을 대상으로 오차를 계산하였다. 표 4는 학습오차를 이용한 마더 웨이블릿을 비교하기 위하여 신경망 학습을 50000회씩 동일하게 진행하여 얻어진 결과이다. 신경망 학습 목표값에 대한 도달오차 및 다른 고장파일에 대한 검증 오차가 적은 마더 웨이블릿은 \( \mathrm{db} 4, \mathrm{db} 10 \), bior3.1, sym5이다. 그중에서 신경망 학습에 대한 학습오차는 sym5가 가장 적으나, 비학습 데이터에 대한 고장출력 오차는 \( \mathrm{db} 4 \)가 가장 작다. 본 논문에서는 종합적인 오차가 가장 작은 \( \mathrm{db} 4 \)를 마더 웨이블릿으로 선정하였다. \( \mathrm{db} 4 \)를 마더웨이블릿으로 선정하여 신경회로망의 학습오차를 \( 10^{-4} \)으로 설정한 후, 설정된 학습오차에 도달되도록 신경회로망을 재학습한다.</p> <table border><caption>표 4 학습오차를 이용한 Mother wavelet 비교</caption> <tbody><tr><td></td><td>Mother Wavelet</td><td>Decomposition Level</td><td>신경망 목표값(\( 10^{-4} \))에 대한 학습오차</td><td>비학습 데이터에 대한 출력오차</td></tr><tr><td>1</td><td>db1</td><td>3</td><td>0.298772/1e-04</td><td>27.31 %</td></tr><tr><td>2</td><td>db2</td><td>3</td><td>0.196551/1e-04</td><td>19.54 %</td></tr><tr><td>3</td><td>db4</td><td>3</td><td>0.021145/1e-04</td><td>10.92 %</td></tr><tr><td>4</td><td>db6</td><td>3</td><td>0.158670/1e-04</td><td>20.46 %</td></tr><tr><td>5</td><td>db8</td><td>3</td><td>0.095396/1e-04</td><td>16.33 %</td></tr><tr><td>6</td><td>db10</td><td>3</td><td>0.028418/1e-04</td><td>12.71 %</td></tr><tr><td>7</td><td>bior1.1</td><td>3</td><td>0.485673/1e-04</td><td>19.67 %</td></tr><tr><td>8</td><td>bior2.2</td><td>3</td><td>0.318441/1e-04</td><td>25.84 %</td></tr><tr><td>9</td><td>bior3.1</td><td>3</td><td>0.039752/1e-04</td><td>14.92 %</td></tr><tr><td>10</td><td>bior4.4</td><td>3</td><td>0.518413/1e-04</td><td>30.65 %</td></tr><tr><td>11</td><td>sym2</td><td>3</td><td>0.113671/1e-04</td><td>18.40 %</td></tr><tr><td>12</td><td>sym5</td><td>3</td><td>0.020415/1e-04</td><td>12.14 %</td></tr><tr><td>13</td><td>sym8</td><td>3</td><td>0.091430/1e-04</td><td>18.29 %</td></tr><tr><td>14</td><td>coif2</td><td>3</td><td>0.511326/1e-04</td><td>35.32 %</td></tr><tr><td>15</td><td>coif4</td><td>3</td><td>0.872172/1e-04</td><td>31.07 %</td></tr></tbody></table> <p>그림 3(a)는 FRTU A의 돌입전류파형이다. 그림 3(b)는 \( \mathrm{db} 4 \)를 마더웨이볼릿으로 이산웨이블릿을 3단계 분해한 근사계수이다. 그림 3(c)는 \( \mathrm{db} 10 \), 그림 3(d)는 bior3.1 마더웨이블릿을 이용한 DWT 결과이다.</p> <p>그림 3(b)와 그림 3(d)의 경우 원 신호의 특징을 거의 정확하게 표현하고 있다. 이산웨이블릿 결과는 신호의 특성은 크게 나타나고 계수의 값은 줄어들어 계산량을 줄일 수 있는 장점이 있다. 신경망은 입력층 18개 은닉층 32개로 구성된 2개층과 출력층 1개의 구조로 구성되었다. 총 83개의 가중치와 바이어스에 대한 학습을 하였다. 그림 4(a)는 신경망 학습에 대한 오차를 보이고 있다. 학습오차 목표는 \( 10^{-4} \)이고 총 82354회의 학습으로 오차 목표값에 도달하였다.</p> <p>그림 4(b)는 돌입파형의 목표값인 +1과 고장파형의 목표값인 -1에 대한 입력값의 수렴정도를 보이고 있다. 신경망의 가중치와 바이어스는 수렴정도가 높아서 좋은 학습 결과값을 가지고 있다.</p> <p>그림 5는 FRTU C에서 N상의 고장전류파형이다. 학습된 신경망 출력은 "-1"로서 고장으로 인식되었고, 전압감시 부분에서 A상의 큰 변화를 보이고 있어 “규칙 1"에 해당하는 고장이다. 그림 6은 FRTU D에서 N상의 고장전류파형에 대한 고장판단 결과이다. 학습된 신경망 출력은 “-1”로써 사고를 나타내고, 전압은 A, B, C상 모두 정상파형과 많은 차이를 보이고 있으나, 3상 위상감시에 대한 고장판단 결과 3상 단락사고에 대한 결과를 보이고 있으므로 "규칙 2"에 해당하는 고장전류파형이다. 그림 7은 FRTU E에서 C, N상의 고장전류파형 중 C상의 고장전류에 대한 고장판단 결과이다. 신경망 출력은 “-1"로써 고장이고, 전압감시의 경우 C상이 고장으로 판명되어 "규칙 1 "에 해당하는 고장인식을 하고 있다.</p> <p>그림 8의 경우는 FRTU F에서의 A, N상 고장전류파형에 대한 결과를 보이고 있다. 전압감시의 경우 정확하게 A상의 고장을 판단하고 B상 C상도 약간의 변화에 대한 오차를 보이고 있다(규칙 1).</p> <p>그림 9는 FRTU G에서 고장전류파형의 경우 “고장이력” 에는 N상의 고장으로 저장되어 있으나, 학습된 신경망 출력으로 “+1” 값을 가지므로 돌입전류이며, 전압감시 오차에 대한 결과도 정상이므로 돌입전류파형을 고장으로 판단한 오류이다.(규칙 3) 이러한 돌입전류파형을 기존의 FI 알고리즘 에서는 고장으로 전류의 크기와 사선정보를 이용하여 잘못된 판단을 하였으나, 본 연구에서는 개선된 효과를 보이고 있다. 그림 10 는 FRTU H에서 돌입전류파형은 “고장이력" 에는 돌입전류파형으로 저장되어 있다. 그러나 A상전류에 대한 고장판단의 결과는 신경망출력이 “-1"로 고장전류파형으로 판단되었고, 전압감시 또한 A상 전압이 이상으로 나타났다. 종합적인 결과 돌입전류파형이 아닌 고장전류파형으로 판단되었다.(규칙 1)</p> <p>이 경우에는 돌입억제 시간에 저장된 파형으로써 고장전류파형이 돌입억제 시간에 발생되어 위험한 사고로 발전될 가능성이 있다. 이러한 개선된 효과를 FRTU 프로그램에 적용하여 고장검출 신뢰도를 향싱시킬 수 있다. 그림 11은 FRTU J의 사고 전압을 나타내고 있다. 전압파형의 경우 C상의 전압이 작게 나타나며 B상과 C상도 이상현상을 보이고 있다.</p> <p>"고장이력"은 전류의 크기를 이용하여 고장파형으로 저장이 되었으나, 그림 12의 경우 신경망출력결과는 과도현상이 줄어드는 전형적인 돌입전류파형의 패턴을 보이고 있다. 따라서 고장전류파형이 아닌 돌입전류파형으로 잘못된 출력을 보이고 있으나 전압감시 알고리즘과 기존 전류의 크기를 이용한 고장 판단알고리즘을 이용하여 보완된 결과로 적용하면 고장으로 판단 가능하다.(규칙 6)</p> <p>본 논문에서는 이산 웨이블릿 변환과 신경망을 이용한 고장판단방법을 제시하였고, 그림 12와 같은 신경망출력이 학습된 고장 패턴으로 잘못된 고장판단을 하는 경우에도 전압 감시 알고리즘과 기존의 FRTU 알고리즘의 결과를 종합적으로 판단하여 고장판단의 정확도를 높였다.</p>
|
[
"과도현상 감소 형태와 고장전류파의 패턴을 구분하기 위해 고장 이후 128 샘플을 어떻게 분석했을까?",
"비학습 데이터에 대한 출력오차의 최솟값은 얼마인가?",
"두 번째 mother wavelet의 비학습 데이터에 대한 출력오차는 얼마인가?",
"신경회로망의 학습에 적용할 데이터는 어떻게 생성했을까?",
"어떻게 신경회로망의 학습에 적용할 데이터가 생겨났지",
"db2의 decomposition level은 얼마인가?",
"네 번째 mother wavelet은 비학습 데이터에 대한 출력오차가 얼마일까?",
"표 4에서 명시된 첫 번째 Mother Wavelet은 무엇인가?",
"db1의 신경망 목표값에 대한 학습오차는 얼마인가?",
"db6의 경우 신경망 목표값에 대한 학습오차가 얼마로 나타났을까?",
"db6은 몇 번째 mother wavelet일까?",
"이산 웨이블릿 변환을 위한 마더 웨이블릿 선정 과정은 어떻게 진행되었을까?",
"어떻게 이산 웨이블릿 변환을 위한 마더 웨이블릿 선정 과정은 진행되었을까?",
"신경망 목표값에 대한 학습 오차가 두 번째로 큰 mother wavelet은 무엇인가?",
"7번째 mother wavelet의 비학습 데이터에 대한 출력오차는 얼마인가?",
"비학습 데이터에 대한 출력오차가 가장 작은 mother wavelet은 무엇인가?",
"bior2.2는 학습에서 제외된 데이터에 대한 출력오차로 얼마를 기록했을까?",
"bior4.4는 신경망 학습 목표값에 대한 도달오차가 얼마일까?",
"db3은 몇 개의 decomposition level을 가질까?",
"다른 고장파일에 대한 검증오차가 14.92%인 마더 웨이블릿은 무엇인가?",
"decomposition lavel이 3이고 학습오차가 0.113671/1e-04인 mother wavelet은 무엇인가?",
"비학습 데이터에 대해 sym2는 얼마의 출력오차를 기록했을까?",
"db1은 비학습 데이터에 대한 출력오차가 얼마일까?",
"신경망 목표값에 대한 학습오차가 가장 작게 나타난 mother wavelet은 무엇인가?",
"가장 작은 학습오차를 기록한 마더웨이블릿의 검증오차는 얼마인가?",
"sym8은 신경망 학습 목표값에 대한 도달오차로 얼마를 얻었을까?",
"sym8의 비학습 데이터에 대한 검증오차는 얼마인가?",
"신경망 목표값에 대한 학습오차가 0.318441/1e-04로 나타난 mother wavelet은 무엇인가?",
"신경망 목표값에 대한 학습오차가 0.196551/1e-04인 mother wavelet은 무엇일까?",
"세 번째로 큰 검증오차 값은 얼마인가?",
"coif2의 신경망 목표값에 대한 학습오차는 얼마인가?",
"다른 고장파일에 대한 검증오차가 가장 높게 나타난 마더 웨이블릿은 무엇인가?",
"db8의 신경망 목표값에 대한 학습오차는 얼마인가?",
"비학습 데이터에 대한 출력오차가 두 번째로 높은 mother wavelet은 몇 번째일까?",
"16.33%은 어떤 마더웨이블렛으로부터 얻은 비학습 데이터에 대한 출력오차일까?",
"비학습 데이터에 대한 출력오차가 가장 작은 마더웨이블릿의 신경망 목표값에 대한 학습오차는 얼마인가?",
"비학습 데이터에 대해 12.14%의 출력오차를 기록한 mother wavelet은 무엇인가?",
"신경망 목표값에 대한 학습오차가 네번째로 크게 나타난 mother wavelet은 무엇인가?",
"비학습 데이터에 대한 출력오차 값 중 가장 큰 값은 얼마인가?",
"비학습 데이터에 대한 출력오차가 세번째로 작은 마더웨이블렛은 무엇인가?",
"학습에 사용한 신경망은 어떻게 설계했을까?",
"돌입전류파형을 고장으로 잘못 판단하는 기존의 FI 알고리즘은 어떻게 고장여부를 판단할까?",
"decomposition level이 3이고 학습오차가 0.872172/1e-04인 mother wavelet은 무엇인가?"
] |
0a751686-de85-47c7-9f18-c40e5e6f6b65
|
인공물ED
|
이산 웨이블릿 변환과 신경회로망을 이용한 FRTU의 고장판단 능력 개선에 관한 연구
|
<h1>2. 고장표시기(Fault Indicator) 운영 알고리즘</h1> <p>현재 FRTU에서 운용중인 고장검출 알고리즘은 각 상의 전류 RMS 값을 감시하다가 설정값 이상의 전류가 흐르고, 보호기기가 동작하여 사선상태이면 고장을 발생시키는 보호기기에 의존적인 단순한 구조이다. 따라서 정상상태에서 발생될 수 있는 과도현상으로 돌입전류가 발생하고 그 크기가 설정값 이상이며 보호기기가 동작하면 FI을 동작시킬 수 있는 문제점이 있다. 또한 보호기기 동작에 의존적인 고장인식 알고리즘이기 때문에 정상상태(활선, 전류가 설정치 미만)로 운전 중에 고장전류를 경험하였다 하더라도 일정시간 동안 무전압(사선)이 되지 않은 경우(보호기기가 동작하지 않는 경우)에는 고장으로 판단하지 않는다. 다른 문제점은 FRTU는 Sequence 진행시 최초 고장경험한 상에 대해서는 돌입대비를 하지 않고, 고장경험하지 않은 상에 대해서는 돌입대비(돌입대비시간이 2초로 운영됨) 하기 때문에 최초 A 상 고장에서 A, B상 선간단락으로 진전될 경우 B상에 대해서는 FI가 동작되지 않을 수 있다.</p> <p>일반적으로 FI를 동작시키는 고장판단을 위한 기준이 표 1과 같이 기본값으로 설정될 경우 설정값보다 큰 전류가 흐르면 고장으로 판단하여 FI를 동작시키거나 해당 선로에 전원이 투입되면 처음 \( 2000 \mathrm{~ms} \) 동안 돌입전류나 고장전류에 관계없이 FI를 발생시키지 않는다.</p> <table border><caption>표 1 FRTU 선로운전 정보 예</caption> <tbody><tr><td colspan=5>선로운전정보</td></tr><tr><td>내용</td><td>Pick Up Current (Phase)</td><td>Pick Up Current (Ground)</td><td>Inrush Time (Phase)</td><td>Inrush Time (Ground)</td></tr><tr><td>설정값</td><td>\( 120 \mathrm{A} \sim 840 \mathrm{A} \)</td><td>\( 30 \mathrm{A} \sim 420 \mathrm{A} \)</td><td>\( 100 \mathrm{ms} \sim 3000 \mathrm{ms} \)</td><td>\( 100 \mathrm{ms} \sim 3000 \mathrm{ms} \)</td></tr><tr><td>기본값</td><td>\( 400 \mathrm{A} \)</td><td>\( 60 \mathrm{A} \)</td><td>\( 2000 \mathrm{ms} \)</td><td>\( 2000 \mathrm{ms} \)</td></tr></tbody></table> <p>표 1은 FRTU 운영프로그램에서 선로운전정보의 기본값은 초기 설정값이다. 고장발생을 위한 FRTU의 픽업전류(상, 지락)를 부하전류에 적합하게 설정하여 주어야 하나, 일반적으로 FRTU 공장출하시 설정된 상 돌입대비 시간(Inrush Time (Phase))과 지락 돌입대비 시간(Inrush Time(Ground))의 초기값은 \( 2000 \mathrm{~ms} \)로 설정을 바꾸지 않고 운영하는 경우가 많다. 또한 현재의 배전선로의 정격부하가 \( 400 \mathrm{~A} \) 정도이기 때문에 일반적으로 상간 고장전류 설정치(Pick Up Current (Phase))은 \( 400 \mathrm{~A} \), 지락전류 설정치(Pick up Current(Ground))는 \( 60 \mathrm{~A} \)로서 거의 모든 FRTU에서 설정치를 해당 선로의 부하에 적합하게 변경하지 않고 사용하는 곳이 많다. 만약 돌입억제 시간인 2초동안에 사선에서 활선 상태로 변화시 고장전류가 발생하여도 현재의 FI 알고리즘으로는 정상적인 고장인식이 불가능하다. 또한 부하단의 개폐기류 투입 용량 및 유도부하에 관련된 과도현상을 가진 돌입전류의 크기가 설정(pickup)값보다 크고 보호기기가 동작한다면 고장인식 알고리즘은 고장으로 오판하여 고장을 표시한다.</p> <table border><caption>표 2 조사된 일부 FRTU의 고장이력</caption> <tbody><tr><td>순서</td><td>발생시간</td><td>구분</td><td>고장 구분</td><td>고장 발생상</td><td>A상 전류</td><td>B상 전류</td><td>C상 전류</td><td>N상 전류</td></tr><tr><td>1</td><td>2005/12/21 21:11:30:825</td><td>2/2</td><td>일시 (P)</td><td>---N</td><td>124</td><td>53</td><td>55</td><td>78</td></tr><tr><td>2</td><td>2005/12/21 21:11:10:855</td><td>2</td><td>고장 (F)</td><td>---N</td><td>124</td><td>53</td><td>55</td><td>78</td></tr><tr><td>3</td><td>2005/12/21 21:10:55:495</td><td>1</td><td>고장 (F)</td><td>---N</td><td>84</td><td>21</td><td>64</td><td>79</td></tr><tr><td>4</td><td>2005/12/13 11:33:54:185</td><td>1/1</td><td>순간 (T)</td><td>A--N</td><td>1476</td><td>219</td><td>115</td><td>1530</td></tr><tr><td>5</td><td>2005/12/13 11:33:50:290</td><td>1</td><td>고장 (F)</td><td>A--N</td><td>1476</td><td>219</td><td>115</td><td>1530</td></tr><tr><td>6</td><td>2005/12/12 21:08:01:395</td><td>1/1</td><td>순간 (T)</td><td>A--N</td><td>1522</td><td>214</td><td>115</td><td>1570</td></tr><tr><td>7</td><td>2005/12/12 21:07:57:510</td><td>1</td><td>고장 (F)</td><td>A--N</td><td>1522</td><td>214</td><td>115</td><td>1570</td></tr></tbody></table> <p>표 2는 조사된 일부 FRTU 이력에 저장된 2005년 12월 12일부터 2005년 12 월 21까지의 고장관련정보을 보이고 있다. 고장이력에 저장되는 데이터는 고장발생시간, 고장구분, 고장발생 상, 그리고 고장발생시 각상의 전류값 으로 구성되어 있다. 현 고장검출 알고리즘은 전류의 크기 요소와 활선/사선 정보만을 이용하므로 돌입전류 및 고장전류파형에 대한 정확한 판단을 하기 어려운 실정이다.</p> <p>FRTU에 저장되는 하나의 고장파형은 1주기에 24샘플링 하여 10 주기를 저장한다. 저장형태는 사고전류파형에서 사고 전의 1주기(24샘플)와 사고지속 6주기(144샘플)까지 저장 후 사고에서 정상으로 복귀되는 2주기(48샘플)과 정상파형 1주기(24샘플)를 저장하는 구조로 구성되어 있다.</p> <p>그림 1(a)는 2005년에 저장된 "FRTU A의 돌입파형”이다. 각 A, B, C, N상이 돌입전류가 발생하여 과도현상의 크기가 점차 줄어드는 전형적인 형태이다. 돌입전류파형이 점차 안정화되어 가는 형태이나 현 파형 저장 알고리즘으로는 10주기만 저장되어 안정화된 구간을 정확하게 알기 어려운 형태이다. 그림 1 (b)는 리크로져 재폐로시 발생된 현상으로 "FRTU B 사고전류"의 A, B, C, N상이 돌입전류파형과 고장전류파형이 혼합된 경우이다. 1주기 무전류 상태에서 약 30샘플에서 투입 후의 돌입전류파형과 고장전류파형이 발생하여 6주기동안 고장이 진행된 파형을 보이고 있다.</p> <p>본 논문에서는 전국에 운영중인 일부 FRTU에서 2005년에 취득된 돌입파형 데이터 46개와 고장파형 데이터 161개를 대상으로 전압파형, 전류파형 및 고장이력에 대하여 분석한 결과 고장이력저장정보와 파형분석정보간에 차이점을 발견하였다. 돌입전류파형의 경우 고장전류파형이 저장된 것이 16개 데이터, 고장전류의 경우에 돌입전류파형이 저장된 경우가 33개의 데이더로 현재 알고리즘으로 저장된 데이터에 대한 오류가 발견되었다. 본 논문에서는 FRTU에 저장된 실측데이터를 대상으로 발생된 고장오차를 줄이고 배전계통의 신뢰도를 향상시키고자 전류의 크기, 고장패턴, 전압의 크기 요소를 이용하여 배전계통의 고장검출 능력을 향상시킬 수 있도록 연구하였다.</p>
|
[
"본문의 표 1 FRTU 선로운전 정보 예에서 Pick Up Current (Phase)의 설정값은 얼마인가?",
"본문의 표 1 FRTU 선로운전 정보 예에서 Inrush Time (Phase)의 설정값은 얼마인가?",
"본문의 표 1 FRTU 선로운전 정보 예에서 Pick Up Current (Ground)의 설정값은 얼마인가?",
"본문의 표 2를 보았을 때 발생시간이 2005/12/12 21:07:57:510일 때 B상 전류는 무엇으로 나타내?",
"본문의 표 1에서 Inrush Time (Ground)의 설정값은 얼마일까?",
"본문의 표 1에서 Inrush Time (Ground)의 기본값은 얼마야?",
"본문의 표 1에서 Inrush Time (Phase)의 기본값은 얼마야?",
"본문의 표 1에서 Pick Up Current (Ground)의 기본값은 얼마지?",
"본문의 표 1에서 Pick Up Current (Phase)의 기본값은 어느 정도야?",
"본문의 표 2에서 발생시간이 2005/12/21 21:11:30:825일 때 고장 구분은 무엇일까?",
"본문의 표 2에서 발생시간이 2005/12/21 21:11:30:825일 때 고장 발생상은 무엇이지?",
"본문의 표 2에서 발생시간이 2005/12/21 21:11:30:825일 때 A상 전류는 뭘까?",
"본문의 표 2에서 발생시간이 2005/12/21 21:11:30:825일 때 C상 전류는 뭐지?",
"본문의 표 2에서 발생시간이 2005/12/21 21:11:30:825일 때 N상 전류는 무엇으로 나타내?",
"본문의 표 2에서 발생시간이 2005/12/21 21:11:10:855일 때 A상 전류는 무엇으로 나타내지?",
"본문의 표 2에서 발생시간이 2005/12/21 21:11:10:855일 때 C상 전류는 무엇으로 나타낼 수 있을까?",
"본문의 표 2에서 발생시간이 2005/12/21 21:11:10:855일 때 B상 전류는 무엇으로 나타낼 수 있지?",
"본문의 표 2에서 발생시간이 2005/12/21 21:10:55:495일 때 A상 전류는 무엇으로 나타낼까?",
"본문의 표 2에서 발생시간이 2005/12/21 21:11:10:855일 때 N상 전류는 무엇으로 나타낼 수 있는가?",
"본문의 표 2을 참고한 경우에 발생시간이 2005/12/21 21:10:55:495일 때 B상 전류는 무엇인가?",
"본문의 표 2을 참고한 경우에 발생시간이 2005/12/21 21:10:55:495일 때 N상 전류는 무엇이야?",
"본문의 표 2을 참고한 경우에 발생시간이 2005/12/21 21:10:55:495일 때 C상 전류는 무엇이지?",
"본문의 표 2을 참고한 경우에 발생시간이 2005/12/13 11:33:54:185일 때 B상 전류는 뭐지?",
"본문의 표 2을 참고한 경우에 발생시간이 2005/12/13 11:33:54:185일 때 A상 전류는 뭐야?",
"본문의 표 2을 참고한 경우에 발생시간이 2005/12/13 11:33:54:185일 때 N상 전류는 무엇으로 보여?",
"본문의 표 2을 참고한 경우에 발생시간이 2005/12/13 11:33:50:290일 때 A상 전류는 무엇으로 보이는가?",
"본문의 표 2을 참고한 경우에 발생시간이 2005/12/13 11:33:50:290일 때 B상 전류는 무엇으로 보일까?",
"본문의 표 2을 참고한 경우에 발생시간이 2005/12/13 11:33:50:290일 때 C상 전류는 무엇으로 표현해?",
"본문의 표 2를 보았을 때 발생시간이 2005/12/12 21:07:57:510일 때 A상 전류는 뭘까?",
"본문의 표 2를 보았을 때 발생시간이 2005/12/12 21:08:01:395일 때 A상 전류는 무엇인가?",
"본문의 표 2를 보았을 때 발생시간이 2005/12/12 21:07:57:510일 때 C상 전류는 무엇으로 나타낼까?",
"본문의 표 2를 보았을 때 발생시간이 2005/12/12 21:07:57:510일 때 N상 전류는 무엇으로 나타낼 수 있지?",
"본문의 표 2를 보았을 때 발생시간이 2005/12/12 21:08:01:395일 때 N상 전류는 뭐지?",
"본문의 표 2를 보았을 때 발생시간이 2005/12/12 21:08:01:395일 때 C상 전류는 뭐야?",
"본문의 표 2을 참고한 경우에 발생시간이 2005/12/13 11:33:50:290일 때 N상 전류는 무엇으로 표현할까?",
"본문의 표 2를 보았을 때 발생시간이 2005/12/12 21:08:01:395일 때 B상 전류는 무엇일까?",
"본문의 표 2에서 발생시간이 2005/12/21 21:11:30:825일 때 B상 전류는 뭐야?",
"본문의 표 2을 참고한 경우에 발생시간이 2005/12/13 11:33:54:185일 때 C상 전류는 뭘까?"
] |
90004069-766a-471d-a411-12d185c5ff4f
|
인공물ED
|
사물인터넷을 적용한 녹조제거 자동화 시스템 개발
|
<h1>요 약</h1><p>본 논문에서는 자동화 시스템을 이용하여 지속적으로 녹조를 제거하고 워터펌프를 이용하여 산소를 물속에 주입하여 녹조 생성이 잘 이루어지지 않도록 하는 시스템을 개발하였다. 제안한 녹조제거 자동화 시스템은 기계에 부착된 MCU(micro processor unit)를 이용하여 GPS와 초음파센서, 카메라등을 제어함으로 자동조정운행을 할 수 있고,컨베이어 벨트, 워터 펌프등을 이용하여 녹조를 자동으로 제거할 수 있다. 또한 스마트폰의 어플리케이션과 연동하여 녹조제거 자동화 시스템의 위치를 추적하고 상황에 따라 사용자가 시스템을 직접 운영 할 수 있도록 하였다.</p><h1>Ⅰ. 서론</h1><p>우리나라의 산업화와 경제성장으로 인해 각종오염물질이 증가하여 강이나 호수로 유입되고, 유속이 거의 없는 물의 수온이 올라가게 되면 식물성 플랑크톤인 녹조류나 남조류가 크게 늘어나 물의 색깔이 녹색으로 변하게 된다. 녹조현상은 수온, 햇빛, 영양염류, 유속 등 4가지 요인에 큰 영향을 받는다. 질산염이나 인산염 같은 영양염류가 물속으로 많이 유입되고 일조량이 많아 수온이 올라가면서 남조류가 폭발적으로 증가하고 유속이 느려지면 유입된 오염원이 빠져나가지 못하고 축적되면서 조류가 더욱 빠르게 증식한다. 이 녹조로 인해 물고기들이 폐사하거나 녹조에서 발생하는 독소로 인해 식수로 이용하는 물이 오염되어 식수로 사용하지 못하는 경우들이 여름철만 되면 발생하고 있다. 녹조 현상을 해결하고자 환경부나 여러 단체에서 의견들을 제시하고는 있지만 물고기나 사람들에게 피해를 줄 수 있는 약품을 사용하거나 초음파를 이용하여 물고기에게 악영향을 미치게 되고 전기적인 해결 방안은 위험요소가 많아 현실적으로 할 수 있는 방법은 사람이 녹조를 걷어 내거나 황토흙을 뿌리는 방법밖에는 없다. 그러나 녹조를 걷어내고 황토흙을 뿌리는 것은 일시적이고 배를 운행하는 비용이나 황토 흙을 구매하는 비용, 인건비등 경제적인 문제들이 발생한다. 본 논문에서는 인력이아닌 자동화 시스템을 이용하여 지속적으로 녹조를 제거하고 워터펌프를 이용하여 산소를 물속에 주입하여 녹조 생성이 잘 이루어지지 않도록 하는 시스템을 개발하였다</p><h1>Ⅱ. 본론</h1><h2>1. 녹조제거 자동화 시스템 방향 및 구성</h2><p>본 연구에서 제안하는 녹조제거 자동화 시스템은 기존의 녹조제거를 위해 사용되는 인건비나 제반비용을 절감하고, 또한 효율적으로 녹조를 제거하기 위해서 사물인터넷 응용 기술을 적용한 자동 녹조제거 시스템을 설계하였다. 호수나 저수지 또는 강에서 배 모형으로 만들어진 기기가 물위를 자동으로 이동하면서 녹조를 처리하게 되고, 기기에 부착된 아두이노와 각종 센서를 통하여 자율 운행하도록 설계하였다. 그림 1은 녹조제거자동화 시스템의 전체 블록도이다. 시스템에 부착된 모든 센서를 제어하고 운용할 수 있도록 센서의 개수를 고려하여 Arduino mega ADK board를 채택 하였다. Arduino mega는 Analog pin 15개, Digital pin 49개로 구성된다. 이 핀들에 센서가 연결되고 블루투스나 WIFI등 통신모듈에의해서 스마트폰 Application과 연동 하여 사용할 수 있다.</p>
|
[
"질산염이나 인산염 같은 영양염류가 물속으로 많이 유입되고 일조량이 많아 수온이 올라가면서 남조류가 폭발적으로 증가하는가?",
"스마트폰의 어플리케이션과 연동하여 녹조제거 자동화 시스템의 위치를 추적하고 상황에 따라 사용자가 시스템을 직접 운영 할 수 있도록 하였나?",
"제안한 녹조제거 자동화 시스템은 컨베이어 벨트, 워터 펌프등을 이용하여 녹조를 자동으로 제거할 수 있나?",
"우리나라의 산업화와 경제성장으로 인해 각종오염물질이 증가하여 강이나 호수로 유입되는가?",
"녹조를 걷어내고 황토흙을 뿌리는 것은 일시적이고 배를 운행하는 비용이나 황토 흙을 구매하는 비용, 인건비등 경제적인 문제들이 발생하는가?",
"녹조로 인해 물고기들이 폐사하거나 녹조에서 발생하는 독소로 인해 식수로 이용하는 물이 오염되어 식수로 사용하지 못하는 경우들이 여름철만 되면 발생하고 있나?",
"유속이 느려지면 유입된 오염원이 빠져나가지 못하고 축적되면서 조류가 더욱 빠르게 증식하는가?",
"제안한 녹조제거 자동화 시스템은 기계에 부착된 MCU(micro processor unit)를 이용하여 GPS와 초음파센서, 카메라등을 제어함으로 자동조정운행을 할 수 있나?",
"본 논문에서는 자동화 시스템을 이용하여 지속적으로 녹조를 제거하고 워터펌프를 이용하여 산소를 물속에 주입하여 녹조 생성이 잘 이루어지지 않도록 하는 시스템을 개발하였나?",
"녹조 현상을 해결하고자 물고기나 사람들에게 피해를 줄 수 있는 약품을 사용하거나 초음파를 이용하여 물고기에게 악영향을 미치게 되고 전기적인 해결 방안은 위험요소가 많은가?",
"녹조현상은 수온, 햇빛, 영양염류, 유속 등 4가지 요인에 큰 영향을 받는가?",
"Arduino mega는 Analog pin 15개, Digital pin 49개로 구성되는가?",
"유속이 거의 없는 물의 수온이 올라가게 되면 식물성 플랑크톤인 녹조류나 남조류가 크게 늘어나 물의 색깔이 녹색으로 변하게 되는가?",
"녹조 현상을 해결하고자 현실적으로 할 수 있는 방법은 사람이 녹조를 걷어 내거나 황토흙을 뿌리는 방법밖에는 없나?",
"호수나 저수지 또는 강에서 배 모형으로 만들어진 기기가 물위를 자동으로 이동하면서 녹조를 처리하게 되고, 기기에 부착된 아두이노와 각종 센서를 통하여 자율 운행하도록 설계하였나?",
"본 논문에서는 인력이아닌 자동화 시스템을 이용하여 지속적으로 녹조를 제거하고 워터펌프를 이용하여 산소를 물속에 주입하여 녹조 생성이 잘 이루어지지 않도록 하는 시스템을 개발하였나?",
"Arduino mega는 Analog pin 15개, Digital pin 49개로 구성되는데 이 핀들에 센서가 연결되고 블루투스나 WIFI등 통신모듈에의해서 스마트폰 Application과 연동 하여 사용할 수 있나?",
"시스템에 부착된 모든 센서를 제어하고 운용할 수 있도록 센서의 개수를 고려하여 Arduino mega ADK board를 채택 하였나?",
"본 연구에서 제안하는 녹조제거 자동화 시스템은 기존의 녹조제거를 위해 사용되는 인건비나 제반비용을 절감하고, 또한 효율적으로 녹조를 제거하기 위해서 사물인터넷 응용 기술을 적용한 자동 녹조제거 시스템을 설계하였나?"
] |
5b81cc2f-6e76-4359-8970-33505809206f
|
인공물ED
|
사물인터넷을 적용한 녹조제거 자동화 시스템 개발
|
<h3>가. 초음파 센서의 구성 및 운용</h3><p>초음파 센서는 초음파를 통해 거리를 측정하여 전방 좌우 \( 45^{\circ} \) 씩 감지를 하게 되고, 초음파 센서의 \( 50 \mathrm{~cm} \) 앞에 물체가 감지되면 감지된 신호를 아두이노에서 분석하여 서브모터를 작동시켜 프로펠러의 각도를 바꾸어줌으로 배의 방향을 조정하게 된다. 그림 2 는 초음파 센서의 동작원리를 보여준다.</p><h3>나. GPS 시스템의 구성 및 운용</h3><p>자동화 녹조제거 시스템이 넓은 강이나 저수지 안에서 움직이게 될 때 운용자가 기기의 위치를 파악할 수 있도록 배 상단에 GPS 센서를 장착하여 실시간으로 LCD에 위치가 표시되고 또한, 스마트폰으로도 기기의 위치를 파악 할 수 있어서 실제 운용자가 멀리 떨어진 곳에서도 기기의 위치를 파악 할 수 있다. 그림 3은 자동화기기에 부착된 GPS 시스템과 스마트폰 어플에 나타난 자동화 시스템의 위치를 보여준다. LCD에 시스템의 위도와 경도가 표시되며 GPS운용에 있어 작동 유무를 눈으로 확인할 수 있게 하였다.</p><h3>다. 카메라 센서 구성 및 운용</h3><p>시스템에 부착한 카메라는 블루투스 연결을 통한 JPEG 압축 영상 무선 송신을 하며, 블루투스가 장착된 컴퓨터, 노트북, 스마트폰에서 영상을 수신 할 수 있다. 실시간 영상을 통해 시스템 이동시 전방을 확인 할 수 있고 카메라 부착 위치에 따라 시스템의 각 기능(컨베이어 벨트, 워터펌프 등)의 올바른 작동여부를 스마트폰 어플리케이션을 통해 확인 할 수 있다. 이를 통해 시스템 운용중 기기에 문제가 발생하면 신속히 문제의 원인을 인지하여 해결 할 수 있도록 도와준다. 카메라의 해상도는 \( 160 \times 120 \)이고 속도는 \( 3 \sim 5 \) 프레임/ 초 이다. 그림 4는 Camera sensor module을 보여준다.</p><h2>2. 제안한 녹조제거 자동화 시스템 설계 및 제작</h2><p>제안한 녹조제거 자동화 시스템은 기계에 부착된 MCU와 연결된 GPS와 초음파 센서, 카메라등을 제어하여 자동조정운행 할 수 있고, 컨베이어 벨트, 워터 펌프등을 이용하여 녹조를 자동으로 제거할 수 있다. 또한 스마트폰의 어플리케이션과 연동하여 녹조제거 자동화 시스템의 위치를 추적 할 수 있고, 상황에 따라 사용자가 시스템을 직접 운영 할 수 있도록 개발하였다. 스마트폰 어플리케이션은 필요시 기기를 사용자가 직접 운용할 때 사용하며, 어플리케이션 버튼을 통해 프로펠러를 조정함으로 자동화 시스템의 좌우 동작제어가 가능하도록 하였다. 그림 5는 스마트폰 어플리케이션을 이용해서 자동화시스템을 동작시키는 화면을 보여준다. 동작 시켜본 결과 자동화 시스템의 각 센서들이 계획된 대로 잘 동작하여 자율 운행을 하였고, 스마트폰 어플리케이션을 통하여 기기의 위치를 파악할 수 있었다. 문제점은 자동화 시스템의 무게가 무거워서 밧데리 소모가 크다는 것을 알 수 있었고 이를 해결하기 위해 가벼운 재료를 사용하여 시스템을 경량화 시키거나 모터의 전력용량을 사용 가능치까지 줄여 밧데리의 손실을 최소화 하는 것이 필요함을 알 수 있었다.</p><p>그림 6은 안드로이드 어플리케이션과 연동이 가능한 아두이노의 메인 소스이다. 그림 7은 제작된 녹조제거 자동화 시스템을 보여준다.</p><h1>Ⅲ 결론</h1><p>본 논문에서는 녹조를 효과적으로 제거하기 위해 사물인터넷을 이용한 녹조제거 자동화 시스템을 설계 제작하였다. 제안한 녹조제거 자동화 시스템은 기계에 부착된 MCU를 이용하여 GPS와초음파센서, 카메라등을 제어함으로 호수나 저수지 또는 강에서 물위를 자동조정운행 할 수 있고,컨베이어 벨트, 워터 펌프등을 이용하여 녹조를 자동으로 제거할 수 있다. 또한 시스템 상단에 GPS 센서를 장착하여 실시간으로 LCD에 위치가 표시되고, 자동화 시스템이 운용자의 시야에서 벗어난 곳에서도 스마트폰의 어플리케이션과 연동하여 녹조제거 자동화 시스템의 위치를 추적할 수 있고, 필요한 상황에 따라 시스템을 직접 운영 할 수 있도록 하였다.</p><p>추후 연구 과제로는 자동화 시스템을 경량화하고 새로운 통신모드(RC 컨트롤러 등)를 택하여 통신 거리를 늘려 운용자의 사용 조종범위를 확대하며, 날씨와 환경에 따른 변화에도 자동화시스템이 안정적으로 운용될 수 있도록 보완할 예정이다.</p>
|
[
"LCD에 시스템의 위도와 경도가 표시되며 GPS운용에 있어 작동 유무를 눈으로 확인할 수 있게 하였나?",
"스마트폰의 어플리케이션과 연동하여 녹조제거 자동화 시스템의 위치를 추적 할 수 있고, 상황에 따라 사용자가 시스템을 직접 운영 할 수 있도록 개발하였나?",
"초음파 센서는 초음파를 통해 거리를 측정하여 전방 좌우 45도 씩 감지를 하게 되는가?",
"자동화기기에 부착된 GPS 시스템과 스마트폰 어플에 나타난 자동화 시스템의 위치를 보여주는가?",
"자동화 녹조제거 시스템이 넓은 강이나 저수지 안에서 움직이게 될 때 운용자가 기기의 위치를 파악할 수 있도록 배 상단에 GPS 센서를 장착하여 실시간으로 LCD에 위치가 표시되는가?",
"초음파 센서의 50 cm 앞에 물체가 감지되면 감지된 신호를 아두이노에서 분석하여 서브모터를 작동시켜 프로펠러의 각도를 바꾸어줌으로 배의 방향을 조정하게 되는가?",
"스마트폰으로도 기기의 위치를 파악 할 수 있어서 실제 운용자가 멀리 떨어진 곳에서도 기기의 위치를 파악 할 수 있나?",
"시스템에 부착한 카메라는 블루투스 연결을 통한 JPEG 압축 영상 무선 송신을 하며, 블루투스가 장착된 컴퓨터, 노트북, 스마트폰에서 영상을 수신 할 수 있나?",
"문제점은 자동화 시스템의 무게가 무거워서 밧데리 소모가 크다는 것을 알 수 있었고 이를 해결하기 위해 가벼운 재료를 사용하여 시스템을 경량화 시키거나 모터의 전력용량을 사용 가능치까지 줄여 밧데리의 손실을 최소화 하는 것이 필요함을 알 수 있었나?",
"자동화 시스템이 운용자의 시야에서 벗어난 곳에서도 스마트폰의 어플리케이션과 연동하여 녹조제거 자동화 시스템의 위치를 추적할 수 있나?",
"실시간 영상을 통해 시스템 이동시 전방을 확인 할 수 있고 카메라 부착 위치에 따라 시스템의 각 기능(컨베이어 벨트, 워터펌프 등)의 올바른 작동여부를 스마트폰 어플리케이션을 통해 확인 할 수 있나?",
"제안한 녹조제거 자동화 시스템은 기계에 부착된 MCU와 연결된 GPS와 초음파 센서, 카메라등을 제어하여 자동조정운행 할 수 있고, 컨베이어 벨트, 워터 펌프등을 이용하여 녹조를 자동으로 제거할 수 있나?",
"스마트폰 어플리케이션을 이용해서 자동화시스템을 동작시키는 화면을 보여주는가?",
"동작 시켜본 결과 자동화 시스템의 각 센서들이 계획된 대로 잘 동작하여 자율 운행을 하였고, 스마트폰 어플리케이션을 통하여 기기의 위치를 파악할 수 있었나?",
"스마트폰 어플리케이션은 필요시 기기를 사용자가 직접 운용할 때 사용하며, 어플리케이션 버튼을 통해 프로펠러를 조정함으로 자동화 시스템의 좌우 동작제어가 가능하도록 하였나?",
"본 논문에서는 녹조를 효과적으로 제거하기 위해 사물인터넷을 이용한 녹조제거 자동화 시스템을 설계 제작하였나?",
"시스템 상단에 GPS 센서를 장착하여 실시간으로 LCD에 위치가 표시되는가?",
"본 논문에서는 필요한 상황에 따라 시스템을 직접 운영 할 수 있도록 하였나?",
"추후 연구 과제로는 자동화 시스템을 경량화하고 새로운 통신모드(RC 컨트롤러 등)를 택하여 통신 거리를 늘려 운용자의 사용 조종범위를 확대하며, 날씨와 환경에 따른 변화에도 자동화시스템이 안정적으로 운용될 수 있도록 보완할 예정인가?",
"제안한 녹조제거 자동화 시스템은 기계에 부착된 MCU를 이용하여 GPS와초음파센서, 카메라등을 제어함으로 호수나 저수지 또는 강에서 물위를 자동조정운행 할 수 있고,컨베이어 벨트, 워터 펌프등을 이용하여 녹조를 자동으로 제거할 수 있나?"
] |
1adc026e-8bdc-44c9-9f6a-147697b894ee
|
인공물ED
|
비분산 적외선 가스 센서 온도 보상법: 적외선 흡수도
|
<h1>1. 서 론</h1><p>국내에서 비분산 적외선 가스 센서가 실생활에 적용된 지 20 여년이 흐르면서 관련된 제품의 기술은 날로 발전하고 있고, 센서를 구성하는 부품의 소형화와 첨단화에 따라 비분산 적외선 센서 또한 경박단소화 하고 있는 상태이다. 적외선 램프 혹은 MEMS (Microelectromechnical Systems) 기술을 이용한 광원과 써모파일/초전형 적외선 센서는 이산화탄소 가스의 흡수 파장의 적외선을 방출하는 발광 다이오드(Light emitting diode,LED)와 적외선 광 센서(infrared photosensor)로 바뀌어졌다. 이에 따라 전체 제품의 크기가 획기적으로 축소되고, 소모 전력도 낮아져 IoT (Internet of Things) 시대에 적합한 구조를 갖게 되었다.</p><p>한편 비분산 적외선 가스 센서는 기본적으로 광원, 적외선 센서와 광 도파관(optical waveguide) 세 가지 구성요소로 이루어진다. 광 도파관의 형상에 따라, 혹은 측정 대상 가스와 농도에 따라, 가스가 존재하지 않는 상태에서 센서의 출력 특성은 서로 다른 함수적 특성을 보인다. 또한 광 도파관 내에서 광 경로는 무수히 많으나, 저자를 포함하여 이들을 표준화한 두 개의 광 경로로 근사화 하여 가스의 농도에 따른 출력전압을 분석하였다. 이런 접근 방법은 가스 농도의 예측 알고리즘 작성과 적용에 오차를 제공하는 한 요인으로 작용하고 있음을 연구 결과의 사례에서 보여주고 있다.</p><p>따라서 본 논문에서는 두 개 이상의 광 경로로 표현 해석되는 비분산 적외선 가스 센서 온도 보상 방법의 새로운 기준을 제시하고자 한다. 즉, 광 흡수도의 정의와 광 흡수도의 선택 기준과 이에 따른 측정 결과의 분석을 통해 측정 오차를 줄일 수 있는 방법에 대해 제시하고자 한다.</p>
|
[
"비분산 적외선 가스센서의 구성요소는 무엇이야?",
"광 도파관 내에서 가스 농도에 따른 출력전압을 분석하기 위해 광 경로를 어떻게 해?",
"왜 비분산 적외선 가스센서가 경박단소화하고 있는 상태야?",
"발광 다이오드로 바뀌기전에 사용하던 광원은 어떤 기술을 사용해?",
"국내에서 20년동안 실생활에서 자주 사용하고 있는 가스센서는 뭐야?",
"발광 다이오드는 어떤 가스의 파장을 흡수하여 적외선을 방출하는 광원이야?",
"발광다이오드와 적외선 광센서를 사용하면 무엇이 크게 축소할 수 있어?",
"발광 다이오드와 적외선 광 센서를 사용함으로써 무엇을 낮춰 IoT 시대에 적합한 구조를 가지게 되?",
"이산화탄소 가스의 흡수파장의 적외선을 방출하는 부품은 뭐야?",
"광 도파관은 형상, 대상 가스 농도, 가스 존재여부에 따라 어떤 특성이 서로 다른 함수적 특성을 가져?",
"광도파관에서 가스의 농도에 따른 무엇을 분석하기 위해 표준화한 후 2개의 광 경로를 근사화시켜?",
"광 도파관 내에는 무엇이 무수히 많아?",
"측정 오차를 줄일 수 있는 방법을 제시하고자 어떤 정의와 선택 기준에 따른 측정 결과를 분석해?",
"표준화한 2개의 광 경로를 근사화하여 가스 농도에 따른 출력전압을 분석하는 것은 가스 농도 예측 알고리즘 작성과 적용에 무엇을 일으킬 수 있어?",
"논문에서는 어떤 것의 온도 보상방법의 새로운 기준을 제안해?"
] |
401addd6-53f3-424e-b466-4e410ce54c4a
|
인공물ED
|
MPEG-V(ISO/IEC 23005) 표준적용이 가능한 전자코 시스템 구현
|
<h1>1. 서론</h1><p>1982년 영국의 맨체스터대학 퍼사드 교수와 워릭대학의 도드교수에 의해 최초로 소개된 전자코는 인간의 후각 시스템을 모방하여 냄새 또는 향을 인식하는 전자적 장치이다.</p><p>전자코는 인간과 달리 연속적이거나 인체에 해로운 냄새를 맡을 수 있는 장점을 가지고 있다. 또한, GC-MS 와 같은 분석 장비보다 빠른 측정 결과를 사용자에게 제공할 수 있어 현재 산업, 의료, 환경 등 다양한 분야에 적용되고 있다.</p><p>전자코 시스템의 성능 개선을 위해 패턴 추출, 패턴 인식, 센서 드리프트 보상, 표준시험절차 등 다양한 알고리즘과 시험 방법들이 지속적으로 연구 개발되고 있는 중이다. 최근 들어서는 전자코 시스템의 상용화와 일반화를 위한 표준화 작업 및 연구들이 나타나기 시작했다.</p><p>전자코 관련 표준화 작업들은 전자코 장비의 상호운용성을 보장하기 위해 전자코 시스템의 하드웨어, 소프트웨어, 인터페이스 규격 등을 표준화하는 분야와 후각 인터렉션을 위해 전자코로부터 취득되는 정보를 표준화하는 분야로 나눌 수 있다.</p><p>전자코 시스템과 관련된 표준인 IEEE1451은 2007년 IEEE 센서기술 위원회(TC-9: Technical Committee on Sensor Technology)를 통해 국제 표준으로 승인되었다. IEEE1451은 네트워크 또는 시스템에 연결되는 트랜듀서의 표준 인터페이스와 TEDS(Transducer Electronic Data Sheets)를 정의하여 해당 트랜듀서의 정보 접근을 규범적으로 가능하게 하는 표준이다.</p><p>IEEE1451 표준과 함께 전자코 시스템의 플러그 앤 플레이 (Plug and Play) 기능 및 전자코 센서 어레이의 규범적인 인터페이스 설계를 위한 연구들이 진행되었다.</p><p>IEEE1451 표준과 달리 MPEG-V 표준은 후각 인터렉션을 위해 필요한 전자코 관련 표준 요소들을 정의하고 있다. MPEG-V는 현실세계와 가상세계간 실감효과 정보적응을 위해 필요한 실감효과 장비 명령어와 실감효과 메타데이터들을 정의하는 표준이다.</p><p>MPEG-V 내 후각 인터렉션을 위해 우리는 후각 인터렉션 모델(Olfactory Interaction Model)과 관련된 표준 기고서를 MPEG 3DG(Dimensional Graphics) ad-hoc 그룹에 제출했으며, 2015년도부터는 현실 세계에서 취득되는 전자코 정보를 가상세계로 적응시키기 위해 필요한 표준 요소들을 제안하였다. 차후 제안된 전자코 관련 표준 요소들은 MPEG-VC D\(4^{\text {th }} \) 문서에 반영되었다.</p><p>이 논문에서는 MPEG-V 표준 적용이 가능한 전자코 시스템을 구현함과 동시에 MPEG-V전자코 관련 표준 요소들의 적합성을 함께 검증하고자 한다. 2장에는 MPEG-V 개요와 MPEG-V 내 전자코 관련 표준 요소들이 기술되어 있으며, 이와 함께 전자코 시스템 구현에 앞서 어떻게 MPEG-V 표준과 전자코 시스템 사이 인터페이스가 설계 되었는지에 대한 정보가 기술되어 있다. 3장에서는 구현된 전자코 시스템과 MPEG-V 표준 스키마 템플릿에 의해 표현된 메타 데이터 정보들이 기술되어 있다. 마지막 4장에는 구현 결과에 따른 MPEG-V 내 전자코 관련 표준 요소들의 적합성 검증 결과가 기술되어 있다.</p>
|
[
"1982년 영국의 맨체스터대학 퍼사드 교수와 워릭대학의 도드교수에 의해 최초로 소개된 전자코는 무슨 장치이지?",
"전자코가 인간과 다른 장점은 뭐지?",
"인간의 후각 시스템을 모방하여 냄새 또는 향을 인식하는 전자적 장치인 최초의 전자코는 1982년 영국의 맨체스터대학 퍼사드 교수 혼자 만든 장치이지?",
"전자코의 설명으로 올바른것은 뭐지?",
"전자코 장비의 상호운용성을 보장하기 위한 표준화 작업들 은 전자코 시스템의 하드웨어, 소프트웨어, 인터페이스 규격 등을 표준화하는 분야와 어떤 분야로 나눌 수 있니?",
"변환기 전자 데이터 시트 약자는 뭐지?",
"인류 최초로 소개된 전자코는 인간의 후각 시스템을 모방하여 냄새 또는 향을 인식하는 전자적 장치인데 누구의 의해 알려졌지?",
"인간의 후각 시스템을 모방하여 냄새 또는 향을 인식하는 전자적 장치이며 1982년 영국의 맨체스터대학 퍼사드 교수와 워릭대학의 도드교수에 의해 최초로 소개된 이것은 무엇이지?",
"전자코 시스템의 성능 개선을 위해 지속적으로 어떤 연구 개발이 되고 있지?",
"IEEE1451 표준과 함께 전자코 시스템의 플러그 앤 플레이 (Plug and Play) 기능 및 전자코 센서 어레이의 규범적인 인터페이스 설계를 위한 연구들이 진행되고 있지?",
"전자코 시스템과 관련된 표준인 IEEE1451 달리 후각 인터렉션을 위해 필요한 전자코 관련 표준 요소들을 정의하는 이것은 뭐지?",
"현실 세계에서 취득되는 전자코 정보를 가상세계로 적응시키기 위해 필요한 표준 요소들을 2000년도부터 제안했지?",
"MPEG-V는 무엇을 정의하는 표준이니?",
"무엇을 MPEG-V가 정의하는 표준일까",
"MPEG-V 내 후각 인터렉션을 위해 우리는 후각 인터렉션 모델(Olfactory Interaction Model)과 관련된 표준 기고서를 어디에 제출했지?",
"차후 제안된 전자코 관련 표준 요소들은 어떻게 되었니?",
"전자코 시스템과 관련된 표준인 IEEE1451은 무엇이니?"
] |
80d098fb-417a-48e3-8950-0eec31a762e1
|
인공물ED
|
파티클 필터를 이용한 \(2\) 자유도 동역학 시스템의 파라미터 추정
|
<h1>II. 진자 시스템</h1> <p>본 논문에서는 그림 1에 도시한 2 자유도를 가진 동역학 시스템의 상태와 파라미터를 추정하는 연구를 수행하였다. 시스템은 진자, 수레, 스프링과 댐퍼로 구성되어있으며, 평면상에서 동작한다. 수레의 운동을 나타내는 x 좌표와 진자의 운동을 나타내는 \(\theta\) 좌표로 운동방정식을 유도하였다. 수레와 진자의 운동을 방해하는 마찰력이 존재한다고 가정하고, 라그랑지방법을 사용하였다.</p> <p>라그랑지안는 운동에너지(\(T\))와 위치에너지(\(V\))의 차이로 정의되고 이를 라그랑지 방정식에 대입하여 운동방정식을 얻는다.</p> <p>\( L=T-V \)<caption>(1)</caption></p> <p>수레와 관련된 에너지는 운동에너지가 있으며 이때 위치 에너지는 존재하지 않는다. 수레의 운동에너지를 이용하여 라그랑지를 구하면 다음과 같다.</p> <p>\( \frac{d}{d t}\left(\frac{\partial L}{\partial \dot{x}}\right)-\frac{\partial L}{\partial x}=\Xi_{x} \)<caption>(2)</caption></p> <p>\( \frac{d}{d t}\left(m_{1} \dot{x}+m_{2} \dot{x}-m_{2} l \cos \theta \dot{\theta}\right)=f(t)-f_{x} \dot{x}+d_{x} \)<caption>(3)</caption></p> <p>\( \left(m_{1}+m_{2}\right) \ddot{x}-m_{2} l \cos \theta \ddot{\theta}+m_{2} l \sin \theta \dot{\theta}^{2}=f(t)-f_{x} \dot{x}+d_{x} \)<caption>(4)</caption></p> <p>\( \left(m_{1}+m_{2}\right) \ddot{x}-m_{2} l(\cos \theta-\mu \sin \theta) \ddot{\theta}+m_{2} l(\sin \theta-\mu \cos \theta) \dot{\theta}^{2} \) \( +\mu\left(m_{1}+m_{2}\right) g+2 k\left(x-l_{0}\right)=U \)<caption>(5)</caption></p> <p>진자와 관련된 에너지는 운동에너지와 위치 에너지가 있으며, 라그랑지 방정식을 이용하면 다음과 같다.</p> <p>\( \frac{d}{d t}\left(\frac{\partial L}{\partial \dot{\theta}}\right)-\frac{\partial L}{\partial \theta}=\Xi_{\theta} \)<caption>(6)</caption></p> <p>\( \frac{d}{d t}\left(-m_{2} \dot{x} l \cos \theta+m_{2} l^{2} \dot{\theta}+I \dot{\theta}\right)-m_{2} \dot{x} l \sin \theta \dot{\theta}+m_{2} g l \sin \theta=-f_{\theta} \dot{\theta}+d_{\theta} \)<caption>(7)</caption></p> <p>\( -m_{2} l \ddot{x} \cos \theta+\left(m_{2} l^{2}+I\right) \ddot{\theta}+m_{2} g l \sin \theta=-f_{\theta} \dot{\theta}+d_{\theta} \)<caption>(8)</caption></p> <p>\( -m_{2} l \cos \theta \ddot{x}+\left(m_{2} l^{2}+I_{c}\right) \ddot{\theta}+m_{2} g l \sin \theta=-M_{0} \dot{\theta} \)<caption>(9)</caption></p> <p>따라서 수레의 위치 \( (\mathrm{x}) \) 와 진자의 각도 \( (\theta) \) 에 대한 상태 방정식은 다음과 같다.</p> <p>\( \left(m_{1}+m_{2}\right) \ddot{x}-m_{2} l(\cos \theta-\mu \sin \theta) \ddot{\theta}+m_{2} l(\sin \theta-\mu \cos \theta) \dot{\theta}^{2} \) \( +\mu\left(m_{1}+m_{2}\right) g+2 k\left(x-l_{0}\right)=U \)<caption>(10)</caption></p> <p>\( -m_{2} l \cos \theta \ddot{x}+\left(m_{2} l^{2}+I_{c}\right) \ddot{\theta}+m_{2} g l \sin \theta=-M_{0} \dot{\theta} \)<caption>(11)</caption></p> <p>식 (10) 식 (11)을 상태방정식으로 표현하기 위해 상태변수를 다음과 같이 정의하자.</p> <p>\( X_{1}=x, X_{2}=\dot{x}, X_{3}=\theta, X_{4}=\dot{\theta} \)</p> <p>상태변수를 이용하여 시스템 방정식에 대한 상태 방정식을 구하면 다음과 같다.</p> <p>\( \left[\begin{array}{cccc}1 & 0 & 0 & 0 \\ 0 & m_{1}+m_{2} & 0 & -m_{2} l\left(\cos X_{3}-\mu \sin X_{3}\right) \\ 0 & 0 & 1 & 0 \\ 0 & -m_{2} l \cos X_{3} & 0 & m_{2} l^{2}+I_{c}\end{array}\right]\left[\begin{array}{c}\dot{X}_{1} \\ \dot{X}_{2} \\ \dot{X}_{3} \\ \dot{X}_{4}\end{array}\right] \) \( =\left[\begin{array}{c}X_{2} \\ -m_{2} l\left(\sin X_{3}-\mu \cos X_{3}\right) X_{4}{ }^{2}-\mu\left(m_{1}+m_{2}\right) g-2 k\left(x-l_{0}\right)+U \\ X_{4} \\ -M_{0} X_{4}-m_{2} g l \sin X_{3}\end{array}\right] \)</p> <p>위 상태 방정식의 모든 파라미터를 표 1. 에 정리하였다.</p> <table border><caption>표 1. 진자 시스템의 파라미터</caption> <tbody><tr><td>Symbol</td><td>Value</td><td>Unit</td><td>Description</td></tr><tr><td>\(m_{1}\)</td><td>0.654</td><td>kg</td><td>Mass ofslider</td></tr><tr><td>\(m_{2}\)</td><td>0.7925</td><td>kg</td><td>Mass ofpendulum</td></tr><tr><td>k</td><td>100</td><td>N/m</td><td>Springcoefficient</td></tr><tr><td>l</td><td>0.2</td><td>m</td><td>Length ofthe rod</td></tr><tr><td>\(l_{0}\)</td><td>0.025</td><td>m</td><td>Initial lengthof thespring</td></tr><tr><td>g</td><td>9.81</td><td>\(\mathrm{m/s^{2}}\)</td><td>Gravity</td></tr><tr><td>\(I_{c}\)</td><td>0.0014</td><td>\(\mathrm{kg m^{2}}\)</td><td>Inertia aboutthe center</td></tr><tr><td>\(M_{0}\)</td><td>0.02</td><td>\( \mathrm{kg} \cdot \mathrm{m} \cdot \mathrm{deg} / \mathrm{s}^{2} \)</td><td>Dry frictionfrom thependulum</td></tr><tr><td>μ</td><td>0.02</td><td></td><td>Coefficientof friction</td></tr></tbody></table>
|
[
"표 1 진자 시스템의 파라미터에 의하면 Mass of pendulum을 의미하는 파라미터는 무엇인가요?",
"무엇이 표 1 진자 시스템의 파라미터에 의하면 Mass of pendulum을 뜻하지",
"표 1 에서 0.2의 값이 산출되는 파라미터는 무엇이야?",
"표 1 에서 02의 값이 산출되는 파라미터느 무엇이야",
"표 1 진자 시스템의 파라미터에서 \\(m_{1}\\)의 경우, 그 값이 얼마야?",
"표 1 진자 시스템의 파라미터에서 얼마가 풍족했어",
"표 1 진자 시스템의 파라미터에 의하면 \\(m_{1}\\)을 측정하는 단위는 어떤 종류이지?",
"표 1 진자 시스템의 파라미터에 의하면 어떤 종류이 \\(m_{1}\\)을 계측하니",
"표 1 진자 시스템의 파라미터에 표시된 \\(m_{2}\\)를 측정할 때 그 단위는 어떤 수치이지?",
"어떤 수치가 표 1 진자 시스템의 파라미터에 나타난 \\(m_{2}\\)를 측정할 때 그 단위일까",
"표 1 진자 시스템의 파라미터에서 Mass of slider를 의미하는 심볼은 무엇이야?",
"Mass of slider를 표 1 진자 시스템의 파라미터에서 뜻하는 심볼은 무엇이지",
"표 1 진자 시스템의 파라미터 에서 0.7925의 값이 나오는 파라미터는 무엇이야?",
"표 1 진자 시스템의 파라미터 에서 07925의 변경이 나오는 활동은 무엇이야",
"표 1 진자 시스템의 파라미터에서 나타난 k의 값은 얼마로 도출돼?",
"k의 값은 표 1 진자 시스템 파라미터에서 얼마로 도출되지",
"표 1 진자 시스템의 파라미터 에 다르면 k를 나타내는 단위는 무엇이야?",
"어떤 단위가 표 1 진자 시스템의 파라미터 에 다르면 k를 드러내는 것일까",
"표 1 진자 시스템의 파라미터에서 파라미터 k가 의미하는 바는 어떻게 되나요?",
"표 1 진자 시스템의 파라미터에서 k가 뜻하는 바감은 어떻게 되나요거야",
"논문의 표 1 진자 시스템의 파라미터 에서 l을 측정할 때 사용하는 단위는 어떤것이지?",
"어떤 단위가 논문의 표 1 진자 시스템의 측정을 통해 사용하니",
"표 1 진자 시스템의 파라미터 에 따르면 파라미터 l의 의미는 어떻게 나타나?",
"표 1 진자 시스템의 파라미터 에 따르면 공포민의 의의가 푸호되는 것은 어떻게 나타나지",
"표 1 진자 시스템의 파라미터 에 따르면 파라미터 \\(l_{0}\\)의 value값은 얼마로 나타내는가?",
"표 1 진자 시스템의 파라미터 에 따르면 얼마의 value값을 활용하지",
"본문의 표 1 진자 시스템의 파라미터 에서 측정단위로 \\(\\mathrm{m/s^{2}}\\)를 사용하는 파라미터는 무엇인가요?",
"본문의 표 1 진자 시스템의 측정단위로 무슨 파라미터가 \\(\\mathrm{m/s^{2}}\\)를 이용하지",
"표 1 진자 시스템의 파라미터에 의하면 Initial length of the spring을 의미하는 파라미터는 무엇이야?",
"표 1 진자 시스템의 파라미터에 의하면 Initial length of the spring을 뜻하게 하지",
"표 1 진자 시스템의 파라미터 에서 \\(l_{0}\\)의 경우, 측정 시 사용되는 단위가 무엇이야?",
"표 1 진자 시스템의 파라미터 에서 어떤 단위가 \\(l_{0}\\)의 상황을 측정할 수 있어",
"표 1 진자 시스템의 파라미터 에서 g는 무엇을 의미하는 파라미터야?",
"표 1 진자 시스템의 파라미터 에서 g는 무엇을 뜻하게 하느 것을 푸출하지",
"표 1 진자 시스템의 파라미터에서 중력의 value값은 얼마야?",
"중력의 value값은 표 1 진자 시스템의 파라미터에서 얼마지",
"표 1 진자 시스템의 파라미터에서 나타낸 \\(\\mathrm{kg m^{2}}\\)을 측정단위로 사용하는 파라미터는 무엇이야?",
"표 1 진자 시스템의 파라미터에서 나타낸 \\(\\mathrm{kg m^{2}}\\)을 측정단위로 사용하는 확률은 무엇이야",
"표 1 진자 시스템의 파라미터에 따르면 파라미터 \\(I_{c}\\)가 의미하는 바는 뭐야?",
"표 1 진자 시스템의 파라미터에 따르면 가장 바는 뭐야",
"논문의 표 1 진자 시스템의 파라미터에서 \\(M_{0}\\)의 단위는 어떤 종류인가요?",
"어떤 종류인가요 것이 논문의 표 1 진자 시스템의 변화미터에서 협력한 일의 이름일까",
"표 1 진자 시스템의 파라미터에서 μ의 측정값은 어떻게 되나요?",
"표 1 진자 시스템의 파라미터에서 μ의 측정값은 어떻게 되나요 거야",
"표 1 진자 시스템의 파라미터에 따르면 Dry friction from the pendulum을 의미하는 파라미터는 무엇인가요?",
"표 1 진자 시스템의 파라미터에 따르면 Dry friction from the pendulum을 뜻하는 것은 무엇인가",
"표 1 에서 μ라는 파라미터는 무엇을 의미해?",
"무엇을 표 1 에서 파라미터가 뜻하지",
"표 1 진자 시스템의 파라미터에 표시된 \\(M_{0}\\)의 value값은 얼마로 나와?",
"표 1 진자 시스템의 파라미터에 얼마로 고안된 \\(M_{0}\\)의 value값이 나타났지",
"표 1 진자 시스템의 파라미터에서 Inertia about the center를 의미하는 파라미터의 value값은 얼마야?",
"표 1 진자 시스템의 파라미터에서 Inertia about the center를 뜻하는 것은 푬 1 실재 신청의 value값은 얼마지"
] |
8625e747-d137-4ded-850e-f3e610b9dcd1
|
인공물ED
|
통신 지연을 갖는 고차 적분기시스템의 출력피드백 일치
|
<h1>V. 결론</h1><p>본 논문에서는 통신지연을 갖는 방향 네트워크로 연결된 고차 적분기 시스템의 출력피드백 일치문제를 해결하는 제어기를 제안하고 안정도를 증명하였다. 마지막으로 모의실험을 통하여 제안한 방법의 타당성을 입증하였다.</p>
|
[
"본문에서는 제안한 방법이 타당한지를 어떻게 확인했나요?",
"본문에서는 어떤 시스템의 출력피드백 일치문제를 해결하기 위한 제어기를 제안했나요?",
"본문에서 제안한 제어기는 어떤 시스템의 출력피드백 일치문제를 해결하기 위한 것인가요?",
"본문에서 방향 네트워크로 연결된 고차 적분기 시스템에서 출력피드백의 어떤 문제를 해결하려고 했어?",
"본 논문에서는 제어기를 제안한 후에 무엇을 증명했어?",
"본 논문에서는 제어기의 제안과 무엇의 증명을 수행했나요?",
"본 논문에서는 제안한 방법에 대해 모의실험으로 경제성을 입증했어?",
"본 논문에서는 출력피드백 일치문제를 해결하기 위하여 어떻게 했어?",
"출력피드백 일치문제를 타개하기 위하여 본 논문에서는 어떻게 했니?",
"본문에서 고차 적분기 시스템의 출력피드백 일치문제를 해결하는 차단기를 제안하고 모의실험으로 타당성과 신뢰성을 증명한 게 맞나요?",
"본문에서는 제안한 제어기에 대해서 신뢰도를 증명했나요?"
