id
stringlengths 36
57
| type
stringclasses 4
values | title
stringlengths 0
159
| context
stringlengths 121
17.2k
| questions
listlengths 1
584
|
|---|---|---|---|---|
f5d5df27-8b9e-4dfd-a070-72a144367a80
|
인공물ED
|
GP-GPU를 이용한 보행자 추론 CNN
|
<h1>Ⅱ. 본론</h1><h2>1. 컨볼루션 뉴럴 네트워크를 활용한 보행자 추론</h2><p>Daimler Pedestrian Dataset을 사용해 컨볼루션 뉴럴 네트워크에 학습 시켜 보행자를 추론했다. 학습 이미지는 흑백 이미지이며, 학습에는 Intel i7-4470 CPU과 Matlab을 사용했다.</p><p>보행자는 일반적으로 세로영역이 긴 이미지 이므로 그에 따라 컨볼루션 뉴럴 네트워크도 정방형의 형태가 아닌 세로가 긴 형태의 구조를 갖는다. 보행자 추론 컨볼루션 뉴럴 네트워크의 구조는 다음 그림 2 와 표 1 과 같다.</p><table border><caption>표 1. 보행자 추론 컨볼루션 뉴럴 네트워크의 구조</caption><tbody></tr><tr><td>Layer</td><td>Depth</td><td>Size</td><td>Kernel</td></tr><tr><td>Input</td><td>1</td><td>16\(\times\)32</td><td>-</td></tr><tr><td>Conv. 1</td><td>16</td><td>13\(\times\)29</td><td>4\(\times\)4 Stride 1</td></tr><tr><td>Pool. 1</td><td>16</td><td>7\(\times\)15</td><td>3\(\times\)3 Stride 2</td></tr><tr><td>Conv. 2</td><td>32</td><td>4\(\times\)12</td><td>4\(\times\)4 Stride 1</td></tr><tr><td>Pool. 2</td><td>32</td><td>2\(\times\)6</td><td>3\(\times\)3 Stride 2</td></tr><tr><td>FC. 1</td><td>-</td><td>64</td><td>-</td></tr><tr><td>FC. 2</td><td>-</td><td>1</td><td>-</td></tr></tbody></table><p>컨볼루션 레이어는 총 두 개를 사용하며 커널 사이즈는 \( 4 \times 4 \) 이며, Stride는 1이다.</p><p>풀링 레이어에는 Over wrapping pooling 기법을 사용하여 첫 번째 컨볼루션 레이어에는 2 pixel 만큼, 두 번째 컨볼루션 레이어에는 1 pixel 만큼 0으로 채워줘야 한다. 각 커널의 사이즈는 \( 3 \times 3 \) 이며, Stride는 2이다.</p><p>풀리 커넥티드 레이어는 두 개로, 64 개의 뉴런과 1 개의 뉴런을 가진 레이어로 구성했다. 최종 뉴런에서는 보행자가 맞는지 확률을 계산한다.</p><h2>2. 멀티 스레드 GP-GPU</h2><p>256 개의 멀티 스레드 GPU는 총 256 개의 스레드를 가지며, 4 개의 스트림 멀티 프로세서, 16 개의 스트림 프로세서를 가진다. 스트림 멀티 프로세서 당 스레드는 64 개 이며, 스트림 프로세서 당 스레드는 16개이다. 워프 스케쥴러는 스트림 프로세서의 갯 수 만큼 가지고 있다. 스트림 프로세서 하나에는 ALU, FPU, 오퍼랜드 컬렉터를 한 개씩 가지고 있다. 다음 내용을 정리한 것이 표 2 에 해당한다.</p>
|
[
"학습 이미지는 컬러 이미지야?",
"무엇을 하기 위해 Daimler Pedestrian Dataset을 사용해 컨볼루션 뉴럴 네트워크에 학습 시켰지?",
"학습에 사용된 요소는 Matlab과 무엇이야?",
"무엇을 사용하여 컨볼루션 뉴럴 네트워크에 학습 시켜 보행자를 추론했어?",
"컨볼루션 뉴럴 네트워크에 학습 시켜 보행자를 추리했어?",
"보행자의 이미지를 컨볼류션 네트워크에서 어떤 형태의 구조를 가져?",
"학습 이미지는 흑백 이미지를 사용하였는데 그럼 학습에는 어떤 프로그램을 사용했어?",
"학습에 Intel i7-4470 CPU와 Simulink라는 장치를 사용했어?",
"보행자는 보통 세로영역이 긴 이미지기 때문에 그에 따라 어떤 것도 세로가 긴 형태의 구조를 가져야해?",
"보행자의 이미지는 보통 가로영역이 길어?",
"보행자의 이미지가 정방형이 아닌 세로가 긴 모습의 구조를 갖는 이유가 뭐야?",
"보행자의 이미지의 컨볼루션 뉴럴 네트워크는 어떤 구조를 가져?",
"컨볼루션 레이어는 총 두 개를 사용하면 Stride값은 얼마가 돼?",
"컨볼루션 레이어를 총 한 개 사용하면 커널 사이즈가 \\( 4 \\times 4 \\)가 돼?",
"컨볼루션 레이어를 총 두 개 사용하면 Stride의 값은 5가 돼?",
"컨볼루션 레이어를 총 두 개 사용한 커널 사이즈는 얼마야?",
"컨볼루션 레이어를 얼마나 사용하면 커널 사이즈가 \\( 4 \\times 4 \\)가 돼?",
"풀링 레이어에는 어떤 기법을 사용했어?",
"풀리 커넥티드 레이어는 두 개로 32 개의 뉴런과 1개의 뉴런을 가진 레이어로 구성됐어?",
"풀링레이어의 첫 번째 컨볼루션 레이어에는 얼마 만큼 채워줘야해?",
"64 개의 뉴런과 1 개의 뉴런 구성을 가진 레이어는 뭐야?",
"표 1.에서 Input의 Depth값은 얼마야?",
"최종 뉴런에서는 어떤 확률을 계산했어?",
"풀링 레이어의 각 커널의 사이즈는 얼마야?",
"256 개의 멀티 스레드 GPU는 총 256 개의 스레드를 가지고 있는데, 몇 개의 스트림 멀티 프로세서야?",
"풀리 커넥티드 레이어는 몇개야?",
"256 개의 멀티 스레드 GPU는 얼마 만큼의 스레드를 가져?",
"풀링 레이어는 각 커널 사이즈가 \\( 3 \\times 3 \\)이고, Stride의 값은 얼마야?",
"256 개의 멀티 스레드 GPU는 4 개의 스트림 멀티 프로세서인데 얼마 만큼의 스트림 프로세서를 가져?",
"256 개의 멀티 스레드 GPU는 3 개의 스트림 멀티 프로세서야?",
"총 256 개의 스레드를 가지는 GPU는 뭐야?",
"컨볼루션 레이어와 풀링 레이어, 풀리 커넥티드 레이어 등을 이용하여 알 수 있는 것은 무엇이야?",
"스트림 멀티 프로세서 당 스레드는 몇 개야?",
"스트림 프로세서 당 스레드는 총 몇개야?",
"표 1. 에서 Input의 크기는 얼마야?",
"표 2.에서 스트림 프로세서 하나에는 ALU, FPU, 오퍼랜드 컬렉터를 두 개씩 가지고 있어?",
"워프 스케쥴러는 얼마 만크의 스레드를 가지고 있어?",
"표 1.에서 깊이값이 1이고, 크기가 16\\(\\times\\)32인 레이어는 뭐야?",
"표 1.에서 Conv. 1의 깊이값은 얼마일까?",
"표 1.에서 Conv. 1의 Kernel값은 얼마야?",
"표 1.에서 Pool. 1의 깊이값은 얼마야?",
"표 1.에서 깊이값이 10에서 20사이이고, 크기가 13\\(\\times\\)29인 레이어는 무엇일까?",
"표 1.에서 Pool. 1의 크기는 얼마야?",
"표 1.에서 Conv. 2의 깊이값은 얼마야?",
"표 1.에서 Pool. 1의 커널 사이즈값은 얼마야?",
"표 1.에서 Pool. 2의 깊이값은 얼마야?",
"표 1.에서 Conv. 2의 커널 사이즈값은 얼마야?",
"표 1.에서 Pool. 2의 커널 사이즈값은 얼마야?",
"표 1.에서 Pool. 2의 크기값은 얼마야?",
"표 1.에서 Conv. 1의 Size는 얼마야?",
"표 1.에서 Conv. 2의 크기값은 얼마일까?",
"스트림 프로세서 하나에 한 개씩 가지고 있는 것들은 무엇일까?",
"표 1.에서 FC. 2는 몇 개의 뉴런을 가진 레이어야?",
"표 1.에서 깊이값이 10에서 20사이이며, 커널 사이즈가 4\\(\\times\\)4 Stride 1인 레이어는 무엇일까?",
"표 1.에서 FC. 1는 몇 개의 뉴런을 가진 레이어야?",
"표 1.에서 깊이값이 5이하이면서, 크기가 16\\(\\times\\)32인 레이어는 무엇일까?",
"표 1.에서 크기가 7\\(\\times\\)15이고, 커널 사이즈값이 3\\(\\times\\)3 Stride 2인 레이어는 무엇일까?",
"표 1.에서 깊이값이 30에서 40사이고, 커널 사이즈값이 3\\(\\times\\)3 Stride 2인 레이어는 무엇일까?"
] |
b77ecb9d-ecac-41c0-a75d-cd8ad6fb8303
|
인공물ED
|
GP-GPU를 이용한 보행자 추론 CNN
|
<h1>Ⅲ. 결론</h1><p>본 논문에서 보행자를 추론하는 컨볼루션 뉴럴 네트워크를 Daimler Pedestrian Dataset을 활용하여 학습시켰다. 학습에는 Intel i7-4470 CPU와 Matlab을 사용하여 학습했다. 추론은 FPGA로 동작하는 256 개의 thread를 가지는 GP-GPU으로 수행했다. 각 레이어는 아웃맵의 원소의 갯 수 만큼의 스레드를 할당해서 연산했다. GP-GPU를 활용한 보행자 추론 컨볼루션 뉴럴 네트워크의 추론 연산 시간은 12.09 \(\mathrm{ms} \) 가 걸렸다.</p>
|
[
"보행자를 추론하는데 사용한 Dataset는 무엇인가?",
"추론에 사용된 GP-GPU의 thread는 몇개야?",
"학습에 사용된 CPU는 무엇인가?",
"무엇이 학습에 이용된 CPU일까?",
"각 레이어는 어떻게 연산했어?",
"어떻게 각 레이어를 계산했지?",
"GP-GPU를 활용한 추론 연산 시간은 얼마나 걸렸지?",
"컨볼루션 뉴럴 네트워크는 어떻게 학습시켰어?",
"어떻게 컨볼루션 뉴럴 네트워크가 학습되었지?"