] |
12289c66-3399-4aa9-89a4-53a732495a44
|
인공물ED
|
통신 지연을 갖는 고차 적분기시스템의 출력피드백 일치
|
<p>보조정리 3 에 의하여 \( U^{-1} L_{22} U=\Delta \) 를 만족시키는 비특이 행렬 \( U \) 가 존재한다. 이를 이용하여 다음과 같은 좌표변환을 고려해보자.</p><ol>\( \delta(t)=\left(U^{-1} \otimes I_{2 n}\right) \bar{z}(t) \)<caption>(27)</caption></ol><p>식 (27)을 이용하면 식 (25)는 다음처럼 변환된다.</p><ol>\( \dot{\delta}(t)=\theta\left(I_{N-1} \otimes \hat{A}+\Delta \otimes \hat{B}\right) \delta(t)-\theta(\Delta \otimes \hat{B}) \int_{t-\tau}^{t} \dot{\delta}(s) d s \)<caption>(28)</caption></ol><p>보조정리 5 를 이용하여 \( \epsilon \in\left(0, \epsilon^{*}\right], \alpha \in\left(0, \alpha^{*}\right] \) 을 만족하도록 설계하면 \( \hat{A}+\lambda_{i} \hat{B} \) 는 Hurwitz하다. 이사실과 보조정리 4 를 이용하면 \( I_{N-1} \otimes \hat{A}+\Delta \otimes \hat{B} \) 도 또한 Hurwitz함을 쉽게 알 수 있다. 따라서, 선형이론으로부터 어떠한 상수 \( a>0 \) 에 대하여 다음 식을 만족시키는 양한정 대칭행렬 \( \Phi \) 가 항상 존재한다.</p><ol>\( \left(I_{N-1} \otimes \hat{A}+\Delta \otimes \hat{B}\right)^{T} \Phi+\Phi\left(I_{N-1} \otimes \hat{A}+\Delta \otimes \hat{B}\right)=-a I_{2 n(N-1)} \)<caption>(29)</caption></ol><p>이제 식 (28)의 안정도 해석을 위하여 다음과 같은 Lyapunov-Krasovskii 함수를 고려해보자.</p><ol>\( V(t)=\delta^{T}(t) \Phi \delta(t)+\int_{-\tau}^{0} \int_{t+\beta}^{t}\|\dot{\delta}(\alpha)\|^{2} d \alpha d \beta \)<caption>(30)</caption></ol><p>식 (30)의 도함수를 구하면 다음과 같다.</p><ol>\( \begin{aligned} \dot{V}(t)=& \theta \delta^{T}(t)\left[\left(I_{N-1} \otimes \hat{A}+\Delta \otimes \hat{B}\right)^{T} \Phi+\Phi\left(I_{N-1} \otimes \hat{A}+\Delta \otimes \hat{B}\right)\right] \delta(t) \\ &-2 \theta \delta^{T}(t) \Phi(\Delta \otimes \hat{B}) \int_{t-\tau}^{t} \dot{\delta}(s) d s \\ &+\tau \delta^{T}(t) \dot{\delta}(t)-\int_{t-\tau}^{t}\|\dot{\delta}(\alpha)\|^{2} d \alpha \end{aligned} \)<caption>(31)</caption></ol><p>Young과 Jensen의 부등식을 이용하면 다음을 유도할 수 있다.</p><ol>\( -2 \theta \delta(t) \Phi(\Delta \otimes \hat{B}) \int_{t-\tau}^{t} \dot{\delta}(s) d s \), \( \leq \frac{\theta a}{2}\|\delta(t)\|^{2}+\frac{2 \theta}{a}\|\Phi(\Delta \otimes \hat{B})\|^{2}\left\|\int_{t-\tau}^{t} \dot{\delta}(s) d s\right\|^{2} \), \( \leq \frac{\theta a}{2}\|\delta(t)\|^{2}+\frac{2 \theta \tau}{a}\|\Phi(\Delta \otimes \hat{B})\|^{2} \int_{t-\tau}^{t}\|\dot{\delta}(s)\|^{2} d s \)<caption>(32)</caption></ol><p>식 (28)의 양변에 놈(norm)을 취하고 제곱한 후 삼각부등식과 Jensen의 부등식을 이용하면 다음을 얻는다.</p><p>\( \tau \delta^{T}(t) \dot{\delta}(t) \), \( \leq 2 \pi \theta^{2}\left\|I_{N-1} \otimes \hat{A}-\Delta \otimes \hat{B}\right\|^{2}\|\delta(t)\|^{2} \), \( +2 \pi \theta^{2}\|\Delta \otimes \hat{B}\|^{2}\left\|\int_{t-\tau}^{t} \dot{\delta}(s) d s\right\|^{2} \), \( \leq 2 \pi \theta^{2}\left\|I_{N-1} \otimes \hat{A}-\Delta \otimes \hat{B}^{2}\right\| \delta(t) \|^{2} \), \( +2 \tau^{2} \theta^{2}\|\Delta \otimes \hat{B}\|^{2}\left\|\int_{t-\tau}^{t}\right\| \dot{\delta}(s) \|^{2} d s \)<caption>(33)</caption></ol><p>식 \( (29),(32),(33) \) 을 이용하면 식 (31)은 다음처럼 정리된다.</p><ol>\( \begin{aligned} \dot{V}(t) \leq &\left(-\frac{a \theta}{2}+2 \pi \theta^{2}\left\|I_{N-1} \otimes \hat{A}-\Delta \otimes \hat{B}\right\|^{2}\right)\|\delta(t)\|^{2} ,\\+&\left.\left(\frac{2 \pi \theta}{a} \| \Phi(\Delta \otimes) \hat{B}\right)\left\|^{2}+2 \tau^{2} \theta^{2}\right\| \Delta \otimes \hat{B} \|^{2}-1\right), \\. \int_{t-\tau}^{t}\|\dot{\delta}(s)\|^{2} d s \end{aligned} \)<caption>(34)</caption></ol><p>여기서, \( \dot{V}(t)<0 \) 를 만들기 위하여 다음식이 만족 되어야 한다.</p><ol>\( -\theta\left(\frac{a}{2}-2 \pi \theta\left\|I_{N-1} \otimes \hat{A}-\Delta \otimes \hat{B}\right\|^{2}\right)<0 \)\( \frac{2 \pi \theta}{a}\|\Phi(\Delta \otimes \hat{B})\|^{2}+2 \tau^{2} \theta^{2}\|\Delta \otimes \hat{B}\|^{2}-1<0 \)<caption>(35)</caption></ol><p>\( \widehat{A}, \widehat{B}, P, \Delta \) 는 주어진 상수행렬이고 통신지연 \( \tau>0 \) 는 유한한 크기를 가지므로 설계변수 \( \theta \in(0,1] \) 를 충분히 작게 감소시킨다면 식 (35)를 항상 만족시킬 수 있다. 따라서, 식 (28)은 점근적으로 안정하고 이것은 식 (1)의 출력피드백 일치문제가 해결되었음을 의미한다.</p><h1>IV. 모의 실험</h1><p>본 논문에서 제안한 설계 방법의 유효성을 증명하기 위하여 다음과 같은 다개체 시스템을 고려해 보자</p><ol>\( \dot{x}_{i}(t)=A x_{i}(t)+B u_{i}(t), i=1, \cdots, 4 \), \( A=\left[\begin{array}{lll}0 & 1 & 0 \\ 0 & 0 & 1 \\ 0 & 0 & 0\end{array}\right]\), \(B=\left[\begin{array}{l}0 \\ 0 \\ 1\end{array}\right]\), \(C=\left[\begin{array}{ll}1 & 0\end{array}\right] \), \( x_{i}(t)=\left(x_{i 1}(t) x_{i 2}(t) x_{i 3}(t)\right)^{T} \in R^{3} \)<caption>(36)</caption></ol><p>다개체 시스템의 통신 네트워크는 그림1처럼 [2]에서 사용한 것과 같다. 그림 1 의 라플라시안 행렬은 다음과 같다.</p><ol>\( L=\left[\begin{array}{cccc}6 & -1 & -2 & -3 \\ -3 & 4 & -1 & 0 \\ 0 & 0 & 2 & -2 \\ -1 & -2 & -3 & 6\end{array}\right] \)<caption>(37)</caption></ol><p>그림 1 의 그래프는 가정 1 을 만족시킨다. 따라서, 보조정리 5 에 따라 \( \alpha=0.15, \epsilon=0.01 \) 으로 설정하고 Matlab을 이용하여 식 (4)를 풀면 다음을 얻는다.</p><ol>\( P_{\epsilon}=\left(\begin{array}{lll}0.045 & 0.095 & 0.100 \\ 0.095 & 0.326 & 0.448 \\ 0.100 & 0.448 & 0.951\end{array}\right) \).<caption>(38)</caption></ol><p>식 (35)를 이용하여 \( \theta=0.01 \) 으로 설정한다. 또한, 통신지연은 \( \tau=10 \) 으로 가정한다. 모의실험에 사용된 각 개체의 초기값은 \( -\tau \leq t \leq 0 \) 에서 다음과 같다.</p><ol>\( x_{1}(t)=\left(\begin{array}{lll}0 & -3 & -0.1\end{array}\right)^{T}\), \(x_{2}(t)=\left(\begin{array}{lll}1 & -2 & 0\end{array}\right)^{T} \), \( x_{3}(t)=\left(\begin{array}{lll}2 & -1 & 0.1\end{array}\right)^{T}, x_{4}(t)=\left(\begin{array}{lll}3 & 0 & 0.2\end{array}\right)^{T} \), \( \zeta_{i}(t)=\left(\begin{array}{lll}0 & 0 & 0\end{array}\right)^{T}, i=1,2,3,4 \)<caption>(39)</caption></ol><p>그림 2,3,4은 각 개체의 상태변수의 그래프를 나타낸다. 그림에서 보듯이 매우 큰 네트워크 지연이 존재함에도 불구하고 모두 점근적으로 일치상태에 도달함을 볼 수 있다. 제어기의 상태변수 \( \zeta_{i}(t), i=1,2,3,4 \) 도 또한 일치상태에 도달하고 지면 관계상 결과는 생략하였다. 본 논문의 결과는 \( \tau>10 \) 인 경우에도 정리 1 에 따라 적용가능하다.</p>
|
[
"비특이 행렬 \\( U \\)의 행과 열은 선형독립인 상태야?",
"비특이 행렬 \\( U \\) 는 \\( U^{-1} L_{22} U=\\Delta \\) 를 만족시키지?",
"통신지연 \\( \\tau>0 \\) 는 무한한 크기를 가지지?",
"식 (35)를 항상 만족시키기 위해서는 \\( \\theta \\in(0,1] \\) 를 충분히 크게 증가시켜야겠지?",
"행렬 \\( U \\)의 역행렬을 수식으로 표현하면 \\(U^{-1}\\)이지?",
"비특이 행렬은 역행렬이 존재하지?",
"37번의 행렬 L은 5개의 행으로 구성되어 있어?",
"식 36에서 \\(x_{i}(t) \\)의 계수는 뭐야?",
"37번의 행렬 L은 총 4개의 열로 구성되어 있지?",
"본문에서 식 (4)의 해를 구하기 위해 사용한 소프트웨어의 이름이 뭐야?",
"식 4를 구하기 위해 본문에서 사용한 소프트웨어의 이름이 뭐지"
] |
0f09f67d-78c7-44c9-aa1d-f79151786136
|
인공물ED
|
통신 지연을 갖는 고차 적분기시스템의 출력피드백 일치
|
<h1>III 주요결과</h1><p>다개체 시스템 (1)에 대한 출력 피드백 일치 문제를 풀기 위하여 다음과 같은 일치 제어기를 제안한다.</p><ol>\( \begin{aligned} \dot{\zeta}_{i}(t) &=A \zeta_{i}(t)+D_{\theta} H\left(v_{i}(t)-C \zeta_{i}(t)\right), \\ u_{i}(t) &=-\alpha B^{T} P_{e} K_{\theta} \zeta_{i}(t), i=1, \cdots, N \end{aligned} \)<caption>(9)</caption></ol><p>위 식 (9)에서 \( \quad D_{\theta}=\operatorname{diag}\left(\theta, \theta^{2}, \ldots, \theta^{n}\right) \) 와 \( K_{\theta}=\operatorname{diag}\left(\theta^{n}, \theta^{n-1}, \cdots, \theta\right) \) 는 이득행렬이고 상수 \( \theta \in(0,1) \) 는 설계변수이다. \( P_{\epsilon} \) 는 식 \( (4) \) 의 해이다. 상수 \( \epsilon \in(0,1] \) 는 설계변수이다. 이득행렬 \( H \) 는 A-HC 가 Hurwitz하도록 선택한다. 상수 \( \alpha \) 도 설계 변수이다. \( \alpha, \epsilon, \theta \) 의 설계방법은 보조정리 5 와 정리 1 의 증명과정에서 제시할 것이다. 먼저, 주요 결과를 증명하는데 필요한 보조정리를 제시하겠다.</p><p><strong>보조정리3</strong>: 라플라시안 행렬 \( L \) 의 0아닌 고유값을 \( \lambda_{1}, \cdots, \lambda_{N-1} \) 으로 정의하자. 그러면 \( U^{-1} L_{22} U=\Delta \) 를 만족시키는 비특이 행렬 \( U \) 가 존재한다. 여기서, 행렬 \( \Delta \) 는 상부 삼각(upper triangular)행렬이고 그것의 대각요소는 \( \lambda_{1}, \cdots, \lambda_{N-1} \) 이다.<strong>증명</strong>: 보조정리 1에서 \( L_{22} \) 의 고유값은 라플라시안 행렬 \( L \) 의 0아닌 고유값과 같다는 사실을 고려하면 위 정리는 선형대수로부터 쉽게 유도된다.</p><p><strong>보조정리4</strong>: 행렬 \( \Lambda \) 를 \( \Lambda=\operatorname{diag}\left(\lambda_{1}, \cdots, \lambda_{N-1}\right) \) 으로 정의하자. 어떤 행렬 \( M, N \in R^{2 n \times 2 n} \) 에 대하여 행렬 \( I_{N-1}^{\otimes} M+\Delta \otimes N \) 가 Hurwitz 하다는 사실과 \( I_{N-1} \otimes M+\Lambda \otimes N \) 가 Hurwitz하다는 것은 등가이다.<strong>증명</strong>: 행렬식의 성질을 이용하면 다음을 얻을 수 있다. 식 (10)으로부터 \( I_{N-1} \otimes M+\Delta \otimes N \) 의 고유값과 \( I_{N-1} \otimes M+\Lambda \otimes N \) 의 고유값은 같음을 알 수 있다. 이 사실을 고려하면 정리의 결과는 쉽게 증명된다.</p><ol>\( \operatorname{det}\left(I_{N-1} \otimes M+\Delta \otimes N\right) \) \( =\prod_{i=1}^{N-1} \operatorname{det}\left(M+\lambda_{i} N\right)=\operatorname{det}\left(I_{N-1} \otimes M+\Lambda \otimes N\right) \)<caption>(10)</caption></ol></p><p><strong>보조정리5</strong>: \( i=1, \cdots, N-1 \) 에 대하여 다음과 같은 선형시스템을 고려해보자.</p><ol>\( \left(\begin{array}{c}\dot{x}_{i 1}(t) \\ \dot{x}_{i 2}(t)\end{array}\right)=\left(\begin{array}{cc}A & -\alpha B B^{T} P_{\epsilon} \\ \lambda_{i} H C & A-H C\end{array}\right)\left(\begin{array}{l}x_{i 1}(t) \\ x_{i 2}(t)\end{array}\right) \)<caption>(11)</caption></ol><p>그러면, \( \epsilon \in\left(0, \epsilon^{*}\right], \alpha \in\left(0, \alpha^{*}\right] \) 를 만족시키는 임의의 \( \epsilon, \alpha \) 에 대하여 시스템 (11)을 지수 함수적으로 안정하게 만드는 \( \epsilon^{*}, \alpha^{*} \) 가 항상 존재한다.<strong>증명</strong>: \( \alpha^{*}=1 /\left(2 \min _{i} \operatorname{Re}\left(\lambda_{i}\right)\right) \) 으로 정의하면 [2]의 정리4의 증명과 비슷하므로 생략함.</p><p><strong>정리1</strong>: 다개체 시스템 (1)이 가정 1 을 만족시킨다고 가정하자. 그러면, 임의의 \( \tau>0 \) 에 대하여 제어기 (9)가 다개체 시스템 (1)의 출력피드백 일치문제를 해결하도록 하는 설계변수 \( \alpha, \epsilon, \theta \) 가 항상 존재한다.<strong>증명</strong>: 먼저 \( \xi_{i}(t)=\left(x_{i}^{T}(t), \zeta_{i}^{T}(t)\right)^{T} \) 으로 정의하고 식 (1), (6), (9)를 고려하면 다음 식을 얻을 수 있다.</p><ol>\( \begin{aligned} \dot{\xi}_{i}(t) &=\left(\begin{array}{cc}A & -\alpha B B^{T} P_{\epsilon} K_{\theta} \\ 0 & A-D_{\theta} H C\end{array}\right) \xi_{i}(t)+\left(\begin{array}{c}0 \\ D_{\theta} H\end{array}\right) v_{i}(t) \\ y_{i}(t) &=\left(\begin{array}{cc}C & 0) \xi(t)\end{array}\right.\end{aligned} \)<caption>(12)</caption></ol><p>여기서 \( \xi(t)=\left(\xi_{1}^{T}, \xi_{2}^{T}, \cdots, \xi_{N}^{T}\right)^{T} \) 으로 정의하면 식 (12) 는 다음처럼 행렬형태로 정리된다.</p><ol>\( \dot{\xi}(t)=\left(I_{N} \otimes \bar{A}\right) \xi(t)+\left(L_{\otimes} \bar{B}\right) \xi(t-\tau) \)<caption>(13)</caption></ol><p>위 식에서 각 행렬은 다음 식처럼 정의한다.</p><ol>\( \bar{A}=\left(\begin{array}{cc}A & -\alpha B B^{T} P_{\epsilon} K_{\theta} \\ 0 & A-D_{\theta} H C\end{array}\right), \bar{B}=\left(\begin{array}{cc}0 & 0 \\ D_{\theta} H C & 0\end{array}\right) \)<caption>(14)</caption></ol><p>보조정리1의 행렬 \( T \) 의 정의로부터 그것의 역행렬은 다음과 같다.</p><ol>\( T^{-1}=\left(\begin{array}{cc}1 & 0_{1 \times(N-1)} \\ -1_{N-1} & I_{N-1}\end{array}\right) \)<caption>(15)</caption></ol><p>다음과 같은 상태변환을 이용하면</p><ol>\( \bar{\xi}(t)=\left(T^{-1} \otimes I_{2 n}\right) \xi(t) \)<caption>(16)</caption></ol><p>식 (13)은 다음처럼 변환된다.</p><ol>\( \dot{\bar{\xi}}(t)=\left(I_{N} \otimes \bar{A}\right) \bar{\xi}(t)+\left(T^{-1} L T \otimes \bar{B}\right) \bar{\xi}(t-\tau) \)<caption>(17)</caption></ol><p>식 (15) 로부터 다음 사실을 얻을 수 있다.</p><ol>\( \bar{\xi}(t)=\left(\begin{array}{c}\xi_{1}(t) \\ \xi_{2}(t)-\xi_{1}(t) \\ \vdots \\ \xi_{N}(t)-\xi_{1}(t)\end{array}\right)=\left(\begin{array}{c}\xi_{1}(t) \\ z(t)\end{array}\right) \)<caption>(18)</caption></ol><p>위 식에서 \( z(t)=\left(z_{1}^{T}(t), \cdots, z_{N-1}^{T}(t)\right)^{T} \) 이다. 식 (18)을 이용하면 식 (17)은 다음처럼 2 개의 서브시스템으로 분해될 수 있다.</p><ol>\( \begin{aligned} \dot{\xi}_{1}(t) &=\bar{A} \xi_{1}(t)+\left(L_{12} \otimes \bar{B}\right) z(t-\tau) \\ \dot{z}(t) &=\left(I_{N-1} \otimes \bar{A}\right) z(t)+\left(L_{22} \otimes \bar{B}\right) z(t-\tau) \end{aligned} \)<caption>(19)</caption></ol><p>식 (18)을 고려하면, \( \lim _{t \rightarrow \infty} z_{i}(t) \|=0 \) 가 만족되면 \( \lim _{t \rightarrow \infty} \xi_{i}(t)-\xi_{1}(t) \|=0 \) 이 성립한다. 이것은, 다음 식 (20)의 점근적 안정도를 증명하면</p><ol>\( \dot{z}(t)=\left(I_{N-1} \otimes \bar{A}\right) z(t)+\left(L_{22} \otimes \bar{B}\right) z(t-\tau) \)<caption>(20)</caption></ol><p>식 (1)의 출력피드 백 일치문제가 해결됨을 의미한다. 따라서, 식 (20)의 점근적 안정도를 증명하겠다. 먼저, 뉴턴-라이프니쯔 법칙을 이용하면 식 (20)은 다음처럼 변환된다.</p><ol>\( \dot{z}(t)=\left(I_{N-1} \otimes \bar{A}+L_{22} \otimes \bar{B}\right) z(t)-\left(L_{22} \otimes \bar{B}\right) \int_{t-\tau}^{t} \dot{z}(s) d s \)<caption>(21)</caption></ol><p>다시, 다음과 같은 좌표변환을 고려해보자.</p><ol>\( \begin{aligned} \bar{z}(t) &=\left(I_{N-1} \otimes \bar{\Sigma}\right) z(t), \\ \bar{\Sigma} &=\operatorname{diag}(\Sigma, \Sigma), \Sigma=\operatorname{diag}\left(\theta^{-1}, \ldots, \theta^{-n}\right) \end{aligned} \)<caption>(22)</caption></ol><p>식 (22)에 의하여 식 (21)은 다음처럼 변환된다.</p><ol>\( \begin{aligned} \dot{\bar{z}}(t) &=\left(I_{N-1} \otimes \bar{\Sigma} \bar{A} \overline{\Sigma^{-1}}+L_{22} \otimes \bar{\Sigma} \bar{B} \overline{\Sigma^{-1}}\right) \bar{z}(t) \\ &-\left(L_{22} \otimes \bar{\Sigma} \bar{B} \overline{\Sigma^{-1}}\right) \int_{t-\tau}^{t} \dot{\bar{z}}(s) d s \end{aligned} \)<caption>(23)</caption></ol><p>행렬 \( A, B, C \) 의 구조적 단순성을 이용하면 다음 사실을 증명하는 것은 어렵지 않다.</p><ol><p>\( \Sigma A \Sigma^{-1}=\theta A \), \( \Sigma B B^{T} P_{\epsilon} K_{\theta} \Sigma^{-1}=\theta B B^{T} P_{\epsilon} \), \( \Sigma D_{\theta} H C \Sigma^{-1}=\theta H C \)</p><caption>(24)</caption></ol><p>식 (24)을 이용하면 식 (23)은 식 (25)처럼 정리된다.</p><ol>\( \dot{\bar{z}}(t)=\theta\left(I_{N-1} \otimes \hat{A}+L_{22} \otimes \hat{B}\right) \bar{z}(t)-\theta\left(L_{22} \otimes \hat{B}\right) \int_{t-\tau}^{t} \dot{\bar{z}}(s) d s \)<caption>(25)</caption></ol><p>위 식에서 다음처럼 정의한다.</p><ol>\( \hat{A}=\left(\begin{array}{cc}A & -\alpha B B^{T} P_{\epsilon} \\ 0 & A-H C\end{array}\right), \hat{B}=\left(\begin{array}{cc}0 & 0 \\ H C & 0\end{array}\right) \)<caption>(26)</caption></ol>
|
[
"여기서 \\( \\xi(t)=\\left(\\xi_{1}^{T}, \\xi_{2}^{T}, \\cdots, \\xi_{N}^{T}\\right)^{T} \\) 으로 정의하면 >\\( \\begin{aligned} \\dot{\\xi}_{i}(t) &=\\left(\\begin{array}{cc}A & -\\alpha B B^{T} P_{\\epsilon} K_{\\theta} \\\\ 0 & A-D_{\\theta} H C\\end{array}\\right) \\xi_{i}(t)+\\left(\\begin{array}{c}0 \\\\ D_{\\theta} H\\end{array}\\right) v_{i}(t) \\\\ y_{i}(t) &=\\left(\\begin{array}{cc}C & 0) \\xi(t)\\end{array}\\right.\\end{aligned} \\) 은 어떻게 정리되나요?",
"식 (9)에서 이득행렬은 무엇인가요?",
"식 (9)에서 설계변수는 무엇인가요?",
"식 (9)에서 설계변수가 뭐지"
] |
682b0d95-72cf-418c-9e82-9261bd8d22a9
|
인공물ED
|
사용자 지정 경로를 이용한 비정상 교통 행위
|
<h3>(나) 다중 사용자 지정 경로 상 이동 물체 비정상성</h3><p>다중 경로, 즉 여러 개의 사용자 지정 경로가 존재할 때, 물체의 이동 궤적에 대한 비정상성을 판단하려면 해당 물체의 이동 궤적과 특정 사용자 지정 경로가<p>얼마나 연관성이 있는지를 고려해야 한다. 즉, 제안된 식 (1)에서 \( P\left(T_{i j}\right) \) 를 잘 정의하여야만 보다 강인한 판별 결과를 얻을 수 있다. 본 논문에서는 \( P\left(T_{i j}\right) \) 를 다음과 같이 제안한다. j 번째 사용자 지정 경로에서 i 번째 이동 물체의 궤적의 비정상성이 낮을수록 \( P\left(T_{i j}\right) \) 를 높게 부여한다. j 번째 사용자 지정 경로와 i 번째 이동 물체의 최근 움직인 궤적이 가까울수록 \( P\left(T_{i j}\right) \) 를 높게 부여한다. i 번째 이동 물체의 최근 궤적에 j 번째 사용자 지정 경로가 차지하는 비율이 높을수록 \( P\left(T_{i j}\right) \) 를 높게 부여한다. 그림 \(5\) 는 두 개의 이동물체가 두 개의 사용자 지정 경로 상에서 움직일 때, \( P\left(T_{i j}\right) \) 와 비정상성의 예를 도시한 그림이다.</p><h1>III. 실 험</h1><p>실험은 듀얼코어(Dual Core) 2.13 GH 의 CPU와 3GB 의 RAM상에서 \( 320 \times 240 \) 해상도의 영상을 30 프레임으로 진행하였다. 이동 물체 탐지에는 확장된 단일 가우시안 모델 (SGM) \({}^{[5]} \) 을 사용하였고 다중 물체추적은 자료 짜맞추기(data association)을 이용한 방법 \( { }^{[6]} \) 을 사용하였다. 사용 데이터는 실외에서 촬영된 네 가지 상황 데이터를 사용하였다. 해당 데이터에는 정상적인 교통 행위와 함께 무단횡단, 불법유턴, 역주행, 불법좌회전 (또는 이동 불가 지역으로의 이동) 행위들이 담겨있다. 그림 \(6\) 은 각 각의 데이터별 판별 결과를 도시한 것이다. 시스템의 결과는 다음과 같이 구성된다. 각 이동 물체의 궤적을 표시하고 이 중 정상적으로 움직이는 물체는 녹색 테두리 및 궤적을, 비정상적으로 움직이는 물체는 적색 테두리 및 궤적으로 표시하였다. 그림 6.(a)는 불법 유턴을 탐지한 결과이다. 정상적으로 이동한 버스 및 보행자는 녹색으로 처리되었고 불법 유턴을 행한 스쿠터만 적색으로 표시된 것을 확인할 수 있다. 그림 6 .(b) 는 불법 좌회전을 탐지한 모습니다. 그림 6.(c)는 보행자의 무단 횡단을 적발한 화면이다. 그림 6.(d)는 보행자의 무단 횡단 및 스쿠터의 역주행을 탐지한 결과를 담고 있다. 실험 결과 각종 불법 교통 행위를 신속하고 정확하게 탐지해냄을 확인할 수 있다. 모든 실험은 실시간으로 이루어졌으며, 그 판별 결과도 강인함을 확인할 수 있다.</p>
|
[
"본 논문의 실험에서 확장된 단일 가우시안 모델은 어디에 사용되었는가?",
"본 논문에서 보다 강인한 판별 결과를 얻기 위해서는 제안된 식 (1)에서 무엇을 잘 정의해야 하는가?",
"본 논문에서 보다 강인한 판별 결과를 얻기 위해서는 무엇에서 \\( P\\left(T_{i j}\\right) \\)를 잘 정의해야 하는가?",
"본 논문에 따르면 보다 강인한 판별 결과를 얻기 위해서는 무엇에서 \\( P\\left(T_{i j}\\right) \\)를 잘 정의해야 하는가?",
"본 논문에서는 j 번째 무엇에서 i 번째 이동 물체의 궤적의 비정상성이 낮을수록 \\( P\\left(T_{i j}\\right) \\) 를 높게 부여하는가?",
"본 논문에서는 j 번째 사용자 지정 경로에서 i 번째 이동 물체의 무엇의 비정상성이 낮을수록 \\( P\\left(T_{i j}\\right) \\) 를 높게 부여하는가?",
"본 논문에서는 j 번째 사용자 지정 경로에서 i 번째 이동 물체의 궤적의 무엇이 낮을수록 \\( P\\left(T_{i j}\\right) \\) 를 높게 부여하는가?",
"본 논문에서는 j 번째 사용자 지정 경로와 i 번째 이동 물체의 무엇이 가까울수록 \\( P\\left(T_{i j}\\right) \\) 를 높게 부여했는가?",
"본 논문의 그림 \\(5\\)는 어떨 때 \\( P\\left(T_{i j}\\right) \\) 와 비정상성의 예를 도시한 그림인가?",
"본 논문의 그림 \\(5\\) 는 두 개의 이동물체가 두 개의 사용자 지정 경로 상에서 움직일 때, 무엇과 비정상성의 예를 도시한 그림인가?",
"본 논문의 그림 \\(5\\) 는 두 개의 이동물체가 두 개의 사용자 지정 경로 상에서 움직일 때, \\( P\\left(T_{i j}\\right) \\) 와 무엇을 도시한 그림인가?",
"본 논문의 실험에 사용된 CPU의 종류는 무엇인가?",
"본 논문의 실험에 사용된 CPU는 몇 GH인가?",
"본 실험에 사용된 CPU는 몇 GH인가?",
"본 실험에 사용된 RAM의 용량은 어느정도인가?",
"본 실험에 사용된 RAM의 용량은 얼마인가?",
"본 논문의 실험에서 사용된 영상의 프레임은 몇이었나?",
"본 논문의 실험에 사용된 영상의 해상도는 얼마인가?",
"본 논문의 실험에 사용된 영상은 얼마의 해상도를 가지고 있나?",
"본 논문의 실험에서 이동 물체 탐지에는 무엇이 사용되었는가?",
"본 논문의 실험에서 자료 짜맞추기를 이용한 방법은 어디에 사용되었는가?",
"본 논문의 실험에서 다중 물체추적에는 무엇을 이용한 방법이 사용되었는가?",
"본 실험에서 사용한 실외 촬영 상황 데이터에는 정상적인 교통 행위와 함께 이 것, 불법유턴, 역주행, 불법좌회전 행위들이 담겨있는데, 이 것은 무엇인가?",
"본 실험에서 사용한 데이터는 실외에서 촬영된 몇 가지 상황 데이터였는가?",
"본 실험에서 사용한 데이터는 어디에서 촬영된 상황 데이터였는가?",
"본 실험에서 사용한 실외 촬영 상황 데이터에는 이 것과 함께 무단횡단, 불법유턴, 역주행, 불법좌회전 행위들이 담겨있는데, 이 것은 무엇인가?",
"본 실험에서 사용한 데이터는 몇 가지의 실외 촬영 상황 데이터였는가?",
"본 실험에서 사용한 실외 촬영 상황 데이터에는 정상적인 교통 행위와 함께 무단횡단, 불법유턴, 역주행, 그리고 이러한 행위들이 담겨있는데, 이 때 이러한 불법 행위는 무엇인가?",
"본 실험에서 사용한 실외 촬영 상황 데이터에는 정상적인 교통 행위와 함께 무단횡단, 이 것, 역주행, 불법좌회전 행위들이 담겨있는데, 이 때 이 것은 무엇인가?",
"본 논문의 그림 \\(6\\)이 도시화 한 것은 무엇인가?",
"본 실험에서 사용한 실외 촬영 상황 데이터에는 정상적인 교통 행위와 함께 무단횡단, 불법유턴, 이 것, 불법좌회전 행위들이 담겨있는데, 이 것은 어떤 상황인가?",
"본 실험의 시스템 결과 정상적으로 움직이는 물체는 무슨 색으로 테두리 및 궤적을 표시하였는가?",
"본 실험의 시스템 결과 표시된 각 이동 물체의 궤적 중 정상적으로 움직이는 물체는 무슨 색으로 테두리 및 궤적을 표시하였는가?",
"본 실험의 시스템 결과 표시된 각 이동 물체의 궤적 중 비정상적으로 움직이는 물체는 무슨 색으로 테두리 및 궤적을 표시하였는가?",
"본 실험의 시스템 결과 표시된 각 이동 물체의 궤적 중 어떤 식으로 움직이는 물체를 적색 테두리 및 궤적으로 나타내었는가?",
"본 논문에서 불법 좌회전을 탐지한 모습은 어디에 나타나있는가?",
"본 논문의 그림 6.(a)는 무엇을 탐지한 결과인가?",
"본 논문의 그림 6.(d)는 무엇을 탐지한 결과인가?",
"본 논문에서 보행자의 무단 횡잔을 적발한 화면은 어디에 나타나 있는가?",
"본 논문에서 보행자의 무단 횡단 및 스쿠터의 역주행을 탐지한 결과는 어디에 나타나있는가?",
"본 논문의 그림 6.(a)에 따르면 불법 유턴을 행한 무엇이 적색으로 표시되었는가?",
"본 논문의 그림 6.(a)에 따르면 정상적으로 이동한 무엇이 무엇이 녹색으로 표시되었는가?",
"본 논문에서는 j 번째 사용자 지정 경로에서 i 번째 무엇의 궤적의 비정상성이 낮을수록 \\( P\\left(T_{i j}\\right) \\) 를 높게 부여하는가?",
"본 논문의 실험에서 사용된 영상은 몇 프레임이었나?",
"본 논문에서 각 각의 데이터별 판별 결과를 도시한 것은 무엇인가?",
"본 실험의 시스템 결과 비정상적으로 움직이는 물체는 무슨 색으로 테두리 및 궤적을 표시하였는가?",
"본 논문에서 불볍 유턴을 탐지한 결과는 어디에 나와있는가?",
"본 실험의 시스템 결과 표시된 각 이동 물체의 궤적 중 어떤식으로 움직이는 물체를 녹색 테두리 및 궤적으로 표시하였는가?",
"본 논문의 그림 6.(c)는 무엇을 적발한 결과인가?",
"본 논문의 실험들은 어떻게 이루어졌는가?",
"본 논문의 그림 6.(b)는 무엇을 탐지한 결과인가?"
] |
8ce8a0f7-842a-4c85-a39c-405258464c5d
|
인공물ED
|
사용자 지정 경로를 이용한 비정상 교통 행위
|
<h2>3. 본 논문의 기여</h2><p>본 논문에서 제안하는 시스템이 각 교통 감시 시스템의 요구조건을 어떻게 만족시키는지 정리하면 아래와 같다.</p><ul><li>입력 편의성. 본 논문에서 제안하는 입력 방식 및 입력 요소들은 다양한 교통 상황에 대해 정상 경로의 정보를 손쉽게 입력할 수 있다.</li><li>강인성. 본 논문에서 제안하는 시스템의 방법은 사용자 입력에 의해 규칙을 정의하기 때문에, 단순히 확률론적 방법을 사용하는 비교사 학습에 비해 성능이 강인하다.</li><li>적응성. 본 논문의 방법은 적응 방식이 채택되었기 때문에, 단순 규칙기반 방식과는 달리 상황 적응이 가능하여 보다 강인한 성능을 보여준다.</li><li>실시간성. 본 논문에서 사용하는 규칙기반 판별 방식은 연산량이 매우 적어 신속하게 상황을 감시 및 판단할 수 있다.</li></ul><h2>4. 논문조직</h2><p>Ⅱ장에서는 본 논문에서 제안하는 시스템에 대해 보다 자세히 설명하였다. 어떻게 사용자 지정 경로 정보를 입력하는지, 어떤 식으로 이상 경로를 판별하는지 등을 설명하였다. III장에서는 다양한 환경에서 취득된 영상 자료를 바탕으로 본 시스템이 달성하고자 하는 목표에 대해 진행한 실험 결과를 도시하였다. IV장에서는 실험 결과를 바탕으로 최종 결론을 도출하였다.</p><h1>II. 본 론</h1><h2>1. 개요</h2><p>그림 \(1\)은 본 논문에서 제안하는 방법을 적용한 시스템의 개괄도이다. 해당 시스템은 고정카메라에 의한 교통 감시 시스템이다. 시스템은 입력 영상에 대해 이동 물체를 탐지하고 이를 추적하여 물체 궤적을 획득한다. 획득된 궤적을 본 논문에서 제안하는 방법을 통해 정상인지 비정상인지 판별한다. 정상으로 판별된 교통행위는 녹색으로, 비정상으로 판별된 교통행위는 적색으로 표시된다. 물체의 추적 및 궤적의 생성은 본 논문에서 다루는 범위를 넘어가므로 다루지 않겠다. 다만, 이동 물체의 궤적이 정상적으로 생성되어 본 논문에서 제안하는 방법의 입력으로 들어와야 하므로, 본 시스템에서는 변문섭 \( { }^{[6]} \) 이 제안한 물체 탐지 및 추적 방법을 사용하였다.</p><h2>2. 사용자 지정 경로</h2><p>사용자는 하나의 감시 화면에 다수의 사용자 지정 경로를 설정할 수 있다. 이를 통하여 사용자는 감시 시스템에 자신이 원하는, 혹은 기대하는 정상 교통 행위에 대한 정보를 입력할 수 있다. 개별 사용자 지정 경로의 생김새는 그림 2.(a)와 같다. 사용자 지정 경로는 해당 경로가 영향을 미치는 영역, 해당 경로의 이동 방향, 진입과 진출 영역에 대한 정보를 포함하고 있다. 입력 인터페이스는 그래픽 유저 인터페이스를 차용하였다. 하지만 인터페이스에 대한 설명은 본 논문의 범위를 넘어가므로 자세한 설명은 생략하겠다. 다만, 그림 2.(a)의 정상 경로 입력은 어떠한 인터페이스로 구현한다 하더라도 사용자가 쉽게 입력할 수 있는 구조를 갖고 있다. 그림 2.(a)의 각부 명칭을 살펴보면 다음과 같다. 중점은 경로의 거점을 뜻한다. 즉, 각 중점을 설정함으로써 사용자 지정 경로의 기본 형태 및 위치를 지정한다. 방향,폭 막대는 사용자 지정 경로가 영향을 미치는 범위를 나타낸다. 경로 방향 선은 각 중점을 연결한 선이며 화살표로 되어 있다. 경로 방향 선은 이동 방향을 의미 한다. 기본적으로 중점의 입력 순서에 따라 경로의 이동방향이 정해지나 횡단보도와 같은 양방향 통행이 가능한 경로의 경우 경로 방향 선을 양방향 화살표로 입력하면 된다. 그림 2 .(b) 는 실제로 감시 화면에 사용자 지정 경로를 그린 모습이다.</p>
|
[
"해당 시스템은 무엇에 의한 교통 감시 시스템인가?",
"입력 인터페이스는 무엇을 차용하였는가?",
"중점은 무엇을 뜻하는가?",
"경로 방향 선은 각 무엇을 연결한 선인가?",
"경로 방향 선은 무엇을 의미하는가?",
"기본적으로 무엇에 따라 경로의 이동방향이 정해지는가?",
"무엇이 경로의 거점을 뜻하는가?",
"어떤 색으로 비정상 교통행위를 표시하는가?",
"비정상 교통행위를 어떤 색으로 표현하지?",
"어떤 색으로 정상 교통행위를 표시하는가?",
"정상 교통행위를 어떤 색으로 표현하지?",
"무엇을 획득하기 위해 입력 영상에 대해 이동 물체를 탐지하고 추적하는가?",
"입력 영상에 대해 이동 물체를 탐지하고 추측하는 것은 입력 영상에 대한 무엇을 획득하기 위해서인가?",
"경로 방향 선은 무엇으로 이루어져 있는가?",
"무엇이 경로 방향 선을 이루고 있는가?",
"양뱡향 화살표는 어떤 종류의 경로를 나타내기 위해 사용되는가?",
"양뱡향 화살표는 어떤 종류의 경로를 나타내고자 이용되는가?",
"누가 제안한 방법을 본 시스템에서 참고하여 사용하였는가?",
"본 시스템에서 누가 제의한 방법을 참고하여 사용했지?",
"경로 방향 선을 어떤 화살표로 입력해야 양방향 통행이 가능한 경로의 경우 해결할 수 있는가?",
"양방향 통행이 가능한 경로를 처리하기 위해서는 어떤 경로 방향 선을 입력해야 하지?",
"무엇을 나타내기 위해 방향, 폭 막대를 사용하는가?",
"방향, 폭 막대는 무엇을 위해 사용하지?"
] |
1e8ab808-335f-43c6-acbf-c5f6c19b812b
|
인공물ED
|
사용자 지정 경로를 이용한 비정상 교통 행위
|
<ul><li>입력 편의성. 감시자가 합법 행위를 시스템이 쉅게 입력할 수 있어야 한다. 도로 교통 상황은 대부분 매우 복잡하게 구성되어 있기 때문에 입력 편의성이 결여된 시스템은 실제 적용하기에 많은 무리가 따른다.</li><li>강인성. 불법 행위가 학습 데이터나 기타 여러 요인 에 의해 성능의 변화가 심하면 시스템의 결과를 신뢰할 수 없기 때문에 실제 현장에 적용하기 힘들다. 때문에 본 논문에서 해결하고자 하는 문제를 다루는 시스템은 일관되고 높은 성능을 보여주어야 한 다.</li><li>적응성. 교통 감시 환경은 수시로 변한다. 내부적 요인으로는 사고나 공사 등에 의해 교통의 흐름이 변화할 수도 있고 외부적인 요인으로는 조명 등의 변화로 감시되는 영상이 달라질 수 있다. 이러한 변화를 사용자가 일일이 변경하지 않고 시스템 자체적으로 수정 및 적응할 수 있어야 한다.</li><li>실시간성. 감시 시스템을 365 일, 24 시간 운용하기 위해서는 실시간성이 필수적으로 필요하다. 실시간으로 처리하지 못한다면 연속적이고 긴 시간동안의 감시를 수행할 수 없다.</li></ul><p>불법 교통행위 감시 시스템이 효과적이려면 위의 네 가지 조건을 모두 만족시켜야 한다. 다음 절부터 이어지는 내용을 통해 본 논문의 시스템이 어떵게 상위 네 가지 조건을 만족시키고 관련된 다른 연구들은 어떠한 조건을 만족시키지 못하는지 알아볼 것이다.</p><h2>2. 관련연구</h2><p>비정상 교통 행위 탐지 방법은 크게, 규칙기반 (rule-based) 방식과 확률론적(statistical) 방식으로 분류할 수 있다. 규칙기반 방식에는 MIT의 Ivanov \( { }^{[1]} \) 가 제시한 방법이 있다. 그는 구문해석(Parsing) 알고리즘을 확장하여 다중 객체(multi-agent)들의 상호작용을 하나의 구문해석기로 해석, 이를 통해 비정상 교통 행위를 탐지하였다. 이 때 사용된 구문 해석기는 행위의 일치성을 이용하여 불필요한 객체를 제거하는 방식으로 작동된다. 또한 그는 증분(incremental) 구문해석기를 제안하였다. 하지만 그가 제안한 방법은 그 규칙이 고정적이기 때문에 다양한 환경변화에 적응할 수 없다. 때문에 적응성을 만족시키지 못한다. 뿐만 아니라 단순히 사건(event)을 중심으로 규칙을 서술하기 때문에 공간적인 정보를 활용할 수 없어 입력의 편의성도 떨어진다. 확률론적인 방식에는 Sultani \( { }^{[2]}\), Saleemi\({ }^{[3]} \), Basharat \( ^{[5]} \) 이 제안한 방법들이 속한다. Sultani \( { }^{[2]} \) 는 잠재 디리클레 할당(Latent Direchlet Allocation) 모형과 사회력(Social force) 모델을 이용하여 정상 행위를 비교사(unsupervised) 학습하고, 이를 통해 비정상 교통 행위를 판별한다. 그가 제안한 방법을 채택하기 때문에 다양한 상황에 대하여 별도의 처리가 필요하지 않고 광범위하게 적용할 수 있다는 장점이 있다. 하지만 학습 데이터에 따라 판별의 강인성이 일정치 않고, 학습에 비교적 큰 연산량이 필요하다는 단점이 있다. Saleemi \( { }^{[3]} \) 는 경로 분석과 화면 이해(scene understanding)를 조합하는 방법을 제안했다. 이러한 방법은 두드러진(salient) 움직임만을 처리하기 때문에 잡음(noise)에 강인하다는 장점이 있으나 이 역시 앞서 Sultani \( ^{[2]} \) 의 방법과 마찬가지로 강인성과 실시간성 기준을 충분히 만족시키지 못한다. Basharat \( { }^{[4]} \) 는 물체의 이동 경로를 가우시안 혼합 모델(Gaussian Mixture Model)로 회귀(regression)하는 방법을 제안하였다. 이는 매우 참신한 방법이지만 연산량이 비교적 커 실시간 성을 만족시키지 못하고 사용자가 정보를 입력할 수 있는 방법이 없기 때문에 매우 희귀하지만 적법인 행위에 대해 고려할 수 없다.</p>
|
[
"입력 편의성이 결여된 시스템은 실제 적용하기에 많은 무리가 따르는 이유는 무엇이니?",
"불법 행위가 학습 데이터나 기타 여러 요인 에 의해 성능의 변화가 심하지 않아야 한다는 의미를 갖는 조건명은 무엇이야?",
"사고나 공사 등에 의해 교통의 흐름이 변화할 수 있는 것은 어떤 요인이라고 할 수 있어?",
"외부적인 요인의 이유는 무엇이야?",
"조건 중 실시간성은 어떤 의미를 포함하니?",
"실시간성의 조건이 없다면 어떻게 되니?",
"불법 교통행위 감시 시스템이 효과적이려면 언급된 몇 가지 조건을 만족시켜야 하니?",
"비정상 교통 행위 탐지 방법은 무엇과 무엇으로 나눌 수 있어?",
"규칙기반 방식은 누가 제시하였어?",
"Ivanov는 어떤 구문해석기를 제안하였어?",
"Ivanov가 제안한 방법을 다양한 환경변화에 적응할 수 없는 이유는 무엇이야?",
"입력 편의성의 의미는 무엇이야?",
"확률론적인 방식을 제안한 사람으로는 누가 있어?",
"Sultani 는 무엇을 이용하여 정상 행위를 비교사학습하고 판별하였어?",
"경로 분석과 화면 이해를 조합하는 방법을 제안한 사람은 누구니?",
"잡음에 강인할 수 있는 이유는 무엇 때문이야?",
"Saleemi \\( { }^{[3]} \\) 가 제안한 경로 분석과 화면 이해(scene understanding)를 조합하는 방법은 어떤 기준을 충분히 만족시키지 못하니?",
"물체의 이동 경로를 가우시안 혼합 모델(Gaussian Mixture Model)로 회귀(regression)하는 방법을 제안한 사람은 누구니?",
"본 논문에서 해결하고자 하는 문제를 다루는 시스템은 일관되고 높은 성능을 보여주어야 하는 이유는 무엇이야?",
"Basharat 가 제안한 방법의 단점은 무엇이야?",
"조건 중 적응성이 포함된 이유는 무엇이야?",
"조명 등의 변화로 감시되는 영상이 달라질 경우 사용자가 아닌 무엇이 자체적으로 수정 및 적응할 수 있어야 하니?",
"MIT의 Ivanov 는 어떤 알고리즘을 확장하였어?",
"구문 해석기는 어떤 방식으로 작동되니?",
"규칙기반 방식에서는 서술할 때 무엇 중심으로 규칙을 서술하니?",
"Sultani가 제안한 방법을 채택할 때 장점은 무엇이 있어?",
"Sultani가 제안한 방법에는 어떤 단점이 있어?",
"Saleemi 가 제안한 방법의 장점은 무엇이야?"
] |
67a2055e-96c7-48f8-a535-a062cd6da5cc
|
인공물ED
|
사용자 지정 경로를 이용한 비정상 교통 행위
|
<h1>요 약</h1><p>본 논문은 교통 감시를 수행하는 고정 카메라에서, 움직이는 물체들의 궤적을 사용자가 입력한 사용자 지정 경로를 바탕으로 그 정상/비정상성을 판별하는 방법을 제안한다. 제안된 방법은 입력된 경로 정보를 미리 정해진 규칙에 따라 각각의 이동 물체에 대한 비정상성(abnormality)을 계산하고 이를 임계값(Threshold)과 비교하여 비정상 행위를 판별해낸다. 사용자의 경로 정보 입력 기능을 이용하기 때문에 기존의 방법들에서 사용한, 계산량과 시간 소모가 크며 학습 데이터에 의해 그 성능이 크게 영향을 받는 정상 행위 (normal behavior) 모델링 단계를 배제하여 보다 빠르고 정확한 판별 결과를 제공한다. 뿐만아니라 단순히 지정된 규칙만을 이용하지 않고 주어진 환경에 따라 규칙을 변형 적용하여 보다 강인한 판별 결과를 제공한다. 실험 결과는 본 논문에서 제안한 방법이 각종 교통 상황에서 발생하는 불법 및 비정상 교통 행위를 강인하게 판별해 냄을 보여준다.</p><h1>I. 서 론</h1><p>도로상에서의 위법 행위는 심각한 사고를 유발하곤 한다. 때문에 이러한 위법 행위를 방지하기 위해서는 이를 단속할 수 있는 단속 시스템이 필요하다. 최근 들어 도로 교통 상황 파악 및 속도위반 단속, 불법 주.정차 단속 등을 위한 감시 카메라의 설치가 늘고 있다. 국내 다수의 대도시에서 주요 교차로 및 간선 도로에 매우 밀도 있게 카메라들을 설치하고 있다. 이렇듯 카메라의 수는 증가하고 있으나 속도위반 단속을 제외한 대부분의 작업들은 자동화 하지 못하고 사람의 수작업에 의해 진해오디고 있다. 때문에 위법 행위 중 상당수는 그 적발이 불가능하다. 앞으로 더욱 늘어날 감시 시스템을 보다 효율적이고 유용하게 사용하기 위해서는 현재 자동으로 단속하지 못하는 위법행위들을 자동으로 단속하고 관리 할 수 있는 시스템이 필요하다. 본 논문은 이러한 취지를 바탕으로 많은 위법행위자들을 자동으로 식별 및 보고 하는 시스템을 제안하였다.</p><h2>1. 시스템 목표</h2><p>관련된 선행 연구를 비교하기에 앞서 본 논문에서 다루고자 하는 문제의 최종 목표를 살펴볼 필요가 있다. 교통 감시를 크게 두 가지로 분류하면 교통 상황 파악과 불법 행위 단속으로 나눌 수 있다. 교통 상황 파악에는 교통량 측정, 사고 및 특수 상황 파악 등이 포함되며 불법 행위 단속에는 무단횡단, 불법 유턴, 불법 주.정차 및 과속, 역주행 적발 등이 포함된다. 본 논문이 제시하는 방법은 사용자가 입력한 정보를 바탕으로 불법 행위 단속을 자동화하는 것을 목적으로 하고 있으며 이를 위해선 다음과 같은 요구 조건을 만족 시켜야 한다.</p>
|
[
"본 논문이 건의한 방식은 어떤 물체에 적용시키는 것인가?",
"도로상에서의 위법 행위는 어떤 문제를 일으키는가?",
"어떤 문제가 도로상에서의 위법 행동일까",
"도로상에서 단속시스템은 왜 요구되는가?",
"도로상의 위법 행위를 가로막기 위해서는 무엇이 반드시 요구되는가?",
"도로상에 놓인 감시 카메라는 무엇을 감시하는가?",
"본 논문이 건의한 기법은 무엇인가?",
"교통 감시를 두 가지로 구분할 때, 교통량 측정, 사고 및 특수 상황 파악 등은 어디에 속하는가?",
"교통 감시는 간단하게 무엇과 무엇으로 구별할 수 있는가?",
"건의한 방식을 실험하여 어떤 결과가 나타났는가?",
"건의한 방식은 무엇을 셈하여 임계값과 대조하는가?",
"본 논문이 건의하는 방식은 무엇을 기반으로 동체 궤적의 정상/비정상성을 구분하는가?",
"건의한 방식은 셈한 비정상성을 무엇과 대조하는가?",
"제안된 방식은 어떻게 정상성과 비정상성을 판단하는가?",
"건의한 방식은 어떤 과정을 없애야 판단 결과를 주는가?",
"건의한 방식은 무엇을 활용하여 기존의 방법보다 신속하게 판별 결과를 주는가?",
"교통 감시를 두 가지로 구분할 때, 불법 행위 단속의 예로 무엇을 들 수 있는가?"
] |
e8428441-a2ae-4673-ac7d-ef84e4b103b8
|
인공물ED
|
사용자 지정 경로를 이용한 비정상 교통 행위
|
<h1>IV. 결 론</h1><p>본 논문은 감시 시스템의 네 가지 요구 조건인 입력 편의성, 강인성, 적응성, 실시간성에 부합하는 비정상 교통 행위 탐지 방법을 제안하였다. 이를 통하여 무단 횡단, 불법유턴, 역주행 등 다양한 위법 행위들을 탐지 할 수 있음을 실험 결과를 통하여 보였다. 하지만 실제적인 단속이 이루어지기 위해선 차량의 번호판 정보가 필요하고, 제안한 방법에서는 이러한 번호판 추출은 다루지 않았다. 뿐만 아니라 제안된 방법을 이용하여 번호판을 추출하려면 또 다른 카메라가 위법 행위자의 번호판 만을 따로 추출해야 한다. 이러한 방식을 사용하기 위해서는 다중 카메라간의 연계가 이루어져야 하며 이를 위해서는 3D 좌표계 등을 이용하여 감시 상황을 입체적으로 표현할 수 있어야 한다. 추후 연구 과제는 궤적들 간의 유사성을 판별하는 방법을 차용하여 보다 유연하고 강인한 시스템을 제작하는 것과, 감시 시스템을 3D 좌표계화 하여 다중 카메라 연동을 통해 실제적인 단속이 가능하도록 시스템을 개선하는 것이다.</p>
|
[
"해당 논문은 무엇에 대한 방법을 제안하였어?",
"무엇에 대한 방법을 해당 논문이 제의했지?",
"감시 시스템의 네 가지 요구 조건은 무엇이야?",
"무엇이 감시 시스템의 네 가지 요구 조건이니?",
"비정상 교통 행위 탐지 방법을 통하여 어떤 위법 행위들을 탐지할 수 있어?",
"실제적인 단속이 이루어지기 위해선 어떤 정보가 필요하니?",
"차량의 번호판 정보가 필요한 이유는 무엇이야?",
"논문에서의 차량의 번호판 정보 사용여부는 어떻게 되니?",
"다중 카메라간의 연계를 위해서는 무엇을 이용하여 감시 상황을 입체적으로 표현할 수 있어야 하니?",
"3D 좌표계 등을 이용하면 감시 상황을 어떻게 표현할 수 있어?",
"제안된 방법을 이용하여 번호판을 추출하려면 어떻게 해야 하니?",
"유연하고 강인한 시스템을 제작하기 위해서 무엇을 차용해야하지?",
"감시 시스템은 어떤 식으로 실제적인 단속이 가능하니?",
"궤적들 간의 유사성을 판별하는 방법을 차용하여 어떤 시스템을 제작하는 것을 추후 연구 과제로 삼고있지?",
"본 논문의 감시 시스템으로 어떤 방법을 제의하였는가?"