] |
30bc0e35-940f-4382-8e5b-8776d73f3461
|
인공물ED
|
GP-GPU를 이용한 보행자 추론 CNN
|
<h2>3. 멀티 스레드 GP-GPU 를 활용한 보행자 추론 컨볼루션 뉴럴 네트워크</h2><p>256 개의 스레드를 가지는 GP-GPU 를 활용해 컨볼루션 뉴럴 네트워크를 구현했다.</p><p>첫 번째 컨볼루션 레이어의 크기는 16 개의 depth 에 \( 13 \times 29 \) 의 아웃맵 크기를 가진다. 아웃맵의 원소 하나를 스레드 하나가 계산한다. 즉 377 개의 아웃맵의 원소를 256 개의 스레드가 처리하려면 모든 thread가 처리 된 후 121 개의 스레드가 컨볼루션 연산을 한번 더 수행해야 한다. 또한 피처맵의 갯수 만큼 연산을 더 수행해야 하므로 하나의 스레드는 16 개 혹은 32 개의 아웃맵의 원소를 연산해야 한다. 다음 그림 3은 첫 번째 컨볼루션 레이어의 연산에 스레드가 어떻게 할당 되었는지를 보여준다.</p><p>풀링 레이어 연산의 경우는 아웃맵의 크기 만큼 연산 하되 Over wrapping pooling 기법이 들어갔기 때문에 횡영역과 종영역에 연산을 더 해줘야 한다. 첫 번째 풀링 레이어를 예를 들어 설명하면 아웃맵의 크기가 105이지만 Over wrapping Pooling 연산을 위해 84 개의 스레드를 먼저 연산한 후 횡영역과 종영역에 대해 연산을 추가로 수행한다. 횡영역은 96 개의 스레드를 사용하고 종영역은 240 개의 스레드를 사용했다. 다음 그림 4 는 두 번째 풀링 레이어의 연산에 스레드가 어떻게 할당되었는지를 보여준다.</p><p>그림 5 와 같이 풀리 커넥티드 레이어의 경우는 뉴런의 개수에 맞게 스레드를 할당 했다.</p><p>다음 표 3은 스레드 당 연산하는 아웃맵의 원소에 대한 내용이다.</p><table border><caption>표 3. 스레드 당 아웃 맵 원소 연산 갯 수</caption><tr><td>Layer</td><td colspan=3>Element</td><td colspan=4>Thread per Element</td></tr><tr><td rowspan=2>Conv. 1</td><td rowspan=2 colspan=3>16\(\times\)377 (6,032)</td><td colspan=3>0\(\le\)tid\(\le\)120</td><td>32</td></tr><tr><td colspan=3>121\(\le\)tid\(\le\)255</td><td>16</td></tr><tr><td rowspan=3>Pool. 1</td><td rowspan=3 colspan=3>16\(\times\)105 (1,680)</td><td colspan=3>0\(\le\)tid\(\le\)83</td><td>16</td></tr><tr><td colspan=3>0\(\le\)tid\(\le\)95</td><td>1</td></tr><tr><td colspan=3>0\(\le\)tid\(\le\)239</td><td>1</td></tr><tr><td>Conv. 2</td><td colspan=3>32\(\times\)48 (1,536)</td><td colspan=3>0\(\le\)tid\(\le\)47</td><td>32</td></tr><tr><td rowspan=3>Pool. 2</td><td rowspan=3 colspan=3>32\(\times\)12 (384)</td><td colspan=3>0\(\le\)tid\(\le\)5</td><td>32</td></tr><tr><td colspan=3>0\(\le\)tid\(\le\)160</td><td>1</td></tr><tr><td colspan=3>0\(\le\)tid\(\le\)64</td><td>1</td></tr><tr><td>FC. 1</td><td colspan=3>64</td><td colspan=3>0\(\le\)tid\(\le\)63</td><td>1</td></tr><tr><td>FC. 2</td><td colspan=3>1</td><td colspan=3>tid = 1</td><td>1</td></tr></tbody></table><h2>4. 실험 결과</h2><p>실혐은 FPGA 로 동작하는 GP-GPU 를 활용하여 보헹자를 추론하였나. 실협에 사용한 FPGA 보드는 Xilinx VC-707 FPGA Board이다. 한 번의 추론을 수행하는데 걸린 시간은 표 4 와 같다.</p><table border><caption>표 4. 연산 시간</caption><tbody><tr><td>Layer</td><td>Processing time</td></tr><tr><td>Conv. 1</td><td>1.73 \(\mathrm{ms}\)</td></tr><tr><td>Pool. 1</td><td>1.5 \(\mathrm{ms}\)</td></tr><tr><td>Conv. 2</td><td>5.23 \(\mathrm{ms}\)</td></tr><tr><td>Pool. 2</td><td>1.2 \(\mathrm{ms}\)</td></tr><tr><td>FC. 1</td><td>2.3 \(\mathrm{ms}\)</td></tr><tr><td>FC. 2</td><td>0.13 \(\mathrm{ms}\)</td></tr><tr><td>Total</td><td>12.09 \(\mathrm{ms}\)</td></tr></tbody></table><p>표 5 는 기존의 보행자를 인식하는 다른 연구결과와 비교했다. 다른 연구결과와 비교를 위해 픽셀 당 시간으로 비교했다.</p><table border><caption>표 5. 픽셀 당 연산 시간</caption><tbody><tr><td></td><td>Image size</td><td>Processing time per pixel (\(\mathrm{us}\))</td></tr><tr><td>CNP</td><td>42\(\times\)42</td><td>56</td></tr><tr><td>DC-CNN</td><td>20\(\times\)20</td><td>105</td></tr><tr><td>CNNP</td><td>16\(\times\)32</td><td>37</td></tr><tr><td>Proposed GPU</td><td>16\(\times\)32</td><td>23</td></tr></tbody></table><p>첫 번째 컨볼루션 레이어와 두 번째 컨볼루션 레이어는 인맵의 16 개와 커널의 16 개를 메모리로부터 읽어와 아웃맵을 생성하기 때문에 연산이 많으며, 이미지가 크기 때문에 thread가 많다. 그에 따라 연산시간이 길다. 줄링 레이어는 9 개의 인맵을 읽어와 가장 큰 값을 아웃맵을 생성하기 때문에 연산이 적다. 그래서 컨볼루션 레이어보다 연산 시간이 적게 든다. 두 개의 풀리 커넥티드 레이어는 뉴런의 개수 만큼의 스레드를 할당했기 때문에 연산 시간은 길지 않다.</p>
|
[
"256개 스레드를 보유한 GP-GPU를 사용하여 어떤 네트워크를 형성해?",
"1개의 스레드로 아웃맵의 원소 1개를 계산할 수 있어?",
"처리해야되는 아웃맵의 원소의 개수가 스레드 개수보다 많으면 모든 스레드가 처리한 후에 나머지 개수의 스레드가 한번 더 수행해?",
"스레드의 개수가 아웃맵의 원소보다 작으면 모든 스레드가 다 처리 된 후에 나머지 원소에 대해 어떤 연산을 수행해?",
"풀링 레이어 연산은 어떤 기법을 사용했어?",
"아웃맵의 원소가 스레드 갯수보다 더 많으면 어떤 맵의 갯수만큼 연산을 더 수행해야해?",
"두가지 풀리 커넥티드 레이어는 왜 연산 시간이 길지 않아?",
"보행자를 추론하는데 사용한 GP-GPU는 무엇으로 동작해?",
"풀리 커넥티드 레이어는 무슨 개수에 맞게 스레드를 할당해?",
"실험 결과에서 첫번째, 두번째 컨볼루션 레이어는 왜 연산이 많아?",
"실험결과에서 첫번째 컨볼루션 레이어와 두번째 컨볼루션 레이어에서 스레드가 많은 이유는 무엇이 크기 때문이야?",
"풀링 레이어 연산을 할 때 어떤 크기만큼 연산을 해야해?",
"풀링 레이어 연산을 할 때 어느 영역에 연산을 더 해줘야해?",
"실험에서 아웃맵을 형성하기 위해 먼저 입맵의 커널과 메모리부터 읽어?",
"풀링 레이어 연산에서 횡역역과 종영역에 연산을 더 하는 이유는 뭐야?",
"FPGA 로 동작하는 GP-GPU 를 활용하여 보헹자(보행자)를 추론할 때 Pool. 2 에서 한번의 추론을 수행하는 데 소요되는 시간은 얼마야?",
"컨볼루션 레이어는 연산이 많고 스레드가 많기 때문에 연산시간이 길어?",
"줄링 레이어는 컨볼루션 레이어보다 연산 시간이 짧아?",
"줄링 레이어에서 연산이 적은 이유는 인맵에서 가장 큰 값으로 아웃맵을 만들기 때문이야?",
"Conv.1 Layer에서 원소 연산의 갯수는 얼마로 계산되?",
"Pool. 2에서의 사용되는 총 아웃맵 원소 갯수는 얼마야?",
"FC. 1에서의 아웃맵 원소 총 갯수는 몇 개야?",
"Pool. 1 에서 할당되는아웃맵 원소 연산 갯수는 얼마야?",
"FC. 2 layer에서 사용되는 아웃맵 원소의 총 갯수는 얼마야?",
"Conv. 1에서 스레드 당 아웃맵 원소 연산 갯수에서 가장 많은 갯수를 가지는 tid의 범위는 뭐야?",
"Pool. 1에서 스레드 당 아웃맵 원소 연산 갯수가 16개인 tid의 범위는 뭐야?",
"추론을 수행하는데 걸린 시간이 가장 많이 소요된 layer는 어떤 거야?",
"추론을 수행하는데 걸린 시간이 가장 적게 걸린 layer는 어떤 거야?",
"FPGA 로 동작하는 GP-GPU 를 활용하여 보헹자(보행자)를 추론할 때 한번의 추론을 수행하는 데 소요되는 시간이 1.73 \\(\\mathrm{ms}\\)인 layer은 무엇이야?",
"FPGA 로 동작하는 GP-GPU 를 활용하여 보헹자(보행자)를 추론할 때 한번의 추론을 수행하는 데 총 소요시간은 얼마야?",
"Pool. 1에서 한번 추론하는데 소요되는 시간은 얼마야?",
"한번 추론하는데 Pool 1에서 얼마의 시간이 소요되지",
"FPGA 로 동작하는 GP-GPU 를 활용하여 보헹자(보행자)를 추론할 때 FC. 1에서 한번의 추론을 수행하는 데 소요되는 시간은 얼마야?",
"제안한 GPU로 기존의 보행자를 인식할 때 소요되는 픽셀 당 연산시간은 얼마야?",
"기존의 보행자를 인식하는 다른 연구결과를 비교하기 위해 도출한 픽셀 당 연산시간으로 CNP에서 연산시간은 얼마야?",
"CNNP에서 다른 연구결과와 비교를 위해 도출한 픽샐 당 연산 시간은 얼마야?",
"보행자를 인식하는데 픽셀 당 연산시간으로 제일 적은 것은 무엇이야?",
"보행자를 인식할 때 사용하는 이미지 크기가 가장 큰 것은 무엇이야?",
"무엇이 보행자를 인식할 때 사용하는 이미지 크기가 제일 커",
"줄링 레이어는 9개의 인맵을 읽은 후 어떤 값으로 아웃맵을 생성해?",
"Conv. 2에서의 총 아웃맵 원소 갯수는 얼마야?",
"DC-CNN에서 픽셀 당 연산시간은 얼마야?",
"픽셀 당 연산시간은 DC-CNN에서 얼마야"
] |
b5d8a8ce-b674-4d17-a436-9d44f1e4374a
|
인공물ED
|
GP-GPU를 이용한 보행자 추론 CNN
|
<h1>Ⅰ. 서론</h1><p>최근 CNN (Convolution Neural Network)는 영상 분류, 객체 검출, 자연어 인식 등의 영역에서 사용되고 있다. 이미지와 같은 2 차원 데이터를 분류 하는 데 CNN 이 많이 사용 되고 있으며, 2 차원 데이터 형태로 변환해, 음성 등에도 사용하기도 한다.</p><p>CNN 은 정방향으로 수행할 경우 추론을 수행하고 역방향으로 수행할 경우 학습을 수행한다.</p><p>CNN 은 뉴런들이 모여 레이어를 구성하고, 레이어의 크기와 역할을 바꿔 네트워크를 구성한다. 레이어는 컨볼루션 레이어와 풀링 레이어, 풀리 커넥티드 레이어로 나눌 수 있다. 다음 그림 1은 뉴런과 레이어와 네트워크를 단순하게 도식화했다.</p><p>보행자 인식은 ADAS(Advanced Driver Assistance System, 운전자 보조 시스템)에서 중요한 역할을 한다. 보행자 인식 알고리즘은 HOG(Histogram of Oriented Gradient), Cascade HOG, ChnFtrs 등이 있으며 현재는 CNN 을 사용해 보행자를 검출하는 알고리즘으로 많이 사용한다.</p><p>본 논문에서는 컨볼루션 뉴럴 네트워크를 학습과 추론을 다른 하드웨어를 사용했으며, 보행자를 추론하는 컨볼루션 뉴럴 네트워크를 구현했다.</p>
|
[
"CNN을 정방향으로 하면 무엇을 수행하나요?",
"보행자 인식은 무엇에서 중요하나요?",
"CNN을 역방향으로 하면 무엇을 수행하나요?",
"CNN은 무엇의 약자인가요?",
"CNN을 음성 데이터에도 사용할 수 있나요?",
"객체 검출, 영상 분류, 자연어 인식 등에 사용되는 것은 무엇인가요?",
"CNN에서 뉴런들이 모이면 무엇이 되나요?",
"보행자 인식 알고리즘 세 가지는 무엇인가요?",
"CNN에서는 뉴런들이 모인 레이어를 변형 없이 모아 네트워크를 만드나요?",
"CNN에서는 뉴런들이 모인 레이어를 변형 없이 모아 네트워크를 만든다고 볼 수 있어?"
] |
76e97183-31b1-4309-a74e-b77638bb6fe7
|
인공물ED
|
GP-GPU를 이용한 보행자 추론 CNN
|
<h1>요 약</h1><p>본 논문에서는 GP-GPU를 활용한 보행자 추론 컨볼루션 뉴럴 네트워크를 구현했다. CNN 은 구조를 정한 후, 학습에서 얻은 가중치를 이용해 기존 연구인 256 개의 스레드를 가지는 GP-GPU를 활용해 추론을 수행했다. 학습에는 Inter i7-4470 CPU와 Matlab을 사용했다. Dataset은 Daimler Pedestrian Dataset을 사용했다. GP-GPU는 PCIe를 이용해 PC 로부터 제어를 받으며, FPGA로 동작한다. 각 레이어의 depth와 size에 따라 스레드를 할당했다. 풀링 레이어의 경우는 over warpping pooling을 사용했기 때문에 횡영역과 종영역에 추가적인 연산을 수행했다. 한 번의 추론에는 약 \( 12 \mathrm{ms} \) 가 걸린다.</p>
|
[
"한 번 추론할 때 걸리는 시간은 1초보다 짧나요?",
"논문에서는 GP-GPU를 활용하여 무엇을 만들었나요?",
"논문에서는 무엇을 활용해 보행자 추론 컨볼루션 뉴럴 네트워크를 만들었나요?",
"GP-GPU는 무엇으로 동작하나요?",
"GP-GPU는 무엇으로 동작해?",
"Dataset으로 사용한 것은 무엇인가요?",
"무엇이 Dataset으로 이용되었지?",
"학습에 사용한 것은 무엇인가요?",
"무엇이 학습에 이용되었지?",
"논문에서 사용한 GP-GPU는 스레드를 몇 개 가지나요?",
"논문에서 사용한 GP-GPU는 스레드를 몇 개 소유하니?",
"Inter i7-4470 GPU를 사용해 학습을 진행했나요?",
"각 레이어에 스레드를 할당할 때 무엇에 따라 할당했나요?",
"풀링 레이어에서는 무슨 풀링을 사용했나요?",
"한 번의 추론에는 시간이 얼마나 걸리나요?",
"추론에는 한번에 얼마의 시간이 걸리니?"
] |
3bf6a796-399d-4d6e-b9eb-83b16d3cd6ef
|
인공물ED
|
고이득 특성을 갖는 성형 빔 안테나에 대한 연구
|
<h1>Ⅱ. 고이득 성형 빔 안테나 설계</h1> <h2>2-1 안테나 구조</h2> <p>본 논문에서 제안하는 고이득 특성의 성형 빔 안테나 구조는 그림 1과 같으며, 안테나 구조는 크게 전력 여기 부분과 지향 방사 부분으로 나눌 수 있다. 여기 부분은 단일 또는 스택 마이크로스크립 패치 소자를 사용하며, 지향 방사 부분은 다층 원형 도체 배열을 정방향으로 적층하는 것으로 구성된다. 즉, 스택 마이크로스트립 패치 여기 소자 위에 전파 진행 방향으로 지향 소자(director elements) 또는 기생 소자(parasitic elements)인 원형 도체들을 주기적 또는 비주기적 간격으로 적층함으로써 안테나의 이득 특성을 향상시키는 것이다.</p> <p>일반적으로, 광대역 여기 특성을 위해 단일형 대신에 스택형 마이크로스크립 패치 소자가 사용되며, 표면파 억압의 효율적인 여기를 위해 스택 마이크로스크립 패치 소자는 cavity 내에 삽입된다. 이중 공진 구조의 스택 마이크로스크립 패치 여기 소자의 설계 변수는 다층 원형 도체 배열 지향 소자들이 존재하는 조건하에서 동작 주파수 대역폭 내에서 입사 전력이 잘 여기되도록 매개 변수들이 결정되어야 한다. 이때, 여기 소자인 스택 마이크로스트립 패치 소자의 이득 특성은 사용되는 유전체 매질의 전기적, 물리적 특성에 따라 약간의 차이는 있으나 통상적으로 약 \( 8 \sim 10 \mathrm{dBi} \)의 이득을 얻을 수 있다. 지향 방사 부분인 다층 원형 도체 배열 지향 소자들은 고이득 특성을 위해 여기 구조의 정방향으로 적층되며, 지향 소자들의 물리적 매개 변수들은 스택 마이크로스크립 패치 여기 소자의 설계 조건 하에서 최적화되어야 한다. 이러한 다층 원형 도체 배열 소자들의 최적화를 위해서 반드시 균일한 매개 변수들을 가질 필요는 없으나, 공진 조건 치수보다는 작아야 한다.</p> <p>다층 원형 도체 배열 구조가 정방향으로 빔을 지향성 있게 형성하기 위해서는 상호 결합에 의해 지향 소자들이 거의 일정한 진폭에 점진적 위상 천이값들을 가져야 한다. 만약에, 원형 도체 수를 계속적으로 증가하더라도 이득이 거의 변화하지 않는 이유는 마이크로스트립 패치 여기 소자로부터 멀리 떨어진 지향 소자일수록 소자간 결합에 의한 전류 진폭이 작아지기 때문이다. 다층 원형 도체 배열 지향 소자들을 전파 진행 방향으로 적층하여 수 \( \mathrm{dB} \) 이상의 이득 향상 효과를 가져올 수 있다.</p> <h2>2-2 안테나 설계 변수</h2> <p>제안된 고이득 성형 빔 안테나 구조에 대한 전기적 설계는 중심 주파수 \( 10 \mathrm{GHz} \), 설계 대역폭은 \( 8 \% \) \(9.6 \sim 10.4 \mathrm{GHz}) \) 를 고려하고 있으며, 안테나의 편파 특성은 선형 편파를 갖는다고 가정한다. 만약에 원형 편파 특성을 갖는 안테나를 설계하기 위해서는 여기 소자만 원형 편파를 발생하도록 설계하면 된다.</p> <p>그림 1의 고이득 성형 빔 안테나 구조에서 cavity내에 스택 마이크로그트립 패치 여기 소자의 초기 설계 변수들은 다층 원형 도체 배열 구조가 없는 상태에서 결정된다. 원 형태의 cavity의 직경과 동축 급전의 스택 마이크로스트립 패치 여기 소자의 설계 변수들은 상용 시뮬레이터인 CST Microwave Studio를 사용하여 시뮬레이션을 통해 얻어진다. 시뮬레이션을 통해 얻어진 cavity 스택 마이크로스트립 패치 여기 소자의 설계 변수값들은 다음 표 1에 요약하여 보여진다. 이러한 다층 원형 도체 배열 구조와 연동되면서 안테나의 전기적 성능을 최적화하기 위해서 여기 소자의 설계 변수들은 약간 조정될 수 있다.</p> <p>여기 소자로부터 전력을 공급 받는 다층 원형 도체 배열 구조의 설계 변수들로는 원형 도체 소자 직경, 초기 위치, 소자간 간격, 적층 소자 수가 있으며, 이러한 설계 변수들은 고이득 특성을 얻기 위하여 최적화된다. 최적화 우선 조건에는 다층 원형 도체 배열 구조가 저속파 진행 지향 소자 역할을 하기 위한 기본 조건들 \( z_{n+1}-z_{n}<0.5 \lambda, 2 r<0.5 \lambda \)을 반영하였으며, 나머지 설계 변수값들은 시뮬레이션 과정으로부터 결정된다. 최적화 선택된 다층 원형 도체 배열의 설계 변수값들은 표 2에 요약하여 제시하였다.</p> <table border><caption>표 1. 여기 소자의 설계 변수값</caption> <tbody><tr><td>항 목</td><td>변수명</td><td>설계 변수값</td></tr><tr><td>능동 패치 소자</td><td>PL1</td><td>\( 10.05 \mathrm{mm}(\mathrm{W}) \times 10.05 \mathrm{mm}(\mathrm{L})\)</td></tr><tr><td>수동 패치 소자</td><td>PL2</td><td>\( 11.15 \mathrm{mm}(\mathrm{W}) \times 11.15 \mathrm{mm}(\mathrm{L})\)</td></tr><tr><td>급전 위치</td><td></td><td>\( 0.0 \mathrm{mm} \)(@ honizontal offset), \( 5.075 \mathrm{mm} \)(@ vertical offset)</td></tr><tr><td>설계 RF 기판</td><td>\( d_{1} \)</td><td>TLYSA(\( \varepsilon = 2.17 \), \( d_{1} = 0.508 \mathrm{mm} \), \(T = 0.5 \mathrm{oz}.\)),</td></tr><tr><td>패치간 이격</td><td>\( d_{2} \)</td><td>\( 2.66 \mathrm{mm} \)</td></tr><tr><td>패치 이격 재료</td><td></td><td>Dielectric foam\( ( \varepsilon = 1.1 ) \)</td></tr><tr><td>수동 패치부터 Cavity까지 높이</td><td>\( d_{3} \)</td><td>\( 1 \mathrm{mm} \)</td></tr><tr><td>Cavity의 내경(비 도체, 공기)</td><td>\( dd \)</td><td>\( 30 \mathrm{mm} \)(\(1 \lambda_{0}\) @ \( 10 \mathrm{GHz} \))</td></tr><td>Cavity의 외경(도체)</td><td>\( D \)</td><td>\( 90 \mathrm{mm} \)(\(3 \lambda_{0}\) @ \( 10 \mathrm{GHz} \))</td></tr></tbody></table>
|
[
"표 1에서 능동 패치 소자의 변수명은 무엇인가?",
"표 1에서 변수명을 \\( d_{1} \\)으로 하는 항목의 설계 변수값은 무엇인가?",
"표 1에서 변수명을 \\( d_{1} \\)으로 하는 항목은 무엇인가?",
"표 1에서 항목 수동 패치부터 Cavity까지 높이의 변수명은 무엇인가?",
"표 1에서 설계변수값이 Dielectric foam\\( ( \\varepsilon = 1.1 ) \\)인 항목은 무엇인가?",
"표 1에서 설계 변수값이 \\( 2.66 \\mathrm{mm} \\)인 항목은 무엇인가?",
"표 1에서 변수명이 \\( D \\)인 항목의 설계 변수값은 무엇인가?",
"표 1에서 설계 변수값이 \\( 1 \\mathrm{mm} \\)인 항목은 무엇인가?",
"표 1에서 금전 위치의 설계 변수값은 무엇인가?",
"표 1에서 항목 Cavity의 내경(비 도체, 공기)의 설계 변수값은 무엇인가?",
"동축 급전의 스택 마이크로스트립 패치 여기 소자와 원 형태의 cavity의 직경의 설계 변수들은 어떻게 얻어지는가?",
"표 1에서 수동패치 소자의 설계 변수값은 무엇인가?"
] |
7dd88877-7c84-4c33-bfe5-809711322567
|
인공물ED
|
비디오 복사방지를 위한 새로운 특징들의 성능평가
|
<h1>Ⅲ. 비디오 복사방지를 위한 특징 추출과 정합</h1> <p>비디오 복사방지를 위해 본 논문에서는 시간영역의 특성을 표현하는 모션특징과, 공간영역의 특성인 ordinal과 칼라 특징에 대하여 기술하고자 한다. 모든 비디오 클립은 공간, 칼라와 시간적인 차원에 분포된 정보를 가지고 있다. 특징들은 이런 차원의 상대적인 중요도를 비교하여 선택된다. 모션기반 특징은 비디오에서 변화하는 정보만을 대상으로 하고, 칼라특징은 공간 정보 없이 칼라특성만을 사용하며 ordinal 특징은 비디오의 칼라와 공간특성 둘 다에 관한 함수이다. 세 가지 특징 모두 프레임 순서 정합(frame sequence matching)을 사용하여 비디오의 시간성분을 반영하게된다.</p> <h2>1. 모션방향(Motion Direction)</h2> <p>모션 특징추출 과정의 전체적인 흐름을 설명하면 다음과 같다. 각 프레임은 x축을 \( \mathrm{N}_{\mathrm{x}} \)로 나누고, y축을 \( \mathrm{N}_{\mathrm{y}} \)로 나눌때 \( \mathrm{N}=\mathrm{N}_{\mathrm{x}} \times \mathrm{N}_{\mathrm{y}} \) 개의 블록을 갖고, 각 블록에 대한 모션 벡터를 현재 프레임과 다음 프레임을 가지고 계산한다. 각 블록의 모션벡터는 Q개의 방향으로 양자화를 한다. 제안한 모션특징은 양자화된 모션방향을 한 프레임에 대해 통계를 구한, 즉 한 프레임의 특징은 각 Q 방향을 포함하는 모션벡터의 갯수이다. 만약 Q방향 이외에 움직임이 없는 블록이라면 모션벡터의 크기가 0이 되고 블록은 0방향으로 정의된다. 예를 들면 프레임당 \( 15 \times 15 \)개의 블록으로 나누고 모션벡터가 4방향으로 양자화 된다면 어느 t시간의 비디오 특징은 식 (1) 및 (2)로 나타낼수 있다.</p> <p>\( S_{m}(t)=q_{0}(t), q_{1}(t), q_{2}(t), q_{3}(t), q_{4}(t) \)<caption>(1)</caption></p> <p>\( q_{i}(t) \in\{0, \ldots, 225\}, i=0 \ldots, 4 \)<caption>(2)</caption></p> <p>여기서 \( \mathrm{q}_{i}(\mathrm{t}) \)의 합은 255이다. 이는 비디오 특징을 프레임 당 5바이트로 표현할 수 있는 것으로 인덱스의 용량을 줄일 수 있다.</p> <p>현재 프레임을 \( \mathrm{f}_{\mathrm{t}} \), 다음프레임을 \( \mathrm{f}_{\mathrm{t}+1} \)이라고 하면 \(< \)그림 1>과 같이 모션추정과정을 표현할 수 있다. 프레임 \( \mathrm{f}_{\mathrm{t}} \)의 블록 B에서 중심을 \( \left(\mathrm{x}_{\mathrm{t}}, \mathrm{y}_{\mathrm{t}}\right) \)에 둔 블록크기 \( \left(\mathrm{p}_{\mathrm{x}}, \mathrm{p}_{\mathrm{y}}\right) \)의 작은 명암도 조각을 P라고 둔다. 프레임 \( \mathrm{f}_{\mathrm{t}+1} \)에 일치하는 블록 B에서 중심을 \( \left(\mathrm{x}_{\mathrm{t}+1}, \mathrm{y}_{\mathrm{t}+1}\right) \)에 둔 추적영역 \( \left(\mathrm{S}_{\mathrm{x}}, \mathrm{S}_{\mathrm{y}}\right) \)을 정의한다. 명암도 조각 P는 추적영역안의 모든 가능한 위치에 대해 절대화소차이(absolute pixel difference)의 합을 계산한다.</p> <p>절대화소차이의 합은 조각의 유사도를 계산하기 위해 사용한다. 이들중 최소값을 갖는 위치 \( \left(\mathrm{Mx}_{\mathrm{t}+1}, \mathrm{My}_{\mathrm{t}+1}\right) \)가 조각 P와 가장 유사하다고 가정하여, 국부적인 흐름의 변이벡터 \( \mathrm{d}_{\mathrm{x}}=\mathrm{x}_{\mathrm{t}}-\mathrm{Mx}_{\mathrm{t}+1} \)와 \( \mathrm{d}_{\mathrm{y}}=\mathrm{y}_{\mathrm{t}}-\mathrm{My}_{\mathrm{t} \cdot 1} \)를 구하고 방향 \( \theta=\tan ^{-1}\left(\mathrm{~d}_{y} / \mathrm{d}_{x}\right) \)를 계산한다. 이중 벡터의 방향만을 가지고 한 프레임에 대한 통계를 구한다. 차후 벡터의 크기를 양자화 하여 표현할 수도 있다. 벡터의 방향정보는 각 방향에 대한 한 클립을 움직임에 의한 주파수 성분으로 나타내는 것이다.</p> <h3>(1) 모션 정합(Motion matching)</h3> <p>모션 특징을 기준클립과 테스트클립 모두에서 추출하고, 특징을 정합하는 방법은 각 클립을 주피수 성분으로 표현하였으므로 주피수 형태의 유사도를 비교하였다. 이는 테스트클립을 기준클립에 대하여 상승적분 시킨 후 각 위치에서 정규화 상관계수(normalized correlation coefficient)를 구한다. 이를 구한 후 최고의 상관계수 값을 갖는 위치가 최상정합이라고 판단한다. \( R(\mathrm{t}) \)를 기준클립의 특징으로 \( \mathrm{T}(\mathrm{t}) \)를 테스트 클립의 특징으로 두면, t주위의 테스트클립의 길이 LT윈도우에서 정규화 상관계수 \( \mathrm{C}(\mathrm{t}) \)는 식 (3)과 같다.</p> <p>\( C(t)=\frac{E(R(t) T(t))-E(R(t)) \times E(T(t))}{\sigma(R(t)) \times \sigma(T(t))} \)<caption>(3)</caption></p> <p>여기서 확률 E는 다음 식 (4)와 같다.</p> <p>\( E(S(t))=\frac{1}{L_{T}} \sum_{i=t-L_{T} / 2}^{i+L_{r} / 2}[S(i)] \)<caption>(4)</caption></p> <p>\( \sigma(\mathrm{R}(\mathrm{t})) \)와 \( \sigma(\mathrm{T}(\mathrm{t})) \)는 윈도우안에서 특징의 편차를 나타낸다. 그리고 \( \mathrm{C}(\mathrm{t}) \)에서 최고값은 \( \mathrm{t}_{\max } \)이고 \( \mathrm{R}(\mathrm{t}) \)와 \( \mathrm{T}(\mathrm{t}) \)의 최적 정합이라고 판단한다.</p> <h2>2. Ordinal 명암도 특징</h2> <p>Bhat와 Nayar는 ordinal값을 영상의 일치여부를 측정하기위해 처음 적용하였고, Mohan은 이를 변형하였다. 본 논문에서는 복사방지의 목적을 위해 Mohan이 변형한 측정값을 적용한다. 비디오 클립의 ordinal 특징을 구하기 위해, 클립의 각 프레임에 대한 ordinal 값을 먼저 추출한다. 영상을 \( \mathrm{N}=\mathrm{N}_{\mathrm{x}} \times \mathrm{N}_{\mathrm{y}} \) 크기로 나누고 각 블록의 평균 명암도를 구한다. 평균 명암도는 크기에 따라 정렬되고 \( \mathrm{rank} \)가 각 블록에 정의된다.<표 1>에 정렬방법과 rank를 나타내었다.</p> <p>만약 N윈도우로 나눈다면, t위치의 프레임의 ordinal 특징은 각 윈도우의 순서에 일치하는 정수 \( r_{i} \)의 벡터로 식 (5)와 같이 나타낸다.</p> <p>\( S_{o}(t)=\left(\gamma_{1}, \gamma_{2}, \ldots, \gamma_{N}\right) \)<caption>(5)</caption></p> <table border><caption>표1. 프레임을 9개의 블럭으로 나눈 명암도 평균값과 순서에 따른 rank</caption> <tbody><tr><td>20.3</td><td>12.9</td><td>123.2</td></tr><tr><td>250.1</td><td>72.3</td><td>199.2</td></tr><tr><td>69.3</td><td>80.2</td><td>200.0</td></tr><tr><td colspan=3></td></tr><tr><td>1</td><td>0</td><td>5</td></tr><tr><td>8</td><td>3</td><td>6</td></tr><tr><td>2</td><td>4</td><td>7</td></tr></tbody></table> <h3>(1) Ordinal 정합</h3> <p>기준 특징을 \( \mathrm{R}(\mathrm{t}) \)로 하고 길이 \( \mathrm{L}_{\mathrm{T}} \) 윈도우의 테스트 특징을 \( \mathrm{T}(\mathrm{t}) \)라고 하면, 테스트특징을 기준특징의 각각 다른 위치에 놓고 둘 사이의 거리를 계산한다. 임의의 시간 t의 두 특징사이의 거리는 식 (6)과 같다.</p> <p>\( D(t)=\frac{1}{L_{T}} \sum_{i=t-L_{t} / 2}^{t+L_{2} / 2}|R(i)-T(i)| \)<caption>(6)</caption></p> <p>\( \mathrm{R}(\mathrm{t}) \) 와 \( \mathrm{T}(\mathrm{t}) \) 사이의 거리가 최소가 되는 위치 \( \mathrm{t}_{\min } \) 의 \( \mathrm{D}(\mathrm{t}) \)값을 가장 최적의 정합으로 판단한다.</p> <h2>3. 칼라 히스토그램 특징</h2> <p>이 특징은 순서(sequence)에서 각 프레임의 특징으로 YUV히스토그램을 사용하고 히스토그램 고차부분을 두 특징(프레임)사이의 거리측정값으로 추정하는 것으로 Naphade가 제안하였다. 또한 다항식 근사로 계속적인 프레임의 히스토그램을 압축하는 방법을 제안했다. 본 논문은 비디오 복사방지관점의 성능비교를 위해 히스토그램 압축은 필요하지 않아, 히스토그램 교차만을 구현하였다. YUV 히스토그램을 비디오의 각 프레임에서 계산하고, Y는 32, U와 V는 16 양자화하므로 M=64개의 연결된 히스토그램으로 하였다. 그러므로 비디오 클립의 특징은 각 프레임의 YUV히스토그램의 순서(sequence)이다.</p> <h3>(1) 칼라 히스토그램 정합</h3> <p>Naphade가 사용한 정합 방법은 기준 특징을 \( R(\mathrm{t}) \)로 하고 길이 \( \mathrm{L}_{\mathrm{r}} \)의 윈도우를 적용한 테스트 특징을 \( \mathrm{T}(\mathrm{t}) \)라고 하면, 정규화 히스토그램교차부분(normalized histogram intersection)은 다음 식 (7) 및 (8)과 같다.</p> <p>\( N H I(t)=\frac{1}{L_{T}} \sum_{i=t-L_{7} / 2}^{t+L_{1} / 2} I\left(H_{R_{i}}, H_{T_{i}}\right) \)<caption>(7)</caption></p> <p>\( I\left(H_{R_{i}}, H_{T}\right)=\frac{\sum_{l=1}^{l=M} \min \left(H_{R_{i}}(l), H_{T}(l)\right)}{\sum_{l=1}^{l=M} H_{R_{1}}} \)<caption>(8)</caption></p> <p>NHI는 \( \mathrm{R}(\mathrm{t}) \)와 \( \mathrm{T}(\mathrm{t}) \)의 유사도를 측정한다. 위치 \( t_{\max } \)에서의 최대 \( \mathrm{NH}(\mathrm{t}) \)가 최적 정합이다.</p>
|
[
"표에서 20 보다 적은 값을 가진 번호는 어떤거야?",
"표에서 10의 배수 값을 가진 번호는 얼마니?",
"표에서 200 이하의 값 중에 최대값을 가지는 번호는 얼마냐?",
"표에서 199.2 값은 몇 번 값이야?",
"표에서 3번이 가진 값은 얼마야?"