] |
d4b2174a-1739-4e82-870b-80a62078e8b3
|
인공물ED
|
대면적 저누설 커패시터를 위한 최적화 블레이드 코팅 기반 고분자 유전체 프린팅
|
<h1>3. 결과 및 고찰</h1><h2>3.1 C-PVP 유전체 기반 MIM 커패시터 전기적 특성</h2><p>\( \mathrm{T}_{\mathrm{D}} \) 및 코팅 속도 \( \mathrm{V}_{\mathrm{C}} \) 가 어떻게 코팅된 유전체에 영향을 주는지 확인하기 위해, \( \mathrm{T}_{\mathrm{D}} \) 및 \( \mathrm{V}_{\mathrm{C}} \)의 조건 변화에 따른 c-PVP 기반 MIM 커패시터의 전기장-누설 전류 밀도 특성을 분석하였다. MIM 커패시터의 성능 평가를 위해, \( \mathrm{T}_{\mathrm{D}} \)는 각각 \( 30,70{ }^{\circ} \mathrm{C} \)에서 \( \mathrm{V}_{\mathrm{C}} \)는 각각 \( 2,5,10 \mathrm{~mm} / \mathrm{s} \)에서 c-PVP 도포가 진행 되었다. Fig. \(2\)(a)에서 보여지는 것처럼, \( \mathrm{T}_{\mathrm{D}}=30^{\circ} \mathrm{C} \)에서는 \( \mathrm{V}_{\mathrm{C}}=5 \mathrm{~mm} / \mathrm{s} \) 로 C-PVP가 코팅 되었을 때, \( 1.2 \mathrm{MV} / \mathrm{cm}^{2} \)에서 \( 10^{-6} \mathrm{~A} / \mathrm{cm}^{2} \)의 가장 낮은 누설 전류가 흐른 MIM 커패시터를 제작할 수 있었다. 이는 \( \mathrm{V}_{\mathrm{C}}=2 \mathrm{~mm} / \mathrm{s} \) 였을 때 \( 1.2 \mathrm{MV} / \mathrm{cm}^{2} \)에서 \( 10^{-4} \mathrm{~A} / \mathrm{cm}^{2} \)의 누설전류가 흐른 것 보다 약 \( 10^{2} \)배 더 낮은 값이다. 또한 코팅 시 \( \mathrm{V}_{\mathrm{C}} \)는 커패시터의 성능에 영향을 주지만 \( \mathrm{V}_{\mathrm{C}} \)와 성능은 비례하지 않았던 것도 확인되었다. 한편, Fig. \(2\)(b)에서 보여지는 것처럼, 마찬가지로 \( \mathrm{T}_{\mathrm{D}}=70^{\circ} \mathrm{C} \)에서도 \( \mathrm{V}_{\mathrm{C}}=5 \mathrm{~mm} / \mathrm{s} \)였을 때, 누설 전류 밀도가 가장 낮았다. 그러나 \( \mathrm{T}_{\mathrm{D}}=30^{\circ} \mathrm{C} \)일 때와 비교하면, 누설 전류 밀도가 매우 불안정했다. 이는 c-PVP 유전체는 \( \mathrm{T}_{\mathrm{D}}=70{ }^{\circ} \mathrm{C} \)일 때 코팅 시 용엑이 너무 많이 증발하여 c-PVP 박막에 물리적 변화가 일어났고 이로 인해 누설 전류가 불안정하게 흐른 것으로 사료 된다. Fig. \(2\)(c)와 (d)는 각각 \( \mathrm{T}_{\mathrm{D}}=30,70^{\circ} \mathrm{C} \)에서 제어된 \( \mathrm{V}_{\mathrm{C}} \)에 따른 전기장 내의 누설 전류 밀도 관계를 보여준다. \( \mathrm{T}_{\mathrm{D}}=30^{\circ} \mathrm{C} \)에서 누설 전류 밀도 분포가 \( 70^{\circ} \mathrm{C} \) 일 때보다 더 밀집하게 분포된 것을 확인할 수 있다. 이는 \( \mathrm{T}_{\mathrm{D}}=30^{\circ} \mathrm{C} \)가 더 포화(Saturation)된 곡선을 보이는 것을 의미하고, 안정적인 누설 전류 특성의 결과를 나타낸다. 상기 실험을 통해 \( \mathrm{T}_{\mathrm{D}}=30^{\circ} \mathrm{C}, \mathrm{V}_{\mathrm{C}}=5 \mathrm{~mm} / \mathrm{s} \) 로 C-PVP를 코팅한 후 \( 200^{\circ} \mathrm{C} \)에서 어닐링하여 \( 1.2 \mathrm{MV} / \mathrm{cm}^{2} \)에서 \( 10^{-6} \)\( \mathrm{A} / \mathrm{cm}^{2} \) 의 누설 전류를 갖는 커패시터를 제작할 수 있었다. 이는 \( 300-600^{\circ} \mathrm{C} \)의 고온에서 어닐링을 진행한 Xia et al.의 high- \( \mathrm{Al}_{2} \mathrm{O}_{3} \) 기반 MIM 커패시터와 비슷한 수준이며, 보다 낮은 온도에서도 이 정도의 특성을 갖출 수 있다는 것은 본 연구의 우수성을 다시 한 번 더 강조할 수 있을 것으로 사료된다.</p><h2>3.2 블레이드 코팅 파라미터 제어에 따른 c-PVP 유전체 특성</h2><p>Fig. \(3\)은 c-PVP 유전체의 구조적 특성을 나타낸다. Fig. \(3\)(a)는 \( \mathrm{T}_{\mathrm{D}} \)와 \( \mathrm{V}_{\mathrm{C}} \) 변화가 c-PVP유전체의 두께에도 영향을 주는 것을 보여준다. \( \mathrm{T}_{\mathrm{D}}=30,70^{\circ} \mathrm{C} \) 그리고 \( \mathrm{V}_{\mathrm{C}}=2,5,10 \mathrm{~mm} / \mathrm{s} \)로 설정하여 박막을 도포하였을 때, \( \mathrm{V}_{\mathrm{C}} \)가 \( 2 \sim 10 \mathrm{~mm} / \mathrm{s} \) 범위 내에서 \( \mathrm{T}_{1}=30^{\circ} \mathrm{C} \)에서 c-PVP유전체를 코팅했을 때가 \( 70^{\circ} \mathrm{C} \)에서 코팅했을 때보다 더 얇은 두께의 박막이 형성되었다. 또한 \( \mathrm{V}_{\mathrm{C}} \)를 더 높게 설정함에 따라 더 두꺼운 박막이 형성되었다. 이는 Fig. \(2\)에서 코팅 속도에 따라 누설 전류가 비례적으로 증가하거나 감소하지 않았던 것과 달리, \( \mathrm{V}_{\mathrm{C}} \)는 박막 형성에 규칙적인 영향을 준다는 것을 의미한다. 구체적으로, 이러한 현상은 형성된 c-PVP 유전체에서 유체 역학적 현상 중 하나인 'Landau-Levich (LL) regime'가 나타난 것이다. 'LL regime'은 블레이드와 코터 기판 사이의 용액이 점성력에 의해 코팅 시 끌리게 되고, 뒤이어 용액이 증발되는 원리이다. 이 원리로 인해 속도가 빨라질수록, 메니스커스로부터 액체 필름이 끌리는 힘은 강해지고, 이는 박막 두께에도 영항을 주게된다. 'LL regime'에서는 코터 기판에 의해 끌린 용매의 양이 증발된 용매의 양보다 더욱 지배적이게 되고, 이는 더 두꺼운 박막을 형성하게 한다. Fig. \(3\)(b)는 형성된 유전막의 특성이 가장 좋게 나왔던 c-PVP의 단면도를 FE-SEM 촬영으로 획득한 사진이고, 그때의 두께는 \( 679 \mathrm{~nm} \)였다.</p><h2>3.3 C-PVP 유전체 기반 MIM 커패시터 균일성</h2><p>제작된 c-PVP 유전체를 기반으로 한 MIM 커패시터의 누설 특성을 줄인 한편, 대면적 공정된 MIM 커패시터의 전기적 특성의 전기적 균일성을 추가적으로 평가하였다. 본 실험에서는 \( 10 \times 10 \mathrm{~cm} \) 크기의 기판에 제작된 \(16\)개의 MIM 커패시터의 누설 특성과 정전용량을 분석하였다. 균일성 평가는 성능이 가장 좋았던 \( \mathrm{T}_{\mathrm{D}}=30^{\circ} \mathrm{C}, \mathrm{V}_{\mathrm{C}}=5 \mathrm{~mm} / \mathrm{s} \)의 코팅조건으로 도포된 박막을 대상으로 진행하였고, MIM 커패시터를 제작한 후, 각 면적에 따른 누설 전류 밀도와 정전용량을 측정한 후 비교 분석하였다.</p><p>Fig. \(4\)(a)에서 볼 수 있듯이, \( 0.5 \mathrm{MV} / \mathrm{cm}, 1 \mathrm{MV} / \mathrm{cm} \) 의 전기장을 가했을 때, 제작된 소자는 대락 \( 10^{-6} \mathrm{~A} / \mathrm{cm}^{2} \)로 균일하게 전류 특성을 나타냈었다. 또한 정전용량값을 보면 측정된 영역의 정전용량은 약 \( 7 \pm 1.5 \mathrm{nF} / \mathrm{cm}^{2} \) 정도로 대면적의 용액 공정으로 제작 되었음을 고려하였을 때, 상당히 균일한 정전용량을 보였다. 이는 앞선 블레이드 코팅 조건에 따라 도포된 c-PVP가 고르게 박막을 형성되어 면적에 따른 전기적 특성 또한 고르게 나타났다는 것을 보여준다.</p>
|
[
"MIM 커패시터의 성능 평가를 위해서 \\( \\mathrm{T}_{\\mathrm{D}} \\)는 몇 도에서 도포가 되었는가?",
"측정된 영역의 정전용량은 약 7 \\pm 1.5 \\mathrm{nF} / \\mathrm{cm}^{2}7±1.5nF/cm 2 정도로 대면적의 용액 공정으로 제작 되었음을 고려하였을 때, 상당히 불균일한 정전용량이다.",
"본 실험에서 사용한 기판의 사이즈는?",
"코팅 시 \\( \\mathrm{V}_{\\mathrm{C}} \\)는 커패시터의 성능에 영향을 준다.",
"'LL regime'의 원리는 무엇인가?",
"이 원리로 인해 속도가 빨라질수록, 메니스커스로부터 액체 필름이 끌리는 힘은 강해지고, 이는 박막 두께에도 영항을 주게된다. 블레이드와 코터 기판 사이의 용액이 점성력에 의해 코팅 시 끌리게 되고, 뒤이어 용액이 증발되는 원리인 이것은 무엇인가?",
"\\( \\mathrm{T}_{1}=30^{\\circ} \\mathrm{C} \\)에서 c-PVP유전체를 코팅했을 때가 \\( 70^{\\circ} \\mathrm{C} \\)에서 코팅했을 때보다 더 얇은 두께의 박막이 만들어졌다.",
"Fig. \\(3\\)(a)는 무엇을 보여주는 것인가?",
"본 실험에 사용된 MIM 커패시터의 개수는?",
"Fig. \\(3\\)은 무엇을 나타내는가?",
"Fig. \\(3\\)(b)는 형성된 유전막의 특성이 가장 좋게 나왔던 c-PVP의 단면도를 FE-SEM 촬영으로 획득한 사진이다. 그때의 두께는 얼마인가?",
"\\( \\mathrm{T}_{\\mathrm{D}}=30^{\\circ} \\mathrm{C} \\)에서 누설 전류 밀도 분포가 \\( 70^{\\circ} \\mathrm{C} \\) 일 때보다 더 밀집하게 분포된다.",
"무엇을 확인하기 위해 \\( \\mathrm{T}_{\\mathrm{D}} \\) 및 \\( \\mathrm{V}_{\\mathrm{C}} \\)의 조건 변화에 따른 c-PVP 기반 MIM 커패시터의 전기장-누설 전류 밀도 특성을 분석하였는가?",
"\\( \\mathrm{T}_{\\mathrm{D}}=30^{\\circ} \\mathrm{C} \\)에서는 \\( \\mathrm{V}_{\\mathrm{C}}는 몇 \\mathrm{~mm} / \\mathrm{s} \\) 로 C-PVP가 코팅 되었을 때, \\( 1.2 \\mathrm{MV} / \\mathrm{cm}^{2} \\)에서 \\( 10^{-6} \\mathrm{~A} / \\mathrm{cm}^{2} \\)의 가장 낮은 누설 전류가 흐른 MIM 커패시터를 제작할 수 있는가?",
"\\( \\mathrm{V}_{\\mathrm{C}} \\)를 더 높게 설정하면 더 두꺼운 박막이 만들어진다."
] |
4ce2fd42-03a5-423b-9876-b028d84e1c42
|
인공물ED
|
대면적 저누설 커패시터를 위한 최적화 블레이드 코팅 기반 고분자 유전체 프린팅
|
<h1>2. 연구 방법</h1><h2>2.1 C-PVP 유전체 용액 준비</h2><p>C-PVP는 PVP와 메틸레이티드 폴리(멜라민-코-포-말데하이드) (methylated poly(melamine-co-for- maldehyde; PMF)은 \(1:1.25\)의 질량비로 혼합하고 프로필렌 글리콜 메틸 에테르 아세테이트(propylene glycol methyl ether acetate)에 \( 10 \mathrm{wt} \% \) 농도비로 용해하여 제조되었다. 보다 용이한 용해공정을 위해 혼합물은 \( 30^{\circ} \mathrm{C} \)의 온도에서 \(12\)시간 동안 교반되었다.</p><h2>2.2 C-PVP 유전체 기반 커패시터 공정</h2><p>C-PVP 유전체 기반 MIM 커패시터 공정을 위해 \( 10 \mathrm{~cm} \times 10 \mathrm{~cm} \) 크기의 ITO 게이트 전극이 코팅된 glass가 기판으로 사용되었다. ITO glass는 순차적으로 아세돈(acetone), 이소프로필알코올(isopropyl alcohol) 그리고 초순수(de-ionized water)로 세정되었다. 잔류 용매를 제거하기 위해 기판을 질소 가스 하에서 건조시키고 \( 150^{\circ} \mathrm{C} \)의 핫 플레이트 위에 \(5\)분 동안 열처리하였다. 열처리된 기판은 UV/ozone에 \(30\)분 동안 노출되어 표면에너지가 상승되었고 잔여 유기물이 제거되었다. 기판을 blade coater 온도 각각 \( 30^{\circ} \mathrm{C}, 70^{\circ} \mathrm{C} \) 위에 올려놓고 준비된 c-PVP 용엑을 주입시킨 후, 코팅 속도를 각각 \( 2 \mathrm{~mm} / \mathrm{s}, 5 \mathrm{~mm} / \mathrm{s}, 10 \mathrm{~mm} / \mathrm{s} \)로 설정하여 코팅하였다. C-PVP가 도포된 기판은 \( 200^{\circ} \mathrm{C} \) 의 핫 플레이트 위에서 한 시간동안 어닐링되었다. 최종적으로 MIM 커패시터를 제작하기 위해, 금(Au) 전극이 열 증착기(thermal evaporator)를 통해 \( 1 \mathrm{A} /\mathrm{s} \)의 증착 속도로 c-PVP 박막 상에 증착되었고, 그때의 전극의 두께는 \( 50 \mathrm{~nm} \) 였다.</p>
|
[
"용해공정을 위해 혼합물은 \\( 50^{\\circ} \\mathrm{C} \\)의 온도에서 \\(24\\)시간 동안 교반되었는가?",
"ITO glass를 사용하기 앞서 세정하는 방식은 어떠한가?",
"용이한 용해공정을 위해 혼합물은 어떤 처리과정이 필요한가?",
"본 연구에서 C-PVP 박막에 금 전극을 증착시켰을 때, 결과적으로 만들어진 전극의 두께는 \\( 50 \\mathrm{~nm} \\) 였니?",
"MIM 커패시터를 제작하기 위해 금 전극을 증착시킬 때 사용하는 도구의 이름은 무엇일까?",
"본 연구에서 기판을 코팅할 때 사용한 코팅 속도인 것은 무엇일까?",
"C-PVP 유전체 기반 MIM 커패시터 공정을 위해 사용된 glass 기판의 크기는 얼마인가?",
"MIM 커패시터를 제작하기 위해 사용하는 전극의 종류는 무엇일까?",
"PVP와 메틸레이티드 폴리(멜라민-코-포-말데하이드) (methylated poly(melamine-co-for- maldehyde; PMF)가 혼합된 질량비는 무엇인가?",
"C-PVP가 도포된 기판은 핫 플레이트 위에서 어떤 과정을 거치게 되나요?"
] |
1414530e-864f-49ae-8ccd-1afc5895eee0
|
인공물ED
|
대면적 저누설 커패시터를 위한 최적화 블레이드 코팅 기반 고분자 유전체 프린팅
|
<h1>1. 서 론</h1><p>최근, 인쇄 전자는 센서, 웨어러블 전자기기, 광전지 등 다양한 분야의 전자기기를 제조하는 데 적용되는 차세대 기술로 주목받고 있다. 기존의 진공 공정과 비교하였을 때, 용액 공정 기반의 인쇄 전자소자 기술은 훨씬 간단하고, 빠르며, 비용 효율적인 방법으로 전자소자를 양산할 수 있는 가능성을 제공한다. 현재까지, 인쇄 전자의 상용화를 위해 다양한 인쇄공정 방법이 제시되어왔다. 현재 각광받고 있는 인쇄공정 방법 중 하나인 메니스커스 유도 코팅(meniscus guided coating; MGC)은 기판과 코팅 헤드 사이의 모세관 힘에 의해 고정된 용엑이 코팅 헤드의 움직임에 따라 표적 기판 위에 증착되는 원리를 이용하는 코팅 방법이다. 이러한 방법은 용액 공정의 대표적 코팅 방법인 스핀코팅에 비하여 적은 용액량으로 대면적에 빠르게 도포를 할 수 있으며, 잉크젯 프린팅에 비해 균일한 대면적 도포가 가능하다는 장점들로 인해 산업적 활용도가 높다. 또한, 코팅 파라미터의 제어를 통해 박막의 두께 및 화학적, 물리적, 전기적 특성을 제어할 수 있다는 장점이 있다. 특히, 이방성 재료를 사용하였을 경우, 박막 내 분자 혹은 나노입자의 정렬도를 높일 수 있다는 장점 또한 가지고 있어 다양한 인쇄 전자 분야에서 활용되고 있다. 대표적인 MGC 방법은 바 코팅, 블레이드 코팅, 딥 코팅, 존 캐스팅 등이 있다.</p><p>유전체는 전기장 안에서 극성을 지녀 전기장의 전위차가 감소하게 되고, 해당 전위차만큼 에너지를 저장하는 역할을 한다. 이런 유전체는 현재 반도체 마이크로 일렉트로닉스, 박막 트랜지스터, 데이터 판독 기기와 같은 많은 응용소자에 기초를 형성한다. 전통적인 이산화규소, 산화 알루미늄, 산화 하프늄과 같은 산화물 기반 유전체는 상대적으로 높은 경도와 저장용량 및 낮은 누설 특성을 보여 널리 응용되고 있다. 하지만 롤러블, 웨어러블 그리고 플렉서블 전자소자가 현재 전자산업분야에 떠오르고 있는 새로운 플랫폼으로 화두되고 있음에 따라, 기존의 딱딱하고, 낮은 연신력을 보이는 산화물 소재와 달리 유연하고 신축성을 가지는 고분자 소재의 유전체가 각광받고 있다. 수많은 고분자 소재중, 가교 결합된 폴리(\(4\)-비닐페놀) (cross-linked poly(\(4\)-vinylphenol; c-PVP)은 PVP에 가교제를 첨가하여 만든 가교화 고분자로 기존의 PVP보다 매끄러운 표면과 높은 전기장 강도, 높은 유전 상수를 갖춰, 고분자 유전체 소재로 각광받고 있다. 하지만, 유기물 기반의 유전체는 금속 산화물 혹은 실리콘 산화막에 비해 여전히 불안정한 전기적 특성을 가진다. 더 나아가, 기존의 많은 연구들에서 스핀 코팅을 통해 제작된 유기 절연체를 사용하여 박막 트랜지스터와 같은 단위 소자를 제작하였으나 산업에 실질적 활용을 위해서는 MGC를 통한 대면적 박막 형성과 이를 통해 제작된 유기 절연체의 전기적 특성의 이해가 요구된다. 특히, MGC를 통하여 박막을 형성할 시 증착 온도(Deposition Temperature; \( \mathrm{T}_{\mathrm{D}} \) ) 및 코팅 속도(Coating Velocity; \( \mathrm{V}_{\mathrm{C}} \) )등의 코팅 파라미터들은 박막의 특성에 직접적인 영향을 미치기 때문에 파라미터의 제어에 따른 박막 특성의 명확한 규명이 필요하다.</p><p>본 연구에서는, 대표적인 MGC 방법 중 하나인 블레이드 코팅 방법을 활용하여 c-PVP 유전체의 대면적 코팅을 시행하였고 이를 기반으로 MIM 커패시터를 제작한 후 물리적 및 전기적 특성을 평가하였다. 블레이드 코팅 시 \( \mathrm{T}_{\mathrm{D}} \) 및 \( \mathrm{V}_{\mathrm{C}} \)를 변화시킴에 따라 유체에 작용하는 점성력이 지배적으로 영향을 주는 'Landau-Levich (LL) regime'에 의해 박막 두께가 달라졌고, 이는 제작된 소자의 전기적 성능에도 영향을 주었다.</p>
|
[
"박막 트랜지스터에 사용된 유기 절연체는 어떤 코팅 방법으로 제작되었나?",
"인쇄 전자는 어떤 분야의 전자기기를 제조하는데 사용되고 있나?",
"용액 공정 기반의 인쇄 전자소자 기술의 장점은 무엇인가?",
"인쇄공정 방법 중 기판과 코팅 헤드 사이의 모세관 힘에 의해 고정된 용엑이 코팅 헤드의 움직임에 따라 표적 기판 위에 증착되는 원리를 이용하는 코팅 방법을 무엇인가?",
"적은 용액량으로 대면적에 빠르게 도포를 할 수 있는 코팅 방법은 메니스커스 유도 코팅인가?",
"메니스커스 유도 코팅은 어떤 재료를 사용 하였을 경우 박막 내 분자 혹은 나노입자의 정렬도를 높일 수 있나?",
"용액 공정의 대표적 코팅 방법은 무엇인가?",
"전통적인 이산화규소, 산화 알루미늄, 산화 하프늄과 같은 산화물 기반 유전체의 특성은 무엇인가?",
"유기물 기반의 유전체는 금속 산화물보다 안전한 전기적 특성을 가지고 있나?",
"전통적인 산화물 기반 유전체는 이산화규소,산화 하프늄 외에 무엇이 있나?"
] |
ea298365-b8b0-416a-94b9-a420addd331a
|
인공물ED
|
대면적 저누설 커패시터를 위한 최적화 블레이드 코팅 기반 고분자 유전체 프린팅
|
<h1>4. 결 론</h1><p>본 연구에서는 blade coating 방법을 통해 대면 프린팅 된 c-PVP 유전체 기반 MIM 커패시터를 제작하였고, 코팅 시 \( \mathrm{T}_{\mathrm{D}} \) 및 \( \mathrm{V}_{\mathrm{C}} \)에 따른 소자의 전기적, 물리적 특성을 분석하였다. 코팅 시 'LL regime'에 의해 \( \mathrm{T}_{\mathrm{D}} \) 및 \( \mathrm{V}_{\mathrm{C}} \)에 따라 c-PVP 유전체의 구조적 특성이 달라졌고, 이는 전기적 특성에도 영향을 주었다. \( \mathrm{T}_{\mathrm{D}}=30^{\circ} \mathrm{C} \)가 \( 70^{\circ} \mathrm{C} \)와 달리 전반적으로 \( \mathrm{MIM} \) 커패시터에서 안정적인 누설 특성을 보였다. \( 70^{\circ} \mathrm{C} \) 에서는 증발속도가 빠르게 일어나 코팅된 박막에 구조적으로도 영향을 주어 누설 전류의 안정성에도 치명적으로 작용했던 것으로 간주된다. \( \mathrm{V}_{\mathrm{C}} \)가 \( 5 \mathrm{~mm} / \mathrm{s} \) 였을 때, \( 1.2 \mathrm{MV} / \) \( \mathrm{cm} \)의 전기장에서 누설 전류가 약 \( 10^{-6} \mathrm{~A} / \mathrm{cm}^{2} \) 였었고, \( 2 \mathrm{~mm} / \mathrm{s} \)와 비교하였을 때 약 \( 10^{-2} \)배 더 낮았다. 추가적으로, 최적화된 성능을 보유한 c-PVP 유전체 기반 커패시터는 각 면적에서 누설 특성 및 정전용량 특성이 균일하게 나타냈다. 이러한 결과는 플렉서블 전자소자를 비롯한 차세대 전자소자 응용에도 긍정적인 기여를 할 것으로 기대된다.</p>
|
[
"본 연구에서는 blade coating 방법을 통해 대면 프린팅 된 c-PVP 유전체 기반인 무엇을 제작하였는가?",
"몇 도에서 증발속도가 빠르게 일어나 누설 전류의 안정성에도 치명적으로 작용했어?",
"코팅 시 \\( \\mathrm{T}_{\\mathrm{D}} \\) 및 \\( \\mathrm{V}_{\\mathrm{C}} \\)에 따른 소자의 어떤 특성들을 분석하였는가?",
"blade coating 방법을 통한 제작과 전기적, 물리적 특성 분석이 어떻게 이루어졌는가?",
"전기적, 물리적 특성을 \\( \\mathrm{T}_{\\mathrm{D}} \\) 및 \\( \\mathrm{V}_{\\mathrm{C}} \\) 따라 분석한 결과는 어떻게 나왔는가?",
"blade coating을 통한 소자의 전기적, 물리적 특성을 분석 과정 중 \\( 70^{\\circ} \\mathrm{C} \\) 에서 어떻게 되는 것을 보았는가?",
"본 연구에서 코팅에 blade coating 방법을 적용하여 어떻게 되는 것을 보았는가?",
"코팅 시 'LL regime'에 의해 \\( \\mathrm{T}_{\\mathrm{D}} \\) 및 \\( \\mathrm{V}_{\\mathrm{C}} \\)에 따라 c-PVP 유전체의 구조적 특성이 달라졌고, 어떠한 특성에도 영향을 주었는가?",
"\\( \\mathrm{T}_{\\mathrm{D}}=30^{\\circ} \\mathrm{C} \\)가 \\( 70^{\\circ} \\mathrm{C} \\)와 달리 전반적으로 어떤 커패시터에서 안정적인 누설 특성을 보였어?",
"최적화된 성능을 보유한 c-PVP 유전체 기반 커패시터는 각 면적에서 누설 특성 및 정전용량이 균일하게 나타났는가?",
"\\( \\mathrm{V}_{\\mathrm{C}} \\)가 \\( 5 \\mathrm{~mm} / \\mathrm{s} \\) 였을 때, \\( 1.2 \\mathrm{MV} / \\) \\( \\mathrm{cm} \\)의 전기장에서 누설 전류가 약 \\( 10^{-6} \\mathrm{~A} / \\mathrm{cm}^{2} \\) 였었고, \\( 2 \\mathrm{~mm} / \\mathrm{s} \\)와 비교하였을 때는 몇 배 더 낮았어?"
] |
3da03c42-f873-4b8a-9ab4-97c14ce1dde1
|
인공물ED
|
무선 셀룰라 시스템에서 에너지 효율적인 마이크로 기지국 배치 방안
|
<h1>요 약</h1><p>본 논문은 셀룰러 시스템에서 에너지 효율적인 마이크로 기지국 배치 방안에 관한 것이다. 먼저 기지국 배치는영역에 대한 고려가 필요하기 때문에 공간 스펙트럼 효율(ASE)을 제한조건으로 하여, 제한조건을 만족하면서 에너지 사용을 최소로 하는 최적화 문제를 제시한다. 최적화 문제의 계산 복잡도를 감소시키기 위하여 마이크로 기지국 배치에 따른 기지국 서비스 영역과 ASE간의 관계를 기반으로 하는 마이크로 기지국 배치 방안을 제안한다.모의실험을 통하여 제한된 알고리즘이 일정 범위 안에서 최적해의 성능을 만족시킴을 보인다.</p><h1>I. 서론</h1><p>정보통신분야의 에너지 소비는 멀티미디어와 무선인터넷 트래픽의 증가로 인하여 계속적으로 증가하고있으며, 이 중 \(60-80\)%의 에너지가 기지국 유지/운영에 사용되고 있다. 특히 기지국이 사용하는 에너지의 대부분이 쿨링 등 기지국 유지를 위하여 소모되고있어, 전송할 데이터 트래픽이 없는 경우에도 많은에너지를 소모하게 되는 문제를 발생시킨다.</p><p>이를 극복하기 위하여 트래픽 전송이 없는 경우에 기지국을 스위칭 오프 시키는 기지국 운영에 대한 연구가 이루어지고 있다. Chiaraviglio 등은 트래픽의 시간적 특성에 따라서, 트래픽이 낮은 시간대에 기지국을 스위치 오프시킴으로써 에너지 효율이 증가할 수있음을 보였으며, Marsan 등은 이에 대한 기초적인수학 모델을 연구하였다.</p><p>이외에도 네트워크의 다양한 특성을 고려하여 기지국을 운영함으로써 에너지 효율화를 이룰 수 있는 다양한 방법들이 제안되고 있다.그러나 이러한 대부분의 연구들은 트래픽의 시간적 특성을 고려하여 기지국을 스위치 온 또는 오프 함으로써에너지 소비를 감소시키는, 기지국 운영에 목적을 두고있다.</p><p>기지국 운영은 기지국 배치가 고정된 경우를 가정하기 때문에, 기지국 운영에 따른 에너지 효율화는 기지국 배치에 따라 제한된다. 따라서 에너지 효율을 증대시키기 위해서는 기지국 배치에 관한 연구가 필요하다.</p><p>마이크로 기지국은 높은 데이터 트래픽이 요구되는상황에서 매크로 기지국과 계층적으로 존재하면서 전송되는 데이터 트래픽을 증대시키기 위한 방안으로제안되고 있으며, 기지국 운영에 소모되는 에너지가매크로 기지국에 비하여 적기 때문에 에너지 효율을증대시킬 수 있다.</p><p>본 논문에서는 매크로 기지국이 존재하는 셀룰러시스템에서 마이크로 기지국 배치를 통하여 에너지효율을 증대시키는 방안에 대한 연구를 수행한다. 먼저 기지국 배치는 기지국의 서비스 영역과 관련이 있기 때문에 공간 스펙트럼 효율 (ASE, Area SpectralEfficiency)을 기반으로 하는 최적화 문제를 제시한다.</p>
|
[
"정보통신분야에서 트래픽 증가 이유는 뭐야?",
"정보통신부문의 트래픽 증가 원인은 뭘까?",
"트래픽 전송이 없는 경우에 어떻게 에너지 효율을 증가시킬 수 있을까?",
"트래픽이 낮은 시간대에 기지국을 스위치 오프 시킬 수 있어?",
"마이크로 기지국은 매크로 기지국보다 에너지 소모가 작을까?",
"트래픽의 시간적 특성에 따라서, 트래픽이 낮은 시간대에 기지국을 스위치 오프시킴으로써 에너지 효율이 증가할 수있음을 주장한 사람은 누구인가?",
"기초적인수학 모델을 연구한 사람은 누구인가?",
"누가 기초적인수학 모델을 연구했지?",
"정보통신분야의 에너지 소비 증가의 이유는 뭘까?",
"어떤 이유로 정보통신분야의 에너지 소비가 증가해?",
"기지국을 운영의 효율화를 위해 대부분의 연구는 어디에 초점을 맞췄어?",
"정보통신분야는 트래픽이 계속 증가하고 있어?",
"트래픽이 정보통신분야에서 계속 상승하고 있지?",
"정보통신분야에서 기지국 유지/운영에 사용되는 비율이 얼마나 될까?",
"왜 기지국 배치에 관한 연구가 필요할까?",
"기지국 배치에 관한 연구가 왜 요긴할까?",
"매크로 기지국보다 효율적인건 뭘까?",
"매크로 기지국보다 무엇이 더 효율적일까?",
"ASE의 풀네임을 말해볼까?",
"ASE은 무엇의 약자야?",
"왜 기지국이 많은 에너지를 소모할까?",
"기지국이 왜 많은 에너지를 쓸까?",
"정보통신분야의 에너지 소비는 멀티미디어와 무선인터넷 트래픽의 증가로 인하여 계속적으로 증가하고있는데 이 중 몇 %가 기지국 유지/운영에 사용되고 있지?"
] |
08732ebc-42ef-4aad-acdc-397ea79aa2c1
|
인공물ED
|
무선 셀룰라 시스템에서 에너지 효율적인 마이크로 기지국 배치 방안
|
<h1>III. 에너지 효율적 기지국 배치 방안</h1><p>앞서 언급한 것과 같이 에너지 효율적 기지국 배치에 관한 문제는 simplex method 또는 interior pointmethod를 통하여 최적해를 구할 수 있다. 그러나 참고문헌 [4]에서 보는 것과 같이 데이터 트래픽은 시간에 따라 변화하는 값이다. 이와 관련하여 조정 변수가 바뀌게 되면, 결국 수식 (8)에 관한 최적화 문제를 새롭게 계산하여야 하는 문제가 발생한다.</p><p>따라서 본 장에서는 데이터 트래픽 요구랑 변화, 즉 \( \zeta \) 의 변화에 대하여 연속성을 갖으며, 계산량을 줄일 수 있는 간략화 된 기지국 배치 방안을 제안한다.</p><p>정리 \( 1 \) 일정한 서비스 영역을 갖는 마이크로 기지국의 배치는 ASE를 증대시킨다.</p><p>증명: 그럼 1 과 같이 기지국 0 와 \( d+d_{1} \) 의 거리에 마이크로 기지국 1 이 배치되었다고 한다면, 기지국 1의 서비스 영역 \( d \) 는 다음과 같이 결정된다.</p><caption>\( g_{0}(d) \cdot p_{0} \approx g_{1}(d) \cdot p_{1}+e \)</caption><p>마이크로 기지국 배치에 따라 ASE가 증가하기 위한 조건으로, 기지국 1 의 경계 영역에서의 마이크로 기지국 배치 이전과 이후의 스펙트럼 효율을 비교가 필요하다. ASE 증가에 대한 SINR 간계식은 다음과 같다.</p><caption>\( g_{0}(d) \cdot p_{0} \leq \quad g_{1}(d) \cdot p_{1} \) \( g_{i}(d) \cdot p_{i} \leq g_{0}(d) \cdot p_{0}+\sum_{i=B / 0} g_{i}(d) \cdot p_{i} \)</caption><p>수식 (10) 우측 항, 마이크로 기지국이 배치된 경우의 수신 신호에서를 살펴보면, 기지국 2의 신호가 가장크고 기지국 1의 신호가 두 번째 크기를 갖기 때문에다른 간섭에 비하여 지배적이다. \( g_{i}(x) \approx i_{i}(d)^{-a} \) 라고 가정하여 수식 (9)를 수식 (10)에 적용하여 정리하면</p><caption>\( \left.d_{1} \geq\left[p_{1} K_{1}\right]^{1 / a} \geq \sigma^{\top} \sum_{i=B 0^{2}} p_{1} K_{1}(x) \cdot p_{i}\right]^{1 / a} \)</caption><p>가 되며, 이를 통하여 마이크로 기지국이 일정 서비스영역 이상을 갖는 다면 ASE가 증대됨을 알 수 있다.</p><p>정리 2 마이크로 기지국의 서비스 영역 \( d \) 가 최대가 되는 경우예, ASE 증가가 최대가 된다.</p><p>증명: 마이크로 기지국 1 과 2 가 각각 배치되었을때 \( >d_{2} \) 인 서비스 영역을 갖게 된다고 가정하면, 관찰 영역은 \( d \cup A_{b_{2}}=A \) 로 나누어진다. 이때 \( A_{b_{2}} \) 는 \( A_{d_{2}} \) 이외의 영엿을 나타낸다.</p><p>\( d_{1} \) 이 정리 1 을 만족한다고 하면 \( A_{b} \), 영역에서 캐퍼시티의 합 \( (\quad, B)) \) 온은 항상 마이크로 기지국이 설치되지 않은 경우보다 크게 됨으로, 마이크로 기지국 1이 설치된 경우가 기지국 2가 설치된 경우에 비하여 큰값을 갖는다.</p><h3>[서비스 영역 기반 마이크로 기지국 배치 방안]</h3><ul><li>초기상태:<caption>\[ B=B, S B) \geq C_{0} \cdot S_{0} \]</caption></li><li><p>\( \zeta>C_{0} \) 인 겅우, While \( \left(S(B) \leq \zeta \cdot S_{0}\right) \)수식 (12)를 기반으로 와 \( b \) 를 결정,\[U\{b\} \rightarrow B\]end</p></li><li><p>\( \zeta<C_{0} \) 인 경우,While \( \left(S(B) \geq C \cdot S{ }_{0}\right) \)가장 나중에 배치된 기지국을 제거end</p></li></ul><p>제안된 알고리즘은 그리드(greedy) 방식을 기반으로기지국을 한 개씩 추가 또는 제거하는 방식이기 때문에 조정 변수 \( \zeta \) 가 바뀌더라도 연속적인 기지국 위상을 갖게 되어, 최적화 문제를 풀기 위하여 각각의 조정 변수 \( \zeta \) 마다 새롭게 해를 구하는 방식에 비하여 낮은 계산 복잡도를 갖는다.</p><p>또한, 알고리즘의 동작을 위한 서비스 영역 \( A \mid \)은수식 (9)에서 보는 것과 같이 주변 기지국에서부터 수신되는 신호 세기에 따라서 결정됨으로, 수식 (12)의서비스 영역 계산을 대신하여 다음과 같이 주변 기지국과의 신호 세기 비교로 근사화 할 수 있다.</p>
|
[
"에너지 효율적 기지국 배치 문제의 최적해를 구하는 두가지 방법이 뭐야?",
"\\( g_{i}(x) \\approx i_{i}(d)^{-a} \\) 라고 가정하여, 수식 (9)와 수식 (10)을 정리하면 어떻게 돼?",
"제안된 알고리즘은 무엇을 기반으로 하니?",
"그리디 알고리즘의 장점이 뭐야?",
"그림 1과 같이 기지국 0과 \\( d+d_{1} \\)의 거리로 마이크로 기지국 1이 배치되었다고 가정할 때, 기지국 1의 서비스 영역는 어떠한 방정식으로 결정돼?",
"기지국 1의 경계영역에서의 마이크로 기지국 배치 이전과 이후의 스펙트럼 효율 비교는 어떻게 계산해?"
] |
3ebb0052-1b99-44a4-a502-96c634d100e9
|
인공물ED
|
무선 셀룰라 시스템에서 에너지 효율적인 마이크로 기지국 배치 방안
|
<h1>II. 시스템 모델 및 최적화 문제</h1><h2>1. 시스템 모델</h2><p>가. 링크 모델</p><p>본 논문에서는 의 영역 안에 매크로 기지국과 마이크로 기지국 \( B \) 존재하는 환경에서, 기지국으로부터 사용자로 데이터 트래픽이 전송되는 하향링크를 고려한다.</p><p>사용자는 수신되는 신호 세기가 가장 큰 기지국으로부터 서비스를 받게 된다. 기지국의 전송 파워를\( p_{i} \), 기지국 \( i \) 와 \( x \) 에 위치한 사용자 사이의 채널 이득을 \( g_{b}(x) \) 라고 하면 서비스 기지국 \( b \) 는</p><caption>\( b=\arg \max _{i} \equiv B g_{i}(x) \cdot p_{i} \),</caption><p>로 결정되며, 이때</p><caption>\( B=B_{M} \cup B_{m} \)</caption><p>을 의미 한다.</p><p>수식 (1)과 Shannon 캐패시티를 가정하여 위치 \( x \) 에서의 스펙트럼 효율은</p><caption>\( C(x, B)=\log _{2}(1+\Gamma(x, B)) \)</caption><p>\( [\mathrm{bits} / \mathrm{sec} / \mathrm{Hz} \) ]이며, 잡음 전력이 일 때 신호 대 간섭 및 잡음비, \( \Gamma(x, B) \), (SINR, signal to interference and noise ration)는 다음과 같다.</p><caption>\( \Gamma(x, B)=g_{i \neq B / b} g_{i}(x) \cdot p_{i}+\sigma^{2}- \)</caption><p>나. 공간 스펙트럼 효율</p><p>기지국 배치는 공간적 개념이 포함되어야 하므로,본 논문에서는 성능 지표로 ASE를 사용한다. ASE은 다음과 같이 정의되며,</p><caption>B) \( \frac{C(x, B) \cdot \operatorname{Pr}(x)}{|A|} \),</caption><p>\( \left[\mathrm{bit} / \mathrm{sec} / \mathrm{Hz} / \mathrm{m}^{2}\right],|A| \) 는 \( A \) 의 크기, \( \operatorname{Pr}(x) \) 는 사용자가 위치 \( x \) 에 존재할 확률, \( X \) 는 \( \operatorname{Pr}(x)>0 \) 인 영역을 의미한다. 수식 (4)에서 보는 것과 같이 ASE 은 관찰영역에 있어서 단위 영역 당 스펙트럼 효율을 의미한다.</p><table border><caption>1. 전송 전력에 따른 기지국 운영 전력</caption><tbody><tr><td></td><td>Macro</td><td>Macro1</td><td>Macro2</td><td>Macro3</td></tr><tr><td>전송 전력\( \left(p_{b}\right) \)</td><td>20W</td><td>10W</td><td>2W</td><td>1W</td></tr><tr><td>운영 전력\( \left(P_{b}\right) \)</td><td>865W</td><td>638W</td><td>43W</td><td>38W</td></tr></tbody></table><h2>2. 최적화 문제</h2><p>본 연구의 목적은 에너지 효율적인 기지국 배치에관한 것이다. 따라서 목적함수는 다음과 같이 구성된다.</p><caption>\( U(B)=P_{M} \cdot B_{M}\left|+\sum_{i=N} P_{m} \cdot B_{m_{i}}\right| \cdot \)</caption><p>이때 \( N \) 은 마이크로 기지국 종류를 나타낸다. \( P_{b} \) 는 \( b \)기지국이 사용하는 에너지를 나타내며, 각각의 기지국은 전송 전력에 따라서 표 1 와 같은 에너지 시용량을 갖는다.</p><p>성능 지표인 ASE에 대한 제한조건으로, 매크로 기지국만을 사용한 경우 \( \left(B=B_{M}\right) \) 를 기준으로,</p><caption>\( S_{0}=S\left(B_{M}\right) \)</caption><p>마이크로 기지국 배치로 인하며 조정 변수 \( \zeta \) 이상의 공간 스펙트럼 증가가 이루어진다고 가정한다.</p><caption>\( S\left(B=B_{M} \cup B_{m}\right) \geq \zeta \cdot S_{0}{ }^{-} \)</caption><p>수식 (5)와 수식 (7)을 이용하여 에너지 효율적인 기지국 배치에 대한 최적화 문제는 다음과 같다.</p><p>수식 (5)와 수식 (7)을 이용하여 에너지 효율적인 기지국 배치에 대한 최적화 문졔는 다음과 같다.</p><caption>\( \begin{array}{rl}\min _{B} & U(B) \\ \text { s.t. } & S(B) \geq C S_{0}{ }^{\circ}\end{array} \)</caption><p>목적함수와 제한조건에서 알 수 있는 것과 같이 수식(8)의 최적화 문제가 의미하는 것은, 매크로 기지국을설치하였을 때보다 \( \zeta \) 배 만큼의 ASE 증대가 요구되는 경우, 에너지 소모량이 최소가 되도록 기지국 를 \( B \)결정하는 문제이다.</p><p>수식 (8)의 최소화 문제에서 제한조건은 로그 함수형태이고 목적함수는 선형 함수의 조합임으로 convex 최적화 문제가 되며, simplex method 또는 interiorpoint method를 통하여 최적해를 구할 수 있다.</p>
|
[
"표 1.에서 Macro1의 운영 전력은 얼마지?",
"Macro1의 운영 전력은 표 1.에서 얼마지?",
"표 1에서 Macro의 전송 전력 값은 얼마로 나타나지?",
"Macro의 전송 전력 값은 표 1에서 얼마로 나타나지?",
"표 1.에서 제일 낮은 전송 전력을 나타내는 것은 무엇이지?",
"무엇이 표 1에서 제일 낮은 전송을 전력을 보이지?",
"표 1.에서 운영 전력이 43W의 값을 나타내는 것은 무엇이지?",
"운영 전력이 제일 높은 것은 표 1 에서 어느 것이지?"
] |
248ed154-f12c-4fc7-9936-e0e1f225c4bc
|
인공물ED
|
무선 셀룰라 시스템에서 에너지 효율적인 마이크로 기지국 배치 방안
|
<h1>IV. 모의실험</h1><p>모의실험은 \( 5 \mathrm{Km} \times 5 \mathrm{Km} \) 의 관찰영역에 10개의 매크기지국이 배치되어 있는 경우를 가정하며, 사용된 파라미터는 표 2에서 정리된 것과 같다. 기술되지 않은 파라미터는 참고문헌에 정리되어 있는 매크로 및 마이크로 기지국에 대한 도심 환경 파라미터를 고려하였으며, 기지국 전송 전력과 운영 에너지는 표 1에 정리되어 있는 값을 사용하였다.</p><p>제안된 알고리즘의 성능 검증에 앞서 알고리즘 설계의 타당성을 확인하기 위하여 다양한 마이크로 기지국 종류에 있어서 마이크로 기지국 배치에 따른 ASE 증가량 변화를 관찰하였다.</p><table border><caption>2. 모의실험 파라미터</caption><tbody><tr><td>파라미터</td><td>값</td></tr><tr><td>안테나 모델</td><td>전방향 안테나 (\(12\mathrm{dBi})\)</td></tr><tr><td>경로 감소 모델</td><td>Modified COST 231 Hata model</td></tr><tr><td>페이딩 모델</td><td>로그 정규 분포 모델 (std = \(8\mathrm{dB}\))</td></tr><tr><td>잡음 모델</td><td>정규 분포 모델 \( \left(\sigma^{2}=-176 \mathrm{dBm} / \mathrm{Hz}\right) \)</td></tr></tbody></table><p>또한 그림 2에서 전송 전력이 \( 10 \mathrm{W} \) 마이크로 기지국과 매크로 기지국을 사용하여 배치하는 경우 각각 12개와 11개 이상의 기지국이 배치되면 ASE가 감소하는 형태가 나타난다. 이는 기지국 밀도가 높아짐에 따라 정리 1의 기본이 되는 수식 (11)을 만족하지 못하기 때문에 나타나는 현상이다. 같은 조건에서 수식 (11)의 분모항인 전송 전력이 큰 경우 더 넓은 서비스 영역을 요구하게 된다. 따라서 가장 전송전력이 큰 매크로 기지국을 사용하여 기지국 배치를하는 경우, 가장 적은 기지국 개수에서 ASE 감소가발생한다.</p><p>그림 3은 조정 변수가 변화함에 따라서 마이크로 기지국 배치를 통한 에너지 소모량 변화를 나타낸다. 원 기호로 표시된 검은색 선은 수식 (8)의 최적화문제를 통하여 도출된 최적해를 나타내며, 사각형 기호의 붉은색 선은 제안된 알고리즘을, 마름모 기호의파란색 선은 제안된 알고리즘에서 서비스 영역의 계산을 대신하여 주변 기지국과의 신호 세기 비교로 근사화 수식 (13)을 사용한 경우를 의미한다. 그림에서조정 변수 \( \zeta \)가 증가함에 따라 사용되는 에너지가 증가하는 것은, 기지국이 배치됨에 따라 간섭량이 증가하고 이에 따라 서비스 영역이 좁아지기 때문에 단위 ASE 증가를 위해서 더 많은 기지국 배치가 필요하기때문에 나타나는 현상이다. 또한 결과에서 보는 것과같이 마이크로 기지국 배치를 위하여 동일한 에너지가 사용되는 경우(그림 3의 동일한 y축 값)에 대하여, 제안된 알고리즘은 랜덤 한 기지국 배치에 대하여 60%이상의 에너지 사용량 절감을 이루며, 최적해에대하여서도 70%이상의 성능을 보장함을 알 수 있다.</p><h1>V. 결론</h1><p>본 논문에서는 매크로와 마이크로 기지국이 운영되는 환경에서 에너지 효율적인 마이크로 기지국 배치방안을 제안하고 있다. 먼저 ASE를 성능 지표로 하는 에너지 최소화에 대한 최적화 문제를 제시하였으며, ASE 변화에 따른 계산 복잡도를 줄이기 위하여 그리드 방식을 기반으로 하는 마이크로 기지국 배치방안을 제안하였다. 모의실험을 통한 성능 검증을 통하여 제안된 알고리즘이 랜덤 알고리즘에 대하여 60%이상의 성능개선을 보이며, 최적해에 대하여 70%이상의 성능을 보장할 수 있음을 확인하였다.</p><p>제안된 방법은 다양한 기지국 종류를 고려하고 있으며 그리드 방법을 기반으로 하고 있기 때문에, 기존에 기지국 설치되어 있는 환경에서도 수정 없이 적용이 가능하다. 따라서 제안된 알고리즘을 통하여 새로운 기지국 설치 시 셀룰러 시스템의 에너지 효율을 증대시킬 수 있다.</p>
|
[
"모의실험에서 가로세로 \\( 5 \\mathrm{Km} \\times 5 \\mathrm{Km} \\)의 관찰영역에 몇 개의 매크기지국이 배치된 것으로 가정하였나요?",
"표 1에는 기지국 전송 전력이 쓰여있나요?",
"제안된 알고리즘 설계의 타당성을 확인하기 위해서 무엇을 관찰하나요?",
"동일한 조건에서 수식 (11)의 전송 전력의 크기와 서비스 영역의 크기는 비례하니?",
"그림 2에서 전송 전력이 10와트 마이크로 기자국과 매크로 기지국을 사용하여 배치할 때, 각각 몇 개 이상의 기지국이 배치되면 ASE가 감소하나요?",
"그림 3에서 조정 변수 \\( \\zeta \\)가 증가함에 따라 사용되는 에너지가 증가하는 이유는 무엇인가요?",
"조정 변수의 변화에 따라 마이크로 기지국 배치를 통한 에너지 소모량 변화를 나타내는 것은 그림 3인가요?",
"이 논문에서 제안하는 방안은 무엇인가요?",
"ASE을 기준으로 하는 에너지 최소화에 대한 최적화 문제를 제시하나요?",
"ASE 변화에 따른 계산 복잡도를 줄이기 위해서 어떤 방식을 기반으로 마이크로 기지국 배치방안을 제안하나요?",
"제안된 알고리즘이 랜덤 알고리즘에 대해 모의실험을 한 성능 검증의 결과는 무엇인가?",
"제안된 알고리즘으로 볼 수 있는 효과는 무엇인가?",
"제안된 알고리즘으로 볼 수 있는 효과는 뭐야?",
"그림 3은 무엇이 변화함에 따라 마이크로 기지국 배치를 통한 에너지 소모량의 변화를 보여주니?",
"기술되지 않은 파라미터는 참고문헌에 정리된 내용을 고려하였나?",
"그림 2를 참고하여 도출할 수 있는 결과는 무엇인가요?",
"모의실험 파라미터로 사용된 페이딩 모델은 std가 8 데시벨인가요?",
"단위 ASE 증가를 위해서 더 많은 기지국 배치가 필요하다는 것을 나타내는 그림은 몇 번인가요?",
"조정 변수 변화에 따라 마이크로 기지국 배치를 통한 에너지 소모량의 변화를 나타내는 그림의 기호로 옳은 것은 무엇인가요?",
"그림 3의 마이크로 기지국 배치를 위하여 동일한 에너지가 사용되는 경우, 제안된 알고리즘은 무작위로 기지국 배치에 대하여 70%이상의 에너지 사용량 절감을 이루며, 최적해에 대해서 60%이상의 성능을 보장하는 것을 확인할 수 있나요?",
"모의실험 파라미터의 잡은 모델은 비정규 분포 모델인가요?",
"제안된 방법은 이미 기지국이 설치되어 있어도 기지국 종류 변경 없이 적용이 가능한가요?",
"모의실험 파라미터 중 안테나 모델의 종류와 값은 뭘까?",
"모의실험의 잡음 모델은 무엇인가요?",
"모의실험 값이 Modified COST 231 Hata model인 것은 어떤 변수인가요?",
"모의실험에 사용된 Modified COST 231 Hata model은 어떤 파라미터의 값인가요?",
"모든 방향으로 전자기파를 수신 또는 송신을 하는 안테나 모델은 무엇인가요?"
] |
742190f7-9540-44ad-9b24-49eeee173b61
|
인공물ED
|
4H-SiC MOSFET기반 ESD보호회로에 관한 연구
|
<h1>Ⅱ. 본론</h1><h2>1. 4H-SiC ggNMOS 제작</h2><p>그림 1은 4H-SiC기반 ggNMOS(gate grounded NMOS)의 구조이고 그림 2은 등가 회로도이다. 기판은 N-epi층으로 형성되어 있으며 P-body-layer 층에 MOSFET구조를 형성하였다. N+ 및 P+ 영역은 일반적으로 각각 질소 및 알루미늄을 주입함으로써 형성되며, 4H-SiC에서 N type을 형성하기 위해서는 이온화 에너지가 높고 원자량이 낮은 질소를 사용한다. P+ 층의 두께 및 도핑농도는 약 \( 0.2 \mathrm{um} \) 및 \( 3 \mathrm{e} 18 \mathrm{cm}-3 \) 이고 N+ 층은 약 \( 0.2 \mathrm{um} \) 및 \( 5 \mathrm{e} 18 \mathrm{cm} 3 \) 이다. P-body-layer의 두께 및 도핑 농도는 \( 0.7 \mathrm{um} \) 및 \( 1 \mathrm{e} 18 \mathrm{cm} 3 \) 이다. N+/P+ 임플란트의 공정단계는 각각 질소 및 알루미늄 공급원을 사용하여 \( 650^{\circ} \mathrm{C} \) 에서 수행되었다. P-body 영역은 알루미늄을 사용하여 \( 650^{\circ} \mathrm{C} \) 에서 수행되었다. P-body의 농도는 epi층과의 펀치스루 현상이 일어나지 않도 록 충분히 높게 제작한다.</p><p>4H-ggNMOS의 동작은 \( \mathrm{Si} \) 기반 ggNMOS와 동일 하다. Anode 단으로 ESD surge가 인가되면 drain 영역과 Body영역 간의 Avalanche Breakdown이 발생한다. 생성된 EHP(Electron-Hole pair) 중 Hole 은 P-body의 potential을 높여주고 그로인해 Body 영역과 Source영역 간의 다이오드가 동작하게 되면서 최종적으로 NPN 기생 바이폴라 트랜지스터가 동작하여 ESD 전류를 방전시켜준다.</p><h2>2. 전기적 특성 분석</h2><p>그림 3은 TLP 장비로 측정한 4H-SiC ggNMOS의 \( \mathrm{I}-\mathrm{V} \) 특성이다. 트리거 전압과 홀딩 전압은 각각 \( 210 \mathrm{V}, 65 \mathrm{V} \)로 높은 전압에서 트리거 되고 strong snapback 특성을 나타낸다. 4H-SiC 물질의 우수한 dynamic 저항 특성에 따라 뛰어난 on-resistance 특성을 가지며 높은 감내 특성을 가진다.</p><p>그림 4은 설계변수 DCGS(drain contact gate spacing) 와 Gate length이다. 일반적으로 DCGS의 변화는 ESD performance 향상에 잘 알려져 있다. DCGS의 간격이 늘어나게 되면 drain과 gate간의 저항성분이 작용하여 채널 근처의 drain 부근에 전계가 집중되는 hot-spot 현상을 감소시켜 높은 ESD level을 견딜 수 있도록 해 준다. Gate Length의 변화는 홀딩 전압의 변화에 유효하다. Gate Length가 증가하면 기생 NPN 바이폴라 트랜지스터의 Base 영역이 증가하는 효과를 가저온다. 따라서 Base 영역의 증가는 이미터 주입효율 및 전류이득 Beta를 감소시켜 홀딩전압 증가의 효과를 가저 온다.</p><p>그림 5은 설계변수 DCGS의 변화에 따른 \( \mathrm{I}-\mathrm{V} \) 특성이다. 변수를 각각 \( 150 \mathrm{um}, 200 \mathrm{um}, 250 \mathrm{um} \)로 설계 하였고 측정결과 길이가 늘어날수록 감내 특성이 향상되는 것을 확인할 수 있다.</p><p>그림 6은 설계변수 Gate Length의 변화에 따른 \( \mathrm{I}-\mathrm{V} \) 특성이다. 변수를 각각 \( 5 \mathrm{um}, 11 \mathrm{um}, 17 \mathrm{um} \)로 설계하였고 측정결과 길이가 늘어날수록 홀딩 전압이 높아지는 것을 확인할 수 있다. 따라서 어플리케이션의 요구전압에 따라 설계변수가 적용된 소자를 사용할 수 있다.</p><table border><caption>표 1. DCGS 변수에 따른 전기적 특성</caption><tbody><tr><td>DCGS</td><td>Trigger Voltage</td><td>Holding Voltage</td><td>It2</td></tr><tr><td>\( 5 \mathrm{um} \)</td><td>\( 210 \mathrm{V} \)</td><td>\( 65 \mathrm{V} \)</td><td>\( 12 \mathrm{A} \)</td></tr><tr><td>\( 11 \mathrm{um} \)</td><td>\( 210 \mathrm{V} \)</td><td>\( 65 \mathrm{V} \)</td><td>\( 14.2 \mathrm{A} \)</td></tr><tr><td>\( 17 \mathrm{um} \)</td><td>\( 210 \mathrm{V} \)</td><td>\( 65 \mathrm{V} \)</td><td>\( 18.4 \mathrm{A} \)</td></tr></tbody></table><table border><caption>표 2. Gate Length 변수에 따른 전기적 특성</caption><tbody><tr><td>Gate Length</td><td>Trigger Voltage</td><td>Holding Voltage</td><td>It2</td></tr><tr><td>\( 150 \mathrm{um} \)</td><td>\( 212 \mathrm{V} \)</td><td>\( 66 \mathrm{V} \)</td><td>\( 18.2 \mathrm{A} \)</td></tr><tr><td>\( 200 \mathrm{um} \)</td><td>\( 210 \mathrm{V} \)</td><td>\( 78 \mathrm{V} \)</td><td>\( 17.9 \mathrm{A} \)</td></tr><tr><td>\( 250\mathrm{um} \)</td><td>\( 208 \mathrm{V} \)</td><td>\( 94 \mathrm{V} \)</td><td>\( 17.2 \mathrm{A} \)</td></tr></tbody></table>
|
[
"P+ 층의 도핑농도는 N+층의 도핑농도보다 작은가요?",
"ggNMOS는 MOSFET 종류의 하나인가요?",
"ggNMOS의 기판은 N-epi층으로 형성되어있나요?",
"N+ 및 P+ 영역은 일반적으로 각가 무엇을 주입하나요?",
"N+의 대표적인 원소는 질소입니까?",
"질소를 사용하는 이유는 무엇인가요?",
"P-body-layer의 두께는 어느정도인가요?",
"P+ 층의 두께 및 도핑농도는 얼마인가요?",
"P+ 층의 두께가 N+층의 두께가 같습니까?",
"P-body-layer의 도핑농도는 몇인가요?",
"N+/P+ 임플란트의 공정단계의 온도는 몇인가요?",
"P-body의 영역은 N+/P+ 임플란트 공정단계와 동일한 온도에서 진행되었나요?",
"P-body 영역은 무엇을 사용하여 공정 진행되었나요?",
"P-body의 농도는 왜 \\( 650^{\\circ} \\mathrm{C} \\)에서 수행되었나요?",
"4H-ggNMOS는 무슨 원소로 만들어졌나요?",
"Avalanche Breakdown은 왜 생기나요?",
"Cathode 단으로 ESD surge가 인가되면 Avalanche Breakdown이 발생하나요?",
"Hole은 어떤 역할을 하나요?",
"Hole이 P-body의 potential을 높여주는 결과 어떻게 되나요?",
"NPN 기생 바이폴라 트랜지스터가 동작하면 어떻게 되나요?",
"어떤 장비를 활용해 반도체의 \\( \\mathrm{I}-\\mathrm{V} \\) 특성파악을 하나요?",
"트리거 전압과 홀딩 전압은 각각 얼마인가?",
"4H-SiC ggNMOS는 높은 전압에서 트리거 될 경우 어떤 특성을 보이나요?",
"일반적으로 DCGS의 변화는 ESD performance에 도움이 되나요?",
"DCGS의 변화가 무엇에 도움이 될까요?",
"hot-spot 현상이 감소되는 것이 왜 좋은가요?",
"DCGS의 간격이 늘어나면 좋은 이유는 높은 ESD level을 견딜 수 있기 때문인가요?",
"hot-spot 현상과 ESD level은 관련이 있나요?",
"Gate Length의 변화는 무엇에 영향을 주나요?",
"DCGS의 간격이 늘어나는 것은 Gate Length를 증가시키는 방법인가요?",
"Gate Length가 증가하는 것은 어떤 결과를 만드나요?",
"Base 영역의 증가는 왜 좋은가요?",
"DCGS로 Base 영역의 증가를 기대할 수 있습니까?",
"이미터 주입효율 및 전류이득 Beta를 감소시킬 수 있는 방법은 무엇인가요?",
"Gate Lenth 변수에 따른 전기적 특성을 확인 할 경우, \\( 150 \\mathrm{um} \\)의 채널 길이에 따른 Holding voltage는 얼마인가요?"
] |
09d0c513-adb5-48db-8ff8-e37a790ba0c1
|
인공물ED
|
4H-SiC MOSFET기반 ESD보호회로에 관한 연구
|
<h1>Ⅲ. 결 론</h1><p>본 논문에서는 전력반도체에 적합한 4H-SiC물질을 기반으로 한 ESD보호소자인 ggNMOS를 제작및 특성을 검증하였다. 4H-SiC는 Wide Band-gap물질로 고온동작에 유리하며 \(\mathrm{Si}\) 물질에 비하여 동일면적 대비 저항특성이 좋아 감내 특성을 향상시켜준다. TLP측정결과 \(210 \mathrm{V}\)의 높은 트리거 전압과 \(65 \mathrm{V}\)홀딩 전압으로 Strong snapback 특성을 가진다. 반면에 뛰어난 온도 특성과 on-resistance로 높은 감내 특성을 지닌다. 감내 특성의 변화를 확인하기 위해 DCGS(drain contack gate spacing)을 설계변수로 설정하여 각각 \( 150 \mathrm{um}, 200 \mathrm{um}, 250 \mathrm{um} \)로 길이가 늘어남에 따라 감내 특성이 향상됨을 볼 수 있다. 또한 어플리케이션의 요구전압에 대한 최적화를 위해 Gate Length를 설계변수로 설정하여 각각 \( 5 \mathrm{um}, 11 \mathrm{um}, 17 \mathrm{um} \)로 길이가 늘어남에 따라 홀딩 전압이 높아짐을 볼 수 있다. 따라서 특정 어플리케이션에 대해 ESD 보호 소자를 최적화 하여 적절하게 사용할 수 있다.</p>
|
[
"어플리케이션의 요구전압에 대한 최적화를 위해 설정된 변수는 뭐야?",
"전력반도체에 적합한 물질 이름은 뭐야?",
"어떤 물질이 전력반도체에 적합하지?",
"동일면적 대비 저항특성이 좋아 감내 특성을 향상시켜주는 물질은 뭐야?",
"DCGS(drain contack gate spacing)을 설계변수로 설정하여 각각 150um,200um,250um로 길이가 늘어남에 따라 감내 특성이 향상된게 맞아?",
"어플리케이션 요구전압 최적화를 위한 검증 결과는 어떻게 되었지?",
"고온동작에 유리하며 동일면적 대비 저항특성이 좋아 감내 특성을 향상시켜주는 물질의 이름은 뭐야?",
"어떤 물질이 Si 물질에 비해 동일면적 대비 저항특성이 좋아 감내 특성을 향상시켜주지?",
"Si 물질에 비해 동일면적 대비 저항특성이 좋아 감내 특을 향상시켜주는 물질은 뭐야?",
"본 논문에서 제작 및 특성을 검증한 보호소자의 이름은 뭐야?",
"Gate Length를 설계변수로 설정하여 검증한 결과 홀딩 전압이 낮아졌어?",
"ggNMOS 제작 및 특성 검증결과 모든 어플리케이션에 대해 ESD 보호 소자를 최적화하여 사용할 수 있는 것이 맞아?",
"어떤 방법을 통해 4H-SiC의 뛰어난 온도 특성과 높은 감내 특성을 확인했나요?",
"\\(65 \\mathrm{V}\\)홀딩 전압으로 Strong snapback 특성을 확인하기 위해 어떤 방법을 사용했나요?",
"어플리케이션의 요구전압 최적화를 위한 검증에서 Gate Length 길이를 어떻게 늘렸지?"