] |
5a2e6f62-66df-4a63-b1bb-41b0c6023f00
|
인공물ED
|
비디오 복사방지를 위한 새로운 특징들의 성능평가
|
<h1>Ⅳ. 실험 결과 및 고찰</h1> <p>실험을 위해 Star Wars와 Super Bowl 2001무비를 이용하여 Star Wars의 엔코딩을 MPEG1 352x240으로 하여 원본무비의 기준특징을 발생하였고 테스트 특징은 기준툭징과 다른 조건에서 발생하기 위해 Star Wars와 Super Bowl의 MPEG1 176x112엔코딩으로부터 구했다.<표 2>는 실험 데이타에 관해 나타냈다. 다음은 특징정합을 위한 실험 과정을 설명하였다.</p> <ol type= start=1><li>기준 비디오(R)로부터 특징을 추출한다.</li> <li>테스트비디오(T)로부터 특징을 추출한다.</li> <li>테스트 클립길이 L을 정한다.<</li> <li>테스트비디오 T에서 임의의 점(P)을 선택한다.</li> <li>P주위로 길이 L의 클립 C를 선택한다.<</li> <li>R에 대해 C의 최적 정합위치 Ml을 구하고 정합 스코어 \( \mathrm{M}_{s} \)를 계산한다.<</li> <li>4-6단계를 100번 반복한다.</li> <li>다른 클립 길이 L에 대해 3-7단계를 반복한다.</li></ol> <p>각 순서정합방법의 성능은 ROC(Receiver operating characteristics)곡선으로 나타내었으며, 곡선은 false positive \( \left(\mathrm{F}_{\mathrm{pr}}\right) \)와 false negative \( \left(\mathrm{F}_{\mathrm{nr}}\right) \)의 비를 나타낸다. \( \mathrm{N}_{T} \)가 실행한 정합테스트의 전체 개수이고 \( \tau \)를 정합 임계치, \( \mathrm{F}_{\mathrm{n}} \)은 false negative의 개수이고 \( \mathrm{F}_{\mathrm{p}} \)는 false positive의 개수 일때 \( \mathrm{F}_{\mathrm{pr}} \)과 \( \mathrm{F}_{\mathrm{nr}} \)은 식 (9)와 같다.</p> <p>\( F_{p r}(\tau)=\cdots F_{n r}(\tau)=\cdots \)<caption>(9)</caption></p> <p>ROC곡선은 \( \tau \)의 값을 최소값부터 최고값까지 \( 5 \% \)씩 증가시키면서 구한 것이다. 좋은 ROC곡선일수록 축에 가깝게 된다. 즉 임의의 임계치에 대해 \( \mathrm{F}_{\mathrm{pr}} \)과 \( \mathrm{F}_{\mathrm{nr}} \)은 0에 가깝다. 이상적인 경우 \( \mathrm{F}_{\mathrm{pr}}=\mathrm{F}_{\mathrm{nr}}=0 \)이다.</p> <h2>1. 고찰</h2> <p> <그림 2>, 그림 3>및<그림 4>는 각각 모션기 반정합, ordinal 정합, 칼라기반 정합 결과를 나타낸다. 각 ROC곡선은 클립길이 \( \mathrm{L} \)에 대한 결과이다. 기대한대로, 정합성능은 클립길이가 증가할수록 개선된다. 표 3은 다른 클립길이에 대하여 100번을 수행한 결과 정합 에러율의 최소 값을 나타낸다.</p> <table border><caption>표3. 클립 길이변화에 대한 \( \mathrm{F}_{\mathrm{pr}} \)과 \( \mathrm{F}_{\mathrm{nr}} \)의 값</caption> <tbody><tr><td>L</td><td>20.3s</td><td>10.6s</td><td>5.3s</td><td>2.6S</td><td>1.3s</td></tr><tr><td>Motion</td><td>6,1</td><td>8,11</td><td>24,14</td><td>-</td><td>-</td></tr><tr><td>Ordinal</td><td>0,0</td><td>0,0,5</td><td>0,2,0</td><td>0,2.5</td><td>5,7</td></tr><tr><td>Color</td><td>21,14</td><td>23,18</td><td>27,23</td><td>-</td><td>-</td></tr></tbody></table> <p> <그림 3>과<그림 4>에서 각 축은 같은 크기를 나타내지 않는다. 그림과 표로부터 ordinal특징이 가장 좋은 성능을 나타내었고 그 다음은 모션특징이고 칼라특징은 세 가지 특징 중 가장 좋지 않은 성능을 나타내었다. 이 결과는 엔코딩 방법이 다를 때 칼라 값이 변하기 때문이다. 칼라특징은 엔코딩에 의한 영향을 가장 많이 받는다고 할 수 있다. 그러나 각각은 시간과 공간 영역에서의 특성을 나타내는 특징으로 이들을 결합한 새로운 특징에 대한 연구도 필요하다. 본 논문의 전체적인 성능비교는 다음과 같이 요약할 수 있다.</p> <ul> <li>Ordinal 특징 : 이 특징은 비디오에서 시간과 공간의 명암도의 상대적인 분포를 표시한다. 그러므로 디지털화/엔코딩과정에서 야기되는 비디오 화질변화에 강한 특성이 있다.</li> <li>Motion 특징 : 이 특징도 시간영역에서 명암도의 상대적인 변화를 포함하기 때문에 비디오의 엔코딩시 발생하는 칼라변화에 강하다. 그러나 공간영역의 정보를 가지지 못하므로, 성능은 ordinal에 비해 떨어진다. 왜냐하면 일반적인 비디오 프레임의 중요한 부분들이 모션정보를 포함하지 않을 수 있기 때문이다.</li> <li>칼라 특징 : 이 특징은 공간정보를 사용하지 않고 프레임의 절대칼라를 엔코딩하느로 서로 다른 엔코딩 방법에 의해 발생하는 전체적인 변화에 민감하다. 성능이 떨어지는 또다른 이유는 Star Wars와 같은 영화는 다른 장면에서 같은 칼라분포를 갖는 부분이 있어 공간정보 없이는 구별하기가 어렵다.</li></ul> <p>결론적으로 매우 짧은 클립에 대해 낮은 에러율을 가지는 것과 함께, ordinal특징은 계산방법이 효율적이고 실시간 비디오의 처리에 빠른 처리시간을 갖는다. 그러므로 상대적인 정보를 엔코딩하는 특징이 비디오의 절대적인 특성을 엔코딩하는 것에 비해 성능이 낫다고 할 수 있다.</p>
|
[
"가장 큰 L 값은 얼마야?",
"어떤 L 값이 가장 적을까?"
] |
2de30cd1-b155-441c-b70d-a9f4b107e9e0
|
인공물ED
|
다중브리지로 구성된 SSSG의 동특성 분석
|
<h1>4. EMTP 시뮬레이션</h1> <p>다중브리지인버터로 구성된 SSSC의 동작 특성을 분석하기 위해서 EMTP를 이용한 시뮬레이션을 수행하였다.</p> <p>그림 6에서 보여지는 시뮬레이션 모형은 한 상에 해당하며 각 상이 같은 형태로 구성되어있다. 송전단과 수전단 사이에 다중브리지인버터가 삽입되어 있고 다중브리지인버터와 수전단 사이에 선로 인덕턴스를 삽입하였으며, 선로 인덕턴스는 집중 선로정수로 모델링 하였다. 시뮬레이션에서 사용된 회로정수는 표 2에 나타나 있으며 시뮬레이션상의 모든 값은 표 2에 있는 기준값을 바탕으로 \( \mathrm{pu} \) 값으로 환산하여 나타내었다.</p> <table border><caption>표 2 시뮬레이션 회로정수</caption> <tbody><tr><td>Base 전압</td><td>\( 154[\mathrm{kV}] \)</td></tr><tr><td>Base 용량</td><td>\( 400[\mathrm{MVA}] \)</td></tr><tr><td>전원 주파수</td><td>\( 60[\mathrm{Hz}] \)</td></tr><tr><td>선로 인덕턴스</td><td>\( 1.56[\mathrm{pu}] \)</td></tr><tr><td>송 · 수전단 위상차(전력각)</td><td>\( 30^{\circ} \)</td></tr></tbody></table> <h2>4.1 Gate 펄스 생성</h2> <p>그림 7은 그림 6에서 점선으로 표시된 부분의 단상 풀브리지 인버터 Gate 펄스를 만드는 과정을 보여준다. 보상하길 원하는 전압 형태인 \( \mathrm{V}_{\mathrm{ref}} \)를 그림과 같이 \( \theta_{4} \)의 각도로 위상을 변화시켜 \( \mathrm{V}_{\mathrm{ref}} \)보다 \( \theta_{4} \)만큼 앞선 \( \mathrm{V}_{\mathrm{ref1}} \)과 뒤진 \( \mathrm{V}_{\mathrm{ref2}} \)를 만든다. 그리고 이 두 신호를 가지고 각 신호의 양의 반주기 동안 단상 풀브리지 인버터의 스위치에 on신호를 주는 Gate 펄스를 발생시킨다.</p> <p>또한 S1과 S4의 두 신호는 NOT 게이트 거쳐서 단상 풀브리지 인버터에 필요한 최종적인 4개의 Gate 펄스를 생성한다. 다중브리지인버터의 동작은 이러한 과정을 \( \theta \)만 변화시키면서 6번을 반복하여 각각의 단상 풀브리지 인버터에 Gate 신호를 주입하여 이루어진다.</p> <p>그림 7의 (b)와 (c)는 그림 7(a)의 \( \mathrm{V}_{\mathrm{ref}} \)와 \( \theta_{4} \)의 위상 만큼 변조된 \( \mathrm{V}_{\mathrm{ref1}} \)과 \( \mathrm{V}_{\mathrm{ref2}} \) 그리고 S1~S4의 Gate 펄스의 파형을 보여준다. 그림 7(d)는 그림 7(c)에서 보여진 4개의 Gate 신호가 입력되어 그림 7(a)에 나타낸 인버터가 동작했을 때 출력전압 V4A와 \( \mathrm{V}_{\mathrm{ref}} \)를 같이 나타내었으며, 인버터의 DC Link 캐패시터에 크기가 \( 1 \mathrm{V} \)인 이상적인 DC 전원이 연결되어 있는 경우의 파형이다. 그림 7(d)에서 보듯이 V4A의 영전위 구간에서는 그림 7의 인버터 상단 스위치(S1, S3)나 하단 스위치(S2, S4)를 동시에 on시킴으로써 다중브리지인버터의 동작을 정상적으로 유지할 수 있다.</p>
|
[
"표2에서 전원주파스 값은 뭐야?",
"\\( 154[\\mathrm{kV}] \\)의 값은 표2에서 어떤거야?",
"Base 용량값은 얼마야?",
"표2에 나타난 회로정수 시뮬레이션에서 송 · 수전단 위상차는 얼마지?",
"시뮬레이션 회로정수에서 선로 인덕턴스는 뭐지?",
"\\( 400[\\mathrm{MVA}] \\)용량은 어떤거의 용량이야?",
"\\( 30^{\\circ} \\)값은 표2에서 어떤거야?",
"회로정수 시뮬레이션에서 Base 전압은 얼마지?"
] |
33f65e08-6763-48b5-a703-e5e79b232e47
|
인공물ED
|
다중브리지로 구성된 SSSG의 동특성 분석
|
<h1>5. 축소모형 실험</h1> <p>다중브리지인버터로 구성된 SSSC의 동작 특성을 분석하기 위해서 축소모형을 제작하여 실험하였다. 인버터의 스위칭 소자는 IGBT single-type을 사용하였고, 전체 시스템의 제어와 펄스생성 장치로는 TMS320C31를 사용하였다. 인버터 게이트 펄스의 기준으로는 선전류를 사용하였고 그림 7에 설명한 바와 같이 기준 선전류를 \( \pm \theta \)의 각도로 변화시켜서 단상 풀브리지 인버터의 게이트 펄스를 생성하였다. 그림 10은 축소모형 회로도를 나타낸 것이다. 축소모형은 기본적인 다중브리지 SSSC의 동적특성을 분석하기 위해서 단상으로 제작하였고 향후 3상으로 제작할 예정이다. 다중브리지 SSSC는 그림 10과 같이 풀브리지 인버터 4개로 구성하였고 시뮬레이션 모형과 같이 각각의 인버터는 DC Link 캐패시터를 분리제어한다. 표 3은 축소모형 회로정수를 나타낸 것이다.</p> <table border><caption>표 3 축소모형 회로정수</caption> <tbody><tr><td>전원 전압</td><td>\( 100[\mathrm{V}] \)</td></tr><tr><td>선로모형 L1</td><td>\( 20.9[\mathrm{mH}] \)</td></tr><tr><td>선로모형 L2</td><td>\( 40[\mathrm{mH}] \)</td></tr><tr><td>부하</td><td>\( 30[\Omega] \)</td></tr><tr><td>DC Link 캐패시터</td><td>\( 2200[\mu \mathrm{F}] \)</td></tr></tbody></table> <p>그림 11은 축소모형 실험결과를 나타낸 것이다. 그림 11(a)는 보상기 주입전압의 기준전압 파형을 나타낸 것이다.</p> <p>이 기준전압으로 각각의 풀브리지 인버터에 공급될 게이트 펄스를 생성하게 된다. 그림 11(b)는 풀브리지 인버터에 공급되는 게이트 펄스를 나타낸 것이다. 그림 11(c)는 4개의 풀브리지 인버터로 구성된 SSSC의 출력전압을 나타낸 것이고 그림 11(d)는 풀브리지 인버터의 DC Link 캐패시터 전압을 나타낸 것이다. 각각의 캐패시터 전압이 거의 균등함을 볼 수 있다.</p> <p>그림 11(e)는 L-Mode에서 C-Mode로의 천이과정시 인버터 주입전압과 선로전류를 나타낸 것으로서 천이과정이 비교적 빠름을 알 수 있다. 동작천이시간은 \( 200 \mathrm{ms} \)동안은 L_Mode로 동작하다가 \( 200 \mathrm{ms} \)후에는 C_Mode로 동작하도록 설정하였다. 그림 11(f)는 L-Mode시 인버터 주입전압과 선로전류를 나타낸 것으로서 이때 SSSC는 유도성 리액턴스와 같이 동작을 한다. 그림 11(g)는 C-Mode시 인버터 주입전압과 선로전류를 나타낸 것인데 이때 SSSC는 용량성 리액턴스와 같이 동작한다.</p> <h1>6. 결 론</h1> <p>본 논문에서는 다중브리지로 구성된 SSSC의 동특성을 EMTP 시뮬레이션과 축소모형 실험으로 분석한 결과에 대해 기술하였다. 제안하는 다중브리지 SSSC는 전력계통에서 요구되는 동작전압에 따라 브리지의 수를 가감하여 용이하게 구성할 수 있으며 주입용 변압기가 없이 선로에 직접 연결이 가능하다. 향후 연구가 더 필요한 분야는 각각의 직류 커패시터에 나타나는 전압을 일정하게 유지하는데 필요한 제어기의 개발이다.</p>
|
[
"같은 단위를 쓰는 선로모형 중에 값이 더 큰 항목은 무엇인가?",
"\\( 20.9[\\mathrm{mH}] \\)의 값을 갖는 회로 정수는 어떤거니?",
"회로의 전원전압 크기는 얼마야?",
"표에서 수치가 가장 큰 값은 얼마일까?",
"얼마의 값이 표에서 수치가 제일 크지",
"표에서 선로모형 L2 값은 얼마야?",
"선로모형 L2 값은 표에서 얼마일까",
"표에서 가장 큰 수치를 가지는 회로정수는 무엇이니?",
"축소모형은 얼마의 저항값을 가지니?",
"얼마의 저항값을 축소모형이 지니지"
] |
85ab8178-687b-46c9-a7b2-caa326a10419
|
인공물ED
|
미앤더 라인을 이용한 RFID 태그 안테나 최적 설계
|
<p>그림 13은 최적 설계 결과를 초기 설계와 비교하여 보여주고 있다. 그림 13에서 보듯이 목표공진주파수를 만족한 것을 확인 할 수 있다. 그림 14에 최적 설계된 안테나의 형상 및 최적 설계변수를 보여주고 있다. 그리고 표 1은 최적설계 변수의 값을 보여주고 있다. \( 50 \Omega \) 의 임피던스 매칭을 하였고, 진체크기는 \( 63 \mathrm{~mm} \times 15 \mathrm{~mm} \times 1 \mathrm{~mm} \) 의 크기로 기판은 FR4 유진율 4.4인 유전체 기판을 사용하였다.</p> <p>그림 15 은 설계된 안테나의 방사패턴을 나타내고 있다. 이 방사패턴은 표 1 에서 보인 최적 파라미터를 사용하여 얻은 결과로, \( 920 \mathrm{MHz} \) 에서 계산된 패턴이다. 방사페턴은 무지향성의 특성을 나타낸다.</p> <table border><caption>표 1 최종 설계된 안테나의 설계 변수</caption> <tbody><tr><td>설계변수</td><td>길이(mm)</td><td>설계변수</td><td>길이(mm)</td></tr><tr><td>W1</td><td>0.35</td><td>gap</td><td>3.24</td></tr><tr><td>S1</td><td>0.97</td><td>L1</td><td>23.38</td></tr><tr><td>S2</td><td>0.97</td><td>L2</td><td>22.26</td></tr><tr><td>S3</td><td>0.97</td><td>L3</td><td>21.78</td></tr><tr><td>S4</td><td>0.49</td><td>A</td><td>21.78</td></tr><tr><td>S5</td><td>0.49</td><td>L5</td><td>23.26</td></tr><tr><td>K1</td><td>2.36</td><td>K2</td><td>4.72</td></tr></tbody></table> <p>최종 설계된 안테나의 방사패턴을 확인한 결과 안테나의 이득은 \( -2.7 \mathrm{~dB} \) 을 나타내었다. 안테나의 이득을 향상시키기 위해서 미앤더 라인 주변에 커플링 라인을 추가하거나 그라운드를 추가하는 등의 방법을 적용한다면 안테나의 이득이 더욱 향상 된 수 있으나 전체적인 안테나의 크기가 증가하기 때문에 트레이드오프 관계를 적전허 고려하여 설계해야 한다. 최종 설계 제작된 RFII 태그 안테나 사진을 그림 17 에 나타내었다. 제작 측정 결과를 그림 18 에 비교하여 나타내었다.</p> <p>제작 측정 결과 시뮬레이션과 동일한 \( 920 \mathrm{MHz} \) 에서 \( -30.92 \mathrm{~dB} \) 의 반사손실을 갖는다. 제작 과정에서 입력포트의 난황으로 저주파 대역에서 손실이 발생했으나 공진주파수에서 시뮬레이션 보다 좋은 반사손실을 보여주고 있다.</p>
|
[
"설계변수 W1의 길이(mm)는 얼마야?",
"2.36 값을 가지는 설계변수는 무엇인가?",
"설계변수의 길이는 어떤 단위를 쓰나?",
"S4와 같은 길이를 가진 설계변수는 어떤거야?",
"가장 많은 수의 길이 값은 얼마니?",
"S3는 어떤 값의 길이를 가지는가?",
"L1의 길이와 가장 차이가 적은 설계변수는 무엇이니?",
"길이가 K1 보다 크고 K2 보다 적은 설계변수는 어떤걸까?",
"길이가 최대인 설계변수는 어떤 것일까?",
"어떤 설계변수가 A와 같은 길이를 가지니?",
"길이가 S5 보다 적은 설계변수는 어떤 것인가?",
"어떤 설계변수가 22.26mm의 길이를 가질까?"
] |
3d0ec5f2-2897-4115-98a3-11fee92bdbdd
|
인공물ED
|
제어된 임피던스용 다층 PCB 설계 시뮬레이터 구현
|
<h1>Ⅲ․ 임피던스제어를 통한 PCB 설계</h1> <p>그림 1 과 같이 다양한 PCB 쿠폰(coupon)을 설계 시에는 제어임피던스 트랙에 쉽게 접근할 수 있도록 제작되어야 한다. 일반적인 시험 쿠폰은 \( 200 \mathrm{~mm} \times 300 \mathrm{~mm} \) 의 PCB 로 시험하고자 하는 주기판과 동일한 트랙구조와 층을 구성한다. 또한 동일한 작업상에서 제조된 것이어야 동일한 임피던스 시험이 될 것이며, 모든 전원 및 접지면이 쿠폰에 포함되고, 상호 연결되어야 유효한 시험 결과를 얻을 수 있다.</p> <p>작업 판넬에는 두 개의 쿠폰을 삽입하여 시험과 측정을 하는 것이 보다 높은 신뢰를 얻을 수 있다. 실제로 일부 PCB회사에서는 임피던스 제어 시험을 통하지 않고 경험적인 절차와 방법으로 시험 쿠폰을 두 개씩 삽입하여 PCB에 대한 질적인 보장을 확보한다. PCB 제작자는 주로 회로폭과 절연층 간격만을 조정하여 쿠폰을 제작하고, 시험/측정을 반복함으로써 공정의 특성을 파악하고 임피던스를 계산한다. 이때 임피던스 이외의 다른 신뢰도 시험을 거쳐 고객과 제품의 신뢰도를 확보한다.</p> <p>정확한 제작을 위하여 계산된 값과 측정한 값들을 비교한 결과표를 만들어 자사공정과 이론치 사이의 변동을 파악한다. 그림 1에서 트랙폭\(W\)과 트랙 두께\(h\) 값을 변경하여 시험을 반복하고, 설계자의 요구치를 맞추는 공정변수들을 찾아내는 일을 반복하여 설계한다.</p> <p>표 1은 실험을 통해 임피던스에 변화를 주는 변수와 허용한계를 나타낸다. 이외에도 재질의 유전상수가 필요하며, 공기 중 유전상수는 1.0, 테프론 유리는 2.2, 에폭시와 폴리마이드는 4.7, 알루미나는 10.0, 실리콘은 11.7 이다. 주로 많이 사용하는 \(\mathrm{ FR-4}\) 는 4.2 이다.</p> <table border><caption>표 2. 마이크로스트립의 임피던스 변화율</caption> <tbody><tr><td colspan=2>\( \varepsilon_{r} \)</td><td colspan=2>\(W\)</td><td colspan=2>\(h\)</td><td colspan=2>\(T\)</td><td colspan=2>정규저항</td><td colspan=2>오차범위</td></tr><tr><td colspan=2>4.7</td><td colspan=2>0.006</td><td colspan=2>0.0055</td><td colspan=2>0.002</td><td colspan=2>56</td><td colspan=2>±5.5</td></tr><tr><td colspan=12></td></tr><tr><td>\(W\) \ \(h\)</td><td colspan=2>0.005</td><td colspan=2>0.006</td><td colspan=2>0.007</td><td colspan=2>0.08</td><td colspan=2>0.009</td><td>0.010</td></tr><tr><td>0.004</td><td colspan=2>53.769</td><td colspan=2>57.719</td><td colspan=2>61.031</td><td colspan=2>63.908</td><td colspan=2>66.459</td><td>68.191</td></tr><tr><td>0.005</td><td colspan=2>48.900</td><td colspan=2>52.899</td><td colspan=2>56.260</td><td colspan=2>59.171</td><td colspan=2>61.745</td><td>63.505</td></tr><tr><td>0.006</td><td colspan=2>44.663</td><td colspan=2>48.742</td><td colspan=2>52.154</td><td colspan=2>55.098</td><td colspan=2>57.695</td><td>59.483</td></tr><tr><td>0.007</td><td colspan=2>40.918</td><td colspan=2>45.080</td><td colspan=2>48.543</td><td colspan=2>51.522</td><td colspan=2>54.144</td><td>55.958</td></tr><tr><td>0.008</td><td colspan=2>37.551</td><td colspan=2>41.799</td><td colspan=2>45.317</td><td colspan=2>48.331</td><td colspan=2>50.977</td><td>52.819</td></tr><tr><td>0.009</td><td colspan=2>34.482</td><td colspan=2>38.823</td><td colspan=2>42.396</td><td colspan=2>45.447</td><td colspan=2>48.119</td><td>49.989</td></tr></tbody></table> <table border><caption>표 3. 이중 스트립의 임피던스 변화율</caption> <tbody><tr><td>\( \varepsilon_{r} \)</td><td>\(W1\)</td><td colspan=2>\(W2\)</td><td colspan=2>\(T\)</td><td colspan=2>정규저항</td><td colspan=2>오차범위</td></tr><tr><td>47</td><td>0.006</td><td colspan=2>0.008</td><td colspan=2>0.0012</td><td colspan=2>55</td><td colspan=2>±5.5</td></tr><tr><td colspan=10></td></tr><tr><td>\(W\) \ \(h\)</td><td>0.003</td><td>0.004</td><td colspan=2>0.005</td><td colspan=2>0.086</td><td colspan=2>0.007</td><td>0.008</td></tr><tr><td>0.004</td><td>37.169</td><td>49.012</td><td colspan=2>57.857</td><td colspan=2>64.920</td><td colspan=2>70.80</td><td>75.837</td></tr><tr><td>0.005</td><td>32.133</td><td>43.975</td><td colspan=2>52.821</td><td colspan=2>59.884</td><td colspan=2>65.763</td><td>70.800</td></tr><tr><td>0.006</td><td>27.727</td><td>39.570</td><td colspan=2>48.415</td><td colspan=2>55.478</td><td colspan=2>61.358</td><td>66.395</td></tr><tr><td>0.087</td><td>23.813</td><td>35.655</td><td colspan=2>44.501</td><td colspan=2>51.563</td><td colspan=2>57.443</td><td>62.480</td></tr><tr><td>0.008</td><td>20.209</td><td>32.133</td><td colspan=2>40.978</td><td colspan=2>48.041</td><td colspan=2>53.921</td><td>58.957</td></tr><tr><td>0.009</td><td>17.088</td><td>28.931</td><td colspan=2>37.776</td><td colspan=2>44.839</td><td colspan=2>50.719</td><td>55.755</td></tr></tbody></table> <p>시뮬레이션을 위해서 재질은 \( \mathrm{FR}-4 \) 를 가정하고, 코퍼 \( 1 \mathrm{oz} \), 유전율은 \( \epsilon_{r}=4.7 \) 을 사용할 때, 표 2 는 그림 1 에서 표면 마이크로스트립라인의 임피던스에 대해, 임피던스 계산식(1)을 이용하여 트랙폭에 대한 임피던스의 변화율을 얻는다. 여기서 \( \mathrm{W} \) 와 \( \mathrm{h} \)에 대한 계산에서 선택된 값은 \( \pm 5.5 \Omega \) 오차범위의 \( 55.478 \Omega \) 이 최적한 값으로 선택하여 쿠폰을 설계한다.</p> <p>표 3은 이중 스트립라인에 대한 단일 임피던스 계산식(4)와 트랙폭에서의 임피던스변화이다. 여기서 설계하고자 하는 주문자의 변수들에 대해 계산된 임피던스 는 \( \pm 5.5 \Omega \) 범위내에서 \( 55.098 \Omega \) 으로 계산하고 쿠폰을 설계한다.</p> <p>기존에는 표 2 와 표 3 처럼 복잡하고 경험적인 절차를 거쳐 \( \mathrm{PCB} \) 쿠폰 설계가 주로 이루어졌다. 통신 회로가 복잡하고 다층화된 환경변화에 적응하기 위해서는 정확한 제어임피던스용 시뮬레이터 구현이 필요하게 되었다.</p>
|
[
"0.002의 값을 가지는 파라미터는 어떤 것이야?",
"\\(W\\)가 0.004 \\(h\\)가 0.005의 임피던스는 얼마인가?",
"실험에서 사용한 오차범위는 어떤 값이야?",
"\\(h\\)가 0.009에서 가장 큰임피던스 값은 얼마인가?",
"\\(W\\)가 0.004일 때 가장 큰 임피던스 값을 가지는 \\(h\\)는 얼마니?",
"\\(h\\)가 0.007에서 임피던스가 최소인 \\(W\\)는 얼마일까?",
"\\(h\\)가 0.008에서 어떤 \\(W\\)의 임피던스 값이 \\(W\\)가 0.008일 때 보다 적을까?",
"\\(W1\\) 파라미터는 어떤 값을 가지는가?",
"표3에 의하면 \\(W1\\) 파라미터는 얼마지",
"정규저항 값과 가장 차이가 적은 임피던스 값은 얼마지?",
"어떤 파라미터가 0.0012 값을 가지고 있니?",
"\\(h\\)가 0.003에서 임피던스 값이 \\(W\\) 0.005 보다 큰 \\(W\\)는 얼마일까?",
"\\(W\\)가 0.005일 때 어떤 \\(h\\)가 최소의 임피던스 값을 가지니?",
"어떤 임피던스 값이 정규저항 값과 가장 가깝나?",
"임피던스 값이 39.570일 때 \\(W\\)의 크기는 얼마일까?",
"유전상수 값을 얼마인가?"