] |
7c9afb39-2650-4c1c-8614-c92beae7d11f
|
인공물ED
|
4H-SiC MOSFET기반 ESD보호회로에 관한 연구
|
<h1>I. 서론</h1><p>현대 산업 구조에서 전자제품의 집적화 및 소형화 이슈가 이어지는 가운데 \( \mathrm{Si} \) 기반 소자들은 물성적으로 한계점에 도달하고 있다. 구조적인 개선을 통해 성능개선을 이루어 낸다 하더라도 한계가 명확하여 대체 방안이 검토되고 있다. 따라서 보다 고전압 특성이 뛰어나고 면적 대비 특성이 월등히 좋은 WBG(Wide Band gap) 물질이 연구되고 있다. 그중에서도 \( \mathrm{SiC} \) 물질이 주목받고 있으며 특히나 고온동작에서의 성능이 매우 뛰어나고 차량, 항공 등 다양한 분야에 영역이 확대되고 있다. 하지만 \( \mathrm{SiC} \) 기반 반도체는 \( \mathrm{Si} \) 반도체에 비해 기술적 난이도가 높고 산업적 측면에서의 위험도 또한 높다. 특히 외부의 surge 나 noise 등으로부터 소자를 안정적으로 보호할 수 있는 ESD 보호회로 개발은 더욱더 미흡한 실정이다. 이는 고 신뢰성을 요구하는 자동차, 항공 등의 분야의 제품개발과 직결되는 문제이다. 따라서 본 논문에서는 4H-SiC 기반 ESD 보호회로를 제안하고, \( \mathrm{SiC} \) 공정을 통하여 설계 및 제작하여 전기적 특성을 검증하였다.</p>
|
[
"집적화 소형화 이슈에 따라 \\( \\mathrm{Si} \\) 기반 소자의 물성 한계가 도달하고 있나?",
"주목 받는 WBG 물질로 어떻게 작동하나요?",
"반도체에서 ESD 보호회로는 어떻게 작용하나요?",
"현대에 전자제품의 집적화 및 소형화 이슈에서 \\( \\mathrm{Si} \\) 기반 소자들은 입지는 어떻게 되었나요?",
"\\( \\mathrm{Si} \\) 기반 소자들 보다 개선 된 WBG 물질은 비교적 어떻게 좋나요?",
"SiC물질 기반 반도체는 surge나 noise 등으로부터 보호하기 위한 방법은 무엇인가?",
"\\( \\mathrm{SiC} \\) 기반 반도체가 가지는 난이도와 산업적 위험성은 어떻게 더 두각되나요?",
"SiC물질 기반의 반도체가 취약한 점은 무엇인가요?",
"WBG물질이 연구는 어떻게 이뤄졌나요?",
"본 논문의 전기적 특성 검증은 어떻게 이뤄지나요?",
"\\( \\mathrm{SiC} \\) 기반 반도체는 \\( \\mathrm{Si} \\) 반도체와 어떻게 비교되어지나요?",
"\\( \\mathrm{Si} \\) 기반 소자들의 한계에 대해 어떻게 대처하나요?",
"\\( \\mathrm{Si} \\) 기반 소자들의 집적화 및 소형화 이슈를 어떻게 해결해보려고 했나요?",
"\\( \\mathrm{Si} \\) 기반 소자들은 물성적으로 한계를 극복 할 수 없기에 어떻게 하려고 하나요?",
"\\( \\mathrm{Si} \\) 기반 소자들의 전자제품의 집적화 및 소형화 이슈를 해결하기 위한 구조적인 개선은 어떻게 고려되어지나요?",
"전자제품의 집적화 및 소형화 이슈가 이어지는 가운데 \\( \\mathrm{Si} \\) 기반 소자들은 물성적으로 한계점에 도달하기에 어떻게 해결하고자하나요?",
"보호회로도 없고 난이도도 높고 산업적 위험성도 높은 \\( \\mathrm{SiC} \\) 기반 반도체의 문제는 논문에서 어떻게 다뤄지나요?",
"\\( \\mathrm{SiC} \\) 기반 반도체가 가지는 위험성과 난이도를 보호 할 수 없는 형태는 어떻게 두각되나요?",
"\\( \\mathrm{SiC} \\) 기반 반도체는 기술적 난이도가 높고 산업적 측면에서의 위험도 또한 높기 때문에 이를 해결하는 방안은 무엇인가요?",
"논문에서 제시한 4H-SiC 기반 물질이 취약한 surge 나 noise 등으로부터 소자를 안정적으로 보호할 수 있는 방법은 무엇인가요?",
"Si 기반 반도체의 온도적 특성은 무엇인가요?"
] |
7192e12c-15e2-4fd3-ac29-849c998002fc
|
인공물ED
|
4H-SiC MOSFET기반 ESD보호회로에 관한 연구
|
<h1>요 약</h1><p>본 논문에서는 4H-SiC 물질 기반으로 제작된 ggNMOS를 제안하고 전기적 특성을 분석하였다. 4H-SiC는 Wide Band-gap 물질로 \( \mathrm{Si} \) 물질보다 면적대비 특성과 고전압 특성이 뛰어나 전력반도체 분야에 주목받고 있다. 제안된 소자는 높은 감내 특성과 Strong snapback 특성을 가진다. 공정은 SiC 공정으로 이루어 졌으며 TLP 측정 장비를 통해 전기적 특성을 분석하였다.</p>
|
[
"제안된 소자의 특성은 무엇인가?",
"ggNMOS의 전기적특성을 측정한 장비는 무엇인가?",
"4H-SiC는 어떤 물질인가?",
"전력반도체 분야에 주목받는 물질은 무엇인가?",
"4H-SiC 물질으로 무엇을 만들엇는가?",
"ggNMOS를 제작할때 사용한 공정은 무엇인가?",
"ggNMOS의 무슨 특성을 분석하였는가?",
"4H-SiC은 \\( \\mathrm{Si} \\) 물질보다 좋은점은 무엇인가?"
] |
80993b4d-7ead-4dd1-8365-c7d6170bbba8
|
인공물ED
|
데이터 전송을 위한 전용 명령어 및 I/O 포트를 탑재한 8051 마이크로콘트롤러의 설계
|
<h1>II. SMBus 및 UART의 추가</h1><p>SMBus 는 그림 2 와 같이 구성되며 하나의 마스터 디바이스와 다수의 슬레이브 디바이스를 하나의 버스로 연결하고 다수 바이트의 데이터를 한 번에 주고받을 수 있다. 전송 속도는 \( 10 \mathrm{kHz} \) 에 서 \( 100 \mathrm{kHz} \) 로 전송 속도가 \( 9600 \mathrm{bps} \) 인 UART보다 빠르다. UART처럼 두 개의 선으로 데이터 전송이 가능하지만 시스템 클록에 동기되어 동작한다. SMBus의 동작 주파수는 SCLK의 형태로 시스템 클록에 동기되며 외부의 슬레이브 디바이스도 SCLK 에 맞춰 동작하게 된다.</p><p>UART는 그림 3 과 같이 구성된다. 다수 디바이스와 데이터 전송이 가능한 SMBus와는 달리 UART 는 오직 하나의 디바이스와만 데이터를 전송할 수 있다.</p><p>본 논문에서는 UART를 2개 탑재하여 서로 다른 GPIO로 2개의 디바이스와 각각 UART 전송을 수행할 수 있도록 하였다. 2개의 UART를 동시에 사용하는 경우 데이터 레지스터나 전송 완료. 플래그를 하나로 사용하게 되면 데이터가 겹칠 수 있으므로, 제어 레지스터는 공유하되 이외의 레지스터들은 하나씩 더 추가하여 따로 사용하도록 한다. 마찬가지로 송수신할 데이터를 임시로 저장할 버퍼 레지스터인 SBUF 도 하나씩 더 추가하여 따로 사용한다.</p><p>그림 4 는 기존 OC 8051 에 SMBus와 UART 포트를 추가한 모습이며, 3 개의 비동기 인터페이스마다 각각의 데이터 레지스터를 갖고 서로 다른 GPIO 를 통해 데이터를 전송한다.</p><h1>III. 더이터 전송 전용 명령어의 추가</h1><p>8051은 외부와 데이터를 주고반는 데이터 전송 명령어가 별도로 없기 때문에, UART나 SMBus 와 같은 데이터 전송 포트를 사용하려면 표 1과 같이 여러 개의 명령어를 사용하여야 한다. 따라서 프로그램의 코드 크기가 증가하고 수행 시간이 길어지는 단점이 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 이들 데이터 전송 포트를 위한 전용 명령어를 개발하였다.</p><p>8051의 명령어는 8 비트 오피코드인 0x00 ~ 0xF를 사용하지만, 이중에서 0xA5 를 제외한 나머지는 이미 모두 사용 중이다. 따라서 본 논문에서는 비어있는 0xA5 하나를 두 개의 UART 및 SMBus의 송·수신을 위한 전송 전용 명령어로 사용한다.</p><p>전용 명령어는 오피코드가 0xA5로 모두 동일하기 때문에 그림 5 와 같이 오퍼랜드 내에 상위 5 비트로 I/O 포트의 종류를 나타내며 하위 3 비트로 범용 레지스터의 종류를 나타낸다. 표 2는 새로 추가된 모든 전송 전용 명령어의 구조를 나타낸 것이다. 오퍼랜드 상위 5비트인 32개의 자리 중 6개만 사용 중이므로 추후에 다른 포트를 I/O 더 추가하기 위한 여유는 충분하다.</p><p>기존 명령어는 데이터를 전송하는 동안 PC (program Counter)가 다음 명령어를 읽지 않도록 하기 위해 반복문을 이용하며, 송.수신 완로 플래그가 1 이 될 때까지 그 값을 계속 확인하면서 PC 가 같은 자리를 돈다. 또한 전송이 완료된 후에는 제어코드 상에서 전송 완로 플래그를 다시 리셋해 주는 과정이 필요하기 때문에 송.수신에 표 1 과 같이 여러 개의 명령어가 필요하다.</p><p>본 논문에서 제안한 전용 명령어에서는 하나의 명령어로 데이터 전송을 완료하기 위해 새로운 인터럽트를 추가했다. 즉, 오피코드가 전용 명령어 0xA5 이면서 데이터가 전송 중일 때 인터럽트를 발생시키고, 인터럽트가 1 인 동안에PC 가 제자리에 멈추어 다음 명령어를 읽어오지 않는 방법을 사용하였다. 전송이 완료된 후에는 하드웨어적으로 인터럽트가 다시 리셋되어 PC 가 다시 동작하게 된다.</p><p>특히 앞선 내용에서도 알 수 있듯이, 기존 명령어는 송·수신 완료 플래그가 1 이 되는지를 계속 확인하면서 PC 가 같은 자리를 돌아야 하므로 데이터 전송 동안 마이크로콘트롤러가 다른 동작을 할 수가 없다. 하지만 제안한 전송 전용 명령어에서는 데이터 전송 동안 다른 동작도 함께 수행할 것인지를 선택하는 플래그를 추가하여 전용 명령어로 데이터를 전송하는 동안 다른 동작을 동시에 병행할 수 있다.</p><p>표 2 에서 새로 제안한 데이터 전송 전용 명령어는 기존 8051 마이크로콘트롤러에서 표 1 과 같이 작성되는 데이터 전송 프로그램과 동일한 기능을 가지면서도 명령어 길이가 2 바이트밖에 되지 않으므로 표 3 과 같이 명령어의 바이트 수가 크게 감소한다. 이에 따라 응용 프로그램의 코드 크기를 크게 감소시킬 수 있다. 비슷한 이유로 명령어 바이트 수뿐만 아니라 명령어 사이클 수도 표 4와 같이 크게 감소한다.</p>
|
[
"전송 속도의 범위는 얼마야?",
"SMBus는 하나의 마스터 디바이스를 단일 슬레이브 디바이스와 연결하지?",
"외부의 슬레이브 디바이스와 SMBUs의 동작 주파수는 어디에 맞춰 동작해?",
"UART는 어디에 동기되어 동작해?",
"UART는 다수의 디바이스와 데이터 전송이 가능하지?",
"본 논문에서는 UART를 몇 개 탑재했어?",
"2개의 UART는 어떤 디바이스로 UART전송이 수행돼?",
"송수신할 데이터는 임시로 어디에 저장돼?",
"8051은 외부와 데이터를 주고받는 데이터 전송 명령어가 별도로 있지?",
"8051은 전송 명령어가 별도로 없어서 코드의 크기가 증가하고 수행 시간이 길어지지?",
"기존 명령어는 송수신 완료 플래그가 몇이 될때까지 같은 자리를 돌아?",
"본 논문에서는 UART 및 SMBus의 송수신을 위한 전송 전용 명령어로 무엇을 사용해?",
"8051의 명령어는 모든 코드가 사용 중이지?",
"기존 명령어는 다음 명령어를 읽기 위해 반복문을 사용하지?",
"하나의 명령어로 데이터를 완성하기 위해 기존의 인터럽트를 사용했지?",
"송수신 완료 플래그가 1인동안 PC는 같은 자리를 돌지?",
"데이터 전송 동안 다른 동작을 동시에 병행할 수 없지?",
"새로 제안된 데이터 전송 명령어의 길이는 얼마야?",
"8051은 몇 비트 오피코드를 사용해?",
"새로 제안한 데이터 전송 명령어는 명령어의 바이트 수가 크게 증가하지?",
"다음 명령어를 읽지 않으려면 인터럽트가 몇이여야해?",
"본 논문에서는 무엇을 위한 전용 명령어를 개발했어?",
"오퍼랜드 상위 5비트인 32개의 자리 중 몇개만 사용해?",
"오퍼랜드 상위 5비트의 모든 자리를 사용하지?"
] |
270c629a-0af3-4365-bf14-62f01d0df12b
|
인공물ED
|
데이터 전송을 위한 전용 명령어 및 I/O 포트를 탑재한 8051 마이크로콘트롤러의 설계
|
<h1>요 약</h1><p>본 논문에서는 데이터 전송을 위한 전용 명령어 및 I/O 포트를 탑재한 8051 마이크로콘트롤러를 설계하였다. 설계된 8051마이크로콘트롤러는 외부 디바이스를 제어하고 데이터를 주고받기 위해 2개의 UART 포트와 1개의 SMBus 포트를 탑재하였으며, 이들 포트를 운용하기 위한 전용 명령어를 개발하여 명령어 집합에 추가하였다. 이에 따라 여러 디바이스를 동시에 제어하고 데이더를 전송할 수 있으며, 웅용 프로그램의 코드 크기도 줄일 수 있다. 특히, 다수의 디바이스와 데이터를 주고받는 동안에도 마이크로콘트롤러가 멈추지 않고 다른 프로그렘을 수행할 수 있어서 동작 효율을 크게 향상할 수 있다. \( 0.18 \) um 공정메서 합성한 결과, 전용 명령어 추가로 인한 하드웨어 크기 증가는 무시할만하며, 모든 명령어 및 I/O 포트가 정상적으로 동작하는 것을 FPGA 보드에서 확인하였다.</p><h1>I. 서론</h1><p>8051 마이크로콘트롤러는 크기가 작고 명령어 집합이 간단하여 주로 SoC (system-on-chip) 상에서 전체 시스템의 간단한 통합 제어를 위해 많이 사용된다. 8051 마이크로콘트롤러는 비동기적인 데이터 전송을 위해 UART (universal asynchronous receiver/transmitter)를 사용하고 있는 경우가 많은데, 최근 SoC의 발전 경향에 비추어보면 비동기적으로 제어 및 전송해야 하는 센서 및 액츄에이터 등의 수가 증가함에 따라 UART 하나로는 모자라는 경우가 자주 발생한다. 또한, 시스템의 배터리 및 전력 제어 등에 많이 쓰이는 SMBus (system management bus)의 필요성도 점차 늘어나고 있다.</p><p>8051 마이크로콘트롤러는 GPIO (general purpose I/O 버스를 통해 외부 블록을 제어하고 데이터를 전송하는데, 대부분의 외부 블록은 시스템 클록에 맞춰 동기적으로 동작하기 패문에 GPIO 를 사용해도 속도에 큰 문제가 없지만, UART나 SMBus와 같이 시스템 클록에 비해 매우 낮은 속도로, 그것도 비동기적으로 데이터를 전송하는 I/O 포트의 경우에는 단지 몇 바이트의 데이터를 전송하는 데에도 마이크로콘트롤러가 상당히 오랜 동안 동작을 멈추고 데이터의 전송이 끝나기를 기다려야 한다. 이러한 문제는 여러 개의 비동기 포트가 필요할 때 더욱 심각해진다.</p><p>본 논문에서는 이러한 문제점을 해결하기 위해 2개의 UART 포트와 1 개의 SMBus를 탑재하고, 이들 I/O 포트를 운용하기 위한 데이터 전송 전용 명령어를 추가한 8051 마이크로콘트롤러를 설계하였다. 소스코드의 형태로 공개된 그림 1 의 OC (open code) 8051 을 기반으로 설계하였으며, 여러 디바이스를 동시에 제어하고 데이터를 전송할 수 있다. 또한 데이터 전송 전용 명령어의 추가를 통해 응용 프로그램의 코드 크기를 감소시킬 수 있으며, 다수의 디바이스와 데이터를 주고받는 동안에도 마이크로콘트롤러가 멈춰 있지 않고 다른 프로그램을 수행할 수 있어서 동작 효율을 크게 향상할 수 있다.</p>
|
[
"본 논문에서는 데이터 전송을 위한 전용 명령어 및 I/O 포트를 탑재한 무엇을 설계하였는가?",
"8051 마이크로콘트롤러는 왜 설계되었는가?",
"8051 마이크로콘트롤러에는 무엇이 탑재되어 있는가?",
"8051 마이크로콘트롤러는 무엇을 제어하는가?",
"8051 마이크로콘트롤러에 탑재된 포트를 운용하기 위해 무엇을 개발하였는가?",
"2개의 UART 포트와 1개의 SMBus 포트를 8051 마이크로콘트롤러에 탑재한 이유는 외부 디바이스 제어와 더불어 무엇을 주고받기 위함인가?",
"8051 마이크로콘트롤러에는 SMBus가 여러 개 있는가?",
"8051 마이크로콘트롤러를 이용하여 데이터를 주고받을 수 있는가?",
"8051 마이크로콘트롤러를 이용하여 어떤 것들을 줄일 수 있는가?",
"8051 마이크로콘트롤러를 이용하여 여러 디바이스를 동시에 제어할 수 있는가?",
"다수의 디바이스와 데이터를 주고받는 동안에도 마이크로콘트롤러는 멈추지 않는가?",
"전용 명령어 추가로 인한 하드웨어 크기는 너무 많이 증가하였다고 볼 수 있는가?",
"하드웨어가 왜 커졌는가?",
"8051 마이크로콘트롤러는 크기가 작고 명령어 집합이 복잡하여 주로 SoC (system-on-chip) 상에서 전체 시스템의 복잡한 통합 제어를 할 수 있는가?",
"모든 명령어 및 I/O 포트가 정상적으로 동작하는 것을 어디에서 확인할 수 있었는가?",
"다수의 디바이스와 데이터를 주고받는 동안에도 마이크로콘트롤러가 멈추지 않고 다른 프로그렘을 수행할 수 있어서 무엇이 크게 향상 되었는가?",
"8051 마이크로콘트롤러는 주로 어디에서 쓰이는가?",
"FPGA 보드에서 어떤 것들의 동작 상태를 확인할 수 있는가?",
"8051 마이크로콘트롤러가 많이 쓰이는 이유 두 가지는 무엇인가?",
"8051 마이크로콘트롤러는 비동기적인 데이터 전송을 위해 주로 무엇을 사용하는가?",
"UART는 어떤 데이터의 전송을 위해 사용되는가?",
"8051 마이크로콘트롤러는 비동기적인 데이터 전송을 위해 UART 하나면 충분한가?",
"SMBus의 필요성은 점차 줄어들고 있는가?",
"8051 마이크로콘트롤러는 GPIO를 사용하면 속도에 큰 문제가 발생하는가?",
"최근 SoC의 발전 경향에 비추어보면 비동기적으로 제어 및 전송해야 하는 어떤 수가 증가함에 따라 UART 하나로는 모자라는 경우가 자주 발생하는가?",
"이러한 문제는 여러 개의 무엇이 필요할 때 더욱 심각해지는가?",
"UART나 SMBus를 이용할 경우 시간이 오래걸리는가?",
"GPIO에 비해 UART나 SMBus가 가지는 시스템 클록에 대한 특징은 무엇이 낮다는 점인가?",
"시스템의 배터리 및 전력 제어 등에 많이 쓰이는 것은 무엇인가?",
"대부분의 외부 블록은 어디에 맞춰 동기적으로 동작하는가?",
"2개의 UART 포트와 1 개의 SMBus를 탑재하고, 이들 I/O 포트를 운용하기 위한 어떤 명령어를 추가하였는가?",
"UART나 SMBus를 이용하면 속도는 느리지만 비동기 포트로 해결할 수 있는가?",
"그림 1 은 어떤 형태로 공개되었는가?",
"느린 문제점을 해결하기 위해 어떤 것들을 탑재하였는가?",
"소스코드의 형태로 공개된 그림 1 의 OC (open code) 8051 을 기반으로 설계하고 나니 비로소 여러 디바이스를 동시에 제어하고 데이터를 전송할 수 있게 되었는가?",
"데이터 전송 전용 명령어의 추가를 통해 응용 프로그램의 무엇을 줄일 수 있었는가?",
"데이터 전송 전용 명령어의 추가를 통해 응용 프로그램의 코드 크기를 감소시킬 수 있으며, 다수의 디바이스와 데이터를 주고받는 동안에도 마이크로콘트롤러가 멈춰 있지 않고 다른 프로그램을 수행할 수 있어서 무엇이 향상되었는가?",
"8051 마이크로콘트롤러는 어떤 버스를 통해 외부 블록을 제어하고 데이터를 전송하는가?",
"동작 효율이 크게 향상된 8051은 소스코드 덕분인가?",
"8051마이크로콘트롤러는 외부 디바이스를 제어하고 데이터를 주고받기 위해 어떤 것들을 탑재하였는가?"
] |
b792034d-b8a1-404a-afd0-c7e000c17edf
|
인공물ED
|
데이터 전송을 위한 전용 명령어 및 I/O 포트를 탑재한 8051 마이크로콘트롤러의 설계
|
<h1>IV. 구현 및 검증</h1><p>먼저 제안한 8051 마이크로콘트롤러를 Verilog HDL 로 기술하고 시뮬레이션을 수행하였다. 그림 6 (a), (b)는 UART의 시뮬레이션 파형을 나타낸 것이다. 데이터 전송 동안 인터럽트 신호가 1 이 되고 동시에 PC 가 멈춘다. 이후 1 바이트 전송이 끝나면 인터럽트가 0 이 되면서 PC도 다시 동작하여 다음 명령어를 읽어오는 것을 확인할 수 있다. 또한, 수신 데이터 레지스터의 값을 통해 전용 명령어를 이용한 UART0과 UART1의 통신이 제대로 이루어졌음을 알 수 있다.</p><p>그림 6(c),(d)는 SMBus의 시뮬레이션 파형을 나타낸 것이다. 1바이트 데이터 전송마다 인터럽트가 1이 되고 인터럽트가 1인 동안 PC 가 멈추며 데이터가 잘 전송되는 것을 확인할 수 있다.</p><p>그림 7은 동시 동작 플래그를 세트함으로서 하나의 포트에서 데이터 전송을 수행하면서 틈틈이 다른 동작을 수행하는 것이 가능하다는 것을 확인한 결과이다. 동시 동작 플래그가 리셋 상태이면 그림 7 (a)와 같이 UART 포트의 데이터 전송만 수행되고 나머지 시간은 마이크로콘트롤러가 멈춰있기 때문에 현재 수행되는 명령어를 나타내는 op_cur이 중간 중간 멈춰있지만, 동시 동작 플래그를 세트해주면 그림 7 (b)와 같이 UART 포트에서 데이터를 전송하는 틈틈이 다른 동작을 수행하기 때문에 op_cur의 값이 계속 변화하는 것을 볼 수 있다.</p><p>또한, 시뮬레이션이 완료된 8051 마이크로콘트롤러를 FPGA 보드에서 합성하고 동작을 검증하였다. UART의 동작은 FPGA 보드와 PC 를 연결하고 SerialCom 소프트웨어를 통해 \( 9600 \mathrm{bps} \) 로 ASCII 코드 형태로 데이터를 주고받도록 하였다. 검증 결과, FPGA 보드 내에서 합성된 8051 마이 크로콘트롤러가 성공적으로 두 개의 UART를 통해 데이터를 주고받을 수 있음을 그림 8과 같이 확인하였다.</p><p>UART와 달리 SMBus는 SerialCom 소프트웨어로 통신을 확인할 수가 없다. 따라서 Xilinx ISE에서 지원되는 둘의 하나인 Chipscope를 이용하여 FPGA에서 SMBus의 동작 파형을 확인하여 검증하였다.</p><p>그림 9 는 Chipscope를 이용하여 확인한 SMBus의 송신 및 수신 칵형이며 시스템 클럭은 \( 24 \mathrm{MHz} \), SMBus의 동작 주파수는 \( 100 \mathrm{kHz} \) 이다. 두 파형에서 공통으로 나타나 있는 SCLK와 SDAT는 SMBus의 클록과 데이터 신호선이며, 아래 신호들은 송신과 수신 데이터 레지스터 및 비트 수를 나타낸다. 검증 결과, FPGA 보드 내에서 합성된 8051 마이크로콘트롤러가 성공적으로 SMBus를 통해 데이터를 주고반을 수 있음을 확인하였다.</p><p>전용 명령어를 추가함에 따라 게이트 수도 함께 증가하게 되는데, Design Compiler 툴을 사용하여 \( 0.18 \mathrm{um} \) 공정에서 합성한 결과는 표 5 와 같으며 전송 전용 명령어의 추가 전후에 게이트 수 차이가 거의 없음을 알 수 있다.</p>
|
[
"op_cur이 중간 중간 왜 멈춰있나요?",
"그림 9 는 Chipscope를 이용하여 확인한 SMBus의 시스템 클럭은 얼마인가요?",
"전송 전용 명령어의 추가 전후에 게이트 수 차이는 거의 없나요?",
"Design Compiler 툴에서 얼마의 공정에서 합성해야 전송 전용 명령어의 추가 전후에 게이트 수 차이가 거의 없나요?",
"데이터 전송을 수행하면서 틈틈이 다른 동작을 수행하는 것이 가능한가요?",
"SMBus의 시뮬레이션에서 데이터가 잘 전송되는 과정을 어떻게 알 수 있나요?",
"SMBus의 동작 주파수는 얼마인가요?",
"UART 시뮬레이션에서 인터럽트 신호 1 이후에 명령어를 읽어오는 과정은 어떻게 이루어지나요?"
] |
1873f0ab-e5ec-4ad2-ba7a-34e812371c03
|
인공물ED
|
데이터 전송을 위한 전용 명령어 및 I/O 포트를 탑재한 8051 마이크로콘트롤러의 설계
|
<h1>V. 결론</h1><p>본 논문에서는 센서, 액츄에이터, 배터리 등 다양한 종류의 여러 디바이스와 연결할 수 있도록 8051 마이크로프로세서에 2개의 UART와 1개의 SMBus를 탑재하였고, 이들 직렬 인터페이스를 쉽고 빠르게 제어할 수 있도록 데이터 전송 전용 명령어를 추가하였다. 또한 데이터 전송 동안 다른 동작도 함께 수행할 것인지를 선택하는 플래그를 추가하여 전용 명령어로 데이터를 전송하는 동안 다른 동작을 동시에 병행할 수 있다. 이에 따라 응용 프로그램의 코드 크기를 감소시킬 수 있으며, 다수의 디바이스와 데이터를 주고받는 동안에도 마이크로콘트롤러가 멈춰있지 않고 다른 프로그램을 수행할 수 있어서 동작 효율을 크게 향상할 수 있다.</p>
|
[
"센서, 액츄에이터, 배터리 등 다양한 종류의 여러 디바이스와 연결할 수 있도록 무엇을 탑재하였는가?",
"8051 마이크로프로세서를 통해 센서, 액츄에이터, 배터리와 같은 디바이스와 연결하고자 어떻게 하였는가?",
"직렬 인터페이스를 신속 정확하게 제어하고자 2개의 UART, 1개의 SMBus를 탑재한 8051 마이크로프로세서를 통해 어떻게 하게 되었는가?",
"데이터 전송 전용 명령어를 기능이 추가된 8051 마이크로프로세서에 멀티 동작 수행 가능 여부를 선택할 수 있는 플래그를 추가하게 되면 어떻게 할 수 있는가?",
"본 논문에서는 센서, 액츄에이터, 배터리 등 다양한 종류의 여러 디바이스와 연결할 수 있도록 8051 마이크로프로세서에 1개의 UART와 1개의 SMBus를 탑재하였는가?",
"8051 마이크로프로세서에 병행 동작을 수행할 수 있게 해주는 플래그가 더하여 질 경우에는 복수적 디바이스 데이터를 주고 받을 때도 상관없이 프로그램 동시 수행이 가능해짐으로 결국 어떻게 되는가?",
"8051 마이크로프로세서에 다른 동작도 함께 수행 할 수 있도록 하는 선택형 플래그를 추가하는 경우 응용 프로그램의 코드 크기를 어떻게 돼?"
] |
84f01fd5-a4ed-4fa5-9c9f-95083f6f9377
|
인공물ED
|
무작위 천이규칙을 갖는 셀룰러 오토마타 기반참난수 발생기
|
<h1>IV. FPGA 구현 및 무작위 특성 평가</h1>본 논문에서 제안하는 CARR 기반 TRNG의 하드웨어 동작을 확인하기 위해 7개의 Dcell과 53개의Ncell (총 60개 셀)로 구성되는 CARR-TRNG 회로를 설계하였다. FPGA 디바이스에 구현된 CARR-TRNG의 목표 동작 주파수를 \(100 \mathrm{MHz}\)로 설정하였으며,시뮬레이션을 통해 지연라인의 지연이 근사적으로\(10 \mathrm{ns}\)가 되도록 설계하였다. 설계된 CARR-TRNG회로를 Spartan-6 FPGA 디바이스에 구현하여 출력되는 데이터의 무작위 특성을 평가하였다. CARR은 CA의 한 형태이므로, 각 시간단계의 상태 데이터는 이전 시간단계에서의 이웃 셀 상태 데이터와 연관성을 갖는다. 이웃 셀 간의 연관성을 줄이기위해 설계된 CARR-TRNG를 구성하는 60개의 셀중 6개(10, 20, 30, 40, 50, 60번째)의 셀 데이터만을 출력하여 총 \( 2 \times 10^{7} \) 비트의 데이터로 무작위 특성을 평가하였다. 무작위 특성 평가는 NIST 800-22테스트를 적용하였으며, 그 결과는 표 1과 같다. 15개의 평가항목 모두 기준을 만족하였으며, 이를통해 Spartan-6 FPGA 디바이스에 구현되어 \(100 \mathrm{MHz}\) 주파수로 동작하는 CARR-TRNG가 참난수생성기로 동작함을 확인하였다.<table border><caption>표 1. NIST 800-22에 의한 무작위 특성 테스트 결과</caption><tbody><tr><td>Statistical Test</td><td>P-value</td><td>Success Proportion</td><td>Result</td></tr><tr><td>Frequency</td><td>0.739918</td><td>1</td><td>pass</td></tr><tr><td>Block Frequency</td><td>0.534146</td><td>1</td><td>pass</td></tr><tr><td>Cumulative</td><td>0.066882, 0.637119</td><td>1</td><td>pass</td></tr><tr><td>Runs</td><td>0.739918</td><td>1</td><td>pass</td></tr><tr><td>Longest Run</td><td>0.437274</td><td>1</td><td>pass</td></tr><tr><td>Rank</td><td>0.739918</td><td>1</td><td>pass</td></tr><tr><td>FFT</td><td>0.534146</td><td>1</td><td>pass</td></tr><tr><td>Non Overlapping Template</td><td>-</td><td>0.97959</td><td>pass</td></tr><tr><td>Overlapping Template</td><td>0.911413</td><td>1</td><td>pass</td></tr><tr><td>Universal</td><td>0.162606</td><td>1</td><td>pass</td></tr><tr><td>Approximate Entropy</td><td>0.162606</td><td>1</td><td>pass</td></tr><tr><td>Random Excursions</td><td>-</td><td>1</td><td>pass</td></tr><tr><td>Random Excursions Variant</td><td>-</td><td>1</td><td>pass</td></tr><tr><td>Seroa;</td><td>0.637119</td><td>0.95</td><td>pass</td></tr><tr><td>Linear Complexity</td><td>0.035174</td><td>1</td><td>pass</td></tr></tbody></table><p>그림 7은 FPGA에 구현된 60개의 셀을 갖는CARR-TRNG에 초기 값 “000 0000 2000 0000”를넣고, 100 시간단계 동안의 각 셀의 상태를 나타낸것이다. 그림 7의 실험결과로부터, 동일한 조건에서 동일한 초기 값으로 동작하더라도 서로 다른 무작위 데이터가 생성되어 CARR-TRNG가 참난수발생기로 동작함을 확인할 수 있다.CARR-TRNG는 Spartan-6 FPGA 디바이스로 합성한 결과 139 슬라이스로 구현되었으며, \(100\mathrm{MHz}\)의 동작 주파수에서 \(600\mathrm{Mbps}\)의 난수 생성성능을 갖는다. 표 2는 문헌에 발표된 참난수 발생기와 본 논문의 CARR 기반 참난수 발생기의 성능을 비교한 것이다. 본 논문의 CARR-TRNG는 문헌에 발표된 참난수 발생기보다 난수 생성 성능이 우수하며, 면적 대비 처리량 또한 뛰어남을 알 수있다. 제안된 CARR-TRNG는 CA를 구성하는 셀개수의 변경을 통해 초당 생성되는 랜덤 데이터를 원하는 대로 조절할 수 있다는 장점을 갖는다.</p><table border><caption>표 2. TRNG 비교</caption><tbody><tr><td>Ref. No</td><td>EntropySource</td><td>FPGAdevice</td><td>Area[slices]</td><td>Throughput[Mbps]</td><td>Throughput/Area[Mbps/slice]</td></tr><tr><td>[13]</td><td>RO</td><td>Spartan-6</td><td>67</td><td>14.3</td><td>0.213</td></tr><tr><td>[14]</td><td>PLL</td><td>Kintex-7</td><td>19</td><td>6.25</td><td>0.329</td></tr><tr><td>[15]</td><td>RO</td><td>Spartan-6</td><td>60</td><td>130</td><td>2.167</td></tr><tr><td>[16]</td><td>RO</td><td>Virtex-6</td><td>25</td><td>100</td><td>4.0</td></tr><tr><td>[17]</td><td>RO</td><td>Spartan-3</td><td>528</td><td>6</td><td>0..11</td></tr><tr><td>[18]</td><td>D-Latch</td><td>Virtex-6</td><td>224</td><td>50</td><td>0.223</td></tr><tr><td>ThisPaper</td><td>CA</td><td>Spartan-6</td><td>4</td><td>600</td><td>4.316</td></tr></tbody></table>
|
[
"본 논문의 CARR 기반 참난수 발생기의 성능을 비교한 표에서 TRNG 비교 13번의 Throughput[Mbps]는 얼마야?",
"Area[slices]가 가장 큰 EntropySource는 어떤거야?",
"표 2를 보면 어떤 EntropySource가 Area[slices]가 가장 크지?",
"TRNG 비교 표에서 EntropySource로 PLL을 쓰는 품번의 Throughput[Mbps]은 얼마야?",
"TRNG 비교 표에서 EntropySource로 D-Latch를 사용하는 품번의 Area는 얼마야?",
"TRNG 비교 표에서 Throughput[Mbps]이 가장 큰 값의 Ref. No은 어떤거야?",
"TRNG 비교 표에서 Throughput이 가장 작은 값인 Ref. No는 어떤거야?",
"TRNG 비교 표에서 Throughput/Area[Mbps/slice]이 가장 큰 값인 Ref. No의 FPGAdevice는 무엇을 사용해?",
"TRNG 비교 표에서 Throughput/Area[Mbps/slice]가 가장 작은 값의 Ref. No가 사용하는 FPGAdevice는 어떤거야?",
"TRNG 비교 표에서 Kintex-7를 사용하는 장치의 Throughput/Area[Mbps/slice]는 얼마야?",
"TRNG 비교 표에서 Throughput[Mbps]이 Area[slices]의 4배가 되는 Ref. No는 어떤거야?",
"TRNG 비교 표에서 Throughput/Area[Mbps/slice]가 2.167인 장치의 Area[slices]는 얼마야?",
"본 연구에서의 TRNG 비교에서 D-Latch를 사용한 장치의 Throughput[Mbps]는 얼마야?",
"TRNG 비교 표에서 Area[slices]가 가장 적은 것의 EntropySource는 뭐야?",
"표 2를 보면 EntropySource는 Area[slices]가 가장 적을 때 무엇인가?",
"TRNG 비교 표에서 Virtex-6를 FPGAdevice\t로 사용하는 장치의 Throughput/Area[Mbps/slice]는 [16]번일때 얼마야?",
"본 논문의 CARR 기반 참난수 발생기의 성능을 비교한 표에서 Spartan-6 장치를 사용하는 품번의 영역당 Throughput는 [13]번호일때 [Mbps/slice]로 얼마야?",
"NIST 800-22에 의한 무작위 특성 테스트 결과에서 Frequency의 P-value값은 얼마야?",
"NIST 800-22에 의한 무작위 특성 테스트 결과에서 Success Proportion값이 0.97959에 해당되는 Statistical Test로 어떤게 있어??",
"NIST 800-22에 의한 무작위 특성 테스트 결과에서 Block Frequency에 해당되는 P-value 값은 어떤거야?",
"NIST 800-22에 의한 무작위 특성 테스트 결과에서 Cumulative test 항목은 result가 무엇이야?",
"무작위 특성 테스트 결과에서 0.739918에 해당되는 test 항목은 어떤거야?",
"NIST 800-22에 의한 무작위 특성 테스트 결과에서 Longest Run에 해당되는 P-value 값은 얼마야?",
"NIST 800-22에 의한 무작위 특성 테스트 결과에서 P-value 값으로 0.739918가 해당되는 test 항목의 result는 무엇이야?",
"NIST 800-22에 의한 무작위 특성 테스트 결과에서 FFT에 해당되는 P-value값은 얼마야?",
"무작위 특성 테스트 결과에서 Overlapping Template에 해당되는 P-value값은 얼마야?",
"무작위 특성 테스트 결과에서 Statistical Test 중에 Seroa;에 해당하는 P-value값은 얼마야?",
"무작위 특성 테스트 결과에서 P-value으로 0.035174에 해당되는 Statistical Test는 어떤거야?",
"NIST 800-22에 의한 무작위 특성 테스트 결과에서 P-value 값이 가장 큰 Statistical Test는 어떤거야?",
"NIST 800-22에 의한 무작위 특성 테스트 결과에서 P-value값이 제일 작은 Statistical Test은 무엇이야?",
"표 1을 보면 어떤 Statistical Test이 P-value값이 제일 작니?"
] |
adc8d38a-5b59-4ba1-b919-413d61d517ce
|
인공물ED
|
고온 고분자연료전지 기반 삼중열병합 시스템의 이론적 해석
|
<h1>5. 결 론</h1><p>고온 고분자전해질 연료전지와 흡수식 히트펌프 시스템의 이론식을 이용하여 삼중열병합시스템의 종합성능을 계산하였다.</p><p>건물용으로 사용되는 고분자전해질 연료전지의 배열은 주로 겨울철 난방용으로 사용되었으며 여름철에는 대부분 대기로 방출되어 연중 사용율이 높지 않았다. 겨울철 혹한기에는 열량이 충분하지 않아 보조 보일러가 추가 장착되기도 하였다. 고온 고분자전해질 연료전지에 흡수식 히트펌프를 연계시킬 경우 여름철에는 스택 배출열의 \(100 \sim 120 \%\)에 해당하는 냉방열을 얻을 수 있으며, 겨울철의 경우도 \(200 \sim 2200 \%\)에 해당하는 난방열을 공급할 수 있음을 확인할 수 있었다. 본 논문에서는 복합발전시스템으로서의 성능을 확인하기 위한 등가 전력을 정의하여 출력과 효율을 계산하였다. 연료전지 작동 온도 \( 150^{\circ} \mathrm{C} \sim 180^{\circ} \mathrm{C} \) 에서 복합발전시스템의 등가 전기 효율은 \( 10 \% \) 정도 향상되었으며 출력은 저부하에서 \( 26 \% \) 정도 그리고 고부하 영역에서는 \( 33 \% \) 이상 향상되는 것을 확인 할 수 있었다.</p><p>연료전지는 부하가 증가함에 따라 전기효율이 감소하며 이에 비례하여 배열양이 증가되는데, 흡수식 히트펌프를 통해 증가된 열을 변환시킬 경우 넓은 부하 범위에서 높은 종합 효율을 유지할 수 있다</p><p>본 논문에서 제안된 이론식과 계산 방법은 연료전지 복합 시스템의 최대 출력과 최적 설계 조건을 계산하기 위한 열역학적 해석에 유용하게 사용할 수 있을 것이다.</p>
|
[
"고온 고분자전해질 연료전지와 흡수식 히트펌프 시스템의 이론식을 이용하여 본 논문에서는 어떤 것을 계산했어?",
"삼중열병합시스템의 종합성능은 고온 고분자전해질 연료전지와 흡수식 히트펌프 시스템의 이론식을 가지고 구할 수 있어?",
"삼중열병합시스템의 종합성능을 계산할 때 본 논문에서는 어떤 식을 사용했어?",
"건물용으로 사용되는 고분자전해질 연료전지의 배열은 어느 계절에 주로 사용되었어?",
"건물용으로 사용되는 고분자전해질 연료전지의 배열이 여름철에 사용율이 높지 않은 이유가 뭐야?",
"고온 고분자전해질 연료전지에 흡수식 히트펌프를 연계시킬 경우 여름철에 냉방열을 얼마나 얻을 수 있어?",
"고온 고분자전해질 연료전지에 흡수식 히트펌프를 연계시킬 경우 겨울철에는 얼마만큼의 난방열이 공급가능해?",
"본 논문에서는 복합발전시스템으로서의 성능을 확인하기 위해서 어떤 값을 새롭게 정의하였어?",
"여름철에 스택 배출열의 \\(100 \\sim 120 \\%\\)에 해당하는 냉방열을 얻을 수 있는 경우는 언제야?",
"본 논문에서 등가 전력을 정의한 목적이 뭐야?",
"본 논문에서 복합발전시스템으로서의 성능을 확인하기 위한 등가 전력을 정의하여 어떤 값을 계산했어?",
"본 논문에서 제안된 계산 방법을 통해서 어떤 해석에 유용하게 사용할 수 있어?",
"건물용으로 사용되는 고분자전해질 연료전지의 배열은 여름철보다 겨울철에 주로 사용되었어?",
"어떤 온도 영역대에서 복합발전시스템의 등가 전기 효율은 \\( 10 \\% \\) 정도 향상되었어?",
"연료전지의 부하와 전기효율은 음의 상관관계를 가지고 있어?",
"연료전지의 부하가 증가함에 따라서 어떠한 일들이 연쇄적으로 발생해?",
"어떤 펌프를 통해 증가된 열을 변환시킬 경우에 높은 효율을 유지할 수 있어?",
"연료전지의 부하 증가는 배열양의 증가로 이어져?"
] |
af34d204-42d3-4d5b-bc4f-8754f780a4c3
|
인공물ED
|
고온 고분자연료전지 기반 삼중열병합 시스템의 이론적 해석
|
<h1>1. 서 론</h1><p>연료전지는 높은 효율, 정숙성 그리고 설치 면적이 적어 주택과 건물에 적합한 분산전원으로 개발되어 보급되고 있다. 지금까지 주로 인산과 용융탄산염을 이용한 \( 300 \mathrm{kW} \)급 이상의 산업·업무용 발전시스템과 저온 고분자전해질연료전지(PEFC, Polymer Electrolyte Fuel Cell) 이용한 \( 5 \mathrm{kW} \) 급 이하의 주택용 연료전지가 보급되었다. PEFC는 동력밀도가 높고 제작과 운전이 용이하여 자동차용 전원과, 주택용 코제너레이션시스템으로 적용되고 있다. 기존 PEFC는 낮은 작동 온도로 인해 시동성이 우수하나, 개질가스 사용 시 CO에 대한 피독성 문제와 열 및 물관리의 어려움, 그리고 연료전지 배열을 효과적으로 활용하기는 어려웠다. 저온 고분자전해질 연료전지의 배열은 주로 겨울철 난방용에 사용되었으며 그 외의 계절에는 온수나 건조를 위한 열사용 이외에는 대부분 대기로 방출되어 연간 열 사용률이 높지 않았다. PEFC 의 배열을 회수하여 난방열로 이용하기 위한 코제너레이션 시스템에 대한 연구는 다수 이루어져 각국의 기후조건에 맞는 실제 시스템에 대한 연구가 이루어졌으며, 열역학적이나 경제적인 해석을 통한 최적화 연구도 수행되었다.</p><p>본 논문은 고온 고분자전해질 연료전지(HT-PEFC, High Temperature Polymer Electrolyte Fuel Cell)를 기반으로 하는 복합발전시스템에 대한 것으로, 연료전지 스택 배열을 사용가치가 높은 열에너지로 변환시키기 위한 흡수식 히트펌프(AHP, Absorption Heat Pump)와의 연계 성능을 다루었다. HT-PEFC스택의 작동온도 \( 120^{\circ} \mathrm{C} \) 이상이 되며, AHP와 연계되어 냉방열 생성이 가능하므로 \(4\)계절열의 이용율을 높일 수 있어 연중 냉방이 필요한 데이터 센터 등에 효과적으로 적용할 수 있을 것이다. PEFC의 배열을 전기나 냉방열로 회수하기 위한 연구는 온도의 한계성에 의해 연구가 많이 이루어지지 않고 있으며, 열기관 등을 이용하여 직접 전기로 회수하기 위한 연구는 Long, Zhaom, Perna, 그리고 Lee 에 의해 발표되었다. Long는 배열을 전기로 변환시키기 위하여 열전 사이클(Thermally Regenerative Electrochemical Cycle, TREC)을 사용하였으며 Zhao와 Perna는 유기랜킨사이클 시스템(Organic Rankine Cycle System, ORCS)을 사용하여 작동유체에 따른 열 회수 성능을 분석하였다. Lee은 열역학적으로 수정된 카노 사이클을 이용하여 ORCS최대 출력점에서 최적 효율을 구하였다.</p><p>본 논문은 HT-PEFC와 AHP가 연계된 삼중열병합(전기/난방/냉방)시스템의 성능을 제시하기 위한 것이다. AHP는 저온의 열에너지를 이용하여 냉방과 난방열을 효과적으로 생산할 수 있는 시스템이다. 삼중열병합 시스템의 종합</p><p>성능을 나타내기 위하여, 열기기의 성능을 대표하는 COP(Coefficient of Performance)와 더불어 등가 동력과 등가 전기 효율을 정의하여 계산하였다.</p>
|
[
"설치 면적이 적어 주택과 건물에 적합한 분산전원으로 개발되어 있는 것은 뭐지?",
"연료전지는 설치 면적이 적은 집중형 전원인가?",
"설치 면적이 적은 집중형 전원은 연료전지야?",
"연료전지의 특징은 무엇인가?",
"무엇이 연료전지의 특성일까?",
"동력밀도가 높고 제작과 운전이 용이한 것은 무엇인가?",
"PEFC의 full name은 무엇인가?",
"기존 PEFC의 문제점이 무엇인가?",
"무엇이 기존 PEFC의 문제점일까?",
"기존 PEFC의 특징은 무엇인가?",
"저온 고분자전해질 연료전지의 배열은 겨울에 온수나 건조를 위한 열사용 이외에는 대부분 대기로 방출되어 사용량이 높지 않은가?",
"저온 고분자전해질 연료전지의 배열이 주로 이용되는 계절은 언제인가?",
"연료전지 스택 배열을 사용가치가 높은 열에너지로 변환시키기 위해 무엇을 사용했나요?",
"기존 PEFC는 낮은 작동 온도로 인해 시동성이 우수한가?",
"PEFC의 배열을 회수하여 무엇으로 이용하나요?",
"HT-PEFC스택의 작동온도는 몇 도 이상인가요?",
"PEFC의 배열을 전기나 냉방열로 회수하기 위한 연구 많이 이루어지지 않는 이유가 무엇인가요?",
"작동유체에 따른 열 회수 성능을 분석하기 위해 무엇을 사용하나요?",
"저온의 열에너지를 이용하여 냉방과 난방열을 효과적으로 생산할 수 있는 시스템은 무엇인가?",
"코제너레이션은 화석연료를 연소시켜 발생하는 에너지를 낭비 없이 단계적으로 이용하는 시스템으로, 발전 후 배출열을 회수하여 냉난방 및 급탕에 이용하는 고효율 에너지이용설비를 의미하는가?",
"본 논문에서 사용하는 삼중열병합 시스템은 HT-PEFC와 ORCS를 연계한 시스템인가요?",
"본 논문은 무엇의 성능을 제시하기 위한 것인가?"
] |
cdf2b3ce-b9b1-45e5-9752-2bb747365b4f
|
인공물ED
|
고온 고분자연료전지 기반 삼중열병합 시스템의 이론적 해석
|
<p>Chen과 Yang은 저온 PEFC나 인산형 연료전지와 AHP로 구성된 복합시스템의 등가 동력을 계산하기 위해 목적이 되는 열에너지에 단순하게 이론적 최대 효율값인 카르노 사이클 효율을 곱하여 유효 동력을 계산하였다.</p><p>AHP의 열역학적 사이클은 기본적으로 \(4\)개의 열교환기 구성되며 냉매압축식 히트 펌프와 비교하면, 동일한 역할의 응축기, 증발기와 압축기의 역할을 하는 재생기기와 흡수기로 구성된다. 본 논문에서는 기존의 연료전지와 AHP 해석에 사용하는 이론적 유효동력 보다는 동일한 용량의 압축식 히트펌프를 구동하는데 소요되는 동력을 등가 동력(Equivalent power)으로 정의하여 계산하였다. 등가 동력을 계산하기 위해 재생기와 흡수기로 구성된 열기관과 열기관의 동력으로 작동되는 압축식 히트펌프 사이클로 등가사이클을 구성하여 해석하였다. AHP의 이론적 해석을 위해서는 다양한 모델이 적용되고 있는데 응축기와 흡수기의 열원이 직렬이나 병렬로 연결된 것에 따른 성능 차이 외에는 모델별로 동일한 열원 조건에서는 최적 성능의 차이가 거의 없다. AHP의 성능을 계산하기 위하여 Lee와 같이 랜킨 사이클을 수정한 비가역 카르노 사이클을 이용하였으며, 입열원의 온도뿐만 아니라 입열량이 주어진 조건에서 수정된 카르노 사이클을 이용하여 AHP의 등가 동력과 COP를 계산하였다.</p><p>본 논문의 이론식을 사용할 경우 HT-PEFC 와 AHP로 구성된 복합 시스템의 성능을 복잡한 수치해석 없이 간단하게 예측할 수 있어 시스템 초기 설계 시에 유용하게 사용할 수 있을 것이다.</p><h1>2. 연료전지 복합 시스템</h1><p>본 연구의 복합발전 시스템은 Fig. 1과 같이 HT-PEFC를 상부(Topping) 시스템으로 하고 AHP를 하부(Bottoming) 시스템으로 하고 있다. 연료전지 시스템은 도시가스를 연료로 하여 수소를 제조하는 개질기와 수소와 공기를 이용하여 전기화학적으로 직접 전기를 발생시키는 스택, 스택에서 발생된 직류 전기를 교류로 변환시키는 인버터, 그리고 스택의 온도를 일정하게 유지시키기 위한 냉각시스템으로 구성된다. \( \mathrm{AHP} \) 는 \( 90^{\circ} \mathrm{C} \) 이상의 저온열을 이용하여 구동시킬 수 있는 증기 사이클 시스템으로 냉방과 난방을 위해 사용할 수 있다. 본 논문에서는 스택에서 발생된 열을 냉방이나 난방으로 이용하기 위해 AHP에 연계시켰다. 흡수식 히트펌프는 재생기(Generator), 흡수기(Absorber), 응축기(Condenser)와 증발기(evaporator)로 구성된다.</p>
|
[
"AHP는 몇도의 온열을 이용하여 사용할 수 있어?",
"AHP의 열역학적 사이클은 기본적으로 몇개의 열교환기가 구성돼?",
"Chen과 Yang이 저온 PEFC나 인산형 연료전지와 AHP로 구성된 복합시스템의 등가 동력을 계산하기 위해 어떻게 했어?",
"AHP의 열역학적 사이클은 냉매압축식 히트 펌프와 비교하면, 동일한 역할의 응축기, 증발기와 압축기의 역할을 하는 재생기기와 흡수기로 구성되는 것이 옳아?",
"등가 동력을 계산하기 위해 압축식 히트펌프 사이클로 등가사이클을 구성하여 해석한 것이 옳아?",
"AHP의 이론적 해석을 위해 하나의 모델이 적용되고 있는 것이 옳아?",
"AHP의 성능을 계산하기 위해 어떤 방식을 사용했어?",
"복합발전 시스템은 어떤 시스템으로 이루어져?",
"AHP의 성능을 계산하기 위해 AHP의 등가 동력과 COP를 계산한 것이 사실이야?",
"연료 전지 시스템은 구성되는 것은 어떤 것인가?",
"흡수식 히트펌프는 어떤 것으로 구성되는가?",
"어떤 것으로 흡수식 히트펌프가 조직되지?",
"무엇을 통해 냉방과 난방이 가능해져?"
] |
67f9b7ab-9be1-437a-8094-43372c871755
|
인공물ED
|
고온 고분자연료전지 기반 삼중열병합 시스템의 이론적 해석
|
<p>확산 과전압은 한계전류밀도 \( \left(i_{L}\right) \) 를 사용하여 구 할 수 있다.</p><p>\( \eta_{\text {conc }}=\frac{R T}{n F} \ln \left(\frac{i_{L}}{i_{L}-i_{c e l l}}\right) \)<caption>(10)</caption></p><p>따라서 각각의 과전압을 고려한 단위전지의 전압은 다음과 같이 정리될 수 있다.</p><p>\( \begin{aligned} V_{c e l l}=& V^{r e f}-\frac{R T}{\alpha n F} \ln \left(\frac{i_{c e l l}+i_{\text {loss }}}{i_{o}}\right)-i_{c e l l} \frac{t_{m}}{k_{m}}-\frac{R T}{n F} \ln \left(\frac{i_{L}}{i_{L}-i_{c e l l}}\right) \end{aligned} \)<caption>(11)</caption></p><p>연료전지 셀의 전압 효율과 스택 효율은 앞에서 식 (\(13\))의 전압과 연료 이용율 \( \mu_{f} \) 를 이용하여 다음과 같이 구할 수 있다.</p><p>\( \eta_{c e l l} \equiv \frac{V_{c e l l}}{V_{\Delta h}^{r e f}} \)<caption>(12)</caption></p><p>\( \eta_{F C_{-} s t}=\eta_{c e l l} \mu_{f} \)<caption>(13)</caption></p><p>여기서 \( V_{\triangle h}^{r e f} \) 는 표준상태에서 연료저지의 발열량을 이용해서 구한 전압니다. 스택에서 전기로 변환되지 못한 손실은 열에너지로 방출되므로 방출열은 다음과 같이 전지의 운전전압과 \( V_{\triangle h}^{r e f} \) 의 차이로 구할 수 있다.</p><p>\( \begin{aligned} \dot{Q}_{F C_{-} s t} &=N i_{c e l l}\left(V_{\Delta h}^{r e f}-V_{c e l l}\right) \\ &=P_{F C_{-} s t}\left(\frac{V_{\Delta h}^{r e f}}{V_{c e l l}}-1\right) \end{aligned} \)<caption>(14)</caption></p><p>여기서 \( \dot{Q}_{F C_{s} s t} \) 는 스택에서 발생하는 열이다. AHP에 입력되는 열량 \( \left(\dot{Q}_{G}\right) \) 은 스택 발생열량에서 스택방열 손실과 입출력 반응가스들의 엔탈피차를 제외하여 구할 수 있다. 일반적으로 연료전지 스택은 단열을 하게 되며 가스의 현열도 상대적으로 크지 않으므로 여기서는 무시하기로 한다.</p><p>\( \dot{Q}_{G} \cong \dot{Q}_{F C_{-} s t} \)<caption>(15)</caption></p><h2>3.2 흡수식 히트펌프 성능</h2><p>AHP의 등가 동력을 구하기 위하여 증기 사이클 엔진과 엔진의 동력으로 구동되는 압축식 히트 펌프로 구성된 등가 사이클을 해석하였다. AHP의 COP는 Fig. \(2\)와 같이 발생기와 흡수기로 구성된 열기관의 효율과 열기관으로 작동되는 응축기와 증발기로 구성된 압축식 히트펌프의 COP의 곱으로 표시될 수 있다.</p><p>\( C O P_{A H}=\frac{Q_{O U T}}{Q_{I N}}=\frac{P}{Q_{I N}} \frac{Q_{\text {out }}}{P}=\eta_{H E} C O P_{H P} \)<caption>(16)</caption></p><p>압축기 역할을 하는 발생기과 흡수기 시스템에 Fig. \(2\)와 같이 동력(P)을 발생하는 가상의 터빈이 설치되었다고 가정하고 여기서 발생한 동력으로 압축기를 구동하는 등가사이클로 구성하여 시스템의 등가 동력과 COP을 구할 수 있다.</p><p>AHP의 재생기에 공급되는 열원의 온도는 스택의 냉각 유체 온도가 되며, 흡수기와 응축기에 공급되는 냉각 유체의 온도는 대기온도로 주어진 값이다. 증발기의 입구 온도는 냉방이 되는 실내온도이다. 본 연구에서는 각 열교환기에 출구 온도를 계산하기 위하여 설계조건으로 열원과 작동유체 사이의 최소 온도 차이값인 핀치점 온도차 \( T_{p G}, T_{p A} \), \( T_{p C}, T_{p E} \) 를 설정하였다.</p>
|
[
"확산 과전압은 무엇을 이용하여 구하는가?",
"식(\\(12\\))에서 오른쪽 항의 분모값은 표준상태에서의 무엇을 이용하여 구한 것인가?",
"전지의 운전전압과 \\( V_{\\triangle h}^{r e f} \\)의 차이로 방출열을 구할 수 있는 이유는 무엇인가?",
"AHP에 입력되는 열량을 구하려면 스택 발생열량에서 무엇을 빼야 하는가?",
"스택에서 전기로 변환하지 못한 손실은 무엇으로 내보내는가?",
"스택의 냉각 유체 온도와 응축기에 공급되는 냉각 유체의 온도는 서로 동일한가?",
"열기관으로 작동되는 응축기와 증발기로 구성된 압축식 히트펌프의 COP 값이 커질수록 AHP의 COP 값도 커지는가?",
"본문에서 AHP의 COP를 발생기와 흡수기로 구성된 열기관의 효율로 나눈 값은 무엇을 나타내는가?",
"다음 중 온도가 다른 하나는 무엇인가?",
"AHP에 입력되는 열량, 스택 방열 손실, 입출력 반응가스들의 엔탈피차 모두 합하면 스택 발생열량인가?"
] |
12c351da-74d9-4cf3-b814-b7ed24de39dd
|
인공물ED
|
고온 고분자연료전지 기반 삼중열병합 시스템의 이론적 해석
|
<h2>3.2 복합 시스템의 종합 효율</h2><p>HT−PEFC와 AHP로 구성된 복합시스템의 종합 전기 변환 효율은 연료전지에 입력되는 연료의 열량에 대한 연료전지와 흡수식 히트펌프의 등가 동력을 합한 값의 비로 나타낼 수 있다.</p><p>\( \eta_{C}=\frac{\left(P_{F C}-P_{F C_{-} a c c}\right)+P_{o p t}}{\Delta h_{\text {fuel }}} \)<caption>(45)</caption></p><p>여기서 \( P_{F C \_a c c} \) 는 연료전지 부속설비에 사용되는 동력이다. 연료전지 출력은 스택 출력에 전력변환기의 효율을 곱하여 구할 수 있으며, AHP의 등가 동력은 식 (\(29\))를 사용하여 나타낼 수 있으므로 복합 시스템 효율은 다음 식으로 표시 할 수 있다.</p><p>\( \eta_{C}=\frac{P_{F C_{-s t}} \eta_{\text {inverter }}-P_{F C_{-a c c}}+Q_{F C_{-s t}} \eta_{H E_{-} \text {opt }}}{\Delta h_{\text {fuel }}} \)<caption>(46)</caption></p><p>식 (46)을 연료전지 효율의 함수로 나타낼 수 있다.</p><p>\( \eta_{C}=\frac{P_{F C_{-} s t}}{\Delta h_{\text {fuel }}}\left(\eta_{\text {inverter }}-\frac{P_{F C_{-} a c c}}{P_{F C_{-} s t}}+\eta_{H E_{-} o p t} \frac{Q_{F C_{-} s t}}{P_{F C_{-} s t}}\right) \)<caption>(47)</caption></p><p>\( \eta_{C}=\eta_{F C_{-} s t}\left(\eta_{\text {inverter }}-\zeta_{a c c}+\eta_{H E_{-} o p t} \frac{V_{\Delta h}^{r e f}-V_{C e l l}}{V_{C e l l}}\right) \)<caption>(48)</caption></p><p>식 (\(48\))에서 나타난 바와 같이 연료전지와 배열회수 시스템의 종합 전기 변화 효율은 연료전지 시스템의 효율과 셀전압 그리고 흡수식히트펌프의 등가 동력변환 효율의 함수로 표시된다.</p><h1>4. 해석 결과 분석</h1><p>연료전지 모델식의 계산결과는 Lee에 의해 실험값과 비교되었으며, RMSE값으로는 \( 0.007 \) Volt이며, 실측값을 기준으로 계산한 절대 오차의 평균값은 \( 0.85 \% \) 정도로 비교적 정확하게 예측되었다.</p><p>AHP의 주어진 설계 조건으로 재생기, 흡수기, 증발기 그리고 응축기의 핀치 온도차가 각각 \( 10^{\circ} \mathrm{C}, 7^{\circ} \mathrm{C}, 7^{\circ} \mathrm{C}, 7^{\circ} \mathrm{C} \)로 하였으며 AHP의 비가역성 \( \left(\mathrm{I}_{\mathrm{r} 1}, \mathrm{I}_{\mathrm{r} 2}\right) \) 을 \(0.99\)로 설정하여 구한 값이다. 연료전지 스택의 배열온도인 재생기의 입구 온도를 제외하고는 흡수기, 응축기 그리고 증발기 입구온도는 각각 \( 40^{\circ} \mathrm{C}, 40^{\circ} \mathrm{C} \), 그리고 \( 22^{\circ} \mathrm{C} \) 로 설정하였다. 나머지 조건은 Lee과 동일하다.</p><p>Fig. 3이 AHP의 COP를 나타낸 것으로 작동 온도 \( 150^{\circ} \mathrm{C} \)에서 \( 180^{\circ} \mathrm{C} \) 사이에서 냉방을 위한 COP는 1 에서 \( 1.2 \) 정도이며, 난방을 위한 COP는 2 에서 \( 2.2 \) 정도이다. 이 값은 연료전지의 HT-PEFC의 배열을 냉방에 활용할 경우 배열의 \( 100 \sim 120 \% \) 정도를 냉방열로 변환시킬 수 있음을 의미하는 것으로 기존의 압축식 냉방기에 소요되는 전력만큼 복합발전시스템의 전력이 더 증가한 효과가 있다. 이 값이 AHP의 등가 전력이다. 난방열의 경우 AHP를 통해 연료전지 배열의 \( 200 \% \) 이상으로 변환시킬 수 있으며 겨울철 혹한기에 보조보일러의 도움없이 열원을 공급할 수 있는 장점이 있다.</p><p>PEFC와 AHP 그리고 복합 시스템의 효율을 나타낸 것이다. HT-PEFC와 AHP의 복합시스템의 성능을 비교하기 위해 연료전지에서 부하를 나타내는 유효한 변수인 단위 면적당 전류값을 사용하였다. Fig. 4에서 알 수 있는 바와 같이 운전 영역에서 부하 전류가 증가하면 셀에서 과도전압이 증가하여 연료전지 스택과 시스템의 효율이 감소하게 된다. 그러나 배열량은 식 (14)에 나타난 바와 같이 과도전압에 비례하여 증가하게 되며, AHP의 등가 효율은 부하에 따라 향상되는 것은 알 수 있다. 이것은 부하에 따라 감소되는 연료전지 성능을 AHP를 통해 감쇄시킬 수 있음을 나타내는 것으로 복합시스템을 통해 좀더 넓은 부하 범위에서 고효율로 에너지를 활용할 수 있음을 나타낸다.</p><p>Table 1에 알 수 있는 바와 같이 정격 부하 영역 \( 0.2 \mathrm{~A} / \mathrm{cm}^{2} \)에서는 \( 26 \% \) 정도 성능이 향상되었지만 부하가 증가된 \( 0.4 \)\( \mathrm{A} / \mathrm{cm}^{2} \) 에서는 33\% 정도 성능이 향상되어 연료전지 단독 시스템에 비해 효율 향상과 더불어 부하 증가에 따른 효-율 저하 비율이 감소되는 것을 알 수 있다. AHP를 작동시킬 경우 연료전지 단독 운전에 비해 전기변환 효율을 \( 10 \% \) 정도 향상시킬 수 있음을 확인하였다.</p><table border><caption>Table 1. Comparison of system performances between the combined system and HT-PEFC \( \left(165^{\circ} \mathrm{C}\right) \)</caption><tbody><tr><td>부하</td><td>시스템</td><td>효율 (\(\%)\)</td><td>동력밀동 (\(W/cmf)\)</td><td>성능향상 (\(\%)\)</td></tr><tr><td rowspan=2>\( 0.2 \) \( \mathrm{A} / \mathrm{cm}^{2} \)</td><td>연료전지</td><td>\(34.9\)</td><td>\(0.105\)</td><td rowspan=2>\(26\)</td></tr><tr><td>복합 시스템</td><td>\(44.1\)</td><td>\(0.133\)</td></tr><tr><td rowspan=2>\( 0.3 \) \( \mathrm{A} / \mathrm{cm}^{2} \)</td><td>연료전지</td><td>\(32.7\)</td><td>\(0.148\)</td><td rowspan=2>\(30\)</td></tr><tr><td>복합 시스템</td><td>\(42.5\)</td><td>\(0.192\)</td></tr><tr><td rowspan=2>\( 0.4 \) \( \mathrm{A} / \mathrm{cm}^{2} \)</td><td>연료전지</td><td>\(30.8\)</td><td>\(0.186\)</td><td rowspan=2>\(33\)</td></tr><tr><td>복합 시스템</td><td>\(41.1\)</td><td>\(0.247\)</td></tr></tbody></table>
|
[
"복합시스템은 무엇으로 만들어졌나요?",
"무엇으로 복합시스템이 제작되었지",
"얼마의 수치로 AHP 설계조건의 비가역성을 정한거야?",
"AHP 설계조건의 비가역성을 얼마의 수치로 규정했지",
"단위 면적당 전류값은 연료전지에서 무엇을 나타내는 유효한 변수야?",
"연료전지에서 무엇을 나타내는 유효한 변수로 단위 면적당 전류값을 통해 발생했어",
"설정된 흡수기, 응축기 그리고 증발기 입구온도는 모두 \\( 22^{\\circ} \\mathrm{C} \\) 이지?",
"정된 흡수기 응축금 그리고 증발길 입구온도는 모두 22^{\\circ} 발전으로 인해 세워진 것을 이용하지",
"겨울철 혹한기에 난방열의 경우 열원을 공급하기 위해서 보조보일러의 도움이 필요해?",
"방열의 경우 열원을 공급하기 위해서 혹한길 활동철 가운데 보조보일러의 도움이 필요하니",
"Table 1표 에 표시된 정격 부하 영역 \\( 0.3 \\mathrm{~A} / \\mathrm{cm}^{2} \\) 연료전지에서 동력밀동은 무엇인가요?",
"정격 부하 영역이 Table 1표 에 푤양되어 있는 것으로 3 \\mathrm{~A} 연료전지에서 동력밀동은 무엇인가",
"연료전지 스택과 시스템의 효율은 운전 영역에서 부하 전류가 증가하면 셀에서 과도전압이 증가하면 증가하지?",
"운전 영역에서 부하 전류가 증겨지면 연료적으로 시스템의 효율과 실택은 셀연여압이 늘어나고 있는 것",
"논문의 Table 1표 에 따르면 정격 부하 영역 \\( 0.2 \\mathrm{~A} / \\mathrm{cm}^{2} \\)의 복합시스템에서 동력밀동은 어떻게 되나요?",
"논문의 Table 1표 에 따르면 정격 부하 영역 \\( 02 \\rm{~A}에서 복합시스템을 위해 어떻게 되나요가",
"Table 1표 에서 정격 부하 영역 \\( 0.3 \\mathrm{~A} / \\mathrm{cm}^{2} \\) 복합 시스템에서의 효율은 어떻게 표시돼?",
"정격 부하 영역은 Table 1표 에서 어떻게 3 \\mathrm{~A} 가능한 시스템의 복합 실현을 통해 고안되니",
"Table 1표 에서 정격 부하 영역 \\( 0.2 \\mathrm{~A} / \\mathrm{cm}^{2} \\)의 연료전리 효율은 몇 %야?",
"정격 부하 영역은 Table 1표 에서 몇 %의 연료전리 효율을 02 \\mathrm{~A} 적용을 하지",
"Table 1표에서 드러난 정격 부하 영역 \\( 0.4 \\mathrm{~A} / \\mathrm{cm}^{2} \\)에서 복합시스템의 성능은 연료전지에 비해 얼마나 향상되었어?",
"복합시스템의 성능은 Table 1표에서 드러난 정격 부하 영역 \\( 04 \\mathrm~A} 적어지면 얼마나 발전되었니",
"Table 1표에 의하면 정격 부하 영역 \\( 0.4 \\mathrm{~A} / \\mathrm{cm}^{2} \\)의 연료전지의 동력밀동은 어떤값이지?",
"정격 부하 영역이 Table 1표에 의하면 4체제 적용되어 있는 연료전지의 동력밀동은 어떤값일까",
"시스템의 종합 전기 변환 효율은 연료전지와 흡수식 히트펌프의 등가 동력을 합한 값의 비로 나타낼 수 있어?",
"연료전지 출력을 구할 때 스택 출력에 무엇을 곱하지?",
" 스택 출력에 무엇을 곱셈하면 연료전지 출력이 산출되는가?",
"연료전지 시스템 효율 및 셀전압과 흡수식히트펌프의 등가 동력변환 효율의 함수로 표시된 것은 뭐야?",
"계산결과 RMSE값은 얼마야?",
"어떤 볼트의 수치가 RMSE값으로 계산된 결과인가?",
"실측값을 기준으로 절대 오차의 평균값은 얼마로 산출되었어?",
"몇 퍼센트로 산출된 값이 실측값에 근거한 절대 오차의 평균값인가?",
"작동 온도 \\( 150^{\\circ} \\mathrm{C} \\) 에서 \\( 180^{\\circ} \\mathrm{C} \\) 사이에서 냉방을 위한 COP는 2에 몇이지?",
"무엇을 작동시키면 연료전지 단독 운전에 비해 전기변환 효율을 \\( 10 \\% \\) 정도 향상시킬 수 있어?",
"셀에서 과도전압은 운전 영역에서 무엇이 증가하여 생겨?"
] |
da0ab557-450c-4c92-9f8a-9aeb2c6ba9dd
|
인공물ED
|
고온 고분자연료전지 기반 삼중열병합 시스템의 이론적 해석
|
<p>Fig. 3이 AHP의 COP를 나타낸 것으로 작동 온도 \( 150^{\circ} \mathrm{C} \)에서 \( 180^{\circ} \mathrm{C} \) 사이에서 냉방을 위한 COP는 1 에서 \( 1.2 \) 정도이며, 난방을 위한 COP는 2 에서 \( 2.2 \) 정도이다. 이 값은 연료전지의 HT−PEFC의 배열을 냉방에 활용할 경우 배열의 \( 100 \sim 120 \% \) 정도를 냉방열로 변환시킬 수 있음을 의미하는 것으로 기존의 압축식 냉방기에 소요되는 전력만큼 복합발전시스템의 전력이 더 증가한 효과가 있다. 이 값이 AHP의 등가 전력이다. 난방열의 경우 AHP를 통해 연료전지 배열의 \( 200 \% \) 이상으로 변환시킬 수 있으며 겨울철 혹한기에 보조보일러의 도움없이 열원을 공급할 수 있는 장점이 있다.</p><p>PEFC와 AHP 그리고 복합 시스템의 효율을 나타낸 것이다. HT-PEFC와 AHP의 복합시스템의 성능을 비교하기 위해 연료전지에서 부하를 나타내는 유효한 변수인 단위 면적당 전류값을 사용하였다. Fig. 4에서 알 수 있는 바와 같이 운전 영역에서 부하 전류가 증가하면 셀에서 과도전압이 증가하여 연료전지 스택과 시스템의 효율이 감소하게 된다. 그러나 배열량은 식 (14)에 나타난 바와 같이 과도전압에 비례하여 증가하게 되며, AHP의 등가 효율은 부하에 따라 향상되는 것은 알 수 있다. 이것은 부하에 따라 감소되는 연료전지 성능을 AHP를 통해 감쇄시킬 수 있음을 나타내는 것으로 복합시스템을 통해 좀더 넓은 부하 범위에서 고효율로 에너지를 활용할 수 있음을 나타낸다.</p><p>Table 1에 알 수 있는 바와 같이 정격 부하 영역 \( 0.2 \mathrm{~A} / \mathrm{cm}^{2} \)에서는 \( 26 \% \) 정도 성능이 향상되었지만 부하가 증가된 \( 0.4 \)\( \mathrm{A} / \mathrm{cm}^{2} \) 에서는 33\% 정도 성능이 향상되어 연료전지 단독 시스템에 비해 효율 향상과 더불어 부하 증가에 따른 효-율 저하 비율이 감소되는 것을 알 수 있다. AHP를 작동시킬 경우 연료전지 단독 운전에 비해 전기변환 효율을 \( 10 \% \) 정도 향상시킬 수 있음을 확인하였다.</p><table border><caption>Table 1. Comparison of system performances between the combined system and HT-PEFC \( \left(165^{\circ} \mathrm{C}\right) \)</caption><tbody><tr><td>부하</td><td>시스템</td><td>효율 (\(\%)\)</td><td>동력밀동 (\(W/cmf)\)</td><td>성능향상 (\(\%)\)</td></tr><tr><td rowspan=2>\( 0.2 \) \( \mathrm{A} / \mathrm{cm}^{2} \)</td><td>연료전지</td><td>\(34.9\)</td><td>\(0.105\)</td><td rowspan=2>\(26\)</td></tr><tr><td>복합 시스템</td><td>\(44.1\)</td><td>\(0.133\)</td></tr><tr><td rowspan=2>\( 0.3 \) \( \mathrm{A} / \mathrm{cm}^{2} \)</td><td>연료전지</td><td>\(32.7\)</td><td>\(0.148\)</td><td rowspan=2>\(30\)</td></tr><tr><td>복합 시스템</td><td>\(42.5\)</td><td>\(0.192\)</td></tr><tr><td rowspan=2>\( 0.4 \) \( \mathrm{A} / \mathrm{cm}^{2} \)</td><td>연료전지</td><td>\(30.8\)</td><td>\(0.186\)</td><td rowspan=2>\(33\)</td></tr><tr><td>복합 시스템</td><td>\(41.1\)</td><td>\(0.247\)</td></tr></tbody></table><p>Fig. 5가 HT-PEFC 와 AHP 복합시스템의 전력 특성을 비교한 것이다. AHP의 등가 전력을 연료전지의 특성값인 동력 밀도로 환산하여 표시하였다. 연료전지의 전류밀도에서 AHP로 증가된 등가 동력밀도를 연료전지의 동력밀도에 더해서 복합 시스템의 전력밀도로 표시하였다.</p><p>Fig. \(5\)에서 알 수 있는 바와 같이 연료전지는 운전 영역에서 전류의 증가에 비해 과전압 증가율이 상대적으로 작아서 동력밀도는 전류밀도에 비례하여 계속 증가하게 되며 확산 과전압이 급격하게 증가하는 영역에서 감소하게 된다. Fig. 5 에서 나타난 바와 같이 AHP에 의해 회수되는 등가 동력의 비율이 연료전지 부하에 비례하여 증가하게 되므로 복합 시스템의 최고 출력점도 연료전지에 비해 고부하 영역으로 이동하게 된다. 이런 효과에 의해 연료전지의 운전 영역보다 복합시스템의 운전 범위를 고부하 영역으로 확장시킬 수가 있다. 또한 Table 1에 알 수 있는 바와 같이, 연료전지 효율이 높은 저부하 영역에서 보다는 연료전지 효율이 낮은 고부하 영역에서 성능 향상 효과가 커서 AHP와 연료전지 시스템이 서로 보완시키는 효과가 있다.</p><p>본 논문은 연료전지와 흡수식 히트펌프 복합 시스템의 다양한 설계 조건과 비가역성에 따른 영향 등은 다루지 않았으며, 주어진 연료전지 운전조건에서 종합적인 열역학적 성능을 해석한 것이다.</p>
|
[
"Fig. 3이 AHP의 COP를 나타낸 것으로 난방을 위한 COP는 2 에서 \\( 2.2 \\) 정도가 맞아?",
"Fig. 3이 AHP의 COP를 나타낸 것으로 작동 온도 \\( 150^{\\circ} \\mathrm{C} \\)에서 \\( 180^{\\circ} \\mathrm{C} \\) 사이에서 냉방을 위한 COP는 1 에서 \\( 1.2 \\) 정도가 맞아?",
"본 논문은 주어진 연료전지 운전조건에서 종합적인 열역학적 성능을 해석한 것이 맞아?",
"AHP의 등가 전력의 장점이 뭐야?",
"연료전지는 운전 영역에서 전류의 증가에 비해 과전압 증가율이 상대적으로 작아?",
"정격 부하 영역 \\( 0.2 \\mathrm{~A} / \\mathrm{cm}^{2} \\)에서는 몇 퍼센트 정도의 성능이 향상되었어?",
"Fig.3이 뭐야?",
"정격 부하 영역 \\( 0.4 \\mathrm{~A} / \\mathrm{cm}^{2} \\)에서는 몇 퍼센트 정도의 성능이 향상되었어?",
"연료전지의 운전 영역보다 복합시스템의 운전 범위를 고부하 영역으로 확장시킬 수 있어?"
] |
2dff1495-6eb9-480f-aa75-45a626e2f101
|
인공물ED
|
AVM 시스템의 하드웨어 구현에 따른 하드웨어 구조 및 메모리 대역폭 분석
|
<h1>Ⅲ. AVM 하드웨어 모델 분석</h1><h2>1. 하드웨어 모델 구분</h2><p>하드웨어 모델 분석을 위한 기본 구조는 그림 6의 구조로 한다. 하드웨어 구조 모델을 나누기 위해서 메모리 대역폭과 하드웨어 자원 사용에 가장 큰 영향을 미치는 두 가지 항목을 선정한다. 첫 번째 항목은 카메라를 통해 입력되는 데이터 중 실제로 사용될 데이터만을 메모리로 전송할 것인가, 혹은 입력 데이터 전체를 전송할 것인가의 여부이다. 두 번째 항목은 데이터 매핑에 사용할 LUT를 미리 저장된 특정 메모리 위치에서 읽어올 것인가, 혹은 LUT 생성기를 하드웨어로 구현할 것인가의 여부이다. 두 항목에서 어떤 선택을 했는가에 따라 그림 6과 같이 총 네 가지의 모델로 구분된다. 이후에 각 모델을 지칭할 때, 유효 데이터를 전송하고 LUT를 생성하면 VG(valid data, generated LUT) 모델, 유효 데이터를 전송하고 저장된 LUT를 읽어온다면 VS(valid data, stored LUT) 모델, 전체 데이터를 전송하고 LUT를 생성하면 RG(raw data,generated LUT) 모델, 전체 데이터를 전송하고 저장된 LUT를 읽어오면 RS(raw data, storedLUT) 모델로 줄여서 부르기로 한다.</p><p>유효 데이터를 전송하는 VG, VS 모델은 영상입력 데이터가 DDR3 메모리에 저장되기 전에 해당 데이터를 뽑아내는 과정을 거친다. LUT 매핑을 위해 하드웨어 자원 사용량은 늘지만 메모리로 전송하는 데이터의 양이 대폭 줄어들기 때문에 메모리 대역폭을 줄일 수 있다.</p><p>VG, RG 모델은 사용할 LUT를 구성된 하드웨어로 직접 생성하고, VS, RS 모델은 메모리에 저장된 LUT를 읽어온다. LUT를 생성할 경우 메모리 대역폭이 줄어드는 이점을, 메모리에서 읽어올 경우 하드웨어 자원 사용이 줄어드는 이점을 가진다. VG, VS 모델은 2개의 LUT를 유효 데이터추출, AVM 영상 제작 과정에서 각각 필요로 한다. RG, RS 모델은 AVM 영상 제작을 위한 하나의 LUT가 필요하며 VG, VS 모델의 LUT와 구조가 다르다. LUT의 자세한 구조는 3. 2절에서 설명한다.</p><p>어떤 모델을 선택했느냐에 따라 메모리 대역폭, 하드웨어 자원 사용량이 달라진다. 표 2는 필요한 메모리 대역폭의 크기를 모델 종류, 해상도 종류에 따라 어떤 데이터 전송에 메모리 대역폭이 쓰이는가를 나타낸다. 데이터 전송의 종류는 LUT읽기, 입력 데이터 쓰기/읽기, AVM 데이터 쓰기/읽기가 있다. LUT 읽기의 경우, VS 모델의 LUT가 두 개임에도 유효한 데이터만 다루기 때문에 LUT가 하나인 RS 모델보다 필요 대역폭이 더 작다. 유효 입력 데이터를 사용하는 모델은 메모리에 쓰고 읽는 크기가 동일하고, 입력 영상 크기에 비해 그 크기가 매우 작다. 그러나 전체 입력데이터를 사용하는 모델은 메모리에 저장한 데이터 중 매핑에 필요한 특정 영역을 읽어가기 때문에 쓰고 읽는 크기가 다르며 요구되는 대역폭의 크기가 크다. AVM 데이터 쓰기는 정해진 AVM영상 출력 크기에 맞게 고정되므로 모델 종류와 상관없이 해상도가 같다면 동일하다. AVM 데이터 읽기는 출력을 위한 모니터 해상도에 맞춰지므로 모델, 해상도 종류에 관계없이 모두 같은 대역폭을 갖는다.</p><table><table><caption>표 2. 모델 별 필요 메모리 대역폭</caption><tbody><tr><td rowspan=2>모델명</td><td rowspan=2>내용</td><td colspan=3>필요 대역폭</td></tr><tr><td>VGA</td><td>HD</td><td>FHD</td></tr><tr><td rowspan=5>VG</td><td>유효 입력 데이터 쓰기</td><td>\( 18.3 \mathrm{MB} / \mathrm{s} \)</td><td>\( 26.4 \mathrm{MB} / \mathrm{s} \)</td><td>\( 36 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td>유효 입력 데이터 읽기</td><td>\( 18.3 \mathrm{MB} / \mathrm{s} \)</td><td>\( 26.4 \mathrm{MB} / \mathrm{s} \)</td><td>\( 36 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td>AVM 데이터 쓰기</td><td>\( 23.4 \mathrm{MB} / \mathrm{s} \)</td><td>\( 39.3 \mathrm{MB} / \mathrm{s} \)</td><td>\( 57.9 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td>AVM 데이터 읽기</td><td>\( 201.9 \mathrm{MB} / \mathrm{s} \)</td><td>\( 201.9 \mathrm{MB} / \mathrm{s} \)</td><td>\( 201.9 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td>합계</td><td>\( 261.9 \mathrm{MB} / \mathrm{s} \)</td><td>\( 294 \mathrm{MB} / \mathrm{s} \)</td><td>\( 331.8 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td rowspan=6>VS</td><td>LUT 읽기</td><td>\( 39 \mathrm{MB} / \mathrm{s} \)</td><td>\( 60.9 \mathrm{MB} / \mathrm{s} \)</td><td>\( 87.3 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td>유효 입력 데이터 쓰기</td><td>\( 18.3 \mathrm{MB} / \mathrm{s} \)</td><td>\( 26.4 \mathrm{MB} / \mathrm{s} \)</td><td>\( 36.0 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td>유효 입력 데이터 읽기</td><td>\( 18.3\mathrm{MB} / \mathrm{s} \)</td><td>\( 26.4 \mathrm{MB} / \mathrm{s} \)</td><td>\( 36.0 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td>AVM 데이터 쓰기</td><td>\( 23.4 \mathrm{MB} / \mathrm{s} \)</td><td>\( 39.3 \mathrm{MB} / \mathrm{s} \)</td><td>\( 57.9 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td>AVM 데이터 읽기</td><td>\( 201.9 \mathrm{MB} / \mathrm{s} \)</td><td>\( 201.9 \mathrm{MB} / \mathrm{s} \)</td><td>\( 201.9 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td>합계</td><td>\( 300.9 \mathrm{MB} / \mathrm{s} \)</td><td>\( 354.9 \mathrm{MB} / \mathrm{s} \)</td><td>\( 437.4 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td rowspan=5>RG</td><td>전체 입력 데이터 쓰기</td><td>\( 140.7 \mathrm{MB} / \mathrm{s} \)</td><td>\( 421.8 \mathrm{MB} / \mathrm{s} \)</td><td>\( 949.2 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td>전체 입력 데이터 읽기</td><td>\( 140.7 \mathrm{MB} / \mathrm{s} \)</td><td>\( 107.9 \mathrm{MB} / \mathrm{s} \)</td><td>\( 242.7 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td>AVM 데이터 쓰기</td><td>\( 23.4 \mathrm{MB} / \mathrm{s} \)</td><td>\( 39.3 \mathrm{MB} / \mathrm{s} \)</td><td>\( 57.9 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td>AVM 데이터 읽기</td><td>\( 201.9 \mathrm{MB} / \mathrm{s} \)</td><td>\( 201.9 \mathrm{MB} / \mathrm{s} \)</td><td>\( 201.9 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td>합계</td><td>\( 401.6 \mathrm{MB} / \mathrm{s} \)</td><td>\( 770.9 \mathrm{MB} / \mathrm{s} \)</td><td>\( 1451.7 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td rowspan=6>RS</td><td>LUT 읽기</td><td>\( 59.4 \mathrm{MB} / \mathrm{s} \)</td><td>\( 78.3 \mathrm{MB} / \mathrm{s} \)</td><td>\( 115.8 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td>전체 입력 데이터 쓰기</td><td>\( 140.7 \mathrm{MB} / \mathrm{s} \)</td><td>\( 421.8 \mathrm{MB} / \mathrm{s} \)</td><td>\( 949.2 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td>전체 입력 데이터 읽기</td><td>\( 35.6 \mathrm{MB} / \mathrm{s} \)</td><td>\( 107.9 \mathrm{MB} / \mathrm{s} \)</td><td>\( 242.7 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td>AVM 데이터 쓰기</td><td>\( 23.4 \mathrm{MB} / \mathrm{s} \)</td><td>\( 39.3 \mathrm{MB} / \mathrm{s} \)</td><td>\( 57.9 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td>AVM 데이터 읽기</td><td>\( 201.9 \mathrm{MB} / \mathrm{s} \)</td><td>\( 201.9 \mathrm{MB} / \mathrm{s} \)</td><td>\( 201.9 \mathrm{MB} / \mathrm{s} \)</td></tr><tr><td>합계</td><td>\( 461 \mathrm{MB} / \mathrm{s} \)</td><td>\( 849.2 \mathrm{MB} / \mathrm{s} \)</td><td>\( 1567.5 \mathrm{MB} / \mathrm{s} \)</td></tr></tbody></table><p>그림 7은 대역폭 합계를 차트로 나타낸 그림이다. V계열 모델(유효 입력 데이터 사용)은 R계열 모델(전체 데이터 사용)에 비해 필요한 메모리 대역폭이 적으며 해상도가 증가할수록 대역폭 사용의 이점이 커진다. LUT를 생성해서 사용하면 약간의 메모리 대역폭 이점을 가지지만 유효 데이터 사용이 절대적인 영향을 미친다.</p><p>그림 8은 모델 별 LUT 사용량을 나타낸다. LUT사용량은 LUT 매핑 모듈이 하나이고, 사용하는LUT를 DRAM에서 읽어오는 RS 모델이 가정 적다. 반대로 LUT 매핑 모듈이 둘이고, LUT 생성모듈을 가진 VG 모델의 LUT 사용량이 가장 크다. LUT 사용량은 LUT 매핑 모듈이 LUT 생성모듈에 비해 크다. 사용하는 버퍼와 메모리의 크기, 논리 구조 형태는 RTL 구성과 사용하는 인터페이스에 따라 다를 수 있다.</p><p>하드웨어 자원 사용량 역시 LUT 매핑 모듈이나 LUT 생성 모듈이 많을수록 증가한다. 하드웨어 자원 사용량이 많은 모델이 메모리 대역폭은 적게 사용한다. 하드웨어 설계 구현 시 어느 부분에 우선 순위를 두느냐에 따라 모델 선택이 달라질 수 있다.</p><p>메모리 대역폭 최소화를 우선한다면 VG 모델,하드웨어 자원 사용 최소화를 위해서는 RS 모델을 선택하는 것이 좋다. 일반적인 경우 메모리 대역폭 요구와 하드웨어 자원 사용이 적은 VS 모델이 가장 적절한 선택이라고 볼 수 있다. 그러나FHD급 AVM 시스템에서의 RG, RS 모델은 높은 메모리 대역폭이 필요하여 구현에 적절한 선택이 아니다. VGA급 AVM 시스템의 경우 모델 별로 메모리 대역폭 차이가 크게 나지 않아서 구현이 간단한 RG, RS 모델 구현이 좋다.</p>
|
[
"하드웨어 구조 모델을 나누기 위해 하드웨어 자원 사용과 메모리 대역폭에 가장 큰 영향을 미치는 몇 가지의 항목을 선정하나요?",
"하드웨어 구조 모델을 나누기 위해 선정한 첫 번째 항목은 무엇인가요?",
"LUT를 생성하고 전체 데이터를 전송하면 무슨 모델로 줄여 부를 수 있나요?",
"저장된 LUT를 읽어오고 유효 데이터를 전송하면 무슨 모델로 줄여 부를 수 있나요?",
"LUT를 생성하고 유효 데이터를 전송하면 무슨 모델로 줄여 부를 수 있나요?",
"두 개의 항목에서 어떤 선택을 했는지에 따라 몇 가지의 모델로 구분할 수 있나요?",
"하드웨어 구조 모델을 나누기 위해 선정하는 두 번째 항목은 뭐야?",
"저장된 LUT를 읽어오고 전체 데이터를 전송하면 무슨 모델로 줄여 부를 수 있나요?",
"LUT 매핑은 무엇을 증가시키나요?",
"메모리에 저장된 LUT를 읽어 오는 모델 2개는 무엇인가요?",
"LUT를 생성할 때의 장점이 뭐야?",
"유효 데이터를 전송하는 모델 두 개는 무엇인가요?",
"메모리에서 저장된 LUT를 읽어올 때의 장점은 뭐야?",
"VG 모델에서 AVM 데이터 쓰기에 필요한 대역폭은 HD에서 얼마로 구해졌나요?",
"데이터 전송의 종류는 무엇에 존재하나요?",
"VG 모델에서 유효 입력 데이터 쓰기에 필요한 대역폭은 VGA에서 얼마야?",
"왜 VS 모델의 LUT가 두 개임에도 LUT 읽기의 필요 대역폭이 RS 모델보다 적어?",
"VG 모델에서 HD의 유효 입력 데이터 쓰기에 필요한 대역폭은 얼마야?",
"VG 모델에서 AVM 데이터 쓰기에 필요한 대역폭은 VGA에서 얼마였나요?",
"AVM 데이터 쓰기에서 해상도가 같으면 요구되는 대역폭이 같은 이유가 무엇인가요?",
"LUT 사용량이 가장 적은 모델이 뭐야?",
"VG 모델에서 유효 입력 데이터 읽기에 필요한 대역폭은 VGA에서 얼마야?",
"RS 모델은 LUT가 몇 개야?",
"하드웨어 자원을 최대한 적게 사용하고 싶을 때는 어떤 모델을 선택해야 하나요?",
"VG 모델에서 유효 입력 데이터 읽기에 필요한 대역폭은 HD에서 얼마였나요?",
"VG 모델에서 유효 입력 데이터 쓰기에 필요한 대역폭은 FHD에서 얼마였나요?",
"LUT 사용량이 가장 큰 모델이 뭐야?",
"메모리 대역폭을 최소화하기를 원하면 무슨 모델을 사용하는 것이 좋을까요?",
"왜 VGA급 AVM 시스템에서 RG나 RS 모델을 사용하는 것이 좋아?",
"주로 어떤 모델을 쓰는 것이 가장 적절한가요?",
"VG 모델에서 유효 입력 데이터 읽기에 필요한 대역폭은 FHD에서 얼마로 나왔나요?",
"VG 모델에서 AVM 데이터 쓰기에 필요한 대역폭은 FHD에는 얼마였어?",
"VG 모델은 VGA에서 AVM 데이터 읽기에 필요한 대역폭은 얼마로 구해졌나요?",
"4개의 모델 중 저장된 LUT를 읽어오는 모델은 VS와 RS 모델인가요?",
"전체 데이터를 전송하는 모델은 4개의 모델 중 RG, RS 모델인가요?",
"유효 데이터를 전송하는 모델은 영상입력 데이터가 DDR3 메모리에 저장된 후 해당 데이터를 뽑아내나요?",
"R계열 모델보다 V 계열 모델이 필요하한 메모리 대역폭이 적었나요?",
"VGA급 AVM 시스템에서는 RS 모델보다 VS 모델을 선택하는 것이 좋을까요?",
"AVM 영상 제작할 때 RS,RG 모델은 LUT가 2개 필요하나요?",
"AVM 영상 제작할 때 RS,RG 모델은 LUT가 2개 필요한 것이 맞아?",
"다른 모델을 사용해도 하드웨어 자원 사용량은 항상 일정한가요?",
"다른 모델을 사용해도 하드웨어 자원 사용량은 항상 일정하다고 볼 수 있어?",
"RS 모델은 LUT가 하나이기 때문에 LUT가 두 개인 VS 모델보다 필요 대역폭이 더 큰가요?",
"RS 모델은 LUT가 하나이기 때문에 LUT가 두 개인 VS 모델보다 필요 대역폭이 더 크다고 볼 수 있어?",
"전체 데이터를 사용한 모델이 유효 입력 데이터를 사용한 모델보다 해상도가 증가할수록 대역폭 사용의 장점이 커지나요?",
"전체 데이터를 사용한 모델이 유효 입력 데이터를 사용한 모델보다 해상도가 증가할수록 대역폭 사용의 장점이 커진다고 볼 수 있어?",
"헤드웨어 자원 사용량이 적은 모델이 하드웨어 자원 사용량이 많은 모델보다 메모리 대역폭을 많이 사용하나요?",
"헤드웨어 자원 사용량이 적은 모델이 하드웨어 자원 사용량이 많은 모델보다 메모리 대역폭을 많이 사용한다고 볼 수 있어?",
"VG 모델의 HD에서 AVM 데이터 읽기에 필요한 대역폭은 얼마였나요?",
"VG 모델은 FHD에서 AVM 데이터 읽기에 필요한 대역폭이 뭐였어?",
"VG 모델은 VGA에서 AVM 데이터 읽기와 쓰기, 유효 입력 데이터 쓰기와 읽기를 모두 합쳤을 때 대역폭이 뭐였어?",
"VG 모델은 HD에서 AVM 데이터 읽기와 쓰기, 유효 입력 데이터 쓰기와 읽기를 모두 합쳤을 때 대역폭이 얼마였나요?",
"VG 모델은 FHD에서 AVM 데이터 읽기와 쓰기, 유효 입력 데이터 쓰기와 읽기를 모두 합쳤을 때 대역폭이 얼마로 나왔나요?",
"RG에서 AVM 데이터 쓰기에 필요한 대역폭은 VGA에서 얼마였어?"
] |
2345e691-fa9d-46f3-8acf-136fc243c746
|
인공물ED
|
AVM 시스템의 하드웨어 구현에 따른 하드웨어 구조 및 메모리 대역폭 분석
|
<h1>Ⅳ. 실험</h1><p>제시한 AVM 시스템 모델의 검증을 위해 VGA급, FHD급 AVM 시스템을 각각 구현했다. 하드웨어는 Verilog HDL로 구현하였으며, 코드의 합성은 Vivado 2015.2를 사용했다. 설계된 로직은 Xilinx사의 XC7Z045 보드에서 구현하였고, \( 100 \mathrm{MHz} \) 클록으로 동작한다. 출력을 위한 AVM 영상 크기는 VGA급(\( 460 \times 640 \)), FHD급(\( 640 \times 1040 \))으로 구현하였다.</p><p>하드웨어 사용량을 비교하기 위해 네 모델 중 가장 하드웨어 사용량이 큰 VG 모델, 사용량이 가장 적은 RS 모델을 구현하였다. 표 3은 RS 모델로, 표 4는 VG 모델로 VGA급 AVM 시스템을 하드웨어 구현한 결과이다. 두 모델은 \(60\mathrm{FPS}\)로 실시간 동작한다. BRAM의 대부분은 DDR3에서AVM Image Mapper로 읽어올 때의 버퍼로 사용되어 모델의 변화에도 큰 차이가 없다. 그러나VG 모델이 유효 데이터 추출을 위한 추가 블록을 더 가지므로 RG 모델에 비해 FF과 LUT를 많이 사용한다. VG 모델의 LUT 사용량은 RS 모델의 약 2.1배로 앞서 예측한 각 모델 별 LUT 사용량과 일치한다.</p><table border><caption>표 3. RS 모델 하드웨어 구현 결과</caption><tbody><tr><td>Resource</td><td>Utilization</td><td>Available</td><td>Utilization(\(\%\))</td></tr><tr><td>Flipflop</td><td>23740</td><td>437200</td><td>5.43</td></tr><tr><td>LUT</td><td>23871</td><td>218600</td><td>10.92</td></tr><tr><td>BRAM</td><td>183.4</td><td>545</td><td>33.65</td></tr></tbody></table><table border><caption>표 4. VG 모델 하드웨어 구현 결과</caption><tbody><tr><td>Resource</td><td>Utilization</td><td>Available</td><td>Utilization(\(\%\))</td></tr><tr><td>Flipflop</td><td>90212</td><td>437200</td><td>20.63</td></tr><tr><td>LUT</td><td>50129</td><td>218600</td><td>22.93</td></tr><tr><td>BRAM</td><td>275.1</td><td>545</td><td>50.48</td></tr></tbody></table><p>표 5는 메모리 대역폭 검증을 위해서 구현한 VS 모델 FHD급 AVM 시스템을 비교하였다. 의 경우 6개의 DDR2, 5개의 FPGA 보드를 사용하여 FHD AVM 시스템을 구현하였다. 제안된 AVM 시스템의 경우 1개의 DDR3, 1개의 FPGA 보드를 사용했으며, 메모리 대역폭 사용이 \( 350 \mathrm{MB} / \mathrm{s} \)로 예측한 메모리 대역폭에 근접한 수치이다. 비교한 논문의 메모리 대역폭은 \( 2188 \mathrm{MB} / \mathrm{s} \)로 본 논문에서 제시한 모델이 대역폭 크기 면에서 뛰어난 성능을 가진다. VG 모델로 구현한다면 메모리 대역폭 사용을 조금 더 줄일 수 있을 것이다</p><table border><caption>표 5. AVM 시스템 성능 비교</caption><tbody><tr><td></td><td>Proposed AVM</td><td>[6]</td></tr><tr><td>System spec</td><td>FPGA XC7Z045(\(\times 1\))</td><td>FPGA XC6SLX45(\(\times 4\)) XC6SLX150T(\(\times 1\))</td></tr><tr><td>Input Image</td><td>FHD</td><td>FHD</td></tr><tr><td>Frequency (\(\mathrm{Mhz}\))</td><td>100</td><td>133 \(/\)166</td></tr><tr><td>Required memorybandwidth (\(\mathrm{MB} / \mathrm{s}\))</td><td>350</td><td>2188</td></tr></tbody></table><p>그림 12는 구현된 AVM 영상을 모니터로 출력한 모습이다. 실제 차량에 부착된 카메라의 영상을 입력하기 위해 SD 메모리를 통해 입력 영상을 전달하였다.</p>
|
[
"VGA급, FHD급 AVM 시스템을 각각 구현한 건 어떤 모델을 검증하기 위해서이지?",
"VM 시스템 모델 검증시에, AVM 영상은 어디에 사용되지?",
"제시한 AVM 시스템 모델의 검증시에 코드의 합성은 뭘 사용했니?",
"네 모델 중 가장 하드웨어 사용량이 큰 것은 RS 모델이고, 사용량이 가장 적은 것은 VG 모델이야?",
"제시한 AVM 시스템 모델의 검증에 하드웨어는 뭘 사용했지?",
"AVM 시스템 모델의 검증을 위해 GHD급, FHD급 AVM 시스템을 구현하면 될까?",
"AVM 시스템 모델의 검증에서 VG 모델과 RS 모델을 사용한 이유는 뭐지?",
"하드웨어 사용량 비교에서 RS 모델로 VGA급 AVM 시스템을 하드웨어 구현한 건 어디에 나오지?",
"하드웨어 사용량을 비교를 위한 VG 모델, RS 모델 구현에서, 유효 데이터 추출을 위한 추가 블록을 더 가지는 건 어떤 모델일까?",
"표 3의 RS 모델, 표 4의 VG 모델 둘 다 \\(360\\mathrm{FPS}\\)로 실시간 동작하니?",
"대부분이 DDR3에서 AVM Image Mapper로 읽어올 때의 버퍼로 사용되는 건 뭐지?",
"하드웨어 사용량을 비교하기 위한 VG 모델 구현 자료는 표 3에, RS 모델 구현 자료는 표 4에 나와 있지?",
"하드웨어 사용량을 비교할 때 VG 모델의 LUT 사용량은 RS 모델보다 얼마나 앞서지?",
"하드웨어 사용량을 비교하기 위해 RS 모델로 VGA급 AVM 시스템을 하드웨어 구현한 표 3의 결과에서 사용효율(Utilization)이 10.92%인 자원(Resource)는 뭘까?",
"RS 모델 하드웨어 구현 결과에서 Flipflop의 Available 수치는 얼마지?",
"RS 모델 하드웨어 구현 결과에서 BRAM의 사용효율값은 얼마니?",
"하드웨어 사용량을 비교하기 위해 VG 모델로 VGA급 AVM 시스템을 하드웨어 구현한 결과 LUT의 사용효율(Utilization) 결과값은 얼마야?",
"하드웨어 사용량을 비교하기 위해 RS 모델로 VGA급 AVM 시스템을 하드웨어 구현한 표 3의 결과에서 사용효율(Utilization)이 33.65%인 자원(Resource)은 LUT이지?",
"BRAM의 대부분은 DDR3에서 AVM Image Mapper로 읽어올 때의 버퍼로 사용되어 모델의 변화에 큰 차이가 있지?",
"하드웨어 사용량을 비교하기 위해 RS 모델로 VGA급 AVM 시스템을 하드웨어 구현한 결과 Flipflop의 사용효율(Utilization) 결과값은 어떻게 되니?",
"VG 모델의 LUT 사용량은 예측한 각 모델 별 LUT 사용량과 일치하지 않지?",
"하드웨어 사용량을 비교 실혐에서, VG 모델이 유효 데이터 추출을 위한 추가 블록을 더 가지기 때문에 RG 모델에 비해 덜 사용하게 되는 건 FF과 LUT이 맞니?",
"표 4에서 BRAM의 사용효율은 얼마야?",
"VG 모델로 VGA급 AVM 시스템을 하드웨어 구현한 결과에서 Flipflop의 값 중 437200이 나온 건 어떤 계산 값이지?",
"하드웨어 사용량을 비교하기 위해 VG 모델로 VGA급 AVM 시스템을 하드웨어 구현한 표 3의 결과에서 사용효율(Utilization)이 50.48%인 자원(Resource)는 뭘까?",
"하드웨어 사용량을 비교하기 위해 RS 모델로 VG급 AVM 시스템을 하드웨어 구현한 표 4의 결과에서 사용효율(Utilization)이 20.63%인 자원(Resource)은 LUT이니?",
"하드웨어 사용량을 비교하기 위해 VG 모델로 VGA급 AVM 시스템을 하드웨어 구현한 결과에서 사용효율(Utilization)을 퍼센트로 표현했을 때 22.93인 자원은 뭐지?",
"메모리 대역폭 검증을 위해 AVM 시스템을 비교를 다룬 건 표 4가 맞지?",
"VG 모델로 구현한다면 메모리 대역폭 사용을 더 늘릴 수 있을 것으로 보니?",
"메모리 대역폭 검증을 위해 제안된 AVM 시스템의 경우DDR3를 몇 개 사용했지?",
"메모리 대역폭 검증을 위해 제안된 AVM 시스템에서 메모리 대역폭 사용이 \\( 350 \\mathrm{MB} / \\mathrm{s} \\)로 예측한 메모리 대역폭에 못 미치는 수치이지?",
"VS 모델 FHD급 AVM 시스템에 대한 비교의 목적은 뭘까?",
"메모리 대역폭 검증을 위해서 구현한 AVM 시스템 성능 비교에서 [6]의 Input Image는 어떤 걸 사용해?",
"표 5의 AVM 시스템 성능 비교에서 메모리 대역폭 사용이 2188 (\\(\\mathrm{MB} / \\mathrm{s}\\))인 건 뭐야?",
"메모리 대역폭 검증을 위해서 실행한 AVM 시스템 성능 비교 값을 보여주는 표는 몇 번이지?",
"표 5의 AVM 시스템 성능 비교에서 주파수(Frequency (\\(\\mathrm{Mhz}\\))) 값이 더 큰 건 뭐야?",
"메모리 대역폭 검증을 위해서 구현한 AVM 시스템 성능 비교에서 Proposed AVM의 System spec은 어떻게 되니?",
"구현된 AVM 영상을 모니터로 출력한 모습을 담은 건 그림 몇 번일까?",
"표 5의 AVM 시스템 성능 비교에서 AVM의 주파수(Frequency (\\(\\mathrm{Mhz}\\)))는 어떻게 되지?",
"실제 차량에 부착된 카메라의 영상을 입력하기 위해 어떤 매체로 입력 영상을 전달하였니?",
"그림 12는 구현된 AVM 영상을 프린터로 출력한 모습이지?",
"메모리 대역폭 검증을 위한 시스템 성능 비교에서, 제안된 AVM 시스템의 경우 FPGA 보드를 몇 개 사용했을까?",
"하드웨어 사용량을 비교한 실험에서 BRAM의 사용효율이 더 큰 건 어떤 모델이지?",
"구현된 AVM 영상을 모니터로 출력한 모습을 담고 있는 그림은 몇 번 그림이지?",
"메모리 대역폭 검증을 위한 AVM 시스템 성능 비교에서 [6]의 System spec은 FPGA XC7Z045(\\(\\times 1\\))이지?",
"실제 차량에 부착된 카메라의 영상을 입력하기 위해 SDXC 메모리를 통해 입력 영상을 전달하지?",
"하드웨어 사용량을 비교하기 위해 RS 모델로 VGA급 AVM 시스템을 하드웨어 구현한 결과 LUT의 사용효율(Utilization)을 퍼센트로 나타내면 얼마지?",
"AVM 시스템 모델 검증에서, 출력을 위한 AVM 영상 크기는 VGA급 (\\( 640 \\times 1040 \\)), FHD급 (\\( 460 \\times 640 \\))로 구현하면 되니?",
"본 논문에서 어떤 모델로 구현한다면 메모리 대역폭 사용을 조금 더 줄일 수 있을 것으로 예측했어?",
"표 3 RS 모델 하드웨어 구현 결과에서 사용효율이 23871인 자원은 뭘까?",
"표 3 RS 모델 하드웨어 구현 결과값에서 LUT의 사용효율은 몇 퍼센트야?",
"표 4 VG 모델 하드웨어 구현 결과값에서 Flipflop의 사용효율은 몇 퍼센트야?",
"표 3 VG 모델 하드웨어 구현 결과에서 사용효율이 90212인 자원은 뭘까?",
"메모리 대역폭 검증을 위해서 AVM 시스템 성능 비교에서 같은 비교값을 사용하는 건 어떤 항목이지?"
] |
d1d0531b-142b-4f5a-b7ed-6a4d6f9087c7
|
인공물ED
|
AVM 시스템의 하드웨어 구현에 따른 하드웨어 구조 및 메모리 대역폭 분석
|
<h1>1. 서론</h1><p>ADAS(Advanced Driver Assistance Systems)는 운전자를 도와 보다 편리하고 안전한 운행에 도움을 주는 차량 시스템이다. AVM 시스템은ADAS의 한 종류로, 차량 주변의 상황을 운전자에게 영상으로 제공한다. AVM 출력 영상에는 사각지대가 없기 때문에 좁은 공간을 지나거나 주차를 진행할 때 도움을 준다. AVM 시스템은 차량에 설치된 네 개의 광각 카메라의 영상을 입력받는다. 입력 받은 영상은 일련의 과정을 거쳐 그림 1과 같이 차량의 위에서 수직으로 바라보는 조감도(bird's-eye-view)를 출력한다. AVM 시스템은 LDWS(Line Departure Warning System),PGS(Parking Guidance System) 등의 ADAS에응용될 수 있다.</p><p>빠른 속도로 이동하는 차량과 주변 상황을 고려할 때, AVM 시스템은 \(30\mathrm{FPS}\) 이상의 실시간 동작 지원이 필요하다. 또한 네 개의 입력 영상데이터를 처리해야 하기 때문에 요구되는 메모리 대역폭이 크다. 특히 영상의 해상도가 높아질수록 데이터의 크기가 급격히 증가하는데, 표 1이 나타내는 바와 같이 FHD급 영상은 VGA급 영상의 6배 이상의 데이터 크기를 가진다. AVM 시스템에서 사용되는 입출력 영상 해상도의 표준 규격은 지정된 바가 없으며, 상용 AVM 시스템의 입력 영상은 VGA급에서 HD급까지 다양하다.</p><p>AVM 시스템의 출력 영상은 입력 영상의 각 픽셀이 특정 좌표로 매핑되어 생성된다. 이 때 매핑에 사용할 픽셀 좌표 정보는 입력되는 영상 정보와 관계없이 일정하므로 매번 계산하지 않고 LUT(Look-up Table)에 저장하여 읽어온다. 그러므로 LUT 생성을 위한 계산 과정보다 많은 양의 데이터 전송으로 인해 요구되는 메모리 대역폭 크기가 사양을 맞추는데 핵심이 된다.</p>
|
[
"AVM 시스템은 누구에게 영상을 제공해?",
"누구에게 AVM 시스템이 영상을 공급하니?",
"AVM 시스템은 영상의 형태로 상황을 알려줘?",
"AVM 출력 영상은 언제 도움을 줍니까?",
"AVM 출력영상은 왜 좁은 공간을 지나거나 주차를 진행할 때 좋은가요?",
"AVM 출력영상은 왜 좁은 공간을 지나거나 주차할 때 좋을까?",
"AVM 시스템은 무엇을 영상으로 받습니까?",
"ADAS는 운전자 옆 사람을 도와 보다 편리하고 안전한 운행에 도움을 주는 차량 시스템인가요?",
"AVM 시스템의 네 개의 광각 카메라는 어디에 있나요?",
"그림 1과 같이 차량의 위에서 수직으로 바라보는 조감도를 출력하는 것은 어디서 입력된 것인가요?",
"ADAS는 무엇인가요?",
"입력 받은 영상은 무엇을 출력합니까?",
"조감도는 차량의 어디서 바라보는 것인가요?",
"차량의 어디서 수직으로 바라보는 것이 조감도지?",
"AVM 시스템은 ADAS인가요?",
"AVM 시스템은 ADAS에 속하나요?",
"AVM 시스템은 무엇을 운전자에게 영상으로 알려줘?",
"AVM 시스템은 어디에 응용 될 수 있나요?",
"어디에 AVM 시스템이 응용될 수 있나요?",
"LDWS,PGS도 ADAS의 종류 중 하나입니까?",
"입력받은 영상은 차량의 위에서 어떻게 바라보는 건가요?",
"AVM 시스템은 \\(30\\mathrm{FPS}\\) 이상의 실시간 동작 지원이 필요합니까?",
"AVM 시스템은 \\(30\\mathrm{FPS}\\) 이상의 실시간 동작 지원이 언제 필요한가요?",
"AVM 시스템은 요구되는 메모리 대역폭이 어떤가요?",
"AVM 시스템은 실시간 동작이 필요 없습니까?",
"AVM 시스템의 요구되는 메모리 대역폭이 왜 클까?",
"왜 AVM 시스템의 요구되는 메모리 대역폭이 크지?",
"영상의 해상도가 높아질수록 영상의 데이터 크기는 커지나요?",
"FHD급 영상의 데이터 크기가 VGA급 영상의 몇 배인가요?",
"무엇의 각 픽셀이 특정 좌표로 매핑되어 AVM 시스템의 출력 영상이 생성돼?",
"상용 AVM 시스템의 입력 영상의 해상도 표준 규격은 어떠한가?",
"FHD급 영상은 VGA보다 해상도가 높나요?",
"상용 AVM 시스템의 입력 영상의 해상도는 어떤가요?",
"어떤 것이 상용 AVM 시스템의 입력 영상의 해상도일까?",
"AVM 시스템의 출력 영상은 어떻게 생성됩니까?",
"AVM 시스템의 입력 영상은 입력 영상의 각 픽셀이 특정 좌표로 매핑되어 생성됩니까?",
"입력 영상의 각 픽셀이 특정 좌표로 매핑되어 생성되는 것은 무엇의 출력 영상입니까?",
"AVM 시스템의 출력 영상의 매핑에 사용할 픽셀 좌표 정보는 어떠한가요?",
"LUT에 픽셀 좌표 정보를 왜 저장할까?",
"픽셀 좌표 정보를 왜 LUT에 저장하지?",
"픽셀 좌표 정보가 입력되는 영상 정보와 관계없이 일정하다면 어떻게 진행하나요?",
"매핑에 사용할 픽셀 좌표 정보를 어디에 저장하고 읽어옵니까?",
"LUT 생성을 위한 계산 과정은 메모리 대역폭 크기를 결정합니까?",
"무엇이 사양을 맞추는 것에 핵심이 될까?",
"사양을 맞추는 것에 무엇이 중요하지?",
"LUT 생성을 위한 계산 과정보다 많은 양의 데이터 전송으로 인해 요구되는 메모리 대역폭 크기가 더 핵심입니까?"
] |
601921cb-01a8-46da-8199-fbbcfc538e87
|
인공물ED
|
AVM 시스템의 하드웨어 구현에 따른 하드웨어 구조 및 메모리 대역폭 분석
|
<h2>2. 하드웨어 구현</h2><h3>가. LUT 사용</h3><p>본 AVM 시스템은 입력된 영상의 데이터를 선별적으로 재배치하여 원하는 형태의 출력 영상을 만드는 방법으로 구현된다. 차량에 설치된 카메라가 손상을 입지 않는 한, 입력 영상의 데이터가 결과 영상에서 출력되는 좌표는 동일하다. 그러므로 대응하는 입력영상 픽셀과 출력영상 픽셀의 좌표쌍을 LUT 형태로 저장해두면, 매 프레임마다 대응하는 좌표쌍 위치를 재연산할 필요 없이 지속적인 사용이 가능하다. 따라서 영상 데이터를 저장 혹은 생성한 LUT로 매핑하여 제시된 하드웨어 모델을 구현한다. 본 논문에서 사용되는LUT는 총 네 가지 종류이다. FPGA 데이터 전송의 구현 편의를 위해 LUT는 32비트 단위로 정의한다.</p><p>그림 9의 ①번 과정에 해당하는 유효 데이터 LUT는 입력 데이터에서 실제로 사용되는 데이터 위치를 저장하고 있다. 그림 10. (a)의 LUT 구조를 가진다. 입력 영상의 픽셀을 차례로 카운트했을 때, 몇 번째 픽셀이 유효 픽셀인지 그 카운트값을 21비트로 저장하고 있다. 유효 데이터 LUT가 매핑되면 카운트된 유효 데이터는 DDR3에 저장된다.</p><p>그림 9의 ②번 과정에 사용된 DDR3 주소 LUT는 DDR3에 저장된 유효 데이터가 AVM 영상에 출력되어야하는 순서대로 해당 유효 데이터의 DDR3 내부 주소를 가지고 있다. 영상 보간을 위해 같은 데이터가 반복 사용될 경우가 있는데, 반복 사용 여부 정보 또한 저장하고 있다. 그림10. (b)의 LUT 구조를 가진다. 유효 데이터 주소는 21비트로, 반복 여부는 1비트로 저장된다. DDR3 주소 LUT를 적용하면 DDR3 내의 유효데이터가 출력 순서에 맞춰 필요한 만큼 DDR3에 반복 저장된다.</p><p>그림 9의 ③번 과정에서의 AVM 좌표 LUT는 AVM 출력 영상 크기에 맞는 좌표를 저장한다. 그림 10. (c)의 구조로 각각 11비트씩 AVM x, y좌표를 저장한다. 이 LUT를 매핑하면 최종 AVM 영상이 만들어진다.</p><p>그림 9의 ④번 과정에는 입력 좌표 LUT, AVM좌표 LUT가 사용된다. 입력 좌표 LUT는 전체 입력 영상 좌표에서 출력될 AVM 영상에 쓰일 좌표 정보를 담고 있다. 입력 좌표 LUT는 AVM좌표 LUT와 같은 구조이다.</p><p>유효 데이터를 사용하는 VG, VS 모델은 그림 9의 ①-②-③ 과정을 거치며 세 개의 LUT를 사용해 AVM 영상을 생성한다. 전체 입력 데이터를사용하는 RG, RS 모델은 그림 9의 ④번 과정만을 거치며 LUT 두 개를 사용한다.</p><h3>나. 하드웨어 구조</h3><p>그림 11은 전체 AVM 시스템과 FPGA 내부의 하드웨어 구조를 블록 단위로 보여준다. 전체AVM 시스템의 구조는 그림 11. (a)의 형태로 모든 모델이 동일하다. 촬영된 비디오 데이터는 디지털 데이터로 변환되어 FPGA에 입력되고,FPGA 내부에서 영상 처리를 거쳐 만들어진 AVM영상이 DDR3 메모리에 저장된다. HDMI 컨트롤러 모듈이 저장된 AVM 영상을 주기적으로 읽어 모니터에 출력한다. 호스트는 USB 입출력을 통해 FPGA 영역에 접근이 가능하다. 모델 별로 차이점을 보이는 부분은 FPGA 영역이므로 그림 9.(b), (c)을 통해 자세히 살펴보도록 한다.</p><p>그림 11. (b)은 VG, VS 모델의 블록 다이어그램이다. FPGA에 입력된 영상 데이터는 버퍼에 저장된 후, 유효 데이터 LUT가 매핑된다. LUT정보는 생성되거나 메모리 읽기를 통해 버퍼에 저장되어 제공된다. 뽑힌 유효 데이터는 메모리 인터페이스를 통해 AXI4 버스로 FPGA 외부의 DDR3와 통신한다. DDR3에 저장된 데이터는 DDR3 주소 LUT, AVM 좌표 LUT 매핑을 위해 다시 메모리 인터페이스를 거쳐 읽기 동작을 한다. 매핑을 마치면 AVM 영상이 생성된다. 이 영상은 DDR3 내부의 HDMI 컨트롤러 프레임 버퍼주소에 저장되어 영상처리 과정을 마친다. 좌표LUT는 메모리에서 읽어오는 선택지를 두지 않았는데, 필요 메모리 대역폭 대비 하드웨어 자원 사용량이 매우 적기 때문이다. 출력 영상 크기에 맞춰 차례대로 영상 좌표를 생성하는 간단한 연산이다. 호스트 인터페이스를 통해 데이터의 입출력을 조정할 수 있다.</p><p>RG, RS 모델의 블록 다이어그램 그림 11. (c)의구조를 가진다. VG, VS 모델과의 차이는 유효 데이터 추출을 위한 블록이 없다는 것과 LUT의 종류이다. 데이터 이동의 순서와 방법은 흡사하다.</p>
|
[
"몇개의 LUT를 사용해서 VG, VS 모델은 AVM 영상을 만드나요?",
"VG, VS 모델은 몇개의 LUT를 사용해서 AVM 영상을 제조하지?",
"전파를 이용해서 운행 중의 자동차의 위치나 활동상황의 정보를 자동적으로 수집, 운행관리센터에서 항상 파악해 두는 시스템은 뭐야?",
"전파를 이용해서 운행 중의 자동차의 활력상황과 위치의 보급을 수집적으로 시향관리센터에선 항고 포�",
"RG, RS 모델은 몇개의 LUT를 사용해?",
"몇개의 LUT를 RG, RS 모델이 이용하지?",
"FPGA 내부와 전체 AVM 시스템의 하드웨어 구조를 나타내는 그림이 뭐야?",
"전체 AVM 시스템의 하드웨어 구조와FPGA 내부를 보이는 그림이 뭐지?",
"저장된 AVM 영상을 읽어 모니터에 출력해주기 위한 모듈 이름이 뭐야?",
"저장된 AVM 영상을 읽어 모니터에 출력해주기 위한 무엇이 전부 이름일까?",
"입력된 데이터를 연속된 시각 이미지로 변환한 데이터는 뭐야?",
"어떤 데이터가 입력된 모습을 계속한 시각 이미지로 변환했얼까?",
"입력 영상 데이터를 결과 영상에서 동일하게 출력하려면 영상의 무엇을 맞춰줘야되?",
"영상의 무엇을 맞춰줘야 입력 근로적인 데이터를 결과 동일하게 출려할 수 있니?",
"영상 데이터를 생성 또는 저장할때 소프트웨어 이외에 어떤 모델이 필요해?",
"VG, VS 모델을 어떤 방식으로 표현했어?",
"차량에 설치된 카메라를 통해 입력된 영상과 출력되는 영상의 좌표는 동일해?",
"출력영상과 입력영상의 픽셀의 좌표쌍을 LUT 형태로 저장하면, 매 프레임마다 재연산 없이 좌표쌍 위치를 사용할 수 있어?",
"32비트 단위의 LUT로 정의된 데이터 전송 방법이 뭐야?",
"어떤 방식이 32비트 단위의 LUT로 정의된 데이터 전송이 가능해?",
"유효 데이터는 어디에 저장되있어?",
"촬영된 데이터는 어떻게 모니터에 출력되?",
"DDR3 내에 어떤 데이터가 출력 순서에 맞춰 필요한 만큼 저장되?",
"FPGA에 입력된 영상을 이용해 AVM 영상으로 어떻게 만들어?",
"원하는 입력 영상 데이터를 재배치하여 출력 영상으로 변환하는 시스템의 이름이 뭐야?"
] |
feeef18a-eb13-4c93-87bf-9186679e952a
|
인공물ED
|
AVM 시스템의 하드웨어 구현에 따른 하드웨어 구조 및 메모리 대역폭 분석
|
<h1>요 약</h1><p>AVM(Around View Monitor)시스템은 ADAS(Advanced Driver Assistance Systems)의 한 종류로 운전자가 차량주변을 한눈에 파악할 수 있게 도와주는 차량 시스템이다. AVM 시스템은 네 개의 카메라에서 입력받은 데이터를 실시간 처리하기 때문에 요구되는 메모리 대역폭이 크다. 특히 입력 영상의 해상도 증가에 따라 메모리 대역폭 수치가 크게 증가하기 때문에, 필요한 메모리 대역폭에 맞는 하드웨어 구조 설계가 필요하다. 본 논문은 설계에 기틀이 될 AVM 시스템 하드웨어 모델 네 종류를 제시한다. 각 모델은 입력 영상으로부터 유효 데이터를 추출하는 모듈의 유무, 영상처리를 위한 LUT 생성 모듈 유무로 결정된다. 논문에서는 모델 별로 상이한 필요 메모리 대역폭과 하드웨어 자원 사용량이 제시된다. 이를 토대로 설계자의 요구 사항에 맞는 모델을 선택하고 구현할 수 있다. 제시한 하드웨어 모델의 검증을 위해 VGA, FHD급 AVM 시스템을 구현하였다. 구현에는 XC7Z045 FPGA, DDR3가 이용되었으며, 30FPS로 동작한다.</p>
|
[
"AVM 시스템은 입력 영상의 해상도 증가에 따라 메모리 대역폭 수치가 크게 증가하기 때문에, 메모리 대역폭에 맞는 어떤 설계가 필요한가?",
"ADAS의 약자의 뜻이 뭐야?",
"ADAS(Advanced Driver Assistance Systems)의 한 종류로 운전자가 차량주변을 한눈에 파악할 수 있게 도와주는 차량 시스템은 무엇인가?",
"VGA, FHD급 AVM 시스템을 구현하여 어떻게 하였는가?",
"AVM 시스템 같은 경우 크게 증가하게 되는 메모리 대역폭과 관련해서 어떻게 해야 할 필요가 있을까?",
"필요 메모리 대역폭과 하드웨어 자원 사용량이 모델 별로 상이하게 제시 될 경우 어떻게 구현 될 수 있는가?",
"VGA, FHD급 AVM 시스템은 어떻게 작동하게 되는가?",
"AVM 시스템 하드웨어 모델들은 영상처리 과정의 경우 어떻게 결정되게 되는가?",
"네 개의 카메라를 통해 AVM 시스템은 입력받게 될 경우 메모리 대역폭이 매우 큰데 그 이유는 어떻게 처리 과정이 이루어지기 때문인가?",
"ADAS의 한 종류인 AVM의 기능은 어떻게 되는가?",
"AVM 시스템은 입력 영상의 해상도 증가에 따라 메모리 대역폭 수치가 크게 증가하기 때문에, 필요한 메모리 대역폭에 맞는 하드웨어 구조 설계가 필요한가?",
"AVM 시스템은 네 개의 카메라에서 입력받은 데이터를 실시간 처리하기 때문에 요구되는 메모리 대역폭이 큰가?"