] |
4cd70ae7-c1ca-40a7-b735-bd23b37b48d6
|
인공물ED
|
반도체 IP 인터페이스의 표준화된 기술 방법
|
<h1>I. 서론</h1><p>반도체 칩의 설계 및 검증이 완료된 반도체 IP의 재사용이 점점 더 중요해지고 있다. 반도체 IP의 재사용은 시간과 노력을 줄이고 동작 확률과 신뢰성을 높이는 등 다양한 장점이 있어서 최근의 반도체 칩 설계에는 거의 필수적으로 쓰이고 있으나 서로 다른 설계자가 개발한 반도체 IP를 결합하여 시뮬레이션 및 검증을 수행하는데 어려움을 겪고 있다.</p><p>반도체 IP의 재사용에서 가장 어려운 점은 서로 다른 방식으로 개발된 인터페이스를 통합 칩 설계자가 이해하기가 어렵다는 점이다. 반도체 IP의 상당수는 지적재산권을 보호하기 위해서 내부 구조를 전혀 보여주지 않고 최종적인 레이아웃 또는 네트리스트만을 제공하기 때문에 인터페이스의 정확한 이해 없이는반도체 IP의 통합이 매우 어렵지만, 이들 인터페이스는 대부분 원래 설계자의 이해 수준에 맞추어져 기술(description)되어 있는데다가, 기술하는 방법도 제각각이어서 이들 반도체 IP를 설계하지 않은 통합 칩설계자가 이해하는데 많은 혼란이 따른다. 더욱이 어떤 반도체 IP는 인터페이스에 사용되는 포트만 기술되고 어떤 반도체 IP는 개별 신호와 동작까지 기술되기 때문에 이들 반도체 IP를 연결할 때 각 반도체 IP가 기술된 수준의 차이로 인해 이들 반도체 IP를 통합하는데 큰 어려움을 겪고 있다.</p><p>이러한 문제점을 해결하는 방법의 하나는 반도체IP 인터페이스를 기술하는 방법을 표준화하는 것이다. 그러나 표준화가 지나치게 세밀하면 설계자의 자유를 침해하여 설계 능률이 떨어질 수 있고, 표준화가 지나치게 간략하면 너무 많은 항목이 제각각으로 기술되어 다른 사람이 이해하기 어려울 수 있다.</p><p>본 논문에서는 이러한 문제점을 해결하기 위해 반도체 IP 인터페이스를 기술하는 표준화된 방법을 제안한다. 이렇게 표준화된 반도체 IP 인터페이스의 기술 방법을 통하여 통합 칩 설계자가 각 반도체 IP의 인터페이스를 쉽게 이해하고 각 반도체 IP를 쉽게 통합하여 통합 칩을 설계할 수 있다.</p>
|
[
"반도체 칩 설계 및 검증이 된 반도체 IP의 재사용의 중요도가 감소하고 있어?",
"반도체 IP의 재사용의 중요성이 부각되고 있는데 어떠한 과정이 완료된 반도체를 의미해?",
"최근의 반도체 칩 설계에서 반도체 IP의 재사용은 거의 사용하고 있지 않은 실정이지?",
"반도체 IP의 재사용에서 가장 쉬운 점은 꼽자면 서로 다른 방식으로 개발된 인터페이스를 통합 칩 설계자가 이해하기가 쉽다는 것이지?",
"반도체 IP의 상당수는 왜 내부 구조를 전혀 나타내지 않아?",
"반도체 IP를 통합하기 위해서 무엇의 정확한 이해가 필요해?",
"반도체 IP의 상당수는 최종적인 레이아웃 또는 네트리스트만 제공하고 있어?",
"대부분의 인터페이스는 통일된 방법으로 기술되어 있어?",
"반도체 IP의 인터페이스는 기술하는 방법이 획일적이지 않아 통합 칩 설계자가 이해하는데 어려움이 있어?",
"반도체 IP가 기술된 수준의 차이로 인한 반도체 IP 통합에 어려움을 해결하는 방법의 하나는 반도체IP 인터페이스를 기술하는 방법을 어떻게 하는거야?",
"표준화가 지나치게 세밀하면 무엇이 약화 돼?",
"표준화가 지나치게 간략하면 설계자의 자유를 침해할 수 있어?",
"반도체 IP의 재사용 단점으로 시간과 노력을 늘리고 동작 확률과 신뢰성을 낮추는 점을 꼽을 수 있지?",
"반도체 IP의 재사용은 반도체 칩 설계에서 어떠한 어려움을 겪는가?",
"인터페이스는 누구의 이해 수준에 맞추어져 기술되어 있어?",
"모든 반도체 IP에 개별 신호와 동작까지 기술되어 있어?",
"반도체IP 인터페이스를 기술하는 방법을 표준화하면 반도체 IP를 통합하기 쉬워져?",
"무엇이 너무 간략하면 너무 많은 항목이 제각각으로 기술되어 다른 사람이 이해하기 어려울 수 있어?"
] |
ee9c0f8c-716c-484e-a1b8-21a7076863d9
|
인공물ED
|
반도체 IP 인터페이스의 표준화된 기술 방법
|
<h1>III. 결론</h1><p>반도체 IP를 재사용하여 통합 칩을 설계하기 위해서는 반도체 IP 가 가지고 있는 인터페이스의 구조 및 동작을 올바르게 이해하는 것이 필수적인데, 기존에는 이러한 반도체 IP 인터페이스를 기술하는 방법이 설계자에 따라 제각각이어서 통합 칩 설계자에게 큰부담이 되어왔다. 본 논문에서는 이러한 문제점을 해결하기 위해 반도체 IP 인터페이스를 기술하는 표준화된 방법을 제안하였다. 제안된 기술 방법은 반도체 IP 인터페이스를 IP 정보, 기술 수준, 모델 제공, 데이터 타입, 인터페이스 정보, 포트 정보, 신호 정보, 프로토콜 정보, 소스 파일의 \(9\) 개 항목으로 나누어 정의하였다. 제안된 기술 방법을 IDEC에서 제공한 설계도구를 사용하여 다수의 반도체 IP 인터페이스에 적용해본 결과, 이들 반도체 IP 인터페이스를 간단하고 명확하게 기술할 수 있었으며, 거의 모든 반도체 IP인터페이스를 효과적으로 기술할 수 있을 것으로 판단된다. 본 논문에서 설명한 반도체 IP 인터페이스의 기술 방법은 향후 반도체 IP의 재사용 및 통합 칩 설계에 큰 도움이 될 것으로 생각된다.</p>
|
[
"무엇을 재사용하여서 통합 칩을 설계할 수 있는가?",
"반도체 IP를 재사용한 통합 칩을 설계하기 위해서는 무엇을 올바르게 이해하여야 하는가?",
"무엇을 설계하기 위해 반도체 IP를 재사용하며 그것의 인터페이스 구조를 잘 알아야 하는가?",
"이 논문에서는 반도체 IP 인터페이스를 기술하는 어떤 방법을 제안하고 있는가?",
"제안된 기술 방법을 사용하면 반도체 IP 인터페이스를 어떤 항목으로 나누어 정의하는가?",
"어디에서 제공한 설계도구를 사용해서 다양한 반도체 IP 인터페이스에 적용하였는가?",
"여기서 설명한 반도체 IP 인터페이스의 기술 방법은 앞으로 어떤 것에 큰 도움이 될 것으로 예상하는가?",
"향후 반도체 IP의 재사용 및 통합 칩 설계에 큰 도움이 될 수 있다고 이 논문에서 설명한 방법은 무엇인가?",
"다수의 반도체 IP 인터페이스에 IDEC에서 제공한 설계도구를 사용하여 적용한 결과, 이들 반도체 IP 인터페이스를 어떻게 기술할 수 있었는가?",
"반도체 IP 인터페이스를 제안된 기술 방법으로 몇 개의 항목으로 나누어서 정의하는가?",
"기존의 반도체 IP 인터페이스를 기술하는 방법은 통합 칩 설계자에게 큰부담이었나?",
"반도체 IP 인터페이스를 나누어서 정의할 때 프로토콜 정보가 들어가는가?",
"IDEC에서 제공한 설계도구를 사용해서 반도체 IP 인터페이스를 간단하고 명확하게 기술할 수 있는가?",
"모든 설계자는 같은 방법으로 반도체 IP 인터페이스를 기술하는가?",
"IDEC에서 제공한 설계도구를 사용하면 특정 IP인터페이스만을 효과적으로 기술 할 수 있는가?"
] |
0fcbd160-66a2-430d-bd52-5374f951b7a1
|
인공물ED
|
반도체 IP 인터페이스의 표준화된 기술 방법
|
<h2>8. 프로토콜 정보</h2><p>프로토콜 정보는 인터페이스에서 사용하는 포트 및 신호에 적용되는 프로토콜을 나타낸다. 이 항목에서는 기술 방법을 한정하지 않으며 C/C++, HDL 이외에도 기존의 다양한 기술 방법을 적용할 수 있으나,포트 정보와 신호 정보에서 사용한 기술 방법을 표 9와 같이 결합하여 사용하는 것이 편리하다.</p><p>표 9는 그림 2와 같은 반도체 IP 인터페이스에서 프로토콜 정보를 나타낸 예인데, 이 반도체 IP에서 I,O, P 포트의 동작은 다음과 같다. I 포트는 블로킹으로 데이터를 읽어들이는 포트로서, 초기화된 후에 먼저 I_req 신호를 \(1\) 로 만든다. 이후, I_ack 신호가 \(1\) 이면 I_req 신호를 0으로 만들고 I_data 신호를 반도체IP 내부의 MULTIN1 신호에 읽어들이고, I_ack 신호가 0이면 I_req를 \(1\) 로 만들고 I_ack 신호가 \(1\) 이 될 때까지 기다린다. O 포트는 논블로킹으로 데이터를 내보내는 포트로서, O_ack 신호를 \(1\) 로 만들고 반도체IP 내부의 MULTOUT 신호를 O_data로 내보낸다. P포트는 논블로킹으로 데이터를 읽어들이는 포트로서,P_ack 신호가 \(1\) 이면 P_data 신호를 반도체 IP 내부의MULTIN2 신호에 읽어들인다.</p><table border><caption>표 9. 프로토콜 정보의 예.</caption><tbody><tr><td>프로토콜 정보</td><td><p>I: transRead(Blocking) {I_req: messEmit(1);again:IF (I_ack: messSense(1))I_req: messEmit(0);I_data: transRead(MULTIN1);ELSEI_req: messEmit(1);GOTO(again);}</p><p>O: transWrite(Non-Blocking) {O_ack: messEmit(1);O_data: transWrite(MULTOUT);}</p><p>P: transRead(Non-Blocking) {IF (P_ack: messSense(1)P_data: transRead(MULTIN2);}</p></td></tr></tbody></table><h2>9. 소스 파일</h2><p>소스 파일은 인터페이스에서 사용하는 포트 및 신호의 동작을 기술한 소스 파일을 나타낸다. 이 항목은 타 항목과는 달리 표준 문서가 아닌 파일로 제공되며, 파일을 제공할 필요가 없는 경우에는 생략할수 있다. 이 항목에서는 기술 방법을 한정하지 않으며 C/C++, HDL 이외에도 기존의 다양한 기술 방법을 적용할 수 있다.</p>
|
[
"프로토콜 정보는 인터페이스에서 사용하는 포트 및 신호에 적용되는 프로토콜을 나타내는가?",
"반도체 IP 인터페이스에서 프로토콜 정보를 나타낸 예인데, 이 반도체 IP에서 포트의 동작중에 거리가 먼 것은 무엇인가?",
"기술 방법을 한정하지 않으며 C/C++, HDL 이외에도 기존의 다양한 기술 방법을 적용할 수 있으나 어떻게하는 것이 편리한가?",
"인터페이스에서 사용하는 포트 및 신호에 적용되는 프로토콜을 나타내는 것은 무엇인가?",
"블로킹으로 데이터를 읽어들이는 포트로서, 초기화된 후에 먼저 I_req 신호를 \\(1\\) 로 만드는 것은 무엇인가?",
"I 포트는 블로킹으로 데이터를 읽어들이는 포트로서, 초기화된 후에 먼저 I_req 신호를 몇 \\(\\) 로 만드나?",
"I_ack 신호가 \\(1\\) 이면 I_req 신호를 0으로 만들고 I_data 신호를 반도체IP 내부의 어떤 신호에 읽어들이는가?",
"I_data 신호를 반도체IP 내부의 MULTIN1 신호에 읽어들이고, I_ack 신호가 0이면 I_req를 \\(1\\) 로 만들면 어떻게 하나?",
"무엇이 \\(1\\) 이면 I_req 신호를 0으로 만들고 I_data 신호를 반도체IP 내부의 MULTIN1 신호에 읽어들이고, I_ack 신호가 0이면 I_req를 \\(1\\) 로 만들고 I_ack 신호가 \\(1\\) 이 될 때까지 기다리는가?",
"I 포트는 블로킹으로 데이터를 읽어들이는 포트로서, 초기화된 후에 먼저 I_data 신호를 \\(1\\) 로 만드나?",
"논블로킹으로 데이터를 내보내는 포트로서, O_ack 신호를 \\(1\\) 로 만들고 반도체IP 내부의 MULTOUT 신호를 O_data로 내보내는 것은 어떤 포트인가?",
"O 포트는 논블로킹으로 데이터를 내보내는 포트로서, O_ack 신호를 \\(1\\) 로 만들고 반도체IP 내부의 MULTIN 신호를 O_data로 내보내는가?",
"transRead(Blocking) {I_req: messEmit(1);again:IF (I_ack: messSense(1))I_req: messEmit(0);I_data: transRead(MULTIN1);ELSEI_req: messEmit(1);GOTO(again);} 이 신호에 관련된 것은 무엇인가?",
"transRead(Non-Blocking) {IF (P_ack: messSense(1)P_data: transRead(MULTIN2);} 이 신호와 관련된 것은 무엇인가?",
"표 9. 프로토콜 정보의 예에서 I: transRead은 Blocking, Non-Blocking 중 어떤 것인가?",
"소스 파일은 무엇인가?",
"O 포트는 논블로킹으로 데이터를 내보내는 포트로서, O_ack 신호를 \\(1\\) 로 만들고 반도체IP 내부의 MULTOUT 신호를 어디로 내보내는가?",
"인터페이스에서 사용하는 포트 및 신호의 동작을 기술한 소스 파일을 나타내는 것은 무엇인가?",
"이 항목에서는 기술 방법을 한정하지 않으며 C/C++, HDL 이외에도 기존의 다양한 기술 방법을 적용할 수 있나?",
"논블로킹으로 데이터를 읽어들이는 포트로서,P_ack 신호가 \\(1\\) 이면 P_data 신호를 반도체 IP 내부의MULTIN2 신호에 읽어들이는 것은 무엇인가?",
"P포트는 논블로킹으로 데이터를 읽어들이는 포트로서,P_ack 신호가 \\(1\\) 이면 P_data 신호를 반도체 IP 내부의MULTOUT2 신호에 읽어들이는가?",
"transWrite(Non-Blocking) {O_ack: messEmit(1);O_data: transWrite(MULTOUT);}와 관련된 신호는 무엇인가?",
"P: transRead는 Blocking, Non-Blocking 둘 중 어떤것인가?"