] |
d544d88c-9aa4-400d-bae1-a254ac4c944f
|
인공물ED
|
AVM 시스템의 하드웨어 구현에 따른 하드웨어 구조 및 메모리 대역폭 분석
|
<h1>Ⅱ. 관련이론</h1><h2>1. AVM 시스템 동작 과정</h2><p>입력된 네 개의 입력 영상은 그림 2와 같이 크게 세 단계의 과정을 거치며 조감도 형태의 출력영상이 만들어진다. 입력 영상은 광각 렌즈를 거쳐 만들어지므로 사물이 왜곡된 상을 띈다. 첫 번째 과정으로 왜곡된 영상을 평평한 영상으로 보정한다. 조감도를 만들기 위해 보정된 영상이 가진 카메라의 시점을 차량 위쪽으로 끌어올려야한다. 두 번째 과정에서는 시점 변환을 거치며 선택한 일정 영역을 바라보는 조감도 영상을 만든다. 두 과정을 거쳐 만들어진 네 개의 영상을 출력 영상 크기에 맞게 배치시키고 하나의 AVM출력 영상으로 만드는 것이 세 번째 과정이다.</p><h3>가. 왜곡 보정 알고리즘</h3><p>AVM 영상을 획득하기 위한 입력 카메라는 넓은 범위를 촬영할 수 있어야 하기 때문에 광각렌즈 카메라를 사용한다. 그러나 광각 렌즈는 렌즈의 굴곡에 의한 왜곡특성을 가지고 있다. 본 논문에서는 왜곡 보정을 위하여 광각 사영함수 모델(fish-eye projection function model) 중 일반적으로 AVM 시스템 구성에 가장 많이 사용되는 Equidistant Projection 알고리즘을 사용하였다.</p><p>Equidistant Projection 왜곡 보정 알고리즘은그림 3과 같이 렌즈의 곡면에 빛이 굴절되어 물체의 상이 이미지 평면 rd에 투영된다고 가정한다. rd에 맺힌 영상은 왜곡된 영상이며, 렌즈에 의한 왜곡이 없다면 ru에 상이 맺혀야 한다. f는 투영 중심점에서 이미지 평면 사이의 거리이며, f값이 작을수록 왜곡 정도가 심해진다. 렌즈의 왜곡 보정을 그림 3과 같이 모델링 하면 rd의 좌표값을 이용하여 ru의 좌표 값을 식 1로 계산하고 그 값을 구할 수 있다.</p><p>\( r_{u}=f \cdot \tan \left(\frac{r_{d}}{f}\right) \)<caption>(1)</caption></p><h3>나. 시점 변환 알고리즘</h3><p>AVM 출력 영상은 차량을 위에서 아래로 내려다 볼 때의 시점으로 이미지를 만든다. 이러한 영상을 만들기 위해서는 일반적으로 동차좌표계 행렬변환 식을 사용한다. 행렬 변환 수식은 식 2와 같다. 시점을 변환하기 위해서는 먼저 입력 영상의 임의의 4개 좌표를 정하고, 해당 좌표가 각각 출력 영상의 어느 포인트로 가는지 알아야 한다. 식 2에서 \( \left(x_{1}, y_{1}\right),\left(x_{2}, y_{2}\right),\left(x_{3}, y_{3}\right),\left(x_{4}\right. \), \( \left.y_{4}\right) \)가 입력 영상에서의 4개의 좌표이며, \( \left(x_{1}{ }^{\prime}, y_{1}^{\prime}\right. )\),\(\left(x_{2}^{\prime}, y_{2}^{\prime}\right),\left(x_{3}^{\prime}, y_{3}^{\prime}\right),\left(x_{4}^{\prime}, y_{4}^{\prime}\right) \)는 입력 영상에서의 4개 좌표와 대응되는 출력 영상 좌표이다. 입력과 출력 영상에서의 각각 4개의 좌표를 정하면, 식 2 를 이용하여 변환 벡터 \( [\mathrm{a}, \mathrm{b}, \mathrm{c}, \mathrm{d} \), \( \mathrm{e}, \mathrm{f}, \mathrm{g}, \mathrm{h}] \mathrm{T} \) 를 구하게 된다.</p><h2>2. AVM 시스템 하드웨어 기본 구조</h2><p>AVM 하드웨어 분석에 앞서, 본 논문에서 사용하고 분석할 기본 구조를 그림 5로, 전체 시스템에서 사용할 DRAM과 FPGA 보드의 수는 각각 하나로 가정한다. 광각카메라로부터 입력 받은 4개의 영상에서 유효 데이터를 추출되어 DRAM에저장된다. DRAM의 데이터를 읽어 AVM 영상을생성하고, 다시 DRAM에 저장된 후 출력된다. 유효 데이터 추출, AVM 영상 생성 과정은 대응하는 좌표쌍의 LUT 매핑을 통해 이뤄진다. LUT는 DRAM에서 읽어오거나 생성기를 이용해 만들어진다.</p><p>해상도에 따라 데이터 크기 차이가 커서 구체적인 하드웨어 구조와 사양을 잡기가 쉽지 않다. 다음 장에서는 위 구조를 바탕으로 두고, 메모리 대역폭과 하드웨어 자원 사용량을 기준으로 세부모델을 나눠서 해상도 별 하드웨어 자원 사용량과 메모리 대역폭을 분석한다.</p>
|
[
"AVM 시스템의 입력값으로는 몇 개의 영상을 받아?",
"AVM 시스템의 입력 데이터는 어떤 기기를 통해 만들어져?",
"AVM 시스템의 입력 데이터에 왜곡이 발생하는 이유가 뭐야?",
"AVM 시스템의 첫 번째 과정에서는 어떤 일을 수행해?",
"조감도를 만들기 위해서 필요한 카메라 시점 조정은 뭐야?",
"AVM 시스템의 두 번째 과정에서는 어떤 일을 수행해?",
"AVM 시스템의 입력 데이터로 광각렌즈 카메라를 사용하는 이유가 뭐야?",
"AVM 시스템의 출력물의 개수는 총 몇개야?",
"AVM 시스템의 입력으로 넓은 범위를 촬영한 데이터를 넣기 위해 선택한 촬영 장비가 뭐야?",
"Equidistant Projection 왜곡 보정 알고리즘의 가정 조건이 뭐야?",
"ru 좌표의 값을 구할 때 필요한 f값은 어떤 물리량을 뜻해?",
"Equidistant Projection 왜곡 보정 알고리즘에서 렌즈에 곡면에 굴절된 빛 때문에 물체의 상이 어디에 투영된다고 가정해?",
"AVM 출력 영상은 어떤 시점의 이미지를 제작해?",
"투영 중심점에서 이미지 평면 사이의 거리가 가까워질수록 왜곡정도는 어떤 변화를 보여?",
"투영 중심점에서 이미지 평면 사이의 거리와 왜곡 정도는 양의 상관관계를 가지고 있어?",
"본 논문에 사용한 하드웨어는 전체 시스템에서 사용할 DRAM과 FPGA 보드의 수를 각각 몇 개로 가정해?",
"광각카메라에서 입력받은 영상은 어디에 저장되는거야?",
"광각카메라에서 영상을 입력받아 어떤 과정을 거친 후에 DRAM에 저장해?",
"유효 데이터 추출, AVM 영상 생성 과정은 어떤 수학적 연산을 통해 이뤄져?",
"AVM 시스템의 두 번째 과정이 끝나면 어떤 결과물이 나와?",
"AVM 시스템의 출력 데이터는 뭐야?",
"어떤 것이 MV 시스템의 출력 데이터지",
"AVM 시스템의 마지막 단계에서는 어떤 일을 수행해?",
"광각의 왜곡 보정을 위해서 사용되는 모델을 통상적으로 뭐라고 불러?",
"AVM 시스템 구성에는 어떤 종류의 광각 사영함수 모델을 사용했어?",
"차량을 위에서 아래로 내려다 볼 때 시점의 이미지를 만들기 위해 사용하는 식이 뭐야?",
"Equidistant Projection 알고리즘은 광각 사영함수 모델의 한 종류야?"
] |
969a0e1a-957e-4f59-ba85-64264bf9a527
|
인공물ED
|
AVM 시스템의 하드웨어 구현에 따른 하드웨어 구조 및 메모리 대역폭 분석
|
<h1>Ⅴ. 결론</h1><p>본 논문에서는 AVM 시스템 구현에 참고가 될 하드웨어 구조와 메모리 대역폭을 해상도 별로 알아보았다. 검증을 위해 실제 차량에 설치된 어안렌즈로부터의 입력영상, 하나의 FPGA 보드와 DRAM을 사용해서 AVM 시스템을 구현했다. 타 논문과의 비교를 통해 보다 낮은 메모리 대역폭과 하드웨어 자원 사용으로 AVM 시스템 구현이 가능함을 알 수 있었다. 따라서 원하는 해상도의 AVM 시스템 설계 시 원하는 사양에 맞춰 구현에 유리한 구조를 참고할 수 있을 것이다.</p><p>향후 LDWS, PGS 등의 ADAS를 설계함에 있어 기반 기술로 사용 가능하며, 원하는 해상도에 맞게 AVM 시스템을 구현함에도 큰 도움이 될것으로 판단된다.</p>
|
[
"원하는 해상도의 AVM 시스템 설계 시 원하는 사양에 맞춰 구현에 유리한 구조를 참고할 수 있는 이유가 뭐야?",
"어안렌즈는 차량에 도로에 설치 돼었어?",
"ADAS에 속하는 건 뭐야?",
"높은 메모리 대역폭은 원하는 AVM 시스템 설계 시 불리한 조건이야?",
"어떤 방법을 사용해서 AVM시스템을 검증했어?",
"AVM시스템을 어떻게 검증하지",
"AVM을 구현할 때, 2개의 FPGA 보드를 사용했어?",
"본 논문에서는 AVM 시스템 구현에 참고가 될 하드웨어 구조와 메모리 대역폭을 데이터 처리 속도 별로 알아보았니",
"AVM 시스템을 구현을 어떻게 했어?",
"어떤 방법으로 AVM 시스템을 구현하지"
] |
bb7550bc-2c61-405f-9f0b-64696d14c682
|
인공물ED
|
가변 펌핑 클록 주파수를 이용한 모바일 D램용 고효율 승압 전압 발생기
|
<h1>IV. 실험 결과</h1><p>제안된 승압 전압 발생기의 성능을 검증하기 위해 CMOS \( 0.13-\mu \mathrm{m} \) CMOS을 이용하여 설계, 제작되었다. 그림 8은 제작된 승압 전압 발생기 칩 사진과 실험 보드 사진이다. 제안된 승압 전압 발생기는 \( 1 \mathrm{~nF} \)의 부하 캐퍼시터와 최대 \( 2 \mathrm{~mA} \)의 부하 전류의 조건하에서도 \( 3.0 \mathrm{~V} \)의 \( \mathrm{V}_{\mathrm{PP}} \)를 승압하기 위해 \( 40 \mathrm{~pF} \) 펌핑 캐퍼시터 \( (\mathrm{C}_{\mathrm{F}}) \) 6개를 내장하였으며, 칩 면적은 \( 0.5-\mu \mathrm{m} \times 1.2-\mu \mathrm{m} \)이다. 칩의 성능을 측정하기 위해서 Chip on Board(COB) 형태로 실험 보드를 구성 하였다. 승압 전압 발생기 자체만의 성능을 측정하기 위해 \( \mathrm{V}_{\mathrm{ref}} \)를 공급하는 BGR 대신 외부에서 전압 공급기 (Tektronix PS 2520G)를 사용해서 \( \mathrm{V}_{\mathrm{ref}} \)를 인가하였고, 디지털 오실로스 코프 (Tektronix TDS 3052)를 사용해서 최종 출력 \( \mathrm{V}_{\mathrm{PP}} \)를 측정하였다.</p><p>그림 9는 측정된 실험 결과를 나타낸다. 부하 전류 \( (\mathrm{I}_{\mathrm{PP}}) \)가 \( 0.1 \mathrm{~mA} \) 일 때, \( \mathrm{V}_{\mathrm{PP}} \)의 파형을 나타낸다. \( \mathrm{V}_{\mathrm{PP}} \)를 \( 2.34-\mu \mathrm{s} \)의 승압시간 안에 \( 0 \mathrm{~V} \)에서 \( 3.0 \mathrm{~V} \)까지 승압한다. 또한 그림 9.(b), (c)는 펌핑 클록의 주파수가 \( 50 \mathrm{MHz} \) (승압 초기) \( \rightarrow 20 \mathrm{MHz} \) (\( \mathrm{V}_{\mathrm{PP}} 3 \mathrm{~V} \) 도달)로 가변되어 설계된 VCO가 정확하게 동작함을 확인시켜준다.</p><table border><caption>표 2. 성능 요약</caption><tbody><tr><td colspan=3>공정</td><td colspan=4>CMOS \( 0.13-\mu \mathrm{m} \)</td></tr><tr><td colspan=3>\( \mathrm{V}_{\mathrm{DD}} \)</td><td colspan=4>\( 1.2 \mathrm{~V} \)</td></tr><tr><td colspan=3>\( \mathrm{V}_{\mathrm{PP}} \)</td><td colspan=4>\( 3.0 \mathrm{~V} \)</td></tr><tr><td colspan=3>부하 캐퍼시터 (\( \mathrm{C}_{\mathrm{L}} \))</td><td colspan=4>\( 1.0 \mathrm{~nF} \)</td></tr><tr><td colspan=3>펌핑 캐피시터 (\( \mathrm{C}_{\mathrm{F}} \))</td><td colspan=4>\( 240-\mathrm{pF} \) (\( 3 \) stages)</td></tr><tr><td colspan=3>전류 구동 능력 (\( \mathrm{I}_{\mathrm{PP}} \))</td><td colspan=4>\( \leq 2.0 \mathrm{~mA} \)</td></tr><tr><td colspan=3>칩 면적</td><td colspan=4>\( 500-\mu \mathrm{m} \times 1200-\mu \mathrm{m} \)</td></tr><tr><td rowspan=2 colspan=3>성능 비교</td><td rowspan=2 colspan=3>일반구조(고정 \( \mathrm{f}_{\mathrm{clk}} \))</td><td rowspan=2>제안된구조(가변 \( \mathrm{f}_{\mathrm{clk}} \))</td></tr><tr></tr><tr><td rowspan=2>승압시간 (\( \mathrm{t}_{\mathrm{ramp}} \))</td><td colspan=2>@ \( \mathrm{I}_{\mathrm{PP}}=0.1 \mathrm{~mA} \)</td><td colspan=3>\( 3.65-\mu \mathrm{s} \)</td><td>\( 2.34-\mu \mathrm{s} \)</td></tr><tr><td colspan=2>@ \( \mathrm{I}_{\mathrm{PP}}=2.0 \mathrm{~mA} \)</td><td colspan=3>\( 33.7-\mu \mathrm{s} \)</td><td>\( 24.0-\mu \mathrm{s} \)</td></tr><tr><td rowspan=2>에너지 소비</td><td colspan=2>@ \( \mathrm{I}_{\mathrm{PP}}=0.1 \mathrm{~mA} \)</td><td colspan=3>\( 61.8 \mathrm{~nJ} \)</td><td>\( 41.6 \mathrm{~nJ} \)</td></tr><tr><td colspan=2>@ \( \mathrm{I}_{\mathrm{PP}}=2.0 \mathrm{~mA} \)</td><td colspan=3>\( 1573 \mathrm{~nJ} \)</td><td>\( 1162 \mathrm{~nJ} \)</td></tr></tbody></table><p>표 2는 제안된 승압 전압 발생기의 성능 요약한 것이다. 제안된 승압 전압 발생기는 \( 20 \mathrm{~MHz} \)의 고정된 펌핑 클록 주파수를 사용하는 기존의 승압 전압 발생기에 비해 승압 시간을 \( \mathrm{I}_{\mathrm{PP}}=0.1 \mathrm{~mA} \)일 때, \( 36 \% \) \((3.65- \mu \mathrm{s} \rightarrow 2.34- \mu \mathrm{s}) \) 감소시켰다. 또한 에너지 소모를 \( \mathrm{I}_{\mathrm{PP}}=0.1 \mathrm{~mA}, 2.0 \mathrm{~mA} \)일 때, 각각 \( 33 \% \) \((61.8 \mathrm{~nJ} \rightarrow 41.6 \mathrm{~nJ}) \), \( 26 \% \) \((61.8 \mathrm{~nJ} \rightarrow 41.6 \mathrm{~nJ} \) ) 감소하였다.</p>
|
[
"설계되어 제작된 승압 전압 발생기는 무엇을 이용하여 제작 되었어?",
"그림 8에 나타난 사진은 승압 전압 발생기의 어느 부분이야?",
"\\( 3.0 \\mathrm{~V} \\)의 \\( \\mathrm{V}_{\\mathrm{PP}} \\)를 승압하기 위해 \\( 0.5-\\mu \\mathrm{m} \\times 1.2-\\mu \\mathrm{m} \\)면적의 칩을 내장한 것은 뭐야?",
"승압 전압 발생기의 부하전류의 조건의 값은 뭐였어?",
"\\( 3.0 \\mathrm{~V} \\)의 \\( \\mathrm{V}_{\\mathrm{PP}} \\) 를 승압하기 위해 제안된 승압 전압 발생기에 얼마의 펌핑 캐퍼시터를 냉장하였어?",
"스압 전압 발생기에 내장한 칩의 성능을 측정하기 위해 어떠한 형태의 실험보드를 구성하였어?",
"자체 성능측정을 위한 승압 전압 발생기의 최종 출력 \\( \\mathrm{V}_{\\mathrm{PP}} \\)를 측정하기 위해 사용한 것은 뭐야?",
"\\( \\mathrm{V}_{\\mathrm{PP}} \\)의 파형이 \\( 0.1 \\mathrm{~mA} \\) 일 때 나타내는 건 뭐야?",
"\\( 0 \\mathrm{~V} \\)에서 \\( 3.0 \\mathrm{~V} \\)까지 승압한 \\( \\mathrm{V}_{\\mathrm{PP}} \\)의 승압시간은 뭐야?",
"펌핑 캐퍼시터 6개를 내장한 제안된 승압전압 발생기의 pF얼마야?",
"승압전압발생기 성능에서 일반구조의 승압시간은@ \\( \\mathrm{I}_{\\mathrm{PP}}=0.1 \\mathrm{~mA} \\)일때 \\( 3.65-\\mu \\mathrm{s} \\)였고 제안된 구조는 얼마였어?",
"제안된 승압 전압 발생기의 에너지 소비는 부하전류가 \\( 0.1 \\mathrm{~mA} \\)일때 얼마야?",
"CMOS \\( 0.13-\\mu \\mathrm{m} \\) CMOS을 이용하여 성능위 검증을 하고자 했던 것은 뭐야?",
"제안된 승압 전압 발생기는 기존구조의 발생기보다 승압시간을 얼마나 감소시켰어?",
"제안된 구조는 부하전류가 \\(0.1 \\mathrm{~mA} \\)일때 에너지소모를 얼마나 감소 시켰어?",
"최대 \\( 2 \\mathrm{~mA} \\)의 부하 전류의 조건에서도 제안된 승압 전압 발생기를 승압하기 위해 어떤것을 내장 했어?",
"부하전류가 \\( 2.0 \\mathrm{~mA} \\)일때 제안된 구조의 승압시간을 얼마야?",
"부하 캐퍼시터의 는 얼마의 부하캐퍼시터야?",
"전압 공급기 (Tektronix PS 2520G)를 외부에서 사용해서 \\( \\mathrm{V}_{\\mathrm{ref}} \\)를 인가한 이유는 뭐야?",
"승압 전압 발생기의 성능을 검증하기 위해 \\( 1.2 \\mathrm{~V}\\) 사용한 것은 뭐야?",
"\\( \\mathrm{V}_{\\mathrm{PP}} \\)는 성능 검증을 위해 얼마의 볼트를 사용했어?",
"제안된 승압 전압 발생기의 공정은 에서 CMOS의 크기는 몇 마이크로 미터야?",
"\\( 1162 \\mathrm{~nJ} \\)가 제안된 구조의 에너지 소비일때 기존 에너지 소비는 얼마야?"
] |
8c8d0903-fb8b-4ff0-9210-31fd77cfe2ba
|
인공물ED
|
가변 펌핑 클록 주파수를 이용한 모바일 D램용 고효율 승압 전압 발생기
|
<h1>II. 전하 펌프 성능 비교</h1><p>전하 펌프는 승압 발생기를 구성하는 블록들 중에 전력을 가장 많이 소모 하는 블록이므로, 고효율의 승압 발생기를 구현하기 위해서는 전력 효율이 높은 전하 펌프의 선택이 중요하다. 따라서 CMOS \( 0.13-\mu \mathrm{m} \)을 이용해서 일반적으로 가장 많이 사용되는 Dickson 전하 펌프, 개선된 Dickson 전하 펌프, Cross-coupled 전하 펌프의 전력 효율, 전류 구동 능력 (Current Driving Capability), 승압 시간을 비교하였다.</p><h2>1. Dickson 전하 펌프</h2><p>그림 2(a)은 전하 펌프들 중에 가장 기본적으로 사용되는 Dickson 전하 펌프의 블록도를 나타낸다. 다이오드 형태로 연결된 MOSFET를 사용해서 전하를 현재 단에서 다음 단으로 계속 전달하면서 최종 출력 전압을 승압한다. 따라서 단을 단순히 증가 시키면 원하는 출력 전압을 쉽게 생성할 수 있는 장점이 있다. 하지만 다이오드 형태의 연결을 사용함에 따라 모든 단에서 문턱 전압 만큼의 전압 손실이 발생한다. 또한 단 수가 증가할수록 문턱 전압의 손실은 증가함으로 전체적인 전력 효율이 감소하는 단점이 있다.</p><h2>2. 개선된 Dickson 전하 펌프</h2><p>그림 2(b)은 Dickson 전하 펌프에서 사용된 다이오드 형태로 연결된 MOSFET 대신 전하 전달 스위치 (Charge Transfer Switch, CTS)를 사용한 개선된 Dickson 전하 펌프의 블록도를 나타낸다. 이 구조는 문턱 전압의 손실을 제거해서 전력 효율을 증가시킨다. 하지만, 각 node에 초기 전압을 잘못 설정하면, 이전 단의 전하들이 CTS를 통해서 방전되어 전력 효율이 감소할 수 있다. 또한 각 단의 Gate 단자에 높은 전압이 인가되므로, 동작의 안정도 (Reliability)가 감소한다.</p><h2>3. Cross-coupled 전하 펌프</h2><p>그림 2(c)은 Cross-coupled 전하 펌프의 블록도를 나타낸다. Cross-coupled 전하 펌프는 Cross-coupled 된 NMOS CTS와 Cross-coupled 된 PMOS CTS 한 쌍으로 구성된다. NMOS CTS는 전하를 다음 단으로 전달하며, PMOS CTS는 NMOS에서 발생하는 문턱 전압의 손실을 제거한다. 이 구조를 사용하면, 모든 MOSFET의 Gate-Drain, Gate-Source 사이의 전압이 \( \mathrm{V}_{\mathrm{DD}} \)를 초과하지 않는다. 따라서 높은 전압이 인가 될 때 발생하는 Gate-oxide의 안정도 문제를 제거한다. Dickson와 개선된 Dickson 전하 펌프 모두 펌핑 클록이 "High" 일 때만, 각 단이 펌핑 동작을 하는 반면, Cross-coupled 전하 펌프는 차동 (Differential) 구조로 2개의 전하 이동 통로 (M1, M3이 이루어진 전하 이동 통로와 M2, M4로 이루어진 전하 이동 통로)를 통해서 전하를 전달하기 때문에 전력을 높일 수 있다.</p><h2>4. 성능 비교</h2><p>3 종류 (Dickson, 개선된 Dickson, Cross-coupled)의 전하 펌프의 승압 능력을 알아보기 위해서, CMOS \( 0.13-\mu \mathrm{m} \) 공정을 이용하여 모의실험을 하였다. \( 1.2 \mathrm{~V} \)의 전원 전압 \( (\mathrm{V}_{\mathrm{DD}}) \), \( 1 \mathrm{~nF} \)의 부하 캐퍼시터 \( (\mathrm{C}_{\mathrm{L}}) \), \( 0.1 \mathrm{~mA} \)의 부하 전류 \( (\mathrm{I}_{\mathrm{PP}}) \)의 동일한 조건에서 \( 3.0 \mathrm{~V} \)의 최종 출력 전압 \( (\mathrm{V}_{\mathrm{PP}}) \)을 발생하도록 표 1과 같이 단 수 조절하였다. 전하 펌프의 가장 중요한 성능 지표인 전력 효율 \( (\eta_{\mathrm{P}}) \)은 다음과 같이 계산할 수 있다.</p><p>\( \eta_{\mathrm{P}}=\frac{P_{\text {out }}}{P_{\mathrm{in}}}=\frac{I_{\mathrm{PP}} V_{\mathrm{PP}}}{I_{\mathrm{DD}} V_{\mathrm{DD}}} \)<caption>(1)</caption></p><table border><caption>표 1. 전하 펌프 성능 비교</caption><tbody><tr><td>전하펌드</td><td>Dickson</td><td>개선된 Dickson</td><td>Cross- Coupled</td></tr><tr><td>단 수</td><td>\( 5 \)</td><td>\( 3 \)</td><td>\( 3 \)</td></tr><tr><td>\( \mathrm{V}_{\mathrm{PP}} \) [\( \mathrm {V} \)]</td><td colspan=3>\( 3.0 \)</td></tr><tr><td>전력효율 [\( \% \)]</td><td>\( 38 \)</td><td>\( 56 \)</td><td>\( 65 \)</td></tr><tr><td>승압시간 [\( \mu \mathrm{s} \)]</td><td>\( 3.052 \)</td><td>\( 3.202 \)</td><td>\( 3.827 \)</td></tr></tbody></table><p>그림 3(a), (b)는 각각 부하 전류와 펌핑 클록 주파수에 따른 전력 효율의 변화를 나타낸 것이다. 그림 3(a)는 Cross-coupled 전하 펌프 (Cross.)가 Dickson과 개선된 Dickson 전하 펌프 (Mod. Dickson)보다 같은 부하 전류 조건에서 높은 전력 효율을 가지는 것을 나타낸다. 즉, Cross-coupled 전하 펌프가 높은 전류 구동 능력을 가짐을 확인 할 수 있다. 그림 3(b)는 일반적인 펌핑 클록 주파수와 전력 효율의 관계를 나타낸다. 펌핑 클록 주파수가 증가할수록 전하 펌프의 각 단에서 다음 단으로 전하를 완전하게 전달하지 못함으로 일반적으로 전력 효율은 감소한다. 또한 Cross-coupled 전하 펌프가 펌핑 클록 주파수가 \( 20 \mathrm{~MHz} \) 이하에서 다른 두 종류의 전하 펌프들에 비해 가장 높은 전력 효율을 가진다는 것을 알 수 있다. 따라서 본 논문에서는 승압 전압 발생기의 전력 효율을 증가시키기 위해서 Cross-coupled 전하 펌프롤 사용한다. 하지만 3(c)의 Transient 모의실험 결과에서 나타나듯이, Cross-coupled 전하 펌프가 다른 두 종류의 전하 펌프보다 승압 시간 \( \left(\mathrm{t}_{\text {ramp}}\right) \)이 긴 것을 확인할 수 있으며, 긴 승압 시간은 DRAM의 동작 속도를 제한한다. 따라서 Cross-coupled 전하 펌프를 사용하기 위해서 승압시간을 단축할 수는 방법에 대한 연구가 필요하다.</p>
|
[
"승압 발생기를 구성하는 블록들 중 전력을 가장 많이 소모하는 블럭이 뭐야?",
"왜 고효율의 승압 발생기 구현을 위해 전하 펌프의 선택이 중요해?",
"일반적으로 사용되는 전하 펌프들을 어떻게 비교했어?",
"Dickson 전하 펌프는 어떻게 전압을 승압해?",
"Dickson 전하 펌프의 장점은 뭐야?",
"다이오드 형태의 연결을 사용함에 따라 전력 효율이 감소하는 이유가 뭐야?",
"개선된 Dickson 전하 펌프는 MOSFET 대신 무엇을 사용하였는가?",
"MOSFET 대신 전하 전달 스위치를 사용해서 얻는 이점은 무엇인가?",
"개선된 dickson 전하펌프의 전력 효율을 감소시키려면 어떻게 해야 하는가?",
"동작의 안정도를 감소시키는 요인은 무엇인가?",
"Cross-coupled 전하 펌프를 구성하는 CTS는 무엇인가?",
"NMOST CTS의 역할은 무엇인가?",
"PMOST CTS의 역할은 무엇인가?",
"Cross-coupled 전하 펌프 구조의 이점은 무엇인가?",
"Gate-oxide 안정도 문제를 어떻게 제거하는가?",
"Cross-coupled 전하 펌프가 Dickson 전하 펌프와 비교하여 전력을 더 높일 수 있는 이유는 무엇인가?",
"3종류의 전하 펌프의 승압 능력을 알아보는 모의실험은 어떤 데이터를 비교하였는가?",
"모의실험은 어떻게 진행되었는가?",
"전력 효율은 어떻게 계산할 수 있는가?",
"전하 펌프 성능 비교 모의실험에서 일정하게 유지된 조건은 무엇인가?",
"전력효율이 가장 낮은 전하 펌프는 무엇인가?",
"승압시간이 가장 긴 전하 펌프는 뭐였어?",
"전하펌프의 단수를 다르게해서 성능을 비교한 이유가 뭐야?",
"가장 낮은 전류 구동 능력을 가지는 전하 펌프는 뭐야?",
"펌핑 클록 주파수가 증가할 수록 전력 효율이 감소하는 이유가 뭐야?",
"Cross-coupled 전하 펌프가 다른 전하 펌프들에 비해 가장 높은 전력 효율을 가지는 펌핑 클록 주파수는 얼마인가?",
"Cross-coupled 전하 펌프를 사용하기 위해 선행되어야 하는 연구는 무엇인가?"
] |
809a2d34-0c23-4d9a-aead-35872a171c2b
|
인공물ED
|
유리 표면 Etching을 이용한 염료감응 태양전지의 특성 개선 연구
|
<h1>III. 결론</h1><p>본 논문에서는 염료 감응 태양전지 표면에 빛이 조사될 때 발생하는 반사손실을 줄이고자 \( \mathrm{TiO}_{2} \) 와 친화력이 뛰어나고, 낮은 표면저항, 열적 안정성 및 생성된 전자의 에너지 손실을 줄여주는 성질을 지닌 FTO 유리 기판을 HF 용액 속에서 일정 시간에 따라 표면 처리한 후 염료 감응 태양전지를 제작하였다. 분광기를 이용해 표면 에칭 전후의 유리 기판과 광 전극의 투과도 및 반사도를 측정하여 분광 특성을 비교 분석하였다. 추가로 표면 처리 전후의 유리 기판을 사용한 \( \mathrm{TiO}_{2} \) 염료 감응 태양전지를 제작하여 I-V 특성곡선을 측정하고, 각각의 단락 전류, 개방전압, 곡선 인자 및 변환 효율 등의 전기적 특성을 확인하였다.</p><p>FTO 유리 기판 표면을 에칭 처리하면 거칠어진 표면에 의해서 다중반사가 일어나고 태양전지 내부로 더 많은 광자가 흡수될 수 있으며, 그로 인해 투과되는 빛이 광 전극 하층부 내에서 또 한 번 난반사가 일어나 더 높은 효율을 가지는 태양전지를 제작할 수 있었다. 표면 처리 전의 태양전지와 비교해 \(10\) 분 동안 표면 처리한 태양전지의 경우 단락 전류밀도가 \( 7.98\left[\mathrm{~mA} / \mathrm{cm}^{2}\right] \) 로 측정되었으며, 기준보다 약 \( 17.70 %\) 향상되었다. 에너지 변환효율의 경우 \(2.84\) [%] 에서 \(3.62\) [%]로 기존의 효율보다 약 \(27.46\) [%] 개선되었다.</p><p>결론적으로 유리 기판 표면을 일정 시간 습식 에칭 처리하는 경우에 염료 감응 태양전지 표면에서의 반사손실은 감소하고, 염료 흡수 에너지 증가 및 변환효율을 개선하는 것으로 나타났다.</p>
|
[
"본 논문에서는 FTO 유리 기판을 표면 처리한 후 염료 감응 태양전지를 제작하였나?",
"FTO 유리 기판은 HF 용액 속에서 시간에 따라 표면 처리한 후 염료 감응 태양전지를 제작하였나?",
"FTO 유리 기판에 대하여 \\( \\mathrm{TiO}_{2} \\) 와 친화력이 필요한 이유는 무엇인가?",
"FTO 유리 기판에 대하여 \\( \\mathrm{TiO}_{2} \\) 와 친화력이 필요한 이유는 염료 감응 태양전지 표면에 빛이 조사될 때 발생하는 반사손실을 줄이고자 하기 때문인가?",
"FTO 유리 기판의 성질에는 어떤것들이 있는가?",
"FTO 유리 기판은 \\mathrm{TiO}_{2} \\) 와 친화력이 뛰어나고, 낮은 표면저항, 열적 안정성 및 생성된 전자의 에너지 손실을 줄여주는 성질이 있는가?",
"FTO 유리 기판은 어떤 용액 속에서 표면 처리하였나?",
"다중반사가 일어나게 하려면 FTO 유리 기판 표면을 어떤 처리를 하면 되니?",
"FTO 유리 기판 표면을 다중반사가 일어내게 하려면 어떤 표면처리를 해야 하니?",
"본 논문에서는 어떤 기판을 이용한 태양전지를 제작하였나?",
"본 논문에서는 FTO 유리 기판을 표면 처리한 후 무엇을 제작하였나?",
"\\( \\mathrm{TiO}_{2} \\) 와 친화력이 뛰어나고, 낮은 표면저항, 열적 안정성 및 생성된 전자의 에너지 손실을 줄여주는 성질을 지닌 기판은 무엇인가?",
"분광기를 이용해 표면 에칭 전후의 유리 기판과 광 전극의 투과도 및 반사도를 측정하여 분광 특성을 비교 분석하였는가?",
"유리 substrate와 photo 전극의 표면 식각 공정 투입전과 공정 처리후의 transmittance와 reflectance특성 측정은 어떤장비로 하였는가?",
"빛의 투과도 및 반사도는 glass substrate 와 광 전극을 어떤공정에 투입하기 전과 공정 처리후에 측정하였나?",
"어떤부품을 가지고 스펙트로미터를 이용해 transmittance spectrum 과 reflectance spectum 특성을 비교 분석하였는가?",
"불산 에칭 공정에 대한 유리 substrate와 광 전극의 처리전과 후에 spectometer를 이용해 투과도 및 반사도를 측정하여 비교 분석한 내용은 무엇인가?",
"태양전지 제작에서 FTO 유리 기판 표면을 식각 처리하면 기판 표면에서 발생하는 현상으로 어떤반사가 있어?",
"다중반사 현상이 거친 FTO 유리 기판 표면에서 발생 되면 광자가 더 많이 그 기판으로 제작된 태양전지 내부에서 어떻게 되는가?",
"표면 처리 하지 않은 유리 기판과 처리한 유리기판을 적용하여 \\( \\mathrm{TiO}_{2} \\) 염료 감응 태양전지를 만든 후 전류-전압 특성을 측정하였나?",
"어떤상태의 표면을 만들기 위해 FTO 유리 기판 표면을 에칭 처리하고 그로인해 다중반사가 일어나는가?",
"표면 처리 전과 처리후의 각각의 유리 기판을 사용하여 제작한것은 어떤 완성품이야?",
"태양전지 표면에서 다중반사가 일어나는건 FTO 유리 기판 표면에 어떤 처리를 하면 표면에 roughtness 형성에 의해서 발생되지?",
"제작된 \\( \\mathrm{TiO}_{2} \\) 염료 감응 태양전지로 측정한 특성 항목은 접촉저항, 개방전압, 소비전력 및 총 광변환 효율 등의 전기적 특성을 확인하였나?",
"스펙트로미터를 이용해 HF 표면 식각 처리전후의 FTO 유리 기판과 photo 전극으로 부터 어떤 특성을 측정하였는가?",
"비교 유리 기판을 적용한 \\( \\mathrm{TiO}_{2} \\) 염료 감응 태양전지로 전류-전압 특성 측정을 한것은 어떤공정에 대한 비교를 위한거야?",
"FTO 유리 기판 표면을 식각 처리하면 거칠어진 표면에 의해서 빛의 중첩이 발생되어 효율의 하락이 발생하는가?",
"효율향상을 위한 표면처리된 태양전지 는 내부로 더 많은 photon이 흡수되고 빛이 난반사를 일으키게 되는 곳은 어디인가?",
"태양전지용 FTO 유리 기판 표면을 거칠게 만들면 다중반사가 발생되며 전지 내부로 더 많이 흡수될 수 있는 것은 무엇인가?",
"표면 처리 한것과 안한 기판으로 제작된 산화티타늄 염료 감응 태양전지는 전기적 특성으로 어떤항목을 확인했어?",
"표면 처리 전후의 유리 기판으로 제작한 산화티타늄 염료 감응 태양전지는 어떤 특성을 측정하였나?",
"높은 효율의 태양전지를 제작하기 위하여 표면처리 공정을 하면 표면에서 다중반사가 발생되고 광전극 하단에서 빛이 어떻게 되어 효율향상에 기여하는가?",
"어떤특성의 매개변수 항목이 표면 처리한 태양전지의 경우 처리하지 않은 경우보다 향상되어 \\( 7.98\\left[\\mathrm{~mA} / \\mathrm{cm}^{2}\\right] \\) 로 측정되었는가?",
"표면 처리하지 않은 기판으로 제작된 태양전지의 경우 단락 전류밀도가 \\( 6.78\\left[\\mathrm{~mA} / \\mathrm{cm}^{2}\\right] \\) 로 측정되었는가?",
"거칠어진 FTO 유리 기판 표면에서 다중반사가 일어나면 태양전지 외부로 더 많은 photon이 반사될 수 있는가?",
"태양전지의 단락 전류밀도 특성값이 \\( 7.98\\left[\\mathrm{~mA} / \\mathrm{cm}^{2}\\right] \\) 로 측정된 경우는 기판 표면 처리 공정을 몇 분 동안 표면 처리한 경우인가?",
"어떤품질의 태양전지를 제작하기 위하여 태양전지 내부로 더 많은 photon이 흡수되도록 유리 기판 표면을 식각 공정 처리하였나?",
"기판 표면을 에칭 공정으로 \\(10\\) 분 동안 처리한 태양전지의 경우 단락 전류밀도 특성값은 얼마인가?",
"태양전지의 기판 표면을 \\(10\\) 분 동안 에칭 처리한 경우 처리전보다 단락전류밀도 특성이 얼마나 증가되었는가?",
"표면 에칭 공정을 10 분 동안 처리한 태양전지의 경우 에너지 변환효율이 \\2.84\\) [%]로 처리되지 않은 전지의 효율보다 약 \\(27.46\\) [%] 개선되었나?",
"10 분 동안 표면 에칭 처리한 유리기판으로 제작된 태양전지의 경우 에너지 변환효율이 \\(3.62\\) [%]로 기존의 효율보다 약 몇 [%] 개선되었나?",
"염료 감응 태양전지의 표면에서의 낮은 반사손실과, 높은 염료 흡수 에너지 및 변환효율 향상 결과는 원자재인 유리 기판을 표면 습식 에칭 처리한 것에서 확인되었나?",
"유리기판의 표면을 10분간 처리조건으로 제작된 태양전지의 경우 에너지 변환효율이 몇 [%]로 처리하지 않은 조건의 효율보다 약 \\(27.46\\) [%] 향상되었나?",
"10 분 동안 표면 처리한 태양전지의 경우 어떤특성이 \\(3.62\\) [%]로 기존의 효율보다 약 \\(27.46\\) [%] 개선되었나?",
"저효율의 태양전지는 태양전지 내부로 photon의 흡수가 증가되고 투과된 빛이 광 전극 하층부 내에서 난반사를 일으키게 되도록 제작된 경우에 해당되는가?",
"어떤 공정 처리된 유리 기판으로 제작된 염료 감응 태양전지에서 낮은 표면 반사손실과 높은 염료 흡수 에너지 및 변환효율 향상이 확인되었나?",
"유리 기판의 표면 에칭 공정 처리 유무 비교에서 공정처리후 제작된 염료 감응 태양전지 표면에서 어떤특성이 향상 되었나?"
] |
34afcbf9-8aa1-49ff-8217-635f1a1f1d67
|
인공물ED
|
유리 표면 Etching을 이용한 염료감응 태양전지의 특성 개선 연구
|
<h1>요 약</h1><p>본 논문에서는 표면 Texturing 방법 중 습식 에칭법을 이용하여 태양전지에 사용되는 전극의 표면을 거칠게 처리하였고, 표면 처리 후 \( \mathrm{TiO}_{2} \) 산화물 반도체를 사용한 염료 감응 태양전지를 제작하였다. 표면 처리된 전극을 에칭 시간에 따른 분광특성을 측정 분석하였으며, 에칭 시간에 따라 제작한 \( \mathrm{TiO}_{2} \) 염료 감응 태양전지의 전기적 특성을 평가함으로써 표면 처리에 따른 태양전지의 효율 향상에 관한 연구를 진행하였다. 결과적으로 전극 표면을 10 분간 에칭 처리한 태양전지의 경우 기존 효율과 비교하였을 때, 약 \( 27.46[\%] \) 개선됨을 확인할 수 있었다.</p><h1>I. 서론</h1><p>태양전지 산업에서 주로 단결정 및 다결정 실리콘계 태양전지가 높은 시장 점유율을 보이지만, 실리콘 태양전지는 높은 제조단가, 복잡한 제조공정 등의 측면에서 경쟁력이 다소 떨어져 어려움을 겪는 실정에 놓여있다. 이에 이를 대체할 여러 태양전지 중에서 염료 감응 태양전지가 개발되어 지속적인 연구가 진행되고 있다.</p><p>염료 감응 태양전지의 경우에는 제조단가가 실리콘의 \(5\) 분의 \(1\) 수준에 불과하며, 다양한 색상구현, 유연성 및 투명성 등의 다양한 응용 가능성으로 상용화에 유리한 특징을 지니고 있어 차세대 태양전지로 불린다. 하지만 이러한 여러 장점에도 불구하고 염료 감응 태양전지가 상용화되어 제품으로 생산되기 위해서는 태양전지의 효율이 더욱 개선되어야 하는 연구과제가 남아 있는 상태이다. 이러한 염료 감응 태양전지의 효율을 향상하는 방안으로는 나노입자의 산화물 반도체의 입자크기, 결정성, 표면 상태 조절 기술 등의 개발과 나노입자 산화물 반도체 표면과의 견고한 결합력을 가지며 넓은 범위 파장을 흡수할 수 있는 염료의 개방 등 나노입자 산화물 반도체에 관한 연구가 필요하다. 또 입사되는 빛이 태양전지 표면을 통해 전지 내부로 모두 투과되지 못하고 표면에서 반사되면서 발생하는 광학적 손실을 줄이기 위한 대책도 연구 개발 이루어져야 한다.</p><p>본 연구는 이전 논문에서 다룬 결과를 바탕으로 DSSC(Dye-Sensitized Solar Cell)에 대표적으로 사용되는 \( \mathrm{TiO}_{2} \) 산화물 반도체를 이용하여 태양전지를 제작하고, 추가로 태양전지 상층 표면에서의 반사손실을 감소시키기 위해 FTO(Fluorine doped Tin Oxide) 유리 기판을 표면 처리하여 광 전극으로 전달되는 빛의 양을 증가시켜 효율을 개선하고자 하였다. 유리 기판의 표면 처리는 공정 과정이 매우 간단하고, 컨트롤하기 쉬우며, 가격이 저렴한 습식 에칭을 이용하였다. 이렇게 표면 처리한 전극과 염료 감응 태양전지의 최적 조건을 얻기 위해서 Sample을 광학적, 전기적 특성을 연구하였다.</p>
|
[
"태양전지의 효율 향상 연구시에 전극 표면을 몇 분간 에칭 처리한 태양전지를 기존 효율과 비교 했을때 약 \\( 27.46[\\%] \\) 개선됨을 확인했을까?",
"염료 감응 태양전지의 제조단가는 실리콘 태양전지의 단가에 비해서 얼마나 저렴할까?",
"염료 감응 태양전지의 경우는 실리콘 태양전지보다 낮은 단가, 다양한 색상구현, 유연성 및 투명성 등과 같은 장점과 다양한 응용 가능성을 가지고 있지만, 염료 감응 태양전지를 상용화하기 위해서는 어떤 연구가 필요할까?",
"태양전지를 제작하기 위해 사용되는 산화물 반도체는 대표적으로 어디에 사용이 될까?",
"입사되는 빛이 태양전지의 표면을 통해서 내부로 모두 투과하지 못하고 표면에서 반사가 될때 무엇이 발생할까?",
"염료 감응 태양전지의 효율을 향상하기 위해서 어떤 기술 개발이 필요로 할까?",
"태양전지는 입사되는 빛이 내부로 투과하지 못하고 표면에서 반사 되면서 광학적 손실을 가지고 있는데, 어떤 표면을 처리하여 태양전지 상층 표면에서의 반사손실을 감소시킬까?",
"유리 기판의 표면 처리는 공정과정이 간단하고, 컨트롤이 쉬운데 낮은 가격을 위해 어떤 것을 이용했을까?",
"표면 처리한 전극과 염료 감응 태양전지를 최적의 조건으로 만들기 위해서 어떤 연구를 했지?",
"태양전진에 사용되는 전극의 표면을 거칠게 처리할 수 있는 표면 Texturing 방법은 뭘까?",
"염료 감응 태양전지는 습식 에칭법을 통해서 태양전지 전극의 표면을 거칠게 처리 후에 어떤 반도체를 사용하여 제작하였을까?",
"태양전지 사업에서 어떤 종류의 태양전지가 시장에서 높은 점유율을 가지고 있을까?",
"염료 감응 태양전지는 나노입자 산화물 반도체를 통해서 입자크기, 결정성, 표면 상태 조절 기술 외에 어떤 방법으로 효율을 향상 시킬까?",
"태양전지의 효율 향상에 관한 연구를 위해서 에칭 시간에 따라 제작한 \\( \\mathrm{TiO}_{2} \\) 염료 감응 태양전지의 전지적 특성 평가와 어떤 측정 분석을 했을까?",
"단결정 및 다결정 실리콘계 태양전지가 산업에서 높은 시장 점유율을 보이고 있지만, 복잡한 제조공정 외에 어떤 문제로 경쟁력이 떨어졌을까?",
"염료 감응 태양전지는 실리콘 태양전지 보다 낮은 제조단가, 유연성 및 투명성 그리고 어떤 특징을 가지고 있을까?",
"태양전지 산업에서 단결정 및 다결정 실리콘계 태양전지가 높은 시장 점유율을 보유하고 있지만, 높은 제조단가 그리고 복잡한 제조공정과 같은 단점을 가지고 있어서 실리콘 태양전지를 대체하기 위해서 염료 감응 태양전지 개발 연구를 하고 있을까?",
"태양 전지의 효율 향상 연구 진행을 했을때, 전극 표면을 10 분간 에칭 처리한 태양전지의 경우 기존 효율 보다 약 \\( 31.48[\\%] \\)가 개선되는 결과를 얻었을까?",
"염료 감응 태양전지의 효율을 향상하는 방안으로 나노입자 산화물 반도체에 관한 연구가 필요로 할까?",
"유리 기판의 표면 처리는 공정 과정이 매우 어렵지만, 컨트롤하기 쉽고 저렴한 습식 에칭을 통해 가격적 장점을 가지고 있지?",
"\\( \\mathrm{TiO}_{2} \\) 산화물 반도체를 이용하여 제작하는 태양전지는 광학적 손실을 줄이기 위해서 FTO(Fluorine doped Tin Oxide) 거울 기판을 표면 처리해서 전극으로 전달되는 빛의 양을 증가시켰지?"
] |
3066a5e3-261b-4a2a-adfa-126032420ab9
|
인공물ED
|
유리 표면 Etching을 이용한 염료감응 태양전지의 특성 개선 연구
|
<h1>II. 본론</h1><p>본 논문은 \( \mathrm{TiO}_{2} \) 산화물 반도체와 친화력과 생성된 전자의 에너지 손실 감소, 낮은 표면저항 및 산과 염기 용액 내에서 화학적인 안정성을 가지는 FTO 유리 기판을 사용하여 표면 에칭 처리를 하였다.</p><p>표면 에칭 처리 방법으로는 건식 에칭과 비교하여 공정 과정이 간편하고, 제조비용이 저렴하며, 용액농도와 온도만으로 에칭 속도를 조절할 수 있는 습식 에칭을 이용하여 표면 처리에 적용하였다. 사용되는 에칭 용액으로는 Particle 제거에 뛰어나며 실온에서 에칭이 가능한 HF 용액을 이용하였다. 표면 처리를 진행하기에 앞서 HF 용액 내에서 에칭 처리할 경우 기판의 Backside가 동시에 에칭 처리되어 Undercutting이 발생하기 때문에 기판 전면의 효과를 보기 위해서 PI tape를 부착하여 이를 방지하였다.</p><p>HF 용액은 HF 와 증류수(Distilled water, DIW)를 각각 \( 10\) ml 씩 \( 1: 1 \) 비율로 혼합하여 제조하였으며, 유리 기판을 시간대별로 각 \(5\) 분, \(10\) 분 동안 넣어 표면 처리를 진행하였다. 시간별로 표면 에칭이 끝나면 증류수에서 표면 세척 후, PI tape를 제거한 뒤 아세톤, 에탄올, 증류수 순서로 초음파 세척기를 통해서 \(10\) 분씩 세척하였다. 세척이 끝난 후, Dry Oven에서 \(10\) 분간 건조함으로써 유리 기판 표면 에칭 처리를 완료하였으며, 표면 거칠기 정도에 대한 결과는 이전 논문에 기재하였다.</p><p>염료 감응 태양전지 제작은 광 전극, 상대 전극, 전극 접합 순서로 다음과 같이 제작하였다. 우선 광 전극의 경우 앞서 습식 에칭으로 표면 처리가 완료된 유리 기판을 \(2\)-Propanol, 아세톤, 에탄올 및 증류수 순서로 각 \(10\) 분씩 초음파 세척을 진행하고, Dry Oven을 통해 건조 과정을 거쳤다. 건조가 끝난 유리 기판에 제조한 \( \mathrm{TiO}_{2} \) Paste를 Doctor Blade 기법으로 크기는 \( 0.25\left[\mathrm{~cm}^{2}\right] \), 두께는 \(8-12\)m 정도로 도포를 하였다. Paste가 도포된 유리 기판을 소성로에서 \( 450\left[{ }^{\circ} \mathrm{C}\right] \) 에서 \(30\)분간 소성한 후, 암(dark)실에서 \( \mathrm{TiO}_{2} \) 산화물 반도체와 결합력이 뛰어난 루테늄 계열 N719 염료(dye)에 24시간 동안 침지시켜 염료흡착을 진행하였다. 염료흡착 과정이 끝나면 염료를 단분자층으로 형성하도록 에틸알코올에 \(10\) 분간 넣어둔 뒤 다시 건조함으로써 광 전극을 제작하였다.</p><p>상대 전극은 세척을 진행하기에 앞서 전극 접합 후 전해질 용액을 주입하기 위한 구멍을 사선 방향으로 \( 0.6-0.7\) mm 로 뚫어 주었다. 그다음 광 전극과 같은 순서로 세척 및 건조 과정을 거친 뒤, 촉매 역할을 하는 백금 용액 \( \left(\mathrm{H}_{2} \mathrm{PtCl}_{6}\right) \) 을 상대 전극 표면에 고르게 코팅한 후 \( 450\left[{ }^{\circ} \mathrm{C}\right] \) 온도에서 \(30\) 분간 소성하여 상대 전극을 완성하였다.</p><p>위와 같이 완성된 광 전극과 상대 전극을 접합하기 위해서 광 전극 Paste 주위에 두께 \( 60[\mu \mathrm{m}] \) 의 Hot melt Sealing sheet 필름을 올려두고 상대 전극과 함께 집게로 고정한 뒤 \( 120\left[{ }^{\circ} \mathrm{C}\right] \) 온도에서 \(30\)분 간 열처리하여 두 전극을 접합시켰다. 접합 후 미리 뚫어 놓은 상대 전극의 구멍을 통하여 액체 전해질을 주입하고, 액체형태의 전해질 누수방지를 위한 Cover glass를 덮어줌으로써 염료 감응 태양 전지 제작을 완료하였다.</p><p>그림 3 과 4 는 이전 실험을 바탕으로 측정한 에칭 처리 전후의 FTO 유리 기판을 통해 제작한 광 전극 표면에서의 광 투과도 및 표면 반사도 결과이다. 표면이 거칠게 형성된 광 전극 상층부에 빛을 조사할 경우 에칭 시간에 따라 광 투과는 증가하고, 표면에서 발생하는 반사손실은 감소하는 경향을 보였다. 이는 에칭 처리를 통해 거칠게 형성된 기판 표면에서 빛이 난반사가 되고 이로 인해 전극 내부로 더욱 많은 빛이 투과되어 기판 하층부와 코팅된 Paste 사이에서 그 빛이 또 한 번 내부 반사가 이루어지면서 보이는 결과임을 알 수 있었다.</p><p>그림 5 는 표면 처리 전의 FTO 유리 기판과 Paste 및 염료가 코팅된 기판 즉, 광 전극 부분의 흡광도 결과를 토대로 계산한 그래프로 기판 표면에 빛을 조사하였을 때, 염료에 흡수되는 빛 에너지의 정도를 나타낸 것이다. 이는 실제로 기판 하층부에서도 반사가 이루어지는 것을 확인하기 위함으로 측정 결과를 보면 표면 처리 전의 기판을 기준으로 하였을 때, 표면 처리 후 기판 모두 염료에 흡수되는 빛의 양이 증가한 것을 볼 수 있다. 이처럼 염료에 빛이 흡수량이 증가할 경우 염료에서 산화물 반도체로 전달되는 광전자의 생성이 증가하며, 이는 태양 전지에 흐르는 전류가 향상되는 것으로 표면 처리 후 염료 감응 태양전지 제작에 사용될 경우 에너지 변환효율이 개선될 수 있음을 예상할 수 있다.</p><p>그림 6은 표면 처리 전후의 FTO 유리 기판으로 제작한 \( \mathrm{TiO}_{2} \) 염료 감응 태양전지의 I-V 특성곡선을 나타낸 것으로 실제 태양전지 제작 시 효율이 개선됨을 확인하기 위해 측정하였다.</p><p>특성시험은 AM \(1.5\), \( 100\left[\mathrm{~mW} / \mathrm{cm}^{2}\right] \) 세기의 제논램프 빛을 태양전지 표면에서 조사하여 이로 인해 생성되는 단락 전류, 개방전압, 곡선 인자 FF 및 변환효율 등의 태양전지 성능 파라미터를 표 1 에 기재하였다.</p><p>단락 전류밀도의 경우 표면 처리 전의 경우 약 \( 6.78\left[\mathrm{~mA} / \mathrm{cm}^{2}\right] \) 가 측정되었으며, 표면 처리 시간에 따라 \( 7.33\left[\mathrm{~mA} / \mathrm{cm}^{2}\right], 7.98\left[\mathrm{~mA} / \mathrm{cm}^{2}\right] \) 가 측정 되었다. FF 의 경우 \( 0.53, 0.54, 0.56 \) 으로 유리 기판 표면을 \(10\)분간 습식 에칭 처리했을 때 가장 높은 수치를 보였다. 제작된 태양전지의 에너지 변환효율의 경우 각각 \(2.84 \%\), \(3.17 %\), \(3.62 %\)로 사용되는 유리 기판 표면을 에칭 처리를 통해 거칠게 형성한 뒤 사용할 경우 표면 에칭 처리하지 않은 태양전지 보다 효율이 개선되었다.</p>
|
[
"에칭 용액으로 사용된 HF 용액은 어떤 장점을 가지고 있나요?",
"표면 처리 전에 HF 용액에서 에칭 처리를 하게 되면 undercutting이 발생하는 이유는 무엇인가요?",
"습식 에칭에서는 무엇만으로 에칭 속도를 조절할 수 있나요?",
"습식 에칭은 무엇에 비해 공정이 간편하고 저렴한 제조비용을 가지나요?",
"표면 처리 전에 HF 용액에서 에칭 처리를 하면 무엇이 발생하나요?",
"이 논문에서 사용한 FTO 유리 기판은 어디에서 화학적 안정성을 보이나요?",
"이 논문에서는 어떤 기판을 이용해 표면 에칭 처리를 했나요?",
"무엇을 처리하기 위한 방법으로 습식 에층을 사용했나요?",
"HF 용액은 상온에서 에칭이 불가능한가요?",
"건식 에칭은 공정 과정이 습식에 비해 간편하고 용액 농도와 온도 만으로 에칭 속도를 조절할 수 있나요?",
"전면의 효과를 보기 위해 PI tape를 붙여서 어떤 문제를 방지했나요?",
"에칭 용액으로는 무엇을 사용했나요?",
"HF 용액을 제조할 때 넣은 증류수의 부피는 얼마인가요?",
"다음 중 HF 용액을 제조할 때 HF와 증류수를 혼합한 비율로 알맞은 것을 뭘까?",
"HF 용액에 유리 기판을 각각 \\(7\\) 분, \\(14\\) 분 동안 넣어서 표면 처리를 진행했나요?",
"PI 테이프를 제거한 후에 어떤 기기를 이용해서 세척했나요?",
"PI tape를 제거한 후에 아세톤, 에탄올, 증류수 순으로 초음파 세척기를 사용해 몇 분 동안 세척했나요?",
"세척 후, 어디에서 \\(10\\) 분간 건조시켰나요?",
"시간 별로 표면 에칭이 끝난 직후에는 어떻게 했나요?",
"PI tape를 제거한 후에 어떤 순서로 초음파 세척기를 사용해 세척했나요?",
"다음 중 염료 감음 태양전지 제작의 순서로 올바른 것은 뭘까?",
"세척 후에 dry oven에서 몇 분 동안 건조했나요?",
"이전 논문에는 무엇에 대한 결과를 기재하였나요?",
"염료 감응 태양 전지를 제작할 때 광 전극 바로 다음에는 어떤 전극을 제작했나요?",
"\\( \\mathrm{TiO}_{2} \\) Paste를 건조된 유리 기판에 어떤 기법으로 도포했나요?",
"세척 후에 dry oven에서 건조해서 무엇을 완료했나요?",
"건조된 유리 기판에 \\( \\mathrm{TiO}_{2} \\) Paste를 얼마의 두께로 도포했나요?",
"Paste가 뿌려진 유리 기판을 소성로에서 몇 도의 온도로 소성시켰나요?",
"Paste가 도포된 유리 기판을 소성한 후에 어떻게 염료 흡착을 진행했나요?",
"건조된 유리 기판에 제조한 \\( \\mathrm{TiO}_{2} \\) Paste를 얼마의 크기로 도포했나요?",
"Paste가 도포된 유리 기판을 \\(10\\)분간 \\( 450\\left[{ }^{\\circ} \\mathrm{C}\\right] \\) 에서 소성시켰나요?",
"상대 전극에서는 세척 전에 어떤 과정을 시행했나요?",
"염료 흡착 후에 에틸알코올에 \\(10\\) 분간 넣어둔 뒤 다시 건조하는 이유는 무엇인가요?",
"\\( \\mathrm{TiO}_{2} \\) 산화물 반도체와 결합력이 뛰어나며, N719 염료가 속하는 계열의 이름은 무엇인가요?",
"염료 흡착은 밝은 방에서 N719 염료에 침지시켰나요?",
"상대 전극에서는 전해질 용액을 넣기 위한 구멍을 직선으로 뚫었나요?",
"상대 전극에서는 전해질 용액을 넣기 위한 구멍을 얼마의 두께로 뚫어주었나요?",
"세척과 건조 후에 처리하는 백금 용액 \\( \\left(\\mathrm{H}_{2} \\mathrm{PtCl}_{6}\\right) \\)은 어떤 역할을 하나요?",
"광 전극과 상대 전급을 붙이기 위한 목적으로 광 전극 paste 주위에 어떤 필름을 올려두나요?",
"광 전극과 상대 전극 접합에 사용한 hot melt sealing sheet 필름의 두께는 얼마인가요?",
"광 전극과 상대 전극을 접합할 때 무엇의 주위에 hot melt sealing sheet 필름을 올려두고 작업하나요?",
"전극 접합의 목적으로 광 전극 paste 주위에 필름을 올리고 상대 전극과 함께 고정한 후에 \\( 150\\left[{ }^{\\circ} \\mathrm{C}\\right] \\) 온도에서 \\(30\\)분 간 열처리했나요?",
"접합을 한 후에 무엇을 통해 액체 전해질을 주입할 수 있었나요?",
"접합을 한 후에 상대 전극의 구멍으로 무엇을 주입했나요?",
"그림 3과 4에서는 에칭 처리 전후의 FTO 유리 기판을 활용해 만든 어디에서의 광 투과도와 표면 반사도를 나타내나요?",
"광 전극 상층부는 표면이 매끄럽게 형성되었나요?",
"그림 3과 4에서는 이전 실험을 기반으로 측정한 에칭 전 후의 FTO 유리 기판으로 만든 광 전극 표면에서의 무엇에 대한 결과를 나타내나요?",
"Cover glass를 덮는 것은 액체 형태의 전해질의 누수를 방지하기 위함인가요?",
"표면이 거친 광 전극 상층부에 빛을 쬐면 에칭 시간과 광 투과가 반비례하는 특성을 보였나요?",
"광 전극 상층부에 빛을 쬐었을 때는 어떤 경향성을 보였나요?",
"거친 기판의 표면에서 빛이 난반사 되면서 전극 안쪽으로는 더 적은 빛이 투과되어 들어오나요?",
"에칭 처리를 거쳐 거칠게 형성된 기판의 표면에서 빛은 어떻게 되나요?",
"그림 5에서는 어떤 결과를 토대로 계산한 그래프가 나타나있나요?",
"태양 전지에 흐르는 전류가 향상되면 표면 처리 후 염료 감응 태양 전지에 사용되었을 때 에너지 변환 효율이 낮아질 수 있나요?",
"태양 전지에 흐르는 전류가 향상되는 것을 통해 무엇을 예상할 수 있나요?",
"그림 5은 어떤 전지의 I-V 특성 곡선을 나타내고 있나요?",
"표면 처리 전의 기판에 비해 처리 후 기판에서는 염료에 흡수되는 빛의 양이 감소했나요?",
"염료에 빛 흡수량이 증가할 때 염료에서 산화물 반도체로 전달되는 광전자의 생성이 증가하는 것은 무엇을 의미하나요?",
"그림 5는 기판의 표면에 빛을 쬐었을 때 무엇에 흡수되는 빛 에너지의 정도를 나타내나요?",
"\\( \\mathrm{TiO}_{2} \\) 염료 감응 태양전지의 I-V 특성곡선은 왜 측정되었나요?",
"표면 처리 전에 단락 전류밀도는 대략 얼마였나요?",
"유리 기판 표면을 에칭 처리하지 않았을 때 태양전지의 에너지 변환 효율이 더 높았나요?",
"FF에서는 유리 기판 표면을 몇 분간 습식 에칭했을 때 가장 높은 수치를 보였나요?",
"습식 에칭으로 표면 처리가 끝난 유리 기판을 어떻게 세척했나요?",
"특성 시험에서는 어떤 빛을 태양전지 표면에서 조사하였나요?",
"염료에 빛 흡수량이 증가했을 때 염료에서 산화물 반도체로 전달되는 광 전자의 생성은 어떻게 변화하나요?"