] |
71935cdd-dc93-4b33-a0b7-66d1d741a6cc
|
인공물ED
|
반도체 IP 인터페이스의 표준화된 기술 방법
|
<h2>6. 포트 정보</h2><p>포트 정보는 인터페이스에서 사용하는 입출력 포트를 나타낸다. 이 항목은 인터페이스에서 사용하는 모든 입출력 포트 및 데이터/제어 신호를 나타내어야하나, 기술 수준이 port_level인 경우에는 신호 정보가나타나지 않으므로 데이터/제어 신호는 생략된다. 다이어그램은 포트에서 데이터 및 제어 신호의 방향,연결 관계 및 블로킹 특성을 나타낸다. 기술 수준이 port_level인 경우에는 신호 정보가 나타나지 않으므로 다이어그램은 생략된다. 파일 이름은 각 포트의동작이나 구현이 기술된 C/C++ 또는 HDL 파일의 이름을 의미한다</p><ul><li>transRead(blocking_description): 해당 포트에서데이터 값을 읽어들임.</li><li>transWrite(blocking_description): 해당 포트에 데이터 값을 써넣음.</li><li>messSense(blocking_description): 해당 포트로 전달되는 이벤트를 인식함.</li><li>messEmit(blocking_description): 해당 포트를 통해 이벤트를 발생함.</li></ul><p>시스템 클록이나 리셋 신호 등 다수의 포트에 공통으로 사용되는 데이터/제어 신호도 각 포트마다 모두명시해야 한다. 각각의 포트는 다수의 데이터/제어 신호로 구성되기 때문에, 포트의 데이터 타입과 기능타입은 해당 포트가 데이터 신호가 있는 경우에는 주된 역할을 수행하는 데이터 신호의 데이터 타입과 기능 타입을 따르며 제어 신호만 있는 경우에는 주된 역할을 수행하는 제어 신호의 데이터 타입과 기능 타입을 따른다.</p><p>표 7은 그림 2와 같은 반도체 IP 인터페이스에서포트 정보를 나타낸 예인데, 이 반도체 IP는 다이어그램과 같이 CLK, I, O, P라는 네 개의 포트를 사용한다. CLK 포트는 논블로킹으로 전달되는 제어 신호인clk를 사용하며, clk 신호로 전달되는 이벤트를 논블로킹으로 인식한다. I 포트는 블로킹으로 전달되는 데이터 신호인 I_data, 논블로킹으로 전달되는 제어 신호인 I_req, I_ack를 사용하며, I_data 신호로 전달되는 데이터 값을 블로킹으로 읽어들인다. O 포트는 논블로킹으로 전달하는 데이터 신호인 O_data와 논블로킹으로 전달하는 제어 신호인 O_req를 사용하며,O_data 신호로 전달하는 데이터 값을 논블로킹으로써넣는다. P 포트는 논블로킹으로 전달되는 데이터신호인 P_data, 논블로킹으로 전달되는 제어 신호인 P_ack를 사용하며, P_data 신호로 전달되는 데이터값을 논블로킹으로 읽어들인다.</p><h2>7. 신호 정보</h2><p>신호 정보는 인터페이스에서 사용하는 데이터/제어신호를 나타낸다. 이 항목은 인터페이스에서 사용하는 모든 데이터/제어 신호를 나타내어야 하나, 기술수준이 port_level인 경우에는 신호 정보가 나타나지않으므로 이 항목은 생략된다. 파일 이름은 각 데이터/제어 신호의 동작이나 구현이 기술된 C/C++ 또는 HDL 파일의 이름을 의미한다.</p><p>기능 타입은 transRead, transWrite, messSense,messEmit, transState 중 하나여야 하며, 그 의미는다음과 같다. 여기에서 모든 variable과 state는 반도체 IP 내부의 variable 이름과 state 이름을 의미한다.</p><ul><li>transRead(variable): 해당 데이터 신호의 값을 지정된 variable에 읽어들임.</li><li>transWrite(variable or constant): 지정된 variable또는 constant의 값을 해당 데이터 신호에 써넣음.</li><li>messSense(variable or constant): 해당 제어 신호로 전달되는 이벤트를 인식함. 이때 해당 제어 신호가 지정된 variable 또는 constant의 값을 가질 때이벤트를 인식함.</li><li>messEmit(variable or constant): 해당 제어 신호를 통해 이벤트를 발생함. 이때 해당 제어 신호는 지정된 variable 또는 constant의 값을 가짐.</li><li>transState(variable or constant, stateA =StateDescriptionA, {stateB = StateDescriptionB,...}): 해당 제어 신호를 통해 반도체 IP 내부에 있는FSM의 stateA, stateB, ...를 각각StateDescriptionA, StateDescriptionB, ...와 같이 변경함. 이때 해당 제어 신호가 지정된 variable 또는constant의 값을 가질 때 이벤트를 인식하며, stateA,stateB, ...가 변경되는 값인 StateDescriptionA,StateDescriptionB, ...는 variable 또는 constant로지정할 수도 있고, C/C++언어 등으로 기술된 알고리즘으로 지정할 수도 있음.</li></ul><p>표 8은 그림 2와 같은 반도체 IP 인터페이스에서신호 정보를 나타낸 예인데, 이 반도체 IP는 clk,I_data, I_req, I_ack, O_data, O_req, P_data, P_ack라는 여덟 개의 신호를 사용한다. 신호 정보는 포트 정보와 그 표기법이 유사하나, 포트 정보에서는 하나의포트에서 주된 신호에 대해서만 데이터 타입과 기능타입을 나타내는 반면에 신호 정보에서는 모든 신호에 대해서 데이터 타입과 기능 타입을 나타낸다. 또한 포트 정보에서는 각 포트의 블로킹 여부만 나타나나, 신호 정보에서는 각 신호가 반도체 IP 내부 또는 외부로 어떤 변수나 값을 주고받는지가 나타난다. 예를 들어 I_data의 기능 타입은 transRead(MULTIN1)인데 이는 I_data를 통해 반도체 IP 외부 신호로부터 내부의 MULTIN1이라는 신호에 읽어들인다는 것을의미한다. O_data의 기능 타입은 transWrite(MULTOUT)인데 이는 반도체 IP 내부의MULTOUT이라는 신호를 O_data를 통해 외부 신호에 써넣는다는 것을 의미한다. I_req의 기능 타입은messEmit( \( 0 \) or \( 1 \))인데 이는 I_req로 \( 0 \) 또는 \( 1\)의 값을 외부로 발신하여 전달한다는 것을 의미한다. P_ack의기능 타입은 messSense(1)인데 이는 P_ack로 외부에서 전달된 값이 1일 때를 감지한다는 것을 의미한다.</p>
|
[
"I_req의 기능 타입 messEmit(0 or 1)은 I_req로 0 또는 1의 값을 외부에서 수신하여 전달하는 것을 의미해?",
"포트 정보의 기술 수준이 port_level인 경우, 데이터/제어 신호는 생략되니?",
"그림2의 반도체 IP가 사용하는 신호에 해당하는 것은 뭐니?",
"O_data의 기능 타입 명칭은 뭐야?",
"기능 타입은 2개 이상을 선택하여 복수로 사용 가능해?",
"P 포트는 논블로킹으로 전달되는 제어신호인 P_data를 사용해?",
"신호 정보와 포트 정보 모두 모든 신호에 대해서 데이터 타입과 기능 타입을 나타내나요?",
"그림2의 반도체 IP가 사용하는 포트 명칭에 해당하는 것은 뭐야?"
] |
6795d123-749a-45df-af7e-fce1e83c8dbd
|
인공물ED
|
반도체 IP 인터페이스의 표준화된 기술 방법
|
<h1>II. 반도체 IP 인터페이스의 표준화된 기술 방법</h1><p>반도체 IP 인터페이스의 표준화된 기술 방법은 표1과 같이 IP 정보, 기술 수준, 모델 제공, 데이터 타입, 인터페이스 정보, 포트 정보, 신호 정보, 프로토콜정보, 소스 파일의 9개 항목으로 정의된다. 9개 항목및 이들의 하위 항목은 사용자값 또는 선택값 중 하나의 형태를 가지며, 선택값은 표 1에 지정된 몇 개의 값 중에서 하나를 선택하여 사용한다. 인터페이스정보 및 포트 정보의 다이어그램에서 데이터 흐름 및제어 흐름은 그림 1의 표기법을 사용한다. 이 기술방법은 한국정보통신기술협회의 표준 및 VSI Alliance의 표준을 부분적으로 참고하였다.</p><h2>1. IP 정보</h2><p>IP 정보는 인터페이스가 적용되는 반도체 IP 의 이름, 기능 및 일반적인 설명을 나타낸다. 표 2는 그림2와 같은 반도체 IP 인터페이스에서 IP 정보를 나타낸 예인데, mult_1.0이라는 이름의 반도체 IP가 곱셈에 필요한 파라미터인 P,I 를 입력받아 곱셈 결과인 O 를 출력하는 기능을 수행한다는 것을 나타낸다.</p><h2>2. 기술 수준</h2><p>기술 수준은 인터페이스가 어느 수준까지 기술되었는지를 나타내며, port_level인 경우에는 포트 수준만, signal_level인 경우에는 포트 수준과 신호 수준 모두 기술되었음을 의미한다. 표 3은 그림 2와 같은 반도체 IP 인터페이스에서 기술 수준을 나타낸 예인데, 이반도체 IP는 포트 수준과 신호 수준 모두 기술되어있다는 것을 나타낸다.</p><h2>3. 모델 제공</h2><p>모델 제공은 인터페이스가 실행 가능한 동작 모델및 구현 가능한 HDL 모델을 제공하는지의 여부를 나타낸다. 표 4는 그림 2와 같은 반도체 IP 는 시뮬레이션 실행이 가능한 C / C++ 또는 HDL 파일은 제공되지만, 하드웨어 구현이 가능한 HDL 파일은 제공 되지 않는다는 것을 나타낸다.</p><h2>4. 데이터 타입</h2><p>데이터 타입은 인터페이스에서 사용하는 데이터의 타입을 나타낸다. 이 항목은 데이터 타입 이름, 데이터 형태, 데이터 값의 범위, 데이터 길이를 표기하여야 하며, 여러 가지의 데이터 타입이 사용되는 경우각 데이터 타입마다 따로따로 표기하여야 한다. 데이터 타입은 char, std_logic과 같이 C / C++ 이나 HDL 에서 표준으로 사용하는 타입일 수도 있고, \( \mathbb{P} \) 인터페이스 개발자가 정의한 타입일 수도 있다. 데이터 길이는 C / C++ 변수 또는 HDL 신호의 비트수(또는 바이트 수)로 표기된다. 표 5 는 그림 2 와 같은 반도체 IP 인터페이스에서 데이터 타입을 나타낸 예인데, 이 반도체 IP 는 배정도 (double-precision) 실수, 부울(Boolean) 변수, 표준 로직 변수의 데이터 타입을 사용한다는 것을 나터낸다.</p><h2>5. 인터페이스 정보</h2><p>인터페이스 정보는 인터페이스에서 사용하는 물리적/논리적 인터페이스를 나타낸다. 다이어그램은 인터페이스에서 데이터 및 제어 신호의 방향, 연결 관계및 블로킹 특성을 나타낸다. 하나의 인터페이스가 다수의 포트로 구성되는 경우에는 각각의 포트마다 하나씩만 표기하며, 데이터 신호의 방향과 제어 신호의방향을 모두 표기한다. 하나의 포트가 다수의 제어신호를 사용하는 경우에는 주된 제어 신호의 방향에대해서만 표기한다. 표 6은 그림 2와 같은 반도체 IP 인터페이스에서 인터페이스 정보를 나타낸 예인데,이 반도체 IP 는 다이어그램과 같이 dsp, parm이라는 두 개의 인터페이스를 사용하며, dsp 라는 인터페이스를 통해 파라미터인 I를 입력하고 수행 결과인 O 를 출력하며 parm이라는 인터페이스를 통해 파라미터인 P를 입력한다는 것을 나타낸다.</p><p>표 6 의 다이어그램에서 DSP 와 I 사이의 포트는 그림 2에서와 같이 두 개의 제어 신호인 I_req와 I_ack를 사용하지만 주된 제어 신호는 I_ack이기 때문에 이 제어 신호의 방향인 \( \leftarrow \) 만올 표기하고, I_req 제어 신호의 방향인 \( \rightarrow \) 는 표기하지 않는다.</p>
|
[
"반도체 IP 인터페이스의 표준화된 기술 방법은 어떻게 정의되나요?",
"반도체 IP 인터페이스의 표준화된 기술 방법 9가지 항목은 어떤 방식으로 값을 운용하나요?",
"반도체 IP 인터페이스의 표준화된 기술 방법으로 인터페이스 정보 및 포트 정보는 어떻게 운용되나요?",
"mult_1.0이라는 이름의 반도체 IP가 곱셈을 수행하는 과정은 어떻게 되나요?",
"다수의 포트로 구성된 하나의 인터페스는 어떻게 표시하나요?",
"그림 2의 반도체를 반도체 IP 인터페이스의 표준화된 기술 방법인 데이터 타입으로 나타내면 어떻게 나타나나요?",
"표 6 의 다이어그램에서 DSP 와 I 사이의 포트의 제어신호는 어떻게 구성되나요?",
"논문에서 char, std_logic의 데이터 타입을 어떻게 설명하나요?",
"포트 정보의 다이어그램에서 제어 흐름의 표기법은 어떻게 나타내나요?",
"인터페이스에서 다이어그램은 어떻게 보여지나요?",
"데이터 타입은 반도체 IP 인터페이스의 표준화된 기술 방법에서 어떻게 나타내나요?",
"반도체 IP 인터페이스의 표준화된 기술 방법에서 IP 정보는 어떻게 나타내나요?",
"mult_1.0의 IP 정보는 어떻게 해석하나요?",
"인터페이스정보 및 포트 정보의 다이어그램이 그림 1의 표기법을 사용하는 경우 어떤 기준하에 사용되나요?",
"두 개의 제어 I_req와 I_ack신호를 사용하는 표6 다이어그램은 I_req 제어 신호는 어떻게 표기하나요?",
"데이터의 길이는 어떻게 표기되나요?",
"기술 수준은 어떻게 기술되어지나요?",
"반도체 IP 인터페이스의 표준화된 기술 방법으로 인터페이스 정보는 어떻게 나타내나요?",
"반도체 IP 인터페이스의 표준화된 기술 방법에서 모델 제공은 어떻게 나타내나요?",
"다수의 제어신호가 하나의 포트를 통하는 경우 어떻게 표기하나요?",
"그림 2와 같은 반도체는 인터페이스가 어떻게 구성되나요?",
"다이어그램에서 DSP 와 I 사이의 포트의 주된 제어 신호가 I_ack이라면 어떻게 표기되나요?",
"그림 2의 반도체를 IP 인터페이스에서 어떻게 나타내나요?",
"여러가지 데이터 타입이 사용되는 경우 데이터 타입의 표기는 어떻게 해야하나요?",
"그림 2와 같은 반도체 IP 는 표4에 모델 제공으로 어떻게 설명되나요?",
"그림2에 나타난 반도체의 인터페이스인 dsp는 어떻게 작동하나요?",
"signal_level의 경우 기술 수준으로 어떻게 기술되나요?",
"반도체 IP 인터페이스의 표준화된 기술 방법은 어떻게 정의되나요?",
"port_level인 경우 기술 수준은 어떻게 기술되나요?",
"인터페이스 정보를 표기한 표6은 어떻게 나타나나요?",
"그림2와 같은 반도체는 IP정보로 어떻게 나타내나요?",
"반도체 IP 인터페이스의 표준화된 기술 방법은 IP 정보, 기술 수준, 모델 제공, 데이터 타입, 인터페이스 정보, 포트 정보, 신호 정보외 2가지는 무엇인가요?",
"그림 2와 같은 반도체에서 인터페이스 정보의 parm은 어떻게 작동하나요?",
"어떻게 제어 신호의 방향인 \\( \\leftarrow \\)만올 표기하고, I_req 제어 신호의 방향인 \\( \\rightarrow \\) 는 표기하지 않게 되었나요?",
"데이터 타입을 어떻게 분류하고 있나요?",
"IP 정보, 기술 수준, 모델 제공의 하위 항목은 어떻게 설정되나요?",
"포트 정보, 신호 정보, 프로토콜정보, 소스 파일 하위 항목에 선택된 값이 사용될 때, 어떻게 선택값을 설정하나요?",
"인터페이스정보 및 포트 정보의 다이어그램의 데이터 흐름은 어떻게 표기되나요?",
"데이터 타입의 표기는 어떻게 해야하나요?",
"표 5의 반도체 IP 인터페이스의 표준화된 기술 방법은 어떻게 나타나나요?",
"모델 제공, 데이터 타입, 인터페이스 정보의 하위 항목은 어떻게 설정되나요?"