] |
f0165718-4a47-480e-b1a1-52ebddd718fc
|
인공물ED
|
전계방출 전자빔을 활용한 진행파관 진공전자소자 개발 동향
|
<h1>2. 진행파관 진공전자소자</h1><h2>2.1. RF 발생장치</h2><p>진공전자소자는 1900년대 진공 다이오드 발명으로부터 2차 세계대전을 기점으로 여러 종류의 진공전자소자가 개발되었다. Klystron, TWT, magnetron 등으로 분류되는 진공전자소자는 강력한 RF 발진/증폭장치로 현재까지 개발이 지속되고 있으며, 최근 테라헤르츠 대역 발생장치의 필요성에 의하여 그 중요성이 더욱더 대두되고 있다. 대표적인 RF 대역 발생장치는 반도체소자를 이용하는 것으로, 진공전자소자와 기본적인 동작원리는 동일하다. 그림 1 과 같이, 반도체소자와 진공전자소자 모두 전자의 운동에너지를 결맞는 전자기파 에너지로 변환하는 원리를 가지고 있다. Source (혹은 emitter)와 drain (혹은 collector) 간의 전압차로 인한 전자빔 방출이 이루어진다. 이때 반도체소자와 진공전자소자의 전자빔 이동이 이루어지는 매개 물질에 차이가 있다. 반도체 소자는 전자빔 이동 매개 물질이 반도체이고, 진공전 자소자는 진공내 전자가 이동하게 된다. 이러한 전자빔이 진행하는 매개물질의 차이로 인하여, 반도체소자의 경우 전자빔이 반도체 내에 이동할 때 격자와의충돌로 인한 전자의 운동에너지의 일부가 비가역적인 열에너지로 소비된다. 진공전자소자는 전자빔이 진공내를 이동하기 때문에 충돌 없이 collector까지 도달하게 되어, 대부분의 열은 금속으로 구성된 collector에서 발생한다. 반도체소자의 경우 반도체 내 발생하는 열을 효율적을 냉각시키는 문제와 대기 방사선이 소자에 충돌할 때 물성이 변하는 문제 등으로 인하여 진공전자소자에 비하여 출력증가에 한계가 있다.</p><h2>2.2. 진행파관 진공전자소자 개념</h2><p>진행파관 (Traveling wave) 진공전자소자는 진공전자소자의 한 종류이며, 그림 2와 같이, 전자빔을 방출시키는 전자방출부가 진공내 진행할 때 진행파관(traveling wave) 형태의 전자빔-전자기파 상호작용 회로(interaction circuit)을 지나면서 전자기파의 속도를 전자빔과 상호작용할 수 있으면서 RF를 방출할 수 있는 속도로 제어하고, 상호작용이 끝난 전자빔을 collector에 도달시키는 구성으로 되어 있다. 전자기파의 속도제어를 위해서, 회로가 helical 형태이거나 folded waveguide (FW) 형태로 구성하는 회로가 주된 형태이다. 특별히 최근 나노공작기기 및 반도체 공정의 획기적인 발전으로, TWT 주파수가 증가하면서 비례하여 크기가 줄어드는 상호작용 회로의 요구되는 공정 정밀도가 가능해졌다. UV-LIGA 나 DRIE 등의 공정으로 가공하는 방식과 나노 CNC 공작기기를 이용한 방식이 있다. 특별히 나노 CNC 공작기기를 이용하여 최근 가공 정밀도가 계속해서 개선되고 있고, 전기전도도가 이상적인 \(\mathrm{Cu}\) 와 비교하여 크게 저하되지 않는 가공 결과가 울산과학기술원의 최근 연구를 통해 보고되었다. 그림 3은 \( 270 \mathrm{GHz} \) TWT 진공전자소자의 진행파관 회로를 나노 CNC 공작기기로 가공한 결과를 광학 및 전자현미경으로 확대 한 결과이다. 공정의 표면 거칠기는 수십 \( \mathrm{nm} \) 이고, 이 테라헤르츠 주파수 대역에 해당되는 \(\mathrm{Cu}\) 의 전기전도도는 대략 \( 5.5 \times 10^{7} \mathrm{S} / \mathrm{m} \) 로 예측된다. 이는 이상적인 \(\mathrm{Cu}\)의 전기전도도인 \( 5.8 \times 10^{7} \mathrm{S} / \mathrm{m} \)과 거의 유사한 수치로, 나노 CNC 가공을 통하여 거의 손실 없는 회로 가공이 가능함을 확인한 결과이다.</p>
|
[
"최근 나노공작기기 및 반도체 공정의 획기적인 발전으로, TWT 주파수가 증가하면서 비례하여 크기가 줄어드는 상호작용 회로의 요구되는 공정 정밀도가 가능해졌나?",
"1900년대 진공 다이오드 발명으로부터 2차 세계대전을 기점으로 여러 종류의 진공전자소자가 개발되었나?",
"Klystron, TWT, magnetron 등으로 분류되는 진공전자소자는 강력한 RF 발진/증폭장치로 현재까지 개발이 지속되고 있는가?",
"최근 테라헤르츠 대역 발생장치의 필요성에 의하여 그 중요성이 더욱더 대두되고 있나?",
"반도체소자와 진공전자소자 모두 전자의 운동에너지를 결맞는 전자기파 에너지로 변환하는 원리를 가지고 있나?",
"Source (혹은 emitter)와 drain (혹은 collector) 간의 전압차로 인한 전자빔 방출이 이루어지는가?",
"도체소자와 진공전자소자의 전자빔 이동이 이루어지는 매개 물질에 차이가 있나?",
"반도체 소자는 전자빔 이동 매개 물질이 반도체이고, 진공전 자소자는 진공내 전자가 이동하게 되는가?",
"진공전자소자는 전자빔이 진공내를 이동하기 때문에 충돌 없이 collector까지 도달하게 되어, 대부분의 열은 금속으로 구성된 collector에서 발생하나?",
"반도체소자의 경우 전자빔이 반도체 내에 이동할 때 격자와의충돌로 인한 전자의 운동에너지의 일부가 비가역적인 열에너지로 소비되는가?",
"상호작용이 끝난 전자빔을 collector에 도달시키는 구성으로 되어 있는가?",
"전자기파의 속도제어를 위해서, 회로가 helical 형태이거나 folded waveguide (FW) 형태로 구성하는 회로가 주된 형태인가?",
"UV-LIGA 나 DRIE 등의 공정으로 가공하는 방식과 나노 CNC 공작기기를 이용한 방식이 있는가?",
"반도체소자의 경우 반도체 내 발생하는 열을 효율적을 냉각시키는 문제와 대기 방사선이 소자에 충돌할 때 물성이 변하는 문제 등으로 인하여 진공전자소자에 비하여 출력증가에 한계가 있나?",
"전자빔을 방출시키는 전자방출부가 진공내 진행할 때 진행파관(traveling wave) 형태의 전자빔-전자기파 상호작용 회로(interaction circuit)을 지나면서 전자기파의 속도를 전자빔과 상호작용할 수 있으면서 RF를 방출할 수 있는 속도로 제어하는가?",
"진행파관 (Traveling wave) 진공전자소자는 진공전자소자의 한 종류인가?",
"나노 CNC 공작기기를 이용하여 최근 가공 정밀도가 계속해서 개선되고 있나?",
"대표적인 RF 대역 발생장치는 반도체소자를 이용하는 것으로, 진공전자소자와 기본적인 동작원리는 동일한가?"
] |
e9a78f35-59b4-480a-8f5e-ef951a788f0d
|
인공물ED
|
전계방출 전자빔을 활용한 진행파관 진공전자소자 개발 동향
|
<h2>2.3. 진공전자소자와 열전자 방출부</h2><p>전자방출부인 emitter를 구성하는 금속에서 전자빔이 방출되기 위해서는, 금속의 외각 전자가 진공으로 방출되기 위한 필요한 에너지가 공급되어야 한다. 이때, 금속표면에서부터 방출되기 위해 필요한 최소의 에너지를 일함수 (work function)라고 정의한다.진공전자소자는 대체적으로 일함수가 낮은 금속 계통(예: Barium 물질)을 음극으로 다공성 텅스텐과 혼합한 구성물로 사용한다. 통상적인 M-type 음극의 경우, 전류밀도가 \(1-20 \mathrm{A}/\mathrm{cm}^{2}\)의 성능을 보인다. 일함수가 낮은 물질일수록 emitter에 가하는 온도가 낮아질 수 있고, 음극의 수명이 더 늘어날 수 있다.</p><p>음극의 온도는 또한 전류밀도에 영향을 주게 된다. 고전류밀도를 위해서 음극의 온도를 높여야 하는데,이 경우에 전자방출부의 수명이 비례하여 감소되므로, 온도가 낮은 물질로 열전자 방출부를 구성하는 것이 가장 바람직하다. 또한 테라헤르츠 대역의 진공소자와 같이 크기가 작아지면서 동시에 고출력을 위한 전류밀도를 높여야 하는 경우, 고전류밀도가 가능한 음극의 개발이 필요하다. 최근 Scandate 음극의 발전으로 서브마이크론 사이즈의 scandate doped 음극에서 \( 850{ }^{\circ} \mathrm{C} \) 에 \( 35 \mathrm{~A} / \mathrm{cm}^{2} \) 의 전류밀도가 방출된 결과가 발표되었다. 그림 4는 scandia doped 텅스텐 메트릭스에 기계적 방식, liquid-solid 방식, sol-gel 방식 및 spray dry 방식으로 기공 메트리스 내 균일하면서 작은 사이즈의 scandia 분포를 SEM 이미징을 통해 분석한 결과이다. Sol-gel 방식과 spray dry 방식이 다른 두 가지 방식에 비해 전류밀도가 높아짐이 확인되었다. Scandate의 음극내 균일성과 서브마이크론 사이즈의 확보가 음극의 성능을 높이는 데 매우 중요함을 밝힌 결과이다.</p>
|
[
"금속표면에서부터 방출되기 위해 필요한 최소의 에너지를 무엇이라 하는가?",
"통상적인 M-type 음극의 전류밀도 성능은 무엇인가?",
"\\( 35 \\mathrm{~A} / \\mathrm{cm}^{2} \\) 의 전류밀도가 방출된 결과가 발표되었는데 이때 서브마이크론 사이즈의 scandate doped 음극에 온도는 몇 \\( { }^{\\circ} \\mathrm{C} \\)인가?",
"전류밀도가 높아짐이 확인된 방식 두가지는 무엇인가?",
"음극의 온도는 전류밀도에 영향을 주게 되는가?",
"전자방출부인 emitter를 구성하는 금속에서 전자빔이 방출되기 위해서는, 금속의 외각 전자가 진공으로 방출되기 위한 필요한 에너지가 공급되어야 하는가?",
"일함수가 낮은 물질일수록 emitter에 가하는 온도가 낮아질 수 있고, 음극의 수명이 더 늘어날 수 있나?",
"테라헤르츠 대역의 진공소자와 같이 크기가 작아지면서 동시에 고출력을 위한 전류밀도를 높여야 하는 경우, 고전류밀도가 가능한 음극의 개발이 필요한가?",
"Sol-gel 방식과 spray dry 방식이 다른 두 가지 방식에 비해 전류밀도가 높아짐이 확인되었나?",
"진공전자소자는 대체적으로 일함수가 낮은 금속 계통(예: Barium 물질)을 음극으로 다공성 텅스텐과 혼합한 구성물로 사용하는가?",
"고전류밀도를 위해서 음극의 온도를 높여야 하는데,이 경우에 전자방출부의 수명이 비례하여 감소되므로, 온도가 낮은 물질로 열전자 방출부를 구성하는 것이 가장 바람직한가?",
"금속표면에서부터 방출되기 위해 필요한 최소의 에너지를 일함수 (work function)라고 하는가?",
"전자방출부인 emitter를 구성하는 금속에서 전자빔이 방출되기 위해서는 어떻게 되야 하는가?"
] |
619e6b84-d831-4fa6-96c3-db04672d837e
|
인공물ED
|
전계방출 전자빔을 활용한 진행파관 진공전자소자 개발 동향
|
<h1>1. 서론</h1><p>최근 5G 를 넘어선 6G 통신이 가시화되면서, 테라 헤르츠파 대역의 수요가 급증하고 있다. 이에 따른 고출력 고효율 초소형 RF 소자의 개발이 매우 필요한 상황이다. 전통적인 방식의 열음극에 기반한 전자방출 방식은 향후 시스템 소형화 및 운용적 측면에서 냉음극 전자방출부에 비하여 한계가 있다. 냉음극에 기반한 진공전자소자는 분명히 향후 개발되어야 하는 중요한 연구 방향이다. 본 기고에서는 밀리미터파 및 테라헤르츠파에서 출력의 우위에 있는 진공전자소자 (vacuumelectronics)에 대한 소개와, 이 분야에서 최근 관심을 받고 있는 전계방출 (field emission) 전자빔을 이용한 진행파관에 대한 개발 동향을 살펴본다.</p>
|
[
"테라 헤르츠파대역의 수요에 맞춰 향후 고안되어야 하는 연구 방법은 열음극에 기반한 진공전자 소자이다.",
"테라 헤르츠파 대역의 수요가 감소하고 있다.",
"시스템 소형화 및 운용적 측면에서 냉음극 전자방출부보다 열음극에 기반한 전자 방출 방식이 효과적이다."
] |
87efc613-0a11-4fff-8993-54332178267b
|
인공물ED
|
전계방출 전자빔을 활용한 진행파관 진공전자소자 개발 동향
|
<h1>4. 결론</h1><p>본 논문에서는 최근 각광을 받고 있는 고출력 테라 헤르츠 소자 중 진공전자소자의 개념과 냉음극을 이용한 개발 동향에 대하여 살펴보았다. 진공전자소자는 지속적으로 소형화, 모듈화 방향으로 개발이 되고 있고, 즉각적인 전자빔의 방출이 가능한 냉음극은 지속적인 개발이 필요하다. 열음극과 비교하여 시스템적 측면과 운용적 측면에서의 장점을 냉음극이 많이 가지고 있지만, 아직 기술적인 성숙도에 이르지는 못한 상황이다. 현재 구현되는 FE 기반의 TWT 중, L3 사에서 보고한 C-band 진공전자소자가 가장 기술적으로 완성도가 높으나, spindt 타입의 냉음극은 안정성 및 장시간 운전성능을 확보하는 것이 요구된다. CNT 타입의 FE 냉음극은 최근 기술적인 발전이 지속적으로 이루어지고 있으나, 아직 TWT 진공전자소자가 요구하는 전류가 가능한 성능 확보를 위해서는 여전히 연구가 필요하다. 테라헤르츠 대역으로 주파수가 높아지면, 전자방출부의 전자빔의 성능이 매우 중요하다. 전자빔이 방출되는 순간의 radial 속도 성분이 최소화되어야 하며, 이것이 전자기파 발생에 결정적인 역할을 한다. 따라서, 향후 요구되는 테라헤르츠 대역 고출력 진공전자소자 개발에 전류밀도, 전자빔 광학적 성능 및 방출빔의 균일도를 확보하는 것이 매우 중요한 연구 주제이다.</p>
|
[
"논문에서 설명하고 있는 것이 전류밀도가 맞는가?"
] |
4b9f4768-1664-429c-ac13-f146e36aa343
|
인공물ED
|
전계방출 전자빔을 활용한 진행파관 진공전자소자 개발 동향
|
<h1>3. 전계방출 전자빔 진공전자소자</h1><p>전계방출 (Field emission) 방식의 진공전자소자 전자방출부를 여러 진공관 타입에 적용되려는 시도가 1990년 말부터 지속적으로 있어 왔다. 1999년 X-band (\(8-12 \mathrm{GHz}\)) TWT를 Spindt field emitter array (FEA)를 통하여 개발한 보고 결과를 보면, 전류밀도 \( 5 \mathrm{~A} / \mathrm{cm}^{2} \) 를 \( 1.2 \mathrm{~mm} \) 직경의 음극에 542,000개의 Mo emitter cone을 통해 획득하였고, FEA-TWT 시스템에서 최종 출력 \( 28.2 \mathrm{~W} \) 가 보고되었다. 이때 음극 전류가 \( 56 \mathrm{~mA} \) 이며, RF 변환효율은 \( 10.5 \% \) 로 보고되었는데, 설계 효율은 \(20 \% \) 이어서 크게 못미치는 RF 변환효율을 실험적으로 확인하였다. 이 원인으로 FEA 에서 전자빔이 방출될 때, 초기 전자의 radial 속도 성분이 매우 크며, 이러한 전자빔이 TWT 회로를 이동할 때 전자빔의 ripple 이 커지게 된다. 이러한 ripple을 억제하기 위해서 자기장에 의한 compression ratio를 증가시키게 되 고, 따라서 RF 변환효율이 낮아지는 원인이 된다. 이러한 cone 형태의 FEA 구조는 전자빔의 radial 속 도 성분이 최소화되도록 하는 것이 매우 중요하며, 특 별히 테라헤르츠 대역으로 주파수가 증가할 때 이는 진공전자소자의 성능에 직접적인 영향을 주는 문제가 된다. 미국의 L3 사에서 2009 년 FE기반 C-band (\(4-8 \mathrm{GHz}\)) TWT 개발에 성공하였는데, Mo 기반의 FE50,000 개 배열을 통해 emitter 직경 \( 1 \mathrm{~mm} \) 에 서 전류밀도 \( 15.4 \mathrm{A} / \mathrm{cm}^{2} \) 를 획득하였다. 총전류 \(121 \mathrm{mA} \) 에 출력 \( 100 \mathrm{~W} \) 를 확보하였으며, 150 시간 이상의 운전시간 및 \( 97 \% \) 이상의 전자빔 투과율을 보고 한 바 있다. Spindt 타입의 emitter 와 다른 방 식의 냉음극 역시 개발이 되고 있는데, 대표적인 것 이 carbon nanotube (CNT) 타입의 냉음극이다. CNT기반의 냉음극은 gate에 인가하는 전압이 비교적 낮으며, 열전도도 및 전기전도도가 우수하고, 물 리적인 안정성이 있는 구조로 알려져 있다. 2019년 X-band 대역의 TWT를 CNT 기반의 냉음극을 통하 여 개발한 보고를 보면, emitter 직경이 \( 0.6 \mathrm{~mm} \) 에 전류 \( 40 \mathrm{~mA} \) 를 설계목표로 하고 있다 (그림 5 참조).</p><p>펄스타입의 TWT 테스트를 통해, \( 16 \mathrm{mA} \) 전류가 가능하다고 해석을 하였으나, 시험 도중 CNT 음극의 손상으로 인하여 시험에 성공하지는 못하였다. 한편,TWT 와는 다른 형식의 진공전자소자인 gyrotron이 CNT 냉음극을 이용하여 개발한 사례가 보고되었는데, gyrotron은 TWT 등과는 다른 emitter의 형태를 가지고 있다. Gyrotron의 emitter는 ring 타입의 annual beam 을 활용한다. X. Yuan et al.은 \( 0.22 \mathrm{THz} \), 출력 \( 500 \mathrm{~mW} \) 를 CNT 냉음극을 통하여 구현하였고, 빔전류 \( 28.2 \mathrm{~mA} \), 전류밀도 \( 2.477 \mathrm{~A} / \) \( \mathrm{cm} ^{2} \) 의 결과를 보고하였다.</p>
|
[
"펄스타입의 TWT테스트를 통해 16mA 전류가 가능하다고 해석을 하였고 시험도 성공하였다.",
"1999년 FEA를 통해 개발한 보고 결과속 5 A/cm^2를 1.2mm 직경의 음극에 사용한 Mo emitter cone이 50만개 이상 사용되었다."
] |
5e50b563-f5a5-4308-a9a0-3cc95595558c
|
인공물ED
|
MPPT 제어 기능을 갖는 진동에너지 수확을 위한 CMOS 인터페이스 회로
|
<h1>II. 회로설계</h1><h2>1. 제안된 회로 구조</h2><p>그림 1 은 본 논문에서 제안하는 진동에너지 수확을 위한 MPPT 제어 기능을 갖는 CMOS 인터페이스 회로의 블록도이다. 제안된 회로는 진동소자 (PZT), AC-DC 변환기 (Full Wave Rectifier), MPPT 제어기, DC-DC 부스트 변환기 그리고 PMU (Power Management Unit)로 구성 된다. 진동소자에서 발생된 AC 신호 \( \left(\mathrm{V}_{\mathrm{PZT}+}\right. \), \( \left.\mathrm{V}_{\mathrm{PZT}-}\right) \) 는 AC-DC 변환기를 거처 DC신호 \( \left(\mathrm{V}_{\mathrm{FWR}}\right) \) 로 전파 정류된다. MPPT 제어기는 주기성을 갖는 신호 MC 를 발생시키고, MC 가 '1'인 동안 PMOS 스위치인 SW 1 은 개방되어 진동소자 (AC-DC 변환기 포함)의 개방회로전압 \( \left(\mathrm{V}_{\mathrm{OC}}\right) \) 이 샘플링 된다. MC 가 '0' 인 동안에는 진동소자로부터 수확된 에너지가 저장 커페시터인 \( \mathrm{C}_{2} \) 에 축적된다. 이 때 \( \mathrm{C}_{2} \) 의 전압 \( \left(\mathrm{V}_{\mathrm{DD}}\right) \) 은 AC-DC 변환기의 출력전압 \( \left(\mathrm{V}_{\mathrm{FWR}}\right) \) 과 같아지며, 최대전력을 수확하기 위해서는 MPP 근처의 값을 유지해야 한다. 이를 위해 MPPT 제어기는 전력 스위치 SW2 를 제어하기 위한 신호 EN 을 발생시킨다. EN 신호가 '0'인 동안에는 PMOS 스위치인 SW2 가 on 이 되어, 수확된 에너지가 DC-DC 변환기의 입력 \( \left(\mathrm{V}_{\mathrm{IN}}\right) \) 으로 전달된다. DC-DC 변환기에서 승압된 출력전압 ( \( \left.\mathrm{V}_{\text {OUT }}\right) \) 은 PMU 에 의해 듀티(duty)를 갖는 안정화된 신호 \( \left(\mathrm{V}_{\mathrm{L}}\right) \) 로 변환되어 부하 \( \left(\mathrm{R}_{\mathrm{L}}\right) \) 로 공급된다.</p><h2>2. 진동소자</h2><p>그림 2 는 압전소자의 노턴 등가회로이다. 교류 전류원 \( \left(\mathrm{I}_{\mathrm{P} Z T}\right) \) 의 전류진폭은 진동의 주파수와 크기에 따라 변하며, 병렬 커페시터 \( \mathrm{C}_{\mathrm{P}} \) 는 압전소자에 존재하는 내부 커페시터이다. 본 논문에서 사용한 압전소자 QP20W의 경우 \( \mathrm{C}_{\mathrm{P}} \) 의 값은 \(200\) \( \mathrm{nF} \) 이며, \( 80 \mathrm{Hz} \) 의 주파수와 \( 7 \mathrm{m} / \mathrm{s}^{2} \) 의 진동크기에서 개방회로 전압은 \( 3 \mathrm{V} \) 이하이고 최대 발생 전력은 \( 125 \mu \mathrm{W} \) 이다. 압전소자 AC-DC변환기 포함)의 경우 개방회로 전압 \( \mathrm{V}_{\mathrm{OC}} \) 절반이 되는 지점에서 최대 전력을 출력한다. 따라서 MPP에서의 전압 \( \mathrm{V}_{\mathrm{MPP}} \) 는 식 (1)과 같으며, 이 관계식을 이용하여 MPPT를 구현하였다.</p><p>\( V_{M P P} \cong \frac{1}{2} \cdot V_{O C} \)<caption>(1)</caption></p><h2>3. AC-DC 변환기 (ADC)</h2><p>진동소자에서 발생되는 신호는 AC 형태이므로 DC 신호로 변환하기 위해서 AC-DC converter (ADC)가 필요하다. 진동소자로부터 최대 전력을 수확하여 부하로 전달하기 위해서는 AC-DC 변환기의 전력효율이 높아야 한다. 기존의 4 개의 MOS 다이오드를 이용한 ADC나 2개의 MOS 다이오드와 2 개의 MOS 스위치를 이용한 ADC와 같은 수동 (passive) ADC들은 트랜지스터의 문턱전압에 의해 출력전압이 감소하며 따라서 전력 변환 효율이 낮다는 단점이 있다. 이와 같은 문제점을 해결하기 위해 본 논문에서는 그림 3 에서와 같이 2개의 능동 다이오드와 2 개의 MOS 스위치로 구성된 능동 (active) ADC를 이용하였다. 능동 ADC는 트랜지스터의 문턱전압에 의한 손실을 최소화 할 수 있으며 역전류를 효과적으로 차단하여 효율을 높일 수 있다는 장점이 있다. PMOS 스위치와 비교기로 구성된 능동 다이오드는 출력전압 \( \mathrm{V}_{\mathrm{FWR}} \) 이 입력전압 \( \mathrm{V}_{\mathrm{PZT}+} \) 또는 \(\mathrm{V}_{\mathrm{PZT}-} \)보다 커지면 비교기의 출력이 '1'이 되어 PMOS 스위치를 off시키고 역전류를 차단한다. 출력전압이 입력전압보다 작아지면 스위치를 on시켜서 큰 전압강하 없이 입력을 출력에 전달하게 된다.</p><p>설계된 ADC를 그림 2 의 압전소자 등가모델에 연결하여 P-V 및 I-V특성을 모의실험 하였으며, 그 결과를 그림 4 에 보였다. 개방회로 전압 \( V_{O C} \) 는 \( 2.97\mathrm{V} \) 이며, MPP에서의 전압 \( \left(\mathrm{V}_{\mathrm{MPP}}\right) \) 은 \( 1.49 \mathrm{V} \) 로 개방회로 전압의 약 1 / 2 인 것을 알 수 있다. 또한 MPP에서의 최대 가용 전력은 \( 140.3 \mathrm{uW} \) 이다.</p>
|
[
"\\( \\mathrm{V}_{ \\text {OUT} } \\)를 듀티를 갖는 안정화된 신호로 변환시키고 부하로 공급하는 것은 뭐야?",
"본 논문에서 제안된 회로는 무엇으로 구성되어 있어?",
"본 논문에서 제안하는 CMOS 인터페이스 회로의 기능은 뭐야?",
"진동소자에서 발생한 AC신호가 전파 정류되는 과정은 뭐야?",
"진동소자에서 발생한 AC 신호는 어떤 신호로 전파 정류돼?",
"MPPT 제어기의 역할은 뭐야?",
"MPPT 제어기가 발생시키는 신호는 뭐야?",
"SW 1은 뭐야?",
"MC가 1일 때 SW 1 이 개방되고 난 후 일어나는 일은 뭐야?",
"MC가 1인 동안에 PMOS 스위치는 개방돼?",
"MC 신호가 1일 때 어떤 형태로 샘플링돼?",
"MC가 0일 때는 어떤 과정이 일어나?",
"MC가 0인 동안에 진동소자에서 얻은 에너지는 어디에 축적돼?",
"\\( \\mathrm{C}_{2} \\)는 뭐야?",
"MC가 0일 때 \\( \\mathrm{C}_{2} \\)의 전압은 어떤 값과 같아?",
"MC가 0인 동안에 최대전력을 얻기 위해서 유지되어야 하는 \\( \\mathrm{C}_{2} \\)의 전압의 값은 뭐야?",
"MC 신호가 0일 때 \\( \\mathrm{C}_{2} \\)의 전압이 MPP 근처의 값을 유지해야 하는 이유가 뭐야?",
"MC 신호가 0인 동안에 \\( \\mathrm{C}_{2} \\)의 전압은 AC-DC 변환기의 출력전압\\( \\left(\\mathrm{V}_{\\mathrm{FWR}}\\right) \\)과 달라?",
"전력 스위치 SW2를 제어하기 위해 MPPT 제어기가 발생시키는 신호는 뭐야?",
"MPPT 제어기는 MPP 근처의 값을 유지하기 위해 EN 신호를 발생시키는 이유가 뭐야?",
"EN 신호가 0일 때 SW2가 on이 되면 일어나는 과정은 뭐야?",
"신호 EN이 0인 동안에 얻어진 에너지는 어디로 전달되는 거야?",
"EN 신호가 0인 동안에 on이 되는 스위치는 뭐야?",
"신호 EN이 0이면 수확된 에너지가 AC-DC 변환기의 입력으로 전달되는 것이 맞아?",
"SW2는 뭐야?",
"\\( \\mathrm{C}_{2} \\)의 전압을 MPP 근처의 값으로 유지하기 위해서 MPPT 제어기가 하는 일은?",
"회로에서 최대전력을 얻기 위해 작동하는 것은 PMU가 맞아?",
"DC-DC 변환기 출력전압이 승압되면 일어나는 과정은 뭐야?",
"교류 전류원의 전류 진폭에 영향을 끼치는 것은 뭐야?",
"\\( \\mathrm{C}_{\\mathrm{P}} \\)는 뭐야?",
"내부 커페시터인 \\( \\mathrm{C}_{\\mathrm{P}} \\)는 어디에 존재하는 거야?",
"본 연구에서 사용한 압전소자는 뭐야?",
"QP20W 압전소자는 \\( 7 \\mathrm{m} / \\mathrm{s}^{2} \\)의 진동크기와 \\( 80 \\mathrm{Hz} \\)의 주파수에서 개방회로의 전압은 얼마야?",
"연구에서 사용된 압전소자의 \\( \\mathrm{C}_{\\mathrm{P}} \\)의 값이 \\(100\\) \\( \\mathrm{nF} \\)가 맞아?",
"\\( 80 \\mathrm{Hz} \\)의 주파수와 \\( 7 \\mathrm{m} / \\mathrm{s}^{2} \\)의 진동크기에서 QP20W의 최대 발생 전력은 얼마야?",
"\\( 7 \\mathrm{m} / \\mathrm{s}^{2} \\)의 진동크기와 \\( 80 \\mathrm{Hz} \\)의 주파수에서 QP20W의 개방회로 전압은 \\( 3 \\mathrm{V} \\)보다 커?",
"QP20W의 \\( \\mathrm{C}_{\\mathrm{P}} \\)의 값은 얼마야?",
"QP20W 압전소자의 병렬 케퍼시터( \\( \\mathrm{C}_{\\mathrm{P}} \\))의 값은 얼마야?",
"QP20W의 개방회로 전압이 \\( 3 \\mathrm{V} \\) 이하가 되는 주파수와 진동크기의 조건은 뭐야?",
"MPP에서의 \\( \\mathrm{V}_{\\mathrm{MPP}} \\)을 구하는 식은 뭐야?",
"\\( V_{M P P} \\cong \\frac{1}{2} \\cdot V_{O C} \\)를 이용하여 구현하고자 하는 것은 뭐야?",
"압전소자가 최대 전력으로 출력되는 조건은 뭐야?",
"AC-DC 변환기의 전력 효율이 높아야 하는 이유가 뭐야?",
"\\( 80 \\mathrm{Hz} \\)의 주파수와 \\( 7 \\mathrm{m} / \\mathrm{s}^{2} \\)의 진동크기에서 QP20W의 최소 발생 전력은 \\( 125 \\mu \\mathrm{W} \\)야?",
"진동소자에서 최대 전력을 얻어 부하로 전달하려면 어떻게 해야해?",
"수동 ADC의 단점이 뭐야?",
"MOS 다이오드 4개를 이용한 ADC는 능동형이야?",
"수동 ADC의 출력 전압이 감소하면 전력 변환 효율은 어때?",
"MOS 스위치와 MOS 다이오드를 각각 2개씩 이용한 ADC는 수동 ADC가 맞아?",
"개방회로 전압이 절반이 될 때 압전소자는 최소 전력을 출력해?",
"능동 ADC의 장점은 뭐야?",
"수동 AC-DC converter의 종류에는 어떤 것들이 있어?",
"수동 ADC의 출력전압이 낮아지는 이유가 뭐야?",
"수동 ADC의 단점을 해결하기 위해 본 논문에서 제공한 방안이 뭐야?",
"수동 ADC의 전력 변환 효율이 낮은 이유가 뭐야?",
"능동 다이오드의 출력전압이 입력전압보다 커지면 어떤 일이 발생해?",
"능동 다이오드의 출력전압이 입력전압보다 낮아지면 PMOS 스위치는 어떤 형태야?",
"능동 ADC는 트랜지스터의 문턱전압에 의해 발생하는 손실을 최소화할 수 있어?",
"능동 다이오드에서 비교기의 출력 값이 1이 되는 조건이 뭐야?",
"능동 다이오드는 입력전압이 출력전압보다 커지면 역전류를 차단해?",
"수동 ADC의 단점을 해결하기 위해서 제안한 능동 ADC는 어떤 구성이야?",
"능동 ADC는 효과적으로 역전류를 차단할 수 있어?",
"능동 다이오드의 비교기의 출력이 1이 되면 PMOS 스위치는 어떻게 돼?",
"실험 결과를 보면 MPP에서의 최대 가용 전력은 얼마야?",
"압전소자 등가모델과 설계한 ADC를 연결하여 실행한 실험은 어떤 특성을 대상으로 한거야?",
"모의 실험 결과 MPP에서의 전압의 값은 얼마야?",
"능동 다이오드의 출력전압이 입력전압보다 작을 때 나타나는 현상이 뭐야?",
"실험을 통해 MPP에서의 최대 가용 전력은 \\( 100 \\mathrm{uW} \\)이야?",
"실험 결과 나타난 \\( \\left(\\mathrm{V}_{\\mathrm{MPP}}\\right) \\)의 값은 \\( V_{O C} \\)와 비교하면 어때?",
"모의 실험에서 \\(\\left(\\mathrm{V}_{\\mathrm{MPP}}\\right) \\)의 값은 \\( V_{O C} \\)의 값보다 약 2배 더 많아?",
"실험 결과 개방회로 전압의 값은 얼마야?",
"모의 실험에서 나타난 MPP에서의 전압은 개방회로 전압의 약 몇배에 해당해?"
] |
e6046235-a1af-4948-88b4-3961a3868657
|
인공물ED
|
MPPT 제어 기능을 갖는 진동에너지 수확을 위한 CMOS 인터페이스 회로
|
<h1>I. 서론</h1><p>주변 환경에서 에너지를 수확하여 소형 전자장치들을 구동하는 기술인 에너지 하베스팅(energy harvesting) 기술에 대해 최근 많은 관심과 연구가 진헹되고 있다. 에너지 하베스팅에 이용되고 있는 다양한 에너지원 중에 빛 에너지는 전력변환 효율이 높으며, 주변에서 접하기 용이하다는 장점 때문에 가장 많이 이용되고 있다. 그러나 PV (photovoltaic) 셀이 빛을 받을 수 있도록 시스템의 외부에 위치해야 하며, 많은 에너지를 수확하기 위해서는 PV 셀의 면적이 커야하기 때문에 시스템의 초소형화 및 내장형 시스템에 적용이 어렵다는 단점이 있다. 반면 진동에너지 하베스팅 기술은 빛에너지 하베스팅 기술과는 달리 기기가 외부에 노출될 필요가 없기 때문에, 디바이스에 내장되거나 삽입형 장치에 적용이 유리하다. 따라서 항공기용 센서, 개인용 헬스케어 모니터링 시스템, 환경 모니터링 시스템 등 다양한 초소형 센서노드용 자가발전 시스템에 적용될 수 있다.</p><p>진동에너지는 주로 PZT 소자를이용하여 전기에너지로 변환된다. PZT 소자의 출력 신호는 AC 형태이기 때문에 먼저 DC 신호로 변환하기 위한 AC-DC 변환기가 필요하다. AC-DC 변환기에 의해 정류된 신호는 전력 변환기인DC-DC 변환기를 통해 적합한 형태로 변환되어 최종 부하로 공급된다. 수확된 진동에너지가 부하로 잘 전달되기 위해서는 AC-DC 변환기와 DC-DC 변환기의 전력변환효율이 높아야 한다.</p><p>에너지 변환소자들에는 최대 가용전력을 출력하는 MPP (Maximum Power Point)가 존재하고, MPP 는 주변 환경변화에 의해 실시간 변하기 때문에 MPPT (Maximum Power Point Tracking)가 필요하게 된다. 다양한 MPPT 방식 중에 주로 많이 사용되고 있는 방식은 Hill Climbing 방식과 FOC (Fractional Open Circuit) 방식이 있다. Hill Climbing 방식을 이용하는 경우는 순간적인 출력 전력을 구하기 위해 많은 비용과 전력이 요구되기 때문에, 초소형 센서노드와 같은 마이크로 시스템에는 적합하지 않다. 에너지 변환소자의 개방회로 전압과 MPP 사이의 관계를 이용하여 MPPT 제어를 하는 FOC 방식은 실시간 제어 방식은 아니지만 비교적 구현이 간단하다는 장점이 있다.</p><p>FOC 방식의 MPPT 를 적용하여 발표된 논문들 중 참고문헌 [3] 은 MPPT 제어 블록의 최대 효율이 \( 98 \% \) 정도로 높은 편이지만, 전력 변환기는 구현하지 않고 단지 MPPT 제어블록만을 구현하였다. 참고문헌 [5] 는 전력 변환기인 DC-DC 변환기의 최대 효율은 \( 80 \% \) 이지만 전체(end-to-end) 효율은 나타내지 않았다. 또한 출력은 안정화되지 않은 신호이며, 칩 면적이 \( 5.52 \mathrm{mm} \) 로 매우 크다는 단점이 있다. 참고문헌 [6] 은 비교적 작은 크기로 회로를 구현하였으며 안정화된 출력신호를 갖지만 MPPT 제어를 하지 않은 구조이기 때문에 전체 효율이 \( 60 \% \) 정도로 낮다는 단점이 있다. 본 논문에서는 진동에너지 하베스팅 회로를 작은 면적으로 안정화된 출력을 갖도록 설계하고, MPPT 제어 기능을 갖도록 하여 전체 시스템의 효율을 향상시키고자 한다.</p><p>MPPT 를 적용하는 경우 전력변환기인 DC-DC변환기의 입력은 MPP로 안정화되어야 한다. 따라서 다른 조치가 없는 경우 전력변환기의출력은 안정화되지 않은 신호이다. 출력을 안정화시키기 위한 방법으로는 출력 단에 추가적인 DC-DC 변환기를 사용하는 이단 (two-stage) 전력 변환기 구조를 이용하는 방법과 추가적인 DC-DC 변환기를 입력 단에 병렬로 연결하는 이중경로 (dual-path) 구조를 이용하는 방법이 있다. 그러나 이들 구조는 추가적인 DC-DC 변환기가 필요하기 때문에 제어회로가 복잡해지고 추가적인 비용이 많이 요구된다는 단점이 있다. 따라서 본 논문에서는 간단한 구조와 적은 비용으로 출력을 안정화시키기 위해 전력변환기의 출력단에 PMU (Power Management Unit) 를 이용하는 구조를 제안한다. 초소형 시스템에 적용되는 에너지 변환소자의 크기는 제한적이기 때문에 에너지 하베스팅을 통해 얻을 수 있는 전력은 낮은편이며 시스템을 동작시키기에는 부족하다. 이러한 전력 부정합 (mismatch)을 해결하기 위해서 일반적으로 사용되는 방법이 active/sleep 기법이다. 이 기법은 충분한 에너지가 축적되었을 때만 시스템을 동작 (active)시키고, 에너지가 부족할 때는 시스템을 off (sleep)시키는 방법이다.</p><p>본 논문에서는 이 기법을 구현하기 위해 전력변환기의 출력을 관리하기 위한 간단한 구조의 PMU 를 설계하였다.</p>
|
[
"주변 환경으로부터 에너지를 획득하여 작은 전자장치를 구동하는 기술을 무엇이라고 할까?",
"에너지 하베스팅 기술은 어떤 기술일까?",
"에너지 하베스팅에 빛 에너지가 주로 이용되고 있는 이유는 무엇일까?",
"에너지 하베스팅 기술은 작은 전자장치를 구동하기 위한 에너지를 어떻게 획득할까?",
"PV 셀의 면적이 커야하는 이유는 무엇일까?",
"에너지 하베스팅 기술을 내장형 시스템에 적용하려면 어떤 에너지원을 사용해야 할까?",
"에너지 하베스팅에 이용되는 에너지원 중 가장 많이 이용되고 있는 것은 무엇일까?",
"빛 에너지를 사용하는 에너지 하베스팅 시스템을 초소형화하기 어려운 이유는 무엇일까?",
"빛 에너지를 이용한 에너지 하베스팅 시스템으로 달성하기 어려운 일은 무엇일까?",
"에너지 하베스팅 기술은 어디에서 에너지를 수확할까?",
"에너지 하베스팅에 이용할 수 있고 전력변환 효율이 높은 에너지원은 무엇일까?",
"PV 셀은 어디에 설치해야 할까?",
"PV 셀이 넓을수록\u001c 빛 에너지를 많이 수확할 수 있을까?",
"에너지 하베스팅 기술에 있어 진동에너지가 빛에너지 대비 가지는 장점은 무엇일까?",
"진동에너지 에너지 하베스팅 기술을 적용하려면 기기를 외부에 설치해야 할까?",
"빛 에너지는 특정한 조건을 갖춘 장소에서만 얻을 수 있을까?",
"에너지 하베스팅 기술로 대형 전자장치를 구동할 수 있을까?",
"PV 셀을 왜 시스템 외부에 두어야 할까?",
"진동에너지 하베스팅 기술은 어떤 구체적인 시스템에 적용될 수 있을까?",
"진동에너지 하베스팅 기술은 어떤 유형의 자가발전 시스템에 적용할 수 있을까?",
"항공기용 센서에 적용할 수 있는 에너지 하베스팅 기술은 무엇일까?",
"환경 모니터링 시스템에 에너지 하베스팅 기술을 적용할 때에는 빛에너지를 에너지원으로 사용하는 것이 적절할까?",
"진동에너지는 어떻게 전기 에너지로 변환될까?",
"진동에너지를 전기에너지로 변환될 때 어떤 부품이 이용될까?",
"PZT 소자의 출력 신호는 어떤 형태일까?",
"PZT 소자를 이용하여 진동에너지를 무엇으로 바꿀까?",
"PZT 소자의 출력 신호를 DC 신호로 변환할 때 사용하는 것은 무엇일까?",
"AC-DC 변환기는 AC 신호를 무엇으로 바꿀까?",
"PZT 소자를 이용하여 변환된 전기에너지는 바로 최종 부하로 공급될까?",
"교류를 직류로 변환하는 데에 사용하는 변환기는 무엇일까?",
"PZT 소자의 출력신호는 최종 부하로 공급되기 위해 변환을 두 번 거칠까?",
"전력을 기기에 공급할 때에는 어떤 형태의 신호로 공급해야 할까?",
"MPPT가 필요한 이유는 무엇일까?",
"MPPT 방식에는 두 가지만 존재할까?",
"빛 에너지를 사용하는 에너지 하베스팅 시스템은 주로 내장형 시스템에 사용될까?",
"논문에서 설명하는 MPPT 방식은 두 가지일까?",
"Hill Climbing 방식을 마이크로 시스템에 적용하기 어려운 이유는 무엇일까?",
"순간적인 출력 전력을 구하기 위해 비용과 전력을 많이 사용하는 MPPT 방식은 무엇일까?",
"Hill Climbing 방식은 순간적인 출력 전력을 구하기 위해 무엇을 필요로 할까?",
"FOC 방식은 어떻게 MPPT를 제어할까?",
"FOC 방식이 MPPT 제어를 할 때 무엇을 이용할까?",
"FOC 방식이 MPPT를 제어할 때 어떤 것들의 관계를 이용할까?",
"FOC 방식은 Hill Climbing 방식보다 어떤 점이 유리할까?",
"FOC 방식은 MPPT를 실시간으로 제어할까?",
"FOC 방식의 MPPT를 적용한 기존 연구에서 소개한 MPPT 제어블록의 최대 효율은 얼마일까?",
"FOC 방식의 MPPT를 적용한 기존 연구에서는 전력 변환기도 함께 구현되어 있을까?",
"참고문헌 [5]에서 소개한 DC-DC 변환기의 최대 효율은 얼마일까?",
"참고문헌 [5]에서 소개한 기술의 전체 효율은 \\( 80 \\% \\)일까?",
"참고문헌 [5]은 출력면에서 어떤 한계가 있을까?",
"참고문헌 [5]에서 사용한 칩 면적은 얼마일까?",
"참고문헌 [6]의 설계는 어떤 장점이 있을까?",
"참고문헌 [6]은 FOC 방식으로 MPPT를 제어했을까?",
"참고문헌 [6]의 전체 효율은 얼마일까?",
"이중경로 구조는 전력 변환기의 출력을 어떻게 안정화할까?",
"이단 전력 변환기 구조는 어떻게 출력을 안정화시킬까?",
"추가적인 DC-DC 변환기를 이용하는 방식은 어떤 단점이 있을까?",
"논문에서 출력 안정화를 위해 출력단에 무엇을 이용할까?",
"전력변환기 출력단에 PMU를 이용하는 구조는 어떤 장점을 가지고 있을까?",
"논문에서는 왜 전력변환기의 출력단에 PMU를 이용하는 구조를 제안했을까?",
"에너지 하베스팅을 통해 얻을 수 있는 전력이 낮은 이유는 무엇일까?",
"에너지 하베스팅을 통해 얻는 전력이 시스템을 동작시키는 데 부족한 문제를 어떤 방식으로 해결할까?",
"active/sleep 기법은 어떻게 전력 부정합을 해결할까?",
"active/sleep 기법을 사용하는 경우 시스템이 동작하는 것은 언제일까?",
"active/sleep 기법을 사용하는 경우 에너지가 부족할 때에는 시스템이 어떻게 될까?",
"DC-DC 변환기는 신호를 정류하는 데에 사용될까?",
"진동에너지를 부하로 잘 전달하려면 AC-DC 변환기와 DC-DC 변환기의 효율이 어떻게 되어야 할까?",
"수확된 진동에너지가 부하로 잘 전달되기 위해 높아야 하는 것은 무엇일까?",
"AC-DC 변환기의 효율이 낮아야 수확된 진동에너지가 부하로 잘 전달될까?",
"에너지 변환소자들에서 사용 가능한 최대 전력을 출력하는 요소는 무엇일까?",
"MPP는 어떤 역할을 할까?",
"환경변화에 따라 실시간으로 영향을 받는 MPP를 추적하기 위해 필요한 것은 무엇일까?",
"에너지 변환소자의 MPP는 환경 변화에 상관 없이 일정할까?",
"주로 사용되는 MPPT 방식은 무엇일까?",
"참고문헌 [6]은 왜 전체 효율이 낮을까?",
"논문에서 제안한 설계는 어떤 에너지원을 사용할까?",
"논문에서는 시스템의 전체 효율을 높이기 위해 어떻게 설계했을까?",
"논문에서 제안하는 시스템은 MPPT 제어를 하는 구조일까?",
"MPPT를 적용하는 경우 DC-DC 변환기의 압력은 어떻게 되어야 할까?",
"DC-DC 변환기의 압력을 MPP로 안정화하려면 다른 조치가 필요할까?",
"MPPT를 적용할 때 안정화되어야 하는 것은 무엇일까?",
"이중경로 구조는 추가적인 DC-DC 변환기를 출력 단에 병렬로 연결하는 방식일까?",
"이중경로 구조는 추가 DC-DC 변환기를 어디에 연결할까?",
"이단 전력 변환기 구조는 추가적인 전력변환기를 어디에 연결할까?",
"이단 전력 변환기 구조와 이중경로 구조는 모두 추가 전력변환기를 출력 단에 연결할까?",
"이중경로 구조는 추가 전력변환기를 어떻게 연결할까?",
"이중경로 구조의 단점은 무엇일까?",
"에너지 하베스팅을 통해 얻은 전력은 시스템을 동작시키는 데 충분할까?",
"출력 안정화를 하지 않은 전력 변환기의 출력은 어떤 상태일까?",
"이단 전력 변환기 구조를 이용하면 왜 제어회로가 복잡해질까?"
] |
c9d765db-722c-4ac0-9619-ad4618b305b3
|
인공물ED
|
MPPT 제어 기능을 갖는 진동에너지 수확을 위한 CMOS 인터페이스 회로
|
<h2>4. MPPT 제어기</h2><p>그림 5 에서와 같이 MPPT 제어기는 펄스발생기, 샘플러, Enable 발생기로 구성된다. 펄스발생기는 MPPT 제어에 푈요한 신호 MC 를 발생시킨다. 그림 6 에서 보듯이 MC 신호는 클럭 신호 CLK의 128 사이클 마다 2 사이클 구간 동안 발생한다. 클럭신호 CLK는 링-유형 (ring-type)의 발진기 (oscillator)의 출력이다. MC 가 '1'인 동안 스위치 SW1은 off가되고, 진동소자의 개방회로전압의 1 / 2 에 해당하는 \( \mathrm{V}_{\mathrm{MPP}} \) 가 샘플러에 의해 샘플링 된다. 실제로는 내부회로의 적절한 동작을 위해 \( \mathrm{V}_{\mathrm{OC}} / 2 \) 대신 \( \mathrm{V}_{\mathrm{OC}} / 8 \)이 샘플링 된다. MPPT 동작시 \( \mathrm{V}_{\mathrm{DD}} \) 는 \( \mathrm{V}_{\mathrm{OC}} / 2 \) 근처에서 유지된다. 따라서, \( \mathrm{V}_{\mathrm{DD}} \) 에서 전원을 공급받는 샘플러와 Enable 발생기의 입력 신호 범위를 확보하기 위해 \( \mathrm{V}_{\mathrm{MPP}} / 4 \) 를 샘플링한다.</p><p>샘플러는 누설전류를 줄여서 보다 긴 홀드시간동안 샘플링된 값을 유지하도록 하기 위해 그림 7 에서와 같이 이단(two-stage) 샘플/홀드 (S/H) 회로를 이용하였다. 이 구조에서 첫 번째 샘플링 커패시터 \( \left(\mathrm{C}_{\mathrm{SH1}}\right) \) 는 입력신호에 선형적인 방전 특성을 갖지만, 두 번째 커패시터 \( \left(\mathrm{C}_{\mathrm{SH} 2}\right) \) 는 두 커패시터 전압차에 2 차(quadratic)의 방전특성을 갖는다. 따라서 이 구조는 큰 커패시터를 사용하는 일단 (single-stage) 구조보다 면적면에서 더 효율적이다. 비반전 증폭기 구조를 이용하여 \( \mathrm{V}_{\mathrm{MPP}} \) (실제로는 \( \mathrm{V}_{\mathrm{MPP}} / 4 \) ) 범위에 해당하는 두 개의 기준 전압 \( \left(\mathrm{V}_{\mathrm{MPP}, \max } / 4, \mathrm{~V}_{\mathrm{MPP}, \min } / 4\right) \) 을 발생시킨다.</p><p>Enable 발생기는 그림 8 에서와 같이 히스테리시스 (hysteresis) 기능을 갖는 2개의 비교기와 래치 (latch)로 구성된다. 위 쪽 비교기는 \( \mathrm{V}_{\mathrm{DD}} \) (실제로는 \( \mathrm{V}_{\mathrm{DD}} / 4 \) )가 미리 설정된 MPP의 최대값 \( \mathrm{V}_{\mathrm{MPP}, \max } \) (실제로는 \( \mathrm{V}_{\mathrm{MPP}, \max } / 4 \) )에 도달했는지를 감지하며, 아래 쪽 비교기는 \( \mathrm{V}_{\mathrm{DD}} \) 가 미리 설정된 MPP의 최소값 \( \mathrm{V}_{\mathrm{MPP}, \min } \) 에 도달 했는지를 감지하는 역할을 한다. 래치는 비교기의 출력 신호로부터 그림 1의 SW2의 on/off 상태를 결정하는 신호인 EN 신호를 출력한다. 진동소자로부터 에너지가 수확되기 시작하면, 커패시터 \( \mathrm{C}_{2} \) 의 전압 \( \mathrm{V}_{\mathrm{DD}} \) 는 증가하게 된다. 이 구간이 충전단계(charge phase)에 해당한다. \( \mathrm{V}_{\mathrm{DD}} \) 가 증가해서 \( \mathrm{V}_{\mathrm{MPP}, \max } \) 에 도달하게 되면 EN 신호는 '0'이 되어 SW2는 on이 되고. \( \mathrm{C}_{2} \) 에 저장된 전하가 다음 단 (DC-DC 부스트 변환기)의 입력으로 전달된다. 이 구간이 방전단계(discharge phase)에 해당한다. \( \mathrm{V}_{\mathrm{DD}} \) 가 감소하여 \( \mathrm{V}_{\mathrm{MPP}, \mathrm{min}} \) 에 도달하게 되면 EN 신호는 '1' 이 되고, SW2 는 off가 되어 DC-DC 부스트 변환기로의 전하 공급은 차단되고 다시 \( \mathrm{C}_{2} \) 는 충전단계로 들어가게 된다. 이와 같이 \( \mathrm{C}_{2} \) 는 충전과 방전 동작을 반복하게 되며, \( \mathrm{C}_{2} \) 의 전압 \( \mathrm{V}_{\mathrm{DD}} \) 는 \( \mathrm{V}_{\mathrm{MPP}} \) 의 근처의 값을 유지하게 된다. 따라서 진동소자의 출력 \( \left(\mathrm{V}_{\mathrm{FWR}}\right) \) 은 항상 MPP 근방에서 동작 하게 된다.</p>
|
[
"MC 신호가 1일 때 발생하는 일은 뭐야?",
"\\( \\mathrm{C}_{2} \\)의 \\( \\mathrm{V}_{\\mathrm{DD}} \\) 값이 증가하는 조건이 뭐야?",
"\\( \\mathrm{V}_{\\mathrm{MPP}, \\mathrm{min}} \\)에 도달할 때 신호 EN의 값은 뭐야?",
"MPPT 제어기는 무엇으로 구성되어 있어?",
"CLK 클럭신호는 어떤 유형의 발진기 출력이야?",
"신호 MC는 언제 발생해?",
"MPPT 제어기에서 MPPT 제어에 필요한 MC 신호를 발생시키는 것은 뭐야?",
"MC가 1일 때 샘플링 되는 대상은 뭐야?",
"MC 신호가 1이면 SW1은 on 상태야?",
"실제로 샘플링이 되는 대상이 \\( \\mathrm{V}_{\\mathrm{OC}} / 8 \\)인 이유가 뭐야?",
"실제로 샘플링 되는 것은 \\( \\mathrm{V}_{\\mathrm{OC}} / 2 \\)이 맞아?",
"입력신호에 선형적인 방전 특성을 가지는 샘플링 커패시터는 어떤거야?",
"누설전류를 줄이고 긴 홀드시간동안 샘플링되니 값을 유지하고자 샘플러에 사용한 회로는 뭐야?",
"이단 샘플/홀드 회로의 두 번째 샘플링 커패시터의 특성은 뭐야?",
"일단 구조의 샘플러는 이단 구조보다 더 효율적이야?",
"샘플러의 구조에서 일단과 이단의 형태 중 어떤 것이 더 효율적이야?",
"\\( \\mathrm{V}_{\\mathrm{MPP}} / 4 \\)의 범위에 속하는 \\( \\mathrm{V}_{\\mathrm{MPP}, \\max } / 4, \\mathrm{~V}_{\\mathrm{MPP}, \\min } / 4\\)을 발생시키는 구조는 뭐야?",
"Enable 발생기는 어떤 것들로 구성되어 있어?",
"Enable 발생기에 있는 위쪽 비교기의 역할은 뭐야?",
"Enable 발생기의 구성에서 아래쪽 비교기의 역할은 뭐야?",
"Enable 발생기에서 미리 설정해 둔 \\( \\mathrm{V}_{\\mathrm{MPP}, \\max } / 4 \\)의 값에 \\( \\mathrm{V}_{\\mathrm{DD}} / 4 \\)가 도달했는지를 감지하는 것은 뭐야?",
"진동소자로부터 에너지를 얻으면서 커패시터의 전압은 어떻게 돼?",
"SW2의 상태를 결정하는 신호는 뭐야?",
"진동소자로부터 에너지를 얻기 시작하면 커패시터의 전압은 감소해?",
"커패시터의 전압이 증가하게 되는 구간을 뭐라고 해?",
"\\( \\mathrm{V}_{\\mathrm{MPP}, \\max } \\)에 도달할 때 신호 EN의 값은 뭐야?",
"\\( \\mathrm{V}_{\\mathrm{MPP}, \\max } \\)에 도달한 후 \\( \\mathrm{C}_{2} \\)에 저장된 전하가 전달 되는 곳은 어디야?",
"EN 신호가 0이 되면 SW2는 어떤 상태가 돼?",
"방전단계에 해당하는 구간에서 나타나는 현상은 뭐야?",
"방전단계는 \\( \\mathrm{C}_{2} \\)의 전압이 증가하는 구간이야?",
"EN 신호가 1이 되면 SW2는 어떤 상태가 돼?",
"EN 신호가 1이면 SW2 스위치는 off 상태야?",
"전하가 DC-DC 부스트 변환기로 공급이 차단되면 무슨 일이 일어나?",
"\\( \\mathrm{V}_{\\mathrm{MPP}, \\mathrm{min}} \\)에 도달하면 발생하는 현상은 뭐야?",
"SW2 스위치가 off 상태가 되면 무슨 일이 일어나?",
"EN 신호가 1이 되는 조건은 뭐야?",
"신호 EN이 0이 되는 조건은 뭐야?",
"커패시터 \\( \\mathrm{C}_{2} \\)는 방전과 충전이 반복돼?",
"\\( \\mathrm{V}_{\\mathrm{MPP}, \\mathrm{min}} \\)에 도달하면 신호 EN은 0의 값을 가져?",
"\\(\\mathrm{V}_{\\mathrm{FWR}} \\)이 항상 MPP 근처에서 동작하는 이유가 뭐야?",
"\\( \\mathrm{C}_{2} \\)의 \\( \\mathrm{V}_{\\mathrm{DD}} \\)가 \\( \\mathrm{V}_{\\mathrm{MPP}} \\)의 값과 비슷하게 유지되어도 \\(\\mathrm{V}_{\\mathrm{FWR}}\\)은 무조건 MPP 근방에서 동작하지 않지?",
"MPPT 제어기에서 펄스발생기의 역할은 뭐야?",
"샘플링 되는 \\( \\mathrm{V}_{\\mathrm{MPP}} \\)과 같은 값은 뭐야?",
"이단 샘플/홀드 회로의 첫 번째 샘플링 커패시터의 특성은 뭐야?",
"MPPT가 동작할 때 \\( \\mathrm{V}_{\\mathrm{DD}} \\)의 상태는 어때?",
"\\( \\mathrm{V}_{\\mathrm{MPP}} / 4 \\)를 샘플링하는 이유가 뭐야?",
"커패시터 두개의 전압차이에 2차의 방전 특성을 가지는 것은 첫 번째 샘플링 커패시터가 맞아?",
"비반전 증폭기 구조의 역할은 뭐야?",
"Enable 발생기의 비교기는 어떤 기능을 가지고 있어?",
"비교기 중에서 미리 설정된 MPP의 최소값에 \\( \\mathrm{V}_{\\mathrm{DD}} \\)가 도달했는지 감지하는 것은 위쪽 비교기가 맞아?",
"\\( \\mathrm{V}_{\\mathrm{MPP}, \\max } \\)에 도달하고 난 후 발생하는 일이 뭐야?",
"Enable 발생기에서 래치의 역할은 뭐야?",
"충전단계에 해당하는 구간에서 나타나는 일이 뭐야?",
"\\( \\mathrm{C}_{2} \\)의 \\( \\mathrm{V}_{\\mathrm{DD}} \\)가 \\( \\mathrm{V}_{\\mathrm{MPP}} \\)의 값과 비슷하게 유지된다면 진동소자의 출력은 어떤 상태가 돼?",
"\\( \\mathrm{C}_{2} \\)가 방전과 충전이 반복되면 \\( \\mathrm{C}_{2} \\)의 전압의 값은 얼마로 유지돼?",
"링-유형의 발진기의 출력 신호는 뭐야?",
"신호 MC가 1이면 SW1은 어떤 형태야?",
"\\mathrm{V}_{\\mathrm{MPP}, \\max } \\)에 도달한 후 SW2이 on으로 되고, \\( \\mathrm{C}_{2} \\)에 저장된 전하가 DC-DC 부스트 변환기의 입력으로 전달되는 구간을 뭐라고 불러?",
"내부회로의 적절한 동작을 위해 실제로 샘플링 되는 것은 어떤 거야?",
"샘플러에 이단 샘플/홀드 회로를 사용한 이유가 뭐야?",
"Enable 발생기에서 미리 정해둔 \\( \\mathrm{V}_{\\mathrm{MPP}, \\min } \\)의 값에 \\( \\mathrm{V}_{\\mathrm{DD}} \\)가 도달했는지 감지하는 것은 뭐야?"
] |
9747e990-adba-4317-8f2f-eab3b06c7b40
|
인공물ED
|
MPPT 제어 기능을 갖는 진동에너지 수확을 위한 CMOS 인터페이스 회로
|
<h1>III. 모의실험 결과</h1><p>설계된 회로의 성능을 검증하기 위해 \( 0.35 \mu \mathrm{m} \) CMOS 공정 변수를 이용하여 모의실험을 하였다. 모의실험 시간이 너무 길어지는 것을 고려하여 2장에서 소개된 진동소자를 다섯 단 병렬로 연결하여 입력으로 사용하였다. \( \mathrm{C}_{1}, \mathrm{C}_{2}, \mathrm{C}_{3}, \mathrm{R}_{\mathrm{L}} \) 의 값은 각각 \( 2 \mu \mathrm{F}\), \(100 \mu \mathrm{F}\), \(100 \mu \mathrm{F}\), \(1 \mathrm{k} \Omega \) 으로 설정하였다.</p><p>그림 12 는 전체회로 모의실험 결과이며, 시동(start-up) 단계의 과도상태 확대파형을 그림 13에 보였다. 진동소자에서 에너지 수확이 시작되면 MPPT 제어기에 의해 MC 신호가 발생되고, 개방회로전압 \( \mathrm{V}_{\mathrm{OC}}(=2.89 \mathrm{V}) \) 의 샘플링을 통한 MPPT 제어 동작에 의해 \( \mathrm{V}_{\mathrm{DD}} \)가 MPP근처 \( (1.32 \mathrm{~V} \sim 1.52 \mathrm{~V}) \)에서 안정화되는 것을 그림 13 의 파형에서 확인할 수 있다. 그림 14 는 DC-DC 부스트 변환기의 동작 파형이다. MPPT 제어기의 출력신호 EN 이 '0'이 되면, DC-DC 변환기가 동작해서 출력전압 \( \mathrm{V}_{\mathrm{OUT}} \) 이 승압하는 것을 확인할 수 있다. EN이 '0'이 되면 SW2 는 'on'이 되고 DC-DC 변환기의 입력 \( \mathrm{V}_{\mathrm{IN}} \) 은 \( \mathrm{V}_{\mathrm{DD}} \) 와 연결된다. 이 구간 동안 \( \mathrm{V}_{\mathrm{IN}} \) 으로부터 전원을 공급받는 발진기가 발진을 하게 되며 발진기의 출력신호 \( \mathrm{V}_{\mathrm{N}} \) 이 전력스위치인 M1 을 구동하게 된다. \( \mathrm{V}_{\mathrm{N}} \) 이 '1'인 동안에는 인덕터 L1과 스위치 M1을 통해 에너지가 빌드업(build-up) 되고, \( \mathrm{V}_{\mathrm{N}} \) 이 '0'인 동안에 인덕터 L1과 쇼트키다이오드 D1 을 통해 출력단으로 전달되어 \( \mathrm{V}_{\mathrm{OUT}} \) 이 승압하는 것을 그림 14 에서 확인할 수 있다. \( V_{\text {OUT }} \)이 충분히 승압하여 미리 설정된 \( \mathrm{V}_{\mathrm{L}, \max }(3.2 \mathrm{~V}) \) 에 도달하게 되면 \( \mathrm{V}_{\mathrm{OUT}} \) 이 부하로 전달되고, \( \mathrm{V}_{\mathrm{OUT}} \) 이 감소하여 \( \mathrm{V}_{\mathrm{L}, \mathrm{min}}(2.8 \mathrm{~V}) \) 에 도달하게 되면 부하로의 전력공급이 차단되는 것을 그림 15 의 PMU 동작 파형에서 확인할 수 있다.</p><p>부하저항의 변화에 따른 각 블록 (AC-DC 변환기, MPPT 제어기, DC-DC변환기, PMU)의 효율 그래프와 전체 시스템의 효율 그래프를 그림 16 에 보였다. 설계된 회로의 최대 효율은 \( 1.5 \mathrm{k} \Omega \) 의 부하저항에서 \( 83.4 \% \) 이다. 설계된 회로의 레이아웃 도면을 그림 17 에 나타내었다. 패드를 제외한 칩의 면적은 \( 915 \mu \mathrm{m} \times 895 \mu \mathrm{m} \) 이다.</p>
|
[
"MPPT 제어기의 출력신호 EN 이 '0'이 되면, DC-DC 변환기가 동작해서 출력전압 Vout 이 승압하는 것을 확인할 수 있나?",
"Vn 이 '1'인 동안에는 인덕터 L1과 스위치 M1을 통해 에너지가 빌드업(build-up) 되고, Vn 이 '0'인 동안에 인덕터 L1과 쇼트키다이오드 D1 을 통해 출력단으로 전달되어 Vout 승압하는 것을 확인할 수 있나?",
"진동소자에서 에너지 수확이 시작되면 MPPT 제어기에 의해 MC 신호가 발생되는가?",
"모의실험 시간이 너무 길어지는 것을 고려하여 진동소자를 다섯 단 병렬로 연결하여 입력으로 사용하였나?",
"설계된 회로의 성능을 검증하기 위해 0.35μm CMOS 공정 변수를 이용하여 모의실험을 하였나?",
"설계된 회로의 최대 효율은 1.5kΩ 의 부하저항에서 83.4%인가?"
] |
1a7ce66a-5068-455a-8a34-6ae48c54955f
|
인공물ED
|
MPPT 제어 기능을 갖는 진동에너지 수확을 위한 CMOS 인터페이스 회로
|
<h2>5. DC-DC 부스트 변환기</h2><p>DC-DC 부스트 변환기는 그림 9 에서와 같이 한 개의 MOSFET 스위치와 쇼트키 다이오드로 구성된 비동기식(asynchronous) 구조이다. 발진기 (oscillator)는 current-starved ring 유형의 구조이다. 스위칭 주파수는 약 \( 2 \mathrm{MHz} \) 이며 저항 \( \mathrm{R}_{\mathrm{C}} \)를 통해 조절될 수 있다. 승압된 출력전압 \( \mathrm{V}_{\mathrm{OUT}} \) 은 PMU를 통해 최종적으로 부하로 전달되기 때문에 피드백 경로가 없는 간단한 구조이다. DC-DC 부스트 변환기의 동작 파형을 그림 10에 나타내었다. 그림 1 의 전체 시스템에서 MPPT 제어기의 출력신호 EN 이 '0'이 되면, SW2 는 'on' 이 되고 DC-DC 변환기의 입력 \( \mathrm{V}_{\mathrm{IN}} \) 은 \( \mathrm{V}_{\mathrm{DD}} \) 를 따라간다. 이 구간 동안 \( \mathrm{V}_{\mathrm{IN}} \) 으로부터 전원을 공급받는 발진기가 발진을 하게 되며, 출력 \( \mathrm{V}_{\mathrm{OUT}} \)은 승압하게 된다. EN 이 '1'이 되면, SW2 는 'off'가 되어 DC-DC 부스트 변환기의 동작도 중단된다.</p><h2>6. PMU (Power Management Unit)</h2><p>PMU는 DC-DC 부스트 변환기에서 승압된 \( \mathrm{V}_{\text {OUT }} \) 을 듀티 (duty)를 갖는 안정화된 신호로 변환하여 부하로 공급하는 역할을 한다. 설계된 PMU는 그림 11에서와 같이 POR(power on reset), 바이어스 발생기(bias generator), Enable 발생기(enable generator) 그리고 PMOS 스위치로 구성된다. DC-DC 부스트 변환기의 출럭전압 \( \mathrm{V}_{\text {OUT }} \) 이 승압하여 \( 1.3 \mathrm{V} \) 가 되면 POR 에 의해 PMU가 동작하게 된다. 바이어스 발생기는 Enable 발생기의 동작에 필요한 기준전압과 전류를 생성한다. Enable 발생기는 MPPT 제어기에서 사용된 그림 8 의 회로와 구조가 동일하며, 부하에 공급되는 전압을 \( \mathrm{V}_{\mathrm{L}, \max } \) 와 \( \mathrm{V}_{\mathrm{L}, \operatorname{mim}} \) 범위내로 안정화 시키는 역할을 한다. \( \mathrm{V}_{\mathrm{L}, \mathrm{max}} \) 와 \( \mathrm{V}_{\mathrm{L}, \operatorname{mim}} \) 의 값은 R1 ~ R4에 의해 결정되며, 본 설계에서는 각각 \( 3.2 \mathrm{V} \) 와 \( 2.8 \mathrm{V} \) 로 설정하였다. \( \mathrm{V}_{\mathrm{OUT}} \) 이 증가하여 \( \mathrm{V}_{\mathrm{L}, \max } \) 에 도달하게 되면 \( \mathrm{SW} 3 \) 은 on이 되어 \( \mathrm{V}_{\text {OUT }} \) 이 부하로 전달되고, \( \mathrm{V}_{\mathrm{OUT}} \) 이 감소하여 \( \mathrm{V}_{\mathrm{L}, \min } \) 에 도달하게 되면 SW3 은 off가 되어 부하로의 전력 공급은 차단된다. 따라서 부하로의 전력 공급방식은 active/sleep 모드이며, 듀티 싸이클은 진동소자에서 수확되는 에너지의 양과 부하의 크기에 따라 변하게 된다.</p>
|
[
"DC-DC 부스트 변환기의 출럭전압 Vout이 승압하여 1.3V 가 되면 POR 에 의해 PMU가 동작하게 되는가?",
"설계된 PMU는 그림 11에서와 같이 POR(power on reset), 바이어스 발생기(bias generator), Enable 발생기(enable generator) 그리고 PMOS 스위치로 구성되는가?",
"스위칭 주파수는 약 2MHz 이며 저항 Rc를 통해 조절될 수 있나?",
"PMU는 DC-DC 부스트 변환기에서 승압된 Vout 을 듀티 (duty)를 갖는 안정화된 신호로 변환하여 부하로 공급하는 역할을 하는가?",
"EN 이 '1'이 되면, SW2 는 'off'가 되어 DC-DC 부스트 변환기의 동작도 중단되는가?",
"듀티 싸이클은 진동소자에서 수확되는 에너지의 양과 부하의 크기에 따라 변하게 되는가?",
"DC-DC 부스트 변환기는 그림 9 에서와 같이 한 개의 MOSFET 스위치와 쇼트키 다이오드로 구성된 비동기식(asynchronous) 구조인가?",
"발진기 (oscillator)는 current-starved ring 유형의 구조인가?",
"승압된 출력전압 Vout은 PMU를 통해 최종적으로 부하로 전달되기 때문에 피드백 경로가 없는 간단한 구조인가?"
] |
68f32ea1-7347-4517-b335-5f7b9ccbae6b
|
인공물ED
|
MPPT 제어 기능을 갖는 진동에너지 수확을 위한 CMOS 인터페이스 회로
|
<p>표 1 에 기존에 발표된 진동에너지 하베스팅 회로들의 성능을 본 논문과 비교하였다. 참고문헌 [3]은 FOC 방식의 MPPT를 적용하여 active/sleep 모드를 구현하였으나 전력 변환기는 구현하지 않고 단지 MPPT 제어블록만을 구현하였다. 참고문헌 [5]는 전력 변환기인 DC-DC 변환기의 최대 효율은 \( 80 \% \) 이지만 출력이 안정화되지 않은 신호이기 때문에 부하에 안정화된 전압을 공급하기 위해서는 추가적인 회로가 필요하며, 이로 인한 전체시스템의 효율 감소는 불가피하다. 또한, 칩 면적이 \( 5.52 \mathrm{~mm}^{2} \)로 매우 크다는 단점이 있다. 참고문헌 [6]은 비교적 작은 크기로 회로를 구현하였으며 안정화된 출럭신호를 갖지만, MPPT 제어를 하지 않은 구조이기 때문에 전체 효율이 낮다는 단점이 있다. 기존 회로들과 비교시 본 논문에서 설계된 회로는 비교적 작은 면적으로 높은 효율 특성을 보이며, 안정화된 출력을 제공한다. FOC 방식의 MPPT 를 적용하여 전체 시스템의 효율을 향상시컸으며, PMU를 이용하여 active/sleep 모드의 안정화된 전압을 부하에 공급한다.</p><p><table border><caption>표 1. 진동에너지 하베스팅 회로 비교</caption><tbody><tr><td>Parameters</td><td>[3]</td><td>[4]</td><td>[5]</td><td>[6]</td><td>This work</td></tr><tr><td>Process</td><td>\( 0.35 \mu \mathrm{m} \) CMOS</td><td>Off-chip</td><td>\( 0.35 \mu \mathrm{m} \) BCD</td><td>\( 0.5 \mu \mathrm{m} \) CMOS</td><td>\( 0.35 \mu \mathrm{m} \) CMOS</td></tr><tr><td>MPPT algorithm</td><td>FOC</td><td>P&O</td><td>FOC</td><td>None</td><td>FOC</td></tr><tr><td>Operation mode</td><td>active/sleep</td><td>continuous</td><td>continuous</td><td>continuous</td><td>active/sleep</td></tr><tr><td>AC-DC type</td><td>1-stage AD</td><td>NA</td><td>1-stage AD</td><td>2-stage AD</td><td>1-stage AD</td></tr><tr><td>DC-DC type</td><td>None</td><td>Buck-Boost</td><td>Buck-Boost</td><td>Bood</td><td>Boost</td></tr><tr><td>Frequency (\(\mathrm{Hz}\))</td><td>~200</td><td>44~53</td><td>~200</td><td>\( 1 \sim 100 \mathrm{k} \)</td><td>~200</td></tr><tr><td>Input volltage (amplittde)</td><td>\( \sim 6.5 \mathrm{~V} \)</td><td>\( 3 \sim 25 \mathrm{~V} \)</td><td>\( 1 \sim 7 \mathrm{~V} \)</td><td>\( 1 \sim 3 \mathrm{~V} \)</td><td>\( 2.5 \sim 4 \mathrm{~V} \)</td></tr><tr><td>Output volltage</td><td>\( \sim 6.5 \mathrm{~V} \)</td><td>\( 3 \mathrm{~V} \sim \)</td><td>\( 1 \sim 8 \mathrm{~V} \)</td><td>\( 3 \mathrm{~V} \) (Regulated)</td><td>\( 3 \mathrm{~V} \) (Regulated)</td></tr><tr><td>Output power</td><td>N/A</td><td></td><td></td><td>\( \sim 3 \mathrm{~mA} \)</td><td>\( \sim 5 \mathrm{~mW} \)</td></tr><tr><td>Maximum Power Efficience (\( \mathrm{%}\))</td><td>None</td><td>76 (just DC-DC)</td><td>80 (just DC-DC)</td><td>60 (end-to-end)</td><td>83.4 (end-to-end)</td></tr><tr><td>Maximum MPPT efficiency (\( \mathrm{%}\))</td><td>98.3</td><td>97</td><td>99</td><td>None</td><td>99</td></tr><tr><td>Voc sensing time</td><td>2 cycles</td><td>NA</td><td>1 cycle</td><td>None</td><td>2 cycles</td></tr><tr><td>Chip area \( \left(\mathrm{mm}^{2}\right) \)</td><td>1.68 (w/ pads)</td><td>None</td><td>5.52 (w/ pads)</td><td>0.026 (AC-DC) 0.117 (DC-DC)</td><td>0.82</td></tr></tbody></table></p>
|
[
"참고문헌 5의 전력 변환기 DC-DC 변화기의 최대 효율은 얼마일까?",
"참고문헌 6의 전력변환기 DC-DC 변환기는 MPPT 제어를 받을까?",
"참고문헌 5에서 개발한 전력 변환기의 AC-DC type을 뭘까?",
"본 연구에서 개발한 전력 변환기의 최대 전력 효율은 몇 퍼센트 일까?",
"참고문헌 3에서 개발한 전력 변환기의 DC-DC type을 뭘까?",
"참고문헌 6에서 개발한 전력 변환기의 최대 출력은 얼마일까?",
"본 연구에서 개발한 젼력변환기의 칩 면적은 얼마일까?",
"본 연구에서 개발한 전력 변환기의 입력전압(Input voltage)은 얼마일까?",
"본 연구에서 개발한 전력 변환기는 어떤 MPPT algorithm을 사용했을까?",
"참고문헌 5의 전력변환기 DC-DC 변환기의 칩 면적은 얼마일까?",
"참고문헌 5에서 개발한 전력 변환기의 주파수(Frequency)는 얼마일까?"
] |
a0e59532-4ad4-41db-91e2-0f474fd914e3
|
인공물ED
|
MPPT 제어 기능을 갖는 진동에너지 수확을 위한 CMOS 인터페이스 회로
|
<h1>요 약</h1><p>본 논문에서는 진동에너지 수확을 위한 MPPT (Maximum Power Point Tracking) 제어 기능을 갖는 CMOS 인터페이스 회로를 설계하였다. 간단한 구조와 적은 비용으로 출력을 안정화시키기 위해 전력변환기인 DC-DC 부스트 변환기의 출력 단에 PMU (Power Management Unit)을 이용하는 구조를 제안하였다. 또한, 진동소자로부터 최대전력을 수확하여 시스템의 효율을 향상시키기 위해 FOC (Fractional Open Circuit) 방식의 MPPT 제어회로를 설계하였다. 진동소자 PZT 에서 출력되는 AC 신호는 AC-DC 변환기를 통해 DC 신호로 변환되며, DC-DC 부스트 변환기를 거쳐 승압되고, PMU 에 의해 듀티 (duty)를 갖는 안정화된 신호로 변환되어 부하로 공급된다. AC-DC 변환기는 효율 특성이 좋은 능동 다이오드를 이용한 전파정류기를 사용하였으며, DC-DC 부스트 변환기는 제어회로가 간단한 쇼트키 다이오드를 이용한 구조를 사용하였다. 제안된 회로는 \( 0.35 \mu \mathrm{m} \) CMOS 공정으로 설계되있으며, 설계된 칩의 면적은 \( 915 \mu \mathrm{m} \times 895 \mu \mathrm{m} \) 이다. 설계된 회로의 성능을 검증한 결과 전체회로의 최대 전력효율은 \( 83.4 \% \) 이다.</p>
|
[
"시스템의 최대 전력효율을 높이기 위해 진동소자로부터 최대전력을 수확하여 설계된 제어회로는 무엇인가?",
"진동소자로부터 최대전력을 수확하여 시스템의 효율을 향상시키기 위해 도입된 제어회로는 무엇인가?",
"전체회로의 최대 전력효율을 향상시키기 위해 출력을 안정화시키는 구조로서 DC-DC 부스트 변환기의 출력 단을 어떻게 설계해야 하는가?",
"시스템을 효율을 향상시키기 위한 제어회로 설계 중 진동소자로 부터 최대전력을 어떻게 얻을 수 있는가?"
] |
e8fd0de7-0a45-45f3-ac06-b0254be13eb7
|
인공물ED
|
루프 형태의 접지판을 이용한 휴대폰의 SAR 감쇄에 관한 연구
|
<h2>3-2 전산 모의 실험</h2> <p>휴대폰에서 금속 구조물의 장착이 용이한 부분은 front case와 rear case, upper case, lower case의 내부이다. 본 논문에서는 접지판과 접지가 가능하고 장착이 용이한 rear case의 내부에 루프 형태 접지판의 위치와 크기를 변화시켜가면서 SAR 변화를 중점적으로 살펴보았다. 전산 모의 실험 시 중심 주파수는 USPCS의 송신 주파수 대역인 \( 1,850 \sim 1,910 \mathrm{MHz} \)의 중심 주파수인 \( 1,880 \mathrm{MHz} \)로 설정하였고, 참고문헌에서 검토된 결과를 참조하여 폴딩 각도를 \( 160^{\circ} \)로 하여 전산 모의 실험을 하였다. 출력 전력은 실제 휴대폰의 출력 전력이 통상 \( 24 \mathrm{dBm} \)내외인 것을 고려하여 \( 23.8 \mathrm{dBm}( \)약 \( 240 \mathrm{~mW}) \)이 되도록 정규화하여 실험하였으며, 팬텀은 \( 1,800 \mathrm{MHz} \)에서의 전기적 특성을 적용하였다.</p> <p>그림 3은 본 논문에서 제안하는 루프 형태 접지판의 크기 및 위치를 나타내고 있다. 그림 3(a)는 루프 형태 접지판이 없을 경우이고 이를 기준으로 한다. 그림 3(b)는 루프 형태 접지판의 크기가 가장 큰 경우, 그림 3(c)~(e)는 중간 크기에서 위치를 PCB의 아래, 중간, 위에 위치시킨 경우이며, 그림 3(f)~(h)는 순서대로 작은 크기를 3(e)와 같은 위치, 안테나 급전부분의 아래, PCB의 가장 위쪽에 위치시킨 경우이다.</p> <p>그림 3의 전산 모의 실험 결과를 비교하기 위해 감소 효율을 식 (2)와 같이 정의하고, 감소 효율 \( (D) \)을 계산하였다. \[ D(\%)=\frac{R-E}{R} \times 100(\%) \]<caption>(2)</caption>여기서, \( R \)은 기준 SAR, \( E \)는 각각 경우의 SAR를 나타낸다. 표 3은 그림 3의 각각의 전산 모의 실험 결과와 식 (2)에 의해 계산된 감소 효율을 나타내었다.</p> <table border><caption>표 3. 그림 3의 각 경우에 대한 SAR값 비교</caption> <tbody><tr><td></td><td>\( 1 \mathrm{~g} \)평균 SAR \( \mathrm{[W/kg]} \)</td><td>감소 효율\( (\%) \)</td></tr><tr><td>Fig. 3(a)</td><td>1.61</td><td>기준</td></tr><tr><td>Fig. 3(b)</td><td>1.69</td><td>-4.97</td></tr><tr><td>Fig. 3(c)</td><td>1.64</td><td>-1.86</td></tr><tr><td>Fig. 3(d)</td><td>1.67</td><td>-3.73</td></tr><tr><td>Fig. 3(e)</td><td>1.60</td><td>0.62</td></tr><tr><td>Fig. 3(f)</td><td>1.59</td><td>1.24</td></tr><tr><td>Fig. 3(g)</td><td>1.60</td><td>0.62</td></tr><tr><td>Fig. 3(h)</td><td>1.47</td><td>8.70</td></tr></tbody></table> <p>표 3의 결과로 볼 때, original case인 루프 형태의 접지판을 부착하지 않은 휴대폰에서 \( 1 \mathrm{~g} \)평균 SAR 값은 \( 1.61[\mathrm{~W} / \mathrm{kg}] \)이고, PCB의 가장 위쪽에 작은 루프 형태의 접지판을 위치시킨 small size case-C의 경우 평균 SAR 값은 \( 1.47[\mathrm{~W} / \mathrm{kg}] \)으로 약 \( 8.70 \% \)의 가장 높은 SAR 감소 효율을 보였다.</p> <p>그림 4는 루프 형태의 접지판을 부착하지 않은 original case와 PCB의 가장 위쪽에 작은 루프 형태의 접지판을 위치시킨 small size case-C의 E-field 분포 를 비교하여 나타내었다. Small size case-C의 경우 루프에 E-field가 강하게 분포하면서 상대적으로 머리 방향의 E-field가 감소하는 것을 확인할 수 있었으며, 식 (1)에서 알 수 있듯이 SAR 값은 \( |E|^{2} \)에 비례하게 되므로 SAR이 감쇄된 것으로 생각된다</p> <p>루프 형태 접지판의 변화에 따른 전기장의 변화를 알아보기 위하여 그림 5와 같이 각각의 경우에 대하여 E-field 분포를 비교하였다. 루프 형태 접지판이 없을 경우의 E-field 분포를 기준으로 비교하였을 때, 대부분의 경우 E-field의 분포에 많은 영향을 미치지 못하였다. 그러나 small size case-C의 경우, E-field의 분포를 보면 루프 형태 접지판에 전계가 강하게 유도되고 있음을 뚜렷이 볼 수 있었다.</p> <p>그림 5에서 보인 E-field 변화에 따른 SAR 변화를 알아보기 위하여 루프 형태 접지판의 위치와 크기를 변화하면서 각각의 경우에 대한 SAR 값을 도출하였다.</p> <h2>3-3 휴대폰 안테나의 성능 분석</h2> <p>루프 형태 접지판의 변화에 따른 휴대폰 안테나에 미치는 영향을 알아보기 위하여, 루프 형태 접지판을 부착하지 않은 original case의 경우와 SAR 감쇄 효율이 가장 높은 small size case-C의 경우를 비교하였다.</p> <p>그림 6에 original case와 small size case-C의 방사 패턴을 각각 x-y평면, y-z평면과 x-z평면으로 나누어 비교하여 나타내었다. 그림 6의 방사 패턴에서 루프 형태 접지판을 부착하지 않은 original case와 SAR 감쇄 효율이 가장 높은 small size case-C의 경우를 비교할 때 루프 형태 접지판의 부착에 의한 패턴의 변화가 거의 없음을 볼 수 있었다.</p> <table border><caption>표 4. 그림 3의 각 경우에 대한 휴대폰 안테나의 \( S_{11} \)비교</caption> <tbody><tr><td></td><td>\( S_{11}(d R) \)</td></tr><tr><td>(a) Original case</td><td>-5.22</td></tr><tr><td>(b) Large size case</td><td>-5.43</td></tr><tr><td>(c) Middle size case-A</td><td>-S.18</td></tr><tr><td>(d) Middle size case-B</td><td>-4.84</td></tr><tr><td>(e) Middle size case-C</td><td>-5.42</td></tr><tr><td>(f) Small size case-A</td><td>-S.21</td></tr><tr><td>(g) Small size case-B</td><td>-5.36</td></tr><tr><td>(h) Small size case-C</td><td>-S.29</td></tr></tbody></table> <p>표 4는 그림 3의 각 경우에 대한 휴대폰 안테나의 \( S_{11} \)을 나타내었다. 각 경우의 \( S_{11} \)의 결과를 볼 때 루프 형태 접지판으로 인한 휴대폰 안테나의 성능 변화는 거의 없음을 볼 수 있었다.</p> <p>본 논문에서 제시한 루프 형태의 접지판을 이용한 휴대폰의 SAR 감쇄의 결과와 기존의 페라이트 비드를 부착한 경우인 참고문헌 [7]과 비교하면, 두 경우 모두 안테나가 아닌 단말기에 적용함으로써 SAR저감을 도모하였다는 유사성을 가지고 있으며, 높은 감소 효율 및 단말기의 성능에 영향을 미치지 않는 등의 장점을 가지고 있다.</p>
|
[
"\\( 1 \\mathrm{~g} \\)평균 SAR 값이 가장 클때 감소 효율은 얼마인가?",
"감소 효율의 기준이 되는 \\( 1 \\mathrm{~g} \\)평균 SAR 은 얼마인가?",
"그림3의 각 경우 중 \\( 1 \\mathrm{~g} \\)평균 SAR 값과 감소 효율이 각각 동일한 두개는 Fig. 3(e)와 무엇인가?",
"감소 효율이 가장 클때 \\( 1 \\mathrm{~g} \\)평균 SAR은 얼마인가?",
"Fig. 3(e)인 경우 감소효율은 어떻게 되는가?",
"\\( 1 \\mathrm{~g} \\)평균 SAR값이 가장 작은 경우는 어떤 경우인가?",
"\\( S_{11}\\)수치가 가장 큰 것은 어떤 경우인가?",
"표4에서 Original case는 \\( S_{11}\\)은 얼마인가?"
] |
9f2beb19-0992-4ba8-a81c-0a3f23791827
|
인공물ED
|
휴대용 전자 후각 장치에서 다채널 마이크로 센서 신호의 영상 정합을 이용한 가스 인식
|
<h1>II. 본 론</h1> <h2>1. 휴대 환경에서 가스 시료의 측정</h2> <p>일반 환경에서의 가스 시료 측정을 위해 이전 연구에서 본 연구진에 의해 개발된 다채널 마이크로 센서 및 PDA 기반의 휴대용 전자 후각 시스템을 사용하였으며, 휴대용 전자 후각 시스템의 센서 구성을 위해 다양한 센서 물질 중, 관련 측정 데이터의 통계 분석 결과를 바탕으로 7 종류의 화합물을 선택하였다. 참고로 해당 목록을 표 1 에 나타내었다.</p> <table border><caption>표 1. 다채널 마이크로 가스 센서에 사용된 다양한 Carbon black (CB) - 고분자 중합체</caption> <tbody><tr><td>Ch</td><td>Polymer I.D.</td></tr><tr><td>1</td><td>poly(4-viny1 pynidine)</td></tr><tr><td>2</td><td>poly(viny1 butyral)-co-vinyl alcohol-co-viny1 acetate</td></tr><tr><td>3</td><td>poly(viny1 stearate)</td></tr><tr><td>4</td><td>ethy1 cellulose</td></tr><tr><td>5</td><td>polystyrene-b-polylisopreme-b.pz</td></tr><tr><td>6</td><td>hydroxypropyl cellulose</td></tr><tr><td>7</td><td>cellulose acetate</td></tr></tbody></table> <p>제안된 알고리듬의 검증을 위해 아세톤 (acetone), 벤젠 (benzene), 클로로폼 (chloroform), 싸이클로(c-)헥산 (cyclohexane), 에탄올 (ethanol), 메탄올 (methanol) 등 총 6 종류의 액체 상태의 VOC 시료를 그림 1에서 보인 것처럼 용기에 담아 측정에 사용하였다. 각 시료에 대해 20회의 반복 측정이 시행되었다. (메탄올 측정 시 신호의 변동이 심하여 알고리듬 검증을 위한 다양한 샘플 확보를 위해 30 회 반복 측정함)</p> <p>그림 2 는 에탄올 기체 시료를 7 채널 마이크로 센서로 측정한 전형적인 응답 곡선을 나타낸다. 그래프에서 보이는 다수의 신호 피크는 20 회의 반복 측정에 해당하는 감지 신호이다.</p> <h2>2. 측정 데이터의 영상화 정합 (image matching)</h2> <p>측정데이터를 2 차원 영상 (행렬)의 형태로 표현한 후각 가스 시료 측정치 간의 정합 수치 (matching score)를 식 (1) 의 상관 계수 (correlation coefficient)를 이용하여 산출하였다.</p> <p>correlation coefficient \( _{x y}=\frac{\sigma_{x y}}{\sigma_{x} \sigma_{y}} \)<caption>(1)</caption></p> <p>여기서 \( \mathrm{x}, \mathrm{y} \) 는 두 개의 신호 행렬 (혹은 벡터)이며, \( \sigma_{x y} \) 는 두 행렬의 공분산 (covariance), \( \sigma_{x} \) 과 \( \sigma_{y} \) 는 각 행렬의 분산 (variance)이다.</p> <p>기존의 방법과의 성능 비교를 위해 각 채널의 신호에서 추출된 신호 크기의 최대 변화폭, 즉 최대 민감도 (maximum sensitivity)로 표현된 특징 벡터에 식 (1)로 정의된 상관 계수를 적용하여 정합의 세기를 수치화하였다.</p>
|
[
"표 1에서, Ch 1의 Polymer I.D.는 무엇인가?",
"표 1에서, Ch 2에 해당하는 폴리머 아이디는 무엇인가?",
"표 1에서, 채널번호 3에 해당하는 Polymer I.D.는 뭐지?",
"표 1에서, Polymer I.D.가 ethy1 cellulose인 채널은 번호가 어떻게 되나요?",
"표 1에 나타난 다양한 채널들 중, Ch 5의 폴리머 아이디는 어떤 것인가?",
"표 1에서, cellulose acetate라는 폴리머 I.D.를 가진 폴리머의 채널 번호는 몇 번인가요?",
"표 1에 나타난 다양한 폴리머 아이디들 중, 채널이 6인 폴리머 아이디는 무엇이지?"
] |
0dc85855-f336-4e21-9862-06f8dedcef28
|
인공물ED
|
협곡풍에 의한 송전선로점퍼선 횡진고장 방지대책
|
<h1>3. 협곡풍에 의한 송전선로 점퍼선 형진방지장치</h1> <h2>3.1 개발 설치</h2> <p>기상변화로 태풍의 최대순간풍속이 점점 강해지고 있는데 예로 태풍 테드는 1992년 \( 51 \mathrm{~m} / \mathrm{s} \), 태풍 프라피룬는 2000년 \( 58.3 \% / \mathrm{s} \) 를 기록하였으며, 2003년 태풍 매미는 \( 60.0 \mathrm{~m} / \mathrm{s} \) 를 기록 하며 태풍의 강도를 더해가고 있다, 이로 인해 송전전력설비는 헙곡풍으로 인한 점퍼선 횡진으로 철탑과 공기절연간격 부족으로 섬락고장 발생을 자주 유발시켜 계통을 동요시키고 있다. 이에 한전은 \( 154 \mathrm{kV} \) 및 \( 345 \mathrm{kV} \) 철탑 구조에 적합 하면서 경제적인 횡진방지장치 개발을 설치하여 점차 확대 시행하고 있다.</p> <p>표 3.1은 한국전력과 국외에서 점퍼지지장치를 사용하고 있는 종류의 현황을 나타내고 있다.</p> <h2>3.2 송전선로 점퍼선 횡진 섬락고장 밎 지지장치 구조</h2> <p>표 3.2는 2000년, 2002년, 2003년, 2006년 태풍의 내습으로 인해 송전선 횡진고장이 중점적으로 발생했던 횟수를 나열 했다.</p> <p>그림 3.1은 횡진방지를 위하여 개발 지속적으로 사용할 횡진방진용 단도체, 복도체용 횡진방지용 추를 보여주고 있다.</p> <p>표 3.3은 점퍼선에 부착될 애자장치와 애자장치의 부품 및 주재료를 나열하고 있다.</p> <p>신설 송전선로는 \( 154 \mathrm{kV} \) 점퍼지지 애자장치 설치개소에 기설송전선로는 \( 154 \mathrm{kV} \) 점퍼지지 애자 중 점퍼선 횡진으로 인한 섬락고장 사고실적이 있거나 사고 우려가 있는 개소에 설치 운영하고 있다. 적용전선은 \( 330 \mathrm{~mm}^{2} \) 및 \( 410 \mathrm{~mm}^{2} \)용 (단도체 및 복도체)를 사용하며, 신설선로용은 \( 154 \mathrm{kV} \) 점퍼지지 애자 장치 Set 규격에 횡진방지장치를 추가하여 설치하여 운영 하며 기설선로용은 \( 154 \mathrm{kV} \) 점퍼지지 애자장치에 진동 방지장치만 설치하여 전력을 공급하고 있다. 이로 인한 개선 효과로는 점퍼횡진에 의한 섬락고장 예방 및 전선손상 방지 하고, 태풍으로 인한 점퍼선횡진 억제로 유지보수 비용 절감 하며, 송전고장 예방으로 전력공급 신뢰도를 향상시키고 있다.</p> <table border><caption>표 3.3 애자장치 부품 및 주재료</caption> <tbody><tr><td>No</td><td>부 품</td><td>주재료</td></tr><tr><td>1</td><td>U Bolt</td><td>Steel</td></tr><tr><td>2</td><td>Y크레비스볼</td><td>HT Steel</td></tr><tr><td>3</td><td>현수애자</td><td>Porcelain</td></tr><tr><td>4</td><td>소켓크레비스</td><td>GCD</td></tr><tr><td>5</td><td>아이볼트</td><td>Steel</td></tr><tr><td>6</td><td>Weight \( (65 \mathrm{~kg}) \)</td><td>Steel</td></tr><tr><td>7</td><td>클램프</td><td>AL-Alloy</td></tr></tbody></table> <h2>3.3 협곡풍에 의한 섬락고장과 설치된 계곡횡단선로</h2> <p>그림 3.2은 송전선로 내장형 철탑의 협곡풍에 의한 점퍼선과 철탑 암과의 근접으로 손상된 전선과 철탑 암의 사진을 나타내고 있다.</p> <p>그림 3.3은 송전선로 점퍼선 횡진으로 인한 flashover을 일으킨 내장주 점퍼선에 점퍼지지애자를 설치한 모습이며 이 철탑은 계곡을 횡단하는 곳에 설치되어 있어 협곡풍에 노출된 철탑이었다. 그러나 점퍼선 지지애자를 설치한 후에는 협곡풍이 심할 때에도 안정적으로 전력을 공급하고 있다. 이 철탑에 대한 설치로 효과가 입증되어 협곡풍으로 인한 섬락고장이 발생할 우려가 있는 곳에는 지속적으로 설치할 예정이다.</p> <p>표 3.4는 \( 345 \mathrm{kV} \) 점퍼선 지지장치 설치를 한 기수와 향후 설치할 기수를 보여주고 있다. 이의 설치기준으로는 첫째로 골바람과 계절풍의 영향이 예상되는 개소에 점퍼선 횡진방지를 위한 점퍼지지애자련 추가 설치를 추진할 것이며, 둘째로는 기상청자료 연중 풍속 극한값 반영으로 시공개소 우선 순위를 반영하며, 셋째로는, 영동지역에 속초 51호, 강릉 60호 등 7개소에 풍속계를 설치하여 골바람 및 태풍의 풍속을 측정하여 이를 반영할 예정이다.</p>
|
[
"섬락고장이 발생하는 문제를 해결하기 위한 방법은 뭐야?",
"애자장치 1번 부품의 주재료는 뭐야?",
"애자장치 2번에 해당하는 부품은 무엇인가요?",
"애장장치의 부품 중 3번 현수애자의 주재료는 뭘까요?",
"4번 애자장치의 부품은 무엇입니까?",
"부품 4번의 애자장치의 주재료는 어떤 것입니까?",
"7개의 애자장치 부품 중 5번에 해당하는 부품은 무엇일까요?",
"점퍼선에 부착하는 부품 중 5번에 해당하는 것의 주재료는 어떤 것입니까?",
"여러 애자장치들은 점퍼선에 장착되는데 그 중 6번에 해당하는 부품은 뭐에요?",
"7개의 애자장치 부품들은 여러가지 재료들로 만들어지는데, 주재료가 AL-Alloy인 부품은 어떤 것입니까?",
"어떤 부품이 애자장치 3번에 해당하나요?",
"어떤 애자장치 부품이 7번에 해당하는가?",
"점퍼선에 부착될 애자장치의 부품 중에 7번의 주재료는 무엇인가?",
"부품의 주재료가 HT Steel인 애자장치는 뭐야?",
"점퍼선에 장착 될 부품들 중에서 주재료가 Porcelain인 것은 무엇인가?",
"어떤 애자장치 부품의 주재료가 GCD인가?",
"점퍼선에 부착될 애자장치 중 1번에 해당하는 부품은 무엇인가?",
"점퍼선에 부착될 애자장치 중 2번의 주재료는 뭐야?",
"6번 애자장치의 주재료는 무엇일까요?"
] |
5e50398f-7e25-4a66-b8f9-4ada0bd7044d
|
인공물ED
|
W-CDMA 시스템의 파일럿 패턴을 이용한 프레임 동기 성능 분석
|
<h1>Ill. 프레임 동기 단어</h1> <h2>3-1 프레임 동기용 이원 부호</h2> <h3>3-1-1 기본 내용</h3> <p>유한체 \( \mathrm{GF}(2)=\{0,1\} \)에 대한 n-tuple 이원 부호를 \( C_{i}=\left(C_{i, 0}, C_{i, 1}, \ldots, C_{i, n-1}\right) \)라 정의하며, 이원 부호의 자기 상관 함수는 다음과 같이 정의된다.</p> <p>\( R_{i}(\tau)=\sum_{t=0}^{n-1}(-1)^{C_{i, 1}+C_{i,[(t+t) \bmod n]}} \)<caption>(1)</caption></p> <p>여기서 \( \bmod n \)은 modulo \( n \)연산을 나타내며, \( C_{i, t} \) \( +C_{i,[(t+\tau) \bmod n]} \)는 modulo 2 계산된다. \( R(0) \)은 지연이 "0"인 자기 상관함수 값이다. \( R(\tau),(\tau \neq 0) \)는 지연이 "0"이 아닌 경우, 값이 모두 “-1"이다. 이러한 이원 부호는 이상적인 자기 상관 함수 특성을 갖는다고 정의한다. 이원 부호 \( C_{i}=\left(C_{i, 0}, C_{i, 1}, \cdots\right. \), \( \left.C_{i, n-1}\right) \)와 \( C_{j}=\left(C_{j, 0}, C_{j, 1}, \ldots, C_{j, n-1}\right) \) 사이의 상호 상관 함수는 다음과 같이 정의된다.</p> <p>\( R_{i, j}(\tau)=\sum_{t=0}^{n-1}(-1)^{C_{i, t}+C_{j .\{t(t+t) \mathrm{mod} n\}}} \)<caption>(2)</caption></p> <h3>3-1-2 제안된 프레임 동기용 이원 부호의 특성</h3> <p>표 1은 제안된 8 개의 프레임 동기용 이원 부호를 나타낸다. 제안된 이원 부호의 길이는 W-CDMA의 한 프레임 당 슬롯 수와 동일하다. 이러한 8 개의 이원 부호는 \( E=\left\{C_{1}, C_{2}\right\}, F=\left\{C_{3}, C_{4}\right\}, G=\left\{C_{5}\right. \), \( \left.C_{6}\right\}, H=\left\{C_{7}, C_{8}\right\} \) 의 4 가지 종류로 나눌 수 있으며, 동일 종류에 있는 두 부호를 “우선 쌍(preferred pair)"이라 칭한다. 우선 쌍 사이에는 지연이 중간에서 음의 최대치를 가지며, 그 이외의 지연에서는 최소값인 1의 상호 상관 특성을 가진다. 따라서 이러한 자기 상관 및 상호 상관 특성을 결합하면, 다음과 같은 지연이 "0"과 "7"에서 각각 양과 음의 최대치를 가지며, 그 이외의 지연에서는 부엽(side lobe)이 "0"인 이상적인 프레임 동기 특성을 얻을 수 있다.</p> <table border><caption>표 1. 제안된 W-CDMA 시스템의 프레임 동기용 이원 부호</caption> <tbody><tr><td>Class</td><td>Binary sequences for frame synchronization</td></tr><tr><td>E</td><td>\( C_{1}=(100011110101100) C_{2}=(101001101110000) \)</td></tr><tr><td>F</td><td>\( C_{3}=(110001001101011) C_{4}=(001010000111011) \)</td></tr><tr><td>G</td><td>\( C_{5}=(111010110010001) C_{6}=(110111000010100) \)</td></tr><tr><td>H</td><td>\( C_{7}=(100110101111000) C_{8}=(000011101100101) \)</td></tr></tbody></table> <p>\( \begin{aligned} Z(\tau, \alpha)=& \sum_{i=0}^{\alpha} R_{i}(\tau)+\sum_{i=0}^{\alpha / 2}\left(R_{2 i-1,2 i}(\tau)\right.\\ &\left.+R_{2 i, 2 i-1}(\tau+1)\right) \\=&\left\{\begin{array}{l}\alpha \cdot 16, \quad \tau=0 \\ -\alpha \cdot 16, \quad \tau=7, \quad \alpha=2,4,8,6 \\ 0, \quad \tau \neq 0,7\end{array}\right.\end{aligned} \)<caption>(3)</caption></p> <p>식 (3)의 이상적인 프레임 동기 상관 특성을 이용하면, 이상적인 프레임 동기의 이중 검사가 가능함을 알 수 있다.</p>
|
[
"표1에서 H의 프레임 동기화를 위한 이진 시퀀스는 뭐야?",
"표2에서 ClassF의 프레임 동기화를 위한 이진 시퀀스는 뭐지?",
"제안된 W-CDMA 시스템의 프레임 동기용 이원 부호를 나타낸표에서 G의 Binary sequences for frame synchronization는 뭐야?",
"\\( C_{1}=(100011110101100) C_{2}=(101001101110000) \\)동기용이원부호는 어떤것이야?",
"제안된 W-CDMA 시스템의 프레임 동기용 이원 부호를 나타낸 표에서 E클래스의 프레임 동기화를 위한 이진 시퀀스는 뭐야?"
] |
bc74eb85-fd64-4419-b0fe-c6e9ddf7d9f9
|
인공물ED
|
Push-Pull Detection 구조 및 빠른 응답 특성을 갖는 LDO 레귤레이터
|
<h1>II. 본론</h1><h2>1. Low Drop-Out 레귤레이터</h2><p>그림 1, 2은 컨벤서널 LDO 레귤레이터의 스케메틱이다. LDO 레귤레이터는 출력전압을 리니어하게 유지하기 위한 패스 트랜지스터, 피드백 저항, 오차 증폭기 그리고 외부 출력 커패시터로 구성된 다. 밴드갭 레퍼런스는 온도에 따른 입력전압을 변화에 둔감하게 만들어 이상적인 전류, 전압을 범위 내에서 제공한다. 오차 증폭기는 레퍼런스 전압과 피드백 저항을 거친 출력 전압을 비교하여 패스 트랜지스터의 게이트 단으로 인가되며, 그로 인한 전압 강하를 발생시켜 출력이 일정한 전압을 가져온다. 출력 커패시터는 LDO 레귤레이터의 stability 를 위하여 일반적으로 수 마이크로패럿, 수 피코 단위의 커패시터를 사용하기도 한다. 또한 레귤레이터의 안정적인 구동을 위하여 레귤레이터의 부하가 없을때보다 부하가 걸렸을 때 phase margin 을 확보하는 것이 중요하다. 먼저 기존의 LDO는 2-Stage를 형성하며 안정도가 중요한 요소로 작용 된다. 또한 load transient는 순간적으로 부하전류를 변화시켰을 때, 출력전압의 피크치 변화를 확인하는 레귤레이터의 성능 지표이다. 따라서 load transient는 전류에 대한 전압 변화를 보여주며, 부하에 따른 전압 델타량과 빠른 응답속도를 가진다면 LDO는 보다 개선된 전기적인 효과를 가진다. 그림 2는 LDO 레귤레이터의 스케메틱이다. 기본적인 레귤레이터는 출력단에 커패시터 크기에 따른 System On Chip의 유무를 판단한다. 물론 칩 내장을 위한 커패시터의 유무가 중요하지만 레귤레이터의 stability를 확보함에 있어 조건적으로 커패시터의 사이즈가 정해진다.</p><h2>2. 제안된 Push-Pull Detection LDO 레귤레이터</h2><p>그림 3은 push-pull 감지 회로 구조로 오차증폭기의 출력과 패스 트랜지스터의 게이트단 사이에 push-pull 감지 회로가 추가된 LDO 레귤레이터이다. 피드백을 거친 변화된 전압에 따라 오차증폭기의 출력전압이 변동하게 되며, 그로 인한 push-pull 감지 회로가 변화되면서 전류를 push-pull로 동작하게 하여 변화시켜주는 구조이다. 그림 4를 참고하면 부하전류로 인한 출력전압이 증가한다면, 오차증폭기의 전압이 증가하게 될 것이며, 증가된 전압으로 인하여 인버터의 출력이 low로 발생되며, 그로 인한 전류를 발생시켜 패스 트랜지스터의 게이트 전압을 증가시켜주는 효과를 가져다준다. 따라서 오차증폭기의 출력이 증가된 점을 보다 빠르게 push-pull 전류를 확보하여 추가적인 전류패스를 생성하기 때문에 패스 트랜지스터의 전류는 감소시키며, 출력대비 증가한 전압을 하강시켜준다. 또한 그림 5를 참고하면, 부하전류로 인한 출력전압이 감소한다면, 오차증폭기의 전압이 하강하게 될 것이며, 하강된 전압으로 인하여 인버터의 출력이 high로 발생되며, 그로 인한 추가전인 전류를 발생시켜 추가적인 전류패스를 발생시켜준다. 그로 인하여 패스 트랜지스터의 게이트 전압을 하강시켜주는 효과를 가져다준다. 따라서 오차증폭기의 출력이 하강된 점을 보다 빠르게 push-pull 전류를 확보하여 추가적인 전류패스를 생성하기 때문에 패스 트랜지스터의 전류는 증가시키며, 출력대비 하강된 전압을 증가시켜준다. 또한 패스 트랜지스터의 게이트 전압과 레귤레이터의 출력전압 사이의 커패시터가 존재한다. stability를 위한 5pF의 보상 커패시터를 추가하였다.</p><h2>3. 시뮬레이션 결과</h2><p>그림 6,7 은 컨벤셔널 LDO 레귤레이터의 load transient 값의 시뮬레이션 결과이다. 부하 전류에 따라서 \( \Delta 359 \mathrm{mV}, 287 \mathrm{mV} \) 값을 가진다. 그림 8 , 9 는 제안된 LDO 레귤레이터의 load transient 값의 시뮬레이션 결과이다. 부하 전류에 따라서 \( \Delta 314 \) \( \mathrm{mV}, 239 \mathrm{mV} \) 값을 가진다. 컨벤셔널 LDO 레귤레이터 보다 rising time에서는 약 \( 45 \mathrm{mV} \), falling time에서는 약 \( 48 \mathrm{mV} \) 의 향상된 피크치 전압을 가진다. 또한 push-pull 감지 회로에서는 transient에서 빠른 응답시간을 가진다. 부하전류에 따른 피드백을 거치는 시간을 push-pull 구조로 추가적인 전류패스로 인하여 보다 빠른 응답시간을 가진 구조이다. 그림 10 은 제안된 LDO 레귤레이터의 stability이다. 페이즈 마진은 55도를 확보하였으며, Gain은 \( 88 \mathrm{db} \) 를 확보하였다.</p>
|
[
"기존의 LDO의 성능 지표는 무엇인가?",
"피드백 저항은 LDO 레귤레이터의 구성요소인가?",
"오차 증폭기는 LDO 레귤레이터의 구성요소인가?",
"외부 출력 커패시터는 LDO 레귤레이터의 구성요소인가?",
"LDO 레귤레이터는 어떻게 구성되어 있는가?",
"LDO 레귤레이터의 구성요소로는 어떤 것들이 있는가?",
"밴드갭 레퍼런스는 온도에 따른 입력전압을 변화에 둔감하게 만들어 이상적인 전류를 제공하는가?",
"오차 증폭기는 어떻게 일정한 전압을 가져오는가?",
"일반적으로 사용하는 출력 커패시터의 단위는 어느정도인가?",
"레귤레이터의 안정적인 구동을 위해 필요한 것은 무엇인가?",
"phase margin과 레귤레이터 사이에는 아무런 상관관계가 없는가?",
"load transient는 어떤 전기적인 특성을 가지는가?",
"레귤레이터의 stability를 확보함에 있어서 중요한 요소는 무엇인가?",
"push-pull 감지 회로가 추가된 LDO 레귤레이터의 구조는 어떠한가?",
"LDO 레귤레이터의 load transient 값의 결과는 어떠한가?",
"패스 트랜지스터는 LDO 레귤레이터의 구성요소인가?"
] |
0ac8aac7-df7a-42b3-8013-7860ecad7150
|
인공물ED
|
Push-Pull Detection 구조 및 빠른 응답 특성을 갖는 LDO 레귤레이터
|
<h1>I. 서론</h1><p>모바일 기기를 포함한 편리성을 강조한 고성능의 시스템이 급속하게 보급됨에 따라서 전력 관리 회로의 중요성이 강조되고 있다. 전기 및 전자 시스템에서 레귤레이터와 전원 공급 장치는 필수 기능 입니다. 모바일 폰 및 태블릿과 같은 장치는 일정한 전원 공급 없이는 정상적인 작동이 불가능하다. 레귤레이터는 부하, 노이즈에 따른 전압이 관계없이 잡음에 있어 안정적이고 정확한 공급 전원을 제공 할 수 있다. 또한 Power Management IC는 입력 전원에 따른 적절한 출력 전원으로 변환되어 필요한 전원을 각 시스템에 공급하는 장치이다. 또한 고성능 애플리케이선를 포함해서 전력소모가 큰 부품들이 추가되어 많은 기능들을 실현하기 위해서는 보다 효율적인 전력관리가 중요하다. 레귤레이터는 예측 불가능한 외부 조건에서도 전원을 일징하게 제공하는 회로이다. Noise가 많이 발생하는 공급전압으로부터 일정하게 정확한 출력전압을 부하와 개별적으로 동작하도록 하는 회로이다. 전력 관리 IC(PMIC) 는 전력 변환 프로세스, 안정적인 전원 공급 및 높은 변환 효율에서 중요한 요소로 볼 수 있다. 또한 애플리케이션에 필요한 전압을 장치에 따라 공간의 절약과 비용 절감으로 인한 battery기반 휴대 정보의 필요한 구성 요소로 볼 수 있다. LDO 레귤레이더는 출력 전압을 발생시키기 위한 오류 증폭기, 패스 트랜지스터, 외부 출력 커패시터로 구성된다. SoC(System on Chip) 에 따라 LDO 레귤레이더는 외부 커패시터의 사이즈를 절약하고 시스템 성능 및 사이즈에 이점을 두 기위하여 칩에 내장되는 추세이다. LDO의 커패시터를 칩 내부에 내장하면 기존 LDO의 커패시터를 외부에 구성하는 것보다 사이즈에 대한 장점이 존재하지만, 부하에 따른 전압 피크치와 안정도 부분에 대한 문제점이 발생 할 수 있다. 본 논문에서는 오차 증폭기의 출력단과 패스 트랜지스터의 게이트 단 사이에 Push-Pull 감지회로를 추가하여 본래의 LDO 레귤레이터의 Load Transient 특성을 보다 향상된 값을 가져오는 선형 레귤레이터를 제안한다.</p>
|
[
"오류 증폭기는 LDO 레귤레이터의 구성요소인가?",
"높은 변환 효율에 있어서 전력 관리 IC(PMIC)는 중요한 요소인가?",
"Power Management IC란 무엇인가?",
"레귤레이터의 장점은 무엇인가?",
"레귤레이터는 전기 및 전자 시스템의 필수 기능인가?",
"레귤레이터란 무엇인가?",
"전원 공급 장치는 전기 및 전자 시스템에서 필수 기능인가?",
"예측 불가능한 외부 조건에서도 전원을 일정하게 제공하는 회로를 DC 회로라고 부르는가?",
"모바일 폰 및 태블릿과 같은 장치는 일정한 전원 공급 없이도 작동이 가능한가?",
"전력 변환 프로세스에 있어서 전력 관리 IC(PMIC)는 중요한 요소인가?",
"입력 전원에 따른 적절한 출력 전원으로 변환되어 필요한 전원을 각 시스템에 공급하는 장치는 무엇인가?",
"Power Management IC가 없어도 전원을 시스템에 공급할 수 있는가?",
"외부 출력 커패시터는 LDO 레귤레이터의 구성요소인가?",
"패스 트랜지스터는 LDO 레귤레이터의 구성요소인가?",
"LDO 레귤레이터의 구성 요소는 무엇인가?",
"LDO 레귤레이터는 어떻게 구성되어 있는가?",
"SoC는 무엇의 약자인가?",
"LDO의 커패시터를 칩 내부에 내장할 경우 나타나는 장단점은 무엇인가?",
"안정적인 전원 공급에 있어서 전력 관리 IC(PMIC)는 중요한 요소인가?"
] |
805a9fa5-12bc-4d90-92f7-61d920f685cb
|
인공물ED
|
Push-Pull Detection 구조 및 빠른 응답 특성을 갖는 LDO 레귤레이터
|
<h1>III. 결론</h1><p>본 눈문에서는 기존의 LDO 레귤레이터에서 패스 트랜지스터의 게이트 단과 오차 증폭기 출럭 단 사이에 push-pull 감지 회로를 추가하여 transient 특성이 개선된 LDO 레귤레이터를 제안 하였다. 순간적인 부하 전류에 변화에 따라서 빠른 응답속도의 특성이 향상되었음을 확인하였다. 부하에 따른 출력전압의 setting time이 기존의 LDO 레귤레이터 보다 rising time에서는 야 \( 244 \mathrm{~ns} \), falling time에서는 약 \( 90 \mathrm{~ns} \) 의 향상된 응답속도를 가진다. 그에 따른 결과로 부하 전류의 변화에도 델타 값과 빠른 setting time의 동작이 확보된 LDO를 개발하였다. 본 눈문은 samsung \( 0.13 \mathrm{um} \) 공정을 사용하여 시뮬레이션을 진행하였다.</p>
|
[
"본 눈문에서 기존의 LDO 레귤레이터에서 패스 트랜지스터의 게이트 단과 오차 증폭기 출럭 단 사이에 push-pull 감지 회로를 추가하여 transient 특성이 개선된 LDO 레귤레이터를 제안 하였는데 빠른 응답속도의 특성이 향상되었음을 확인할 수 있었던건 순간적인 무엇의 변화 때문 이었을까?",
"본 눈문에서 기존의 LDO 레귤레이터에서 패스 트랜지스터의 게이트 단과 오차 증폭기 출럭 단 사이에 무엇을 추가하여 transient 특성이 개선된 LDO 레귤레이터를 제안 하였지?",
"부하에 따른 출력전압의 setting time이 기존의 LDO 레귤레이터 보다 rising time에서는 얼마나 향상된 응답속도를 가지지?",
"부하에 따른 출력전압의 setting time이 기존의 LDO 레귤레이터 보다 rising time에서는 야 \\( 244 \\mathrm{~ns} \\)의 향상된 응답속도를 가지는데 falling time에서는 얼마의 향상된 응답속도를 가지는가?",
"본 논문에서는 어떤 공정을 사용하여 시뮬레이션을 진행하였지?"
] |
a15e0621-9954-43bd-a373-509e3ec716bf
|
인공물ED
|
Push-Pull Detection 구조 및 빠른 응답 특성을 갖는 LDO 레귤레이터
|
<h1>요 약</h1><p>본 논문에서는 push-pull 감지 회로 구조로 인해 load transient 특성을 개선시킨 LDO를 제안하였다. LDO 레귤레이터 패스 트랜지스터의 입력단과 내부 오차증폭기의 출력단 사이에 제안된 push-pull 감지 회로 구조로 인한 전압 델타 값의 응답 특성을 개선시켜 종래의 LDO 레귤레이터보다 load transient 특성에서 우수한 효과를 가진다. 기존의 LDO 레귤레이터보다 rising time에서는 약 \( 244 \mathrm{~ns} \), falling time에서는 약 \( 90 \mathrm{~ns} \) 만큼의 향상된 응답속도를 가진다. 제안된 회로는 Cadence사의 Spectre, Virtuoso 시뮬레이션 tool을 사용하여 samsung \( 0.13 \mathrm{um} \) 공성으로 특성 및 결과를 시뮬레이션 하였다.</p>
|
[
"본 논문에서 push-pull 감지 회로 구조로 인해 load transient 특성을 개선시켜 제안한 것은 뭐지?",
"LDO 레귤레이터 패스 트랜지스터의 입력단과 내부 오차증폭기의 출력단 사이에 제안된 push-pull 감지 회로 구조로 인한 전압 델타 값의 응답 특성을 개선시켜 종래의 LDO 레귤레이터보다 어떤 특성에서 우수한 효과를 가지지?",
"기존의 LDO 레귤레이터보다 rising time에서는 얼마나 향상된 응답속도를 가져?",
"LDO 레귤레이터 패스 트랜지스터의 입력단과 내부 오차증폭기의 출력단 사이에 제안된 push-pull 감지 회로 구조로 인한 전압 델타 값의 응답 특성을 개선시켜 종래의 LDO 레귤레이터보다 load transient 특성에서 우수한 효과를 가지는데 기존의 LDO 레귤레이터보다 falling time에서는 얼마만큼의 향상된 응답속도를 가질까?"
] |
199b2124-5198-44eb-918a-b9b33afd6dc0
|
인공물ED
|
수화 표현을 위한 손 모양 편집 프로그램의 개발
|
<h1>Ⅱ. 손 모양</h1> <h2>1. 손 모양 관찰</h2> <p>손 모양은 수화, 지문자, 지숫자, 기타 제스처에 널리 쓰이고 있다. 지문자는 한글이나 영어를 알파벳으로 표시하는 손 제스처이고 지숫자는 숫자를 표시한 것이다. 한글 지문자는 한글 단자음 10개와 한글 단모음 14개, ㅢ, ㅚ, ㅟ 3개를 포함하여 총 27개로 이루어지며, 한글의 자음과 모음이 하나의 한글 문자를 구성하듯이, 자음 지문자와 모음 지문자를 합하여 하나의 한글 지문자를 형성한다.</p> <table border><caption>표 1. 손 모양의 표현상 의미</caption> <tbody><tr><td>손 모양</td><td>표현상 의미</td><td>수화 예</td></tr><tr><td>주먹을 쥠</td><td>다부짐</td><td>싸움, 바위</td></tr><tr><td>엄지만 펴서 세움</td><td>남자</td><td>제일, 남자</td></tr><tr><td>자연스럽게 폄</td><td>강박</td><td>박수, 보</td></tr><tr><td>약간 구부림</td><td>고생</td><td>걱정, 슬픔</td></tr><tr><td>주먹을 쥐고 검치만 폄</td><td>하나, 지시</td><td>말, 무엇</td></tr><tr><td>'O'와 같이 둥글게 쥠</td><td>돈, 경제</td><td>돈, 금</td></tr><tr><td>주먹을 쥐고 소지를 폄</td><td>여자, 부정</td><td>숙녀, 불량</td></tr><tr><td>주먹을 쥐고 엄지와 검지만 폄</td><td>시간</td><td>시계, 크다</td></tr></tbody></table> <p>그림 1과 그림 2는 몇 가지 지문자에 대한 손 모양과 수화에서 사용되는 손 모양의 예를 보인다. 수화 동작을 표현할 때 손 모양을 여러 가지로 바꾸는 경우가 있는데, 손 모양들을 관찰해 보면 일반적으로 가위 형, 제일 형, 주먹 형, 보 형 등 다양한 모양으로 나눌 수 있다. 이를 정리하여 Stoke는 21가지의 손 모양을 제시하였으며 김승국은 30가지를 제시하였다, 석동일은 21개의 기본 손 모양과 23개의 이형 손 모양을 제시하였는데, 이 중 19개는 한국, 일본, 미국이 동일한 손 모양을 가지고 있다. 연구자마다 손 모양의 개수에 차이가 있는 것은 보는 관점의 차이에서 비롯된 것이지만, 공통적인 부분도 많이 관찰된다. 표 1은 장전권의 손 모양에 기초하여 어원적 의미와 예시를 보인다.</p> <h2>2. 손 모양 변화에 관한 연구</h2> <p>청각장애인들은 수화를 표현하면서 수화 단어를 바꿀 때마다 손 모양을 연속적으로 바꾸는 경우가 많다. 수화 문장의 흐름에서 현재 수화 단어의 키 프레임과 다음 수화 단어의 키 프레임 사이에 수화 동작의 변화로 인하여 각각 다른 손 모양이 발생하는 것이다. 예를 들어, 그림 3은 “가지다”라는 수화 단어를 표현할 때 손 모양이 변하는 것을 보여준다. 키 프레임 방식의 애니메이션에서 수화 아바타의 손을 자연스럽게 움직이기 위해서는 복잡한 키 프레임 데이터를 입력하여야 하는데, 이를 단순화하기 위해 키 프레임 간의 보간 기법을 도입하였다. 수화 동작을 시작할 때의 손 모양과 중간 단계에서의 손 모양, 마지막의 손 모양이 다르면, 3개의 키 프레임에 각각 다른 손 모양 정보를 삽입하고, 보간법과 타이머 함수를 이용하여 일정한 시간에 키 프레임 사이의 손 모양 변화를 스스로 생성하도록 하였다.</p> <h2>3. 기존의 손 모양 편집기</h2> <p>손 모양 편집기는 수화 단어 편집 프로그램의 구성요소로서 손 모양을 임의대로 선택하고 손가락 관절 회전각을 조정하며 가상현실 공간에서 아바타의 손 모양을 바꾸는 도구이다. 한국과학기술원 변증남 교수 연구실에서는 1998년 수화 단어 편집 프로그램에 그림 4와 같은 손 모양 선택 기능을 추가하고 손 모양 편집기를 개발하였다. 하지만, 그림 4와 같이 손 모양 선택 버튼이 다양하지 못하기 때문에 아바타의 손 모양을 편집하기 위해 그림 5와 같이 수화 단어 데이터베이스에 저장되어 있는 손가락 관절 회전각을 대응되는 손 모양의 3D 그래픽을 보지 않고 편집해야 한다. 따라서, 사용자가 손가락 관절 회전각과 손 모양의 관계를 잘 이해하지 못하면 손가락 관절 회전각을 제대로 입력하지 못하는 경우가 발생한다.</p>
|
[
"표현상 의미 다부짐은 어떤 손모양인가?",
"돈과 관련된 수화의 손 모양은 어떤 거야?",
"손모양 자연스럽게 폄은 어떤 의미를 가지나?",
"주먹을 쥐고 소지를 피면 어떤 표현상 의미를 가질까?",
"엄지만 펴서 세우는 손모양에는 어떤 수화의 예가 있나?",
"어떤 손 모양이 말과 무엇을 수화 예로 하는가?",
"고생의 의미를 표현하려면 어떤 손모양을 해야하지?",
"시계를 표현하는 수화와 연관되는 손모양은 무엇이니?"
] |
e60ce962-2ac7-4758-a313-34372c702b68
|
인공물ED
|
수화 표현을 위한 손 모양 편집 프로그램의 개발
|
<h1>Ⅲ. 손 모양의 구성</h1> <h2>1. 손 모양 디자인</h2> <p>개발한 손 모양 편집 프로그램에서는 아바타 손의 사실적인 표현과 친근감을 강조하면서도 3D 그래픽의 처리 속도를 높이기 위해, 3D MAX 기반의 손 모델 정보를 ASE(ASCII Scene Export)를 사용하여 OpenGL 기반의 C언어 코드로 변환하였다. 실제 아바타의 손동작 애니메이션을 자연스럽게 보이기 위해서는 그래픽을 처리하기 위한 계산이 많이 필요하지만 그림 6과 같은 복잡한 선 프레임(Wire Frame)을 텍스처 표면을 만드는 테두리선 수준으로 줄이고 그림 7과 같이 모델의 표면에 텍스처를 표시하였다. 또한, 친근감을 주기 위해 표면에 광택 효과와 매끄러운 효과, 명암 효과를 넣었다.</p> <h2>2. 손가락 관절</h2> <p>수화 발생기에서 중요한 부분은 양손과 양팔, 몸의 움직임인데, 특히 양손의 움직임이 굉장히 중요하다. 수화 아바타가 수화를 표현할 때 손 모양을 정확히 하여야 청각장애인이 이해하기 쉽기 때문이다. 실제와 유사한 손 모양을 만들기 위해서는 그림 8과 같이 사람의 손가락 마디와 마디를 연결하는 손가락 관절을 아바타 손의 손가락 관절로 설정하여야 하는데, 손가락의 움직임을 부드럽게 제어하기 위해 그림 9의 검은 점과 같이 아바타 손 모델에 15개의 손가락 관절을 설정하였다. 그림 10은 손가락 관절을 제어하기 위한 계층적인 구조를 나타낸 것이며, 표 2는 각 손가락 관절의 회전각을 표시한 것이다. 손가락 관절의 회전각은 엄지손가락 데이터 5개, 나머지 손가락의 데이터 각각 4개씩, 총 21개의 데이터로 구성된다. 엄지의 경우에는 두 개 관절의 굽힘(Picth), 엄지와 손목을 연결하는 관절의 굽힘(Picth), 엄지와 검지 사이의 벌림(Yaw), 손바닥 방향의 엄지의 벌림(Yaw) 데이터로 구성되고, 나머지 손가락의 데이터는 세 관절의 굽힘(Picth)과 다른 손가락과의 손가락 벌림(Yaw) 데이터로 구성되어 있다. 손가락 관절의 회전각은 Roll-Picth-Yaw 표현법을 따르며 -30도부터 90도까지 변한다.</p> <table border><caption>표 2. 손가락 관절 데이터 ('굽은 구' 손 모양의 예)</caption> <tbody><tr><td></td><td colspan=2>첫째 관절</td><td colspan=2>둘째 관절</td><td>셋째 관절</td></tr><tr><td>회전</td><td>Pitch</td><td>Yaw</td><td>Pitch</td><td>Yaw</td><td>Pitch</td></tr><tr><td>엄지</td><td>0</td><td>0</td><td>0</td><td>0</td><td>0</td></tr><tr><td>검지</td><td>30</td><td>0</td><td>0</td><td></td><td>0</td></tr><tr><td>중지</td><td>30</td><td>0</td><td>0</td><td></td><td>0</td></tr><tr><td>약지</td><td>30</td><td>0</td><td>0</td><td></td><td>0</td></tr><tr><td>소지</td><td>30</td><td>0</td><td>0</td><td></td><td>0</td></tr></tbody></table> <h2>3. 손 모양 코드</h2> <p>사용자가 편집기를 사용하여 구현한 손 모양은 표 3과 같이 코드번호와 손 모양 이름을 지정하여 수화 단어 편집기의 손 모양 데이터 형식으로 저장된다. 손 모양을 쉽게 검색할 수 있도록 손 모양 코드는 표 4와 같이 서로 유사한 손 모양을 그룹으로 묶은 그룹 번호 두 자리와 손 모양 번호 두 자리, 일련번호 두 자리로 구성하였다.</p> <h2>4. 손 모양 데이터를 포함한 수화 동작 데이터</h2> <p>손 모양과 수화 단어를 쉽게 편집할 수 있도록 표 5의 첫째 행에 굵은 글씨로 표시된 42개의 양손 관절각을 둘째 행에 굵은 글씨로 표시된 2개의 여섯 자리 손 모양 코드로 변경하였다. 그림 11은 수화 단어 데이터베이스에 저장되는 수화 동작 데이터의 형식이며, 어깨와 팔꿈치, 손목의 관절각과 손 모양 코드로 구성되어 있다. 기존의 수화 발생 시스템이 표 5의 첫째 행과 같은 수화 동작 데이터를 사용하기 때문에 수화 데이터베이스의 용량이 증가하고 검색이 느려 수화 동작의 그래픽 표현에 지연이 발생하였지만, 표 5의 둘째 행과 같이 수화 동작 데이터의 형식을 개선함으로써 데이터베이스의 용량이 감소하고 검색 속도가 증가하였다.</p>
|
[
"첫째 관절의 Pitch가 0인 손가락은 뭐야?",
"표2에 따르면 첫째 관절의 Pitch가 0인 손가락은 뭐지",
"셋째 관절의 Pitch 값은 얼마를 가지고 있을까?",
"첫째 관절 중지의 Pitch는 얼마인가?",
"둘째 관절에서 모든 값이 0인 회전은 무엇이니?",
"첫째 관절의 Yaw는 모든 손가락에서 어떤 값을 가지나?"
] |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.