] |
eb87bb88-106c-4cf6-9971-deb447c67e18
|
인공물ED
|
반도체 IP 인터페이스의 표준화된 기술 방법
|
<h1>요 약</h1><p>반도체 IP를 재사용하여 통합 칩을 개발하기 위해서는 반도체 IP 인터페이스의 정확한 이해가 필수적이다. 그러나 이들 인터페이스는 대부분 원래 설계자의 스타일대로 기술되어 있는데다가 기술 방법이 제각각이어서 통합 칩설계자가 이해하는데 많은 혼란이 따른다. 본 논문에서는 반도체 IP 인터페이스를 기술하는 표준화된 방법을 제안한다. 제안하는 기술 방법은 반도체 IP 인터페이스를 IP 정보, 기술 수준, 모델 제공, 데이터 타입, 인터페이스 정보, 포트 정보, 신호 정보, 프로토콜 정보, 소스 파일의 9개 항목으로 나누어 정의한다. 제안된 방법은 통합 칩 설계자가 반도체 IP의 인터페이스를 이해하고 통합 칩을 구현하는데 도움이 된다.</p>
|
[
"통합 칩설계자가 이해하는데 많은 혼란이 따르는 인터페이스는 뭐야?",
"IP 정보, 기술 수준, 모델 제공, 데이터 타입, 인터페이스 정보, 포트 정보, 신호 정보, 프로토콜 정보, 소스 파일의 9개 항목으로 나누어 정의하는 인터페이스는 뭐야?",
"반도체 IP를 재사용하여 통합 칩을 개발하려면 어떻게 해야 하니?",
"반도체 IP를 재사용하여 통합 칩을 개발하기 위해서는 반도체 IP 인터페이스의 정확한 이해가 선택적인 것이 맞아?",
"통합 칩 설계자가 반도체 IP의 인터페이스를 이해하고 통합 칩을 구현하는데 도움이 되는 9개 항목의 제안된 기술 방법은 뭐야?"
] |
cbb0d565-be9a-44f5-9fc9-a4995b0bd16a
|
인공물ED
|
한국형 에너지 관리시스템용 상정고장 해석프로그램 개발
|
<h3>5.2 .2 토폴로지 처리: 대규모 설비 탈락</h3> <p>본 시나리오는 상정고장으로 인한 대규모 설비 탈락에 대한 토폴로지 처리 기능을 확인한다. 미금 변전소의 미금~화양 154kV 선로, 미금 광정 154kV 선로의 선로 고장에 대한 모의 하였다. 그림 12은 상정고장 발생 부근의 변전소구조이다.</p> <p>그림 12에 대한 토폴로지 처리 결과 뚝도 변전소의 모든 설비는 정지 상태로 설정된다. 그림 12에서 상정고장으로 선정된 선로 양단의 차단기를 개방하면 광장과 화양변전소가 모선분리 상태로 운전하고 있기 때문에 뚝도 변전소는 전기적으로 고립상태로 설정되며 모든 설비는 정지 상태로 변경된다.</p> <table border><caption>표 6 상정고장 스크리닝 결과</caption> <tbody><tr><td rowspan=2>얝</td><td rowspan=2>상정 고장명</td><td rowspan=2>고장 유형</td><td colspan=3>위반 Cost</td><td rowspan=2>토폴로 지해석 (주변설 비변경)</td></tr><tr><td>Branch* (순위)</td><td>Volt (순위)</td><td>Final</td></tr><tr><td>1</td><td>당진화12</td><td>765#2</td><td>511.83(1)</td><td>3609.00(1)</td><td>4120.83</td><td rowspan=10>No</td></tr><tr><td>2</td><td>신태백12</td><td>SPs</td><td>7.78(17)</td><td>1285.22(2)</td><td>1293.00</td></tr><tr><td>3</td><td>신영신포</td><td>345#2</td><td>0.00(-)</td><td>1057.31(3)</td><td>1057.31</td></tr><tr><td>4</td><td>신고성12</td><td>345#2</td><td>39.89(6)</td><td>510.64(4)</td><td>550.53</td></tr><tr><td>5</td><td>동전주12</td><td>SPs</td><td>1.85(21)</td><td>411.06(5)</td><td>412.91</td></tr><tr><td>6</td><td>신고고성</td><td>SPs</td><td>58.43(4)</td><td>162.53(7)</td><td>220.95</td></tr><tr><td>7</td><td>신서산12</td><td>SPs</td><td>22.68(10)</td><td>187.75(6)</td><td>210.43</td></tr><tr><td>8</td><td>당진T1</td><td>SPs</td><td>136.59(2)</td><td>43.54(21)</td><td>180.13</td></tr><tr><td>9</td><td>대불12</td><td>SPs</td><td>46.09(5)</td><td>86.39(10)</td><td>132.48</td></tr><tr><td>10</td><td>부산남부</td><td>154#2</td><td>66.61(3)</td><td>34.74(164)</td><td>101.34</td></tr></tbody></table> <p>*Branch: 송전선로 및 변압기를 나타냄</p> <h3>5.2 .3 상정고장 스크리닝 해석</h3> <p>본 논문에서는 기존 EMS에서 사용하고 있는 1978개의 상정고장에 대해 모의를 수행하였다. 상정고장은 12개의 그룹으로 구성되어있다 765kV 1회선~2회선 고장, 345kV 1회선/2회선 고장, 154kV 1회선/2회선 고장, 345~154방사상계통 1 회선고장, 발전기 단일고장, 765kV~345kV 1뱅크 고장, 1 회선고장시 대책방안적용선로, 2회선고장시 대책방안적용선로, MTR1 뱅크고장시 대책방안적용, 고장파급방지시스템 적용선로). 표 5은 전체 상정고장에 대한 상위 10개의 스크리닝 결과를 나타낸다. 식 (6)을 이용하여 최종적인 위반비용 순으로 정렬되어 있다. 식 (6)에서 공칭 전압별 WkV는 \( 1.0 \) 으로 설정하였다. 감시 대상 설비별 가중치 WBR 및 WBSB, 는 1로 설정, WNP 및 WIL는 0으로 설정하였다. 인터페이스 및 노드간 위상차는 위반비용에서 제외하였다. 표 6은 신고성 12고장에 대한 자세한 위반 정보를 나타내고 있다. 신고성 12 고장 발생시 선로 위반 정보에 대해 나타내고있다. 표 7을 통해 전압 위반이 전체 위반 비용에 많은 영향을 나타내고 있음을 알 수 있다. Branch(송전선로/변압기)가 유효전력 상한치에 대해서만 감시하는 반면에 Volt(모선전압)는 전압 상한치/하한치/전압강하의 3개 요소에 대해 감시하기 때문에 더 많은 영향을 반영한다.</p>
|
[
"상정고장명중 부산남부의 값에서 34.74(164)가진것은 뭐야?",
"상정고장 스크리닝 결과표에서 고장유형값이 SPs인 상정 고장명은 무엇인가?",
"SPs의 고장유형값을 가진 상정고장명은 어떤거야?",
"표6에서 신영신포의 고장 유형은 어떤거야?",
"상정고장 스크리닝 결과표에서 신고성12에 해당하는 고장 유형은 무엇인가?",
"신고성12 상정고장명이 고장 유형은 뭐지?",
"상정 고장 신서산12의 고장유형은 어떤거야?",
"상정고장 스크리닝 결과표에서 상정 고장명이 신서산12에 해당하는 고장 유형은 어떤거야?",
"상정고장중 부산남부의 고장유형은 뭐야?",
"표6에 나타난 신태백12상정고장의 Branch순위는 뭐야?",
"22.68(10)의 Branch* (순위)를 나타낸 상정고장 스크리닝 결과중 상정고장명은 어떤거야?",
"표 6 상정고장 스크리닝 결과에서 당진화12의 Branch순위는 얼마야?",
"상정고장 스크리닝 결과에서 신고고성의 Branch* (순위)는 얼마지?",
"표 6 상정고장 스크리닝 결과에서 당진T1의 Branch* (순위)는 뭐지?",
"표 6 상정고장 스크리닝 결과에서 부산남부의 위반 Cost중 Branch* (순위)는 얼마야?",
"상정고장 스크리닝 결과 신태백12의 Volt (순위)는 얼마지?",
"대불12상정고장의 Branch* (순위)는 뭐지?",
"표6의 나타난 신영신포의 Volt (순위)는 뭐야?",
"표6에서 신고성12의 Volt (순위)는 뭐지?",
"상정고장 스크리닝 결과를 나타낸 표6의 동전주12의 Volt (순위)는 얼마야?",
"상정 고장중 신고고성의 Volt (순위)는 얼마야?",
"표6에서 신서산12의 Volt (순위)는 얼마지?",
"표6에서 신영신포의 Final값은 얼마야?",
"표 6 상정고장 스크리닝 결과에서 신태백12의 Final값은 뭐야?",
"Final값이 4120.83를 나타낸 상정고장은 어떤거야?",
"표6에서 동전주12의 Final의 얼마지?",
"상정고장 스크리닝 결과표에서 동전주12의 Final의 값은 얼마인가?",
"상정고장 스크리닝 결과표에서 신고고성의 Final에 해당하는 값은 무엇인가?",
"표 6 상정고장 스크리닝 결과에서 신고고성의 Final값은 뭐지?",
"101.34의 파이널값을 가진 상정고장명이 어디야?",
"표6에서 210.43Final값을 가진 상정고장명은 어떤거야?",
"상정고장 스크리닝 결과표에서 Final값이 210.43인 상정 고장명은 어떤거야?",
"210.43Final 값을 가진 상정고장명은 어디야?",
"180.13의 파이널값을 가진 상정고장명은 어디야?",
"상정고장 스크리닝 결과에서 동전주12의 고장유형은 뭐지?",
"상정고장 스크리닝 결과표에서 상정고장 스크리닝 결과에서 상정 고장명이 동전주12의 고장 유형은 무엇인가?",
"상정고장 스크리닝 결과표에서 상정 고장명 당진화12의 고장유형은 뭐야?",
"표6에 나타난 당진화12의 고장유형은 뭐야?",
"상정고장 스크리닝 결과에서 Branch* (순위)가 39.89(6)의 상정고장명은 어떤거야?",
"Branch* (순위)가 1.85(21)값을 표6에 나타난 상정고장명은 어떤거야?",
"표6에서 당진화12의 Volt (순위)는 뭐야?",
"Volt (순위)가 43.54(21)값을 표6에서 나타낸 상정고명명은 어떤거야?",
"표6에서 송전선로변압기의 값이 511.83인것은 상정고장명중 어디야?",
"상정고장 스크리닝 결과에서 신고성12의 Final값은 뭐지?",
"신고성12의 Final값은 상정과장 스크리닝 결계에서 뭐야?",
"표 6 상정고장 스크리닝 결과에서 412.91파이널값을 가진 고장명은 어디야?",
"1057.31Volt값을 가진 상정고장명은 어디지?",
"표6에서 43.54(21)Volt (순위)의 값을 가진 상정고장명은 어디야?",
"상정고장명 신영신포의 Branch* (순위)는 얼마지?"
] |
74a6b255-13e5-4b5b-ba34-5b063455fad5
|
인공물ED
|
한국형 에너지 관리시스템용 상정고장 해석프로그램 개발
|
<table border><caption>표 4 전 계통 모의 시나리오</caption> <tbody><tr><td>시험 번호</td><td>시험 항목</td><td>설명</td><td>검증 방법</td></tr><tr><td>5.2.1</td><td>Basecase 해석</td><td>조류계산 결과 검증</td><td>PSS/E</td></tr><tr><td>5.2.2</td><td>토폴로지 처리</td><td>대규모 설비 탈락 처리</td><td>이론적 결과</td></tr><tr><td>5.2.3</td><td>스크리닝</td><td>제안된 지수를 이용한 스크리닝 처리 기능</td><td></td></tr><tr><td>5.2.4</td><td>완전 해석</td><td>전압제어 기능</td><td>PSS/E</td></tr><tr><td>5.2.5</td><td>조건부 상정고장</td><td>조건부 상정고장 해석</td><td></td></tr><tr><td>5.2.6</td><td>연산 속도</td><td>상정고장해석 연산속도</td><td></td></tr></tbody></table> <h2>5.2 전 계 통</h2> <p>전 계통에 대한 상정고장해석 프로그램의 성능을 검증하기 위해 본 연구에서는 두 가지 방법을 사용하였다. 첫째, K-EMS Prototype 시스템에 설치하여 개발프로그램의 성능을 사용하여 검증하였다. 둘째, K-EMS Prototype 시스템의 데이터를 CSV 파일 형태로 내려 받아 오프라인 환경에서 검증하였다. 본 연구에서 사용한 두 가지 방법에 대한 결과는 동일하며, 단지 검증환경이 윈도우 기반과 유닉스 기반의 차이다. 표 4는 본 논문에서 사용한 전 계통에 대한 상정고장해석 모의 시나리오이다.</p> <h3>5.2.1 Basecase 해석</h3> <p>본 시나리오의 목적은 대규모 계통에 대해 K-EMS와 PSS/E의 조류계산 성능 비교를 통해 개발된 상정고장해석 프로그램의 유용성을 검증한다. 본 시나리오는 Basecase 조류계산이므로 변압기 및 조상설비의 제어는 수행하지 않는다. PSS/E 데이터는 상정고장해석 프로그램의 변환프로그램을 통해 생성된다. 그림 11은 345kV 모선에 대한 두 프로그램의 조류계산 결과를 나타낸다. PSS/E와 K-EMS는 0.0009 pu의 평균 오차를 갖으며, 모든 발전기의 단자 전압은 동일하다. 표 5는 수도권 345kV 모선의 조류계산 결과를 나타낸다.</p> <table border><caption>표 5 수도권 지역 345kV 모선의 전압 결과 비교</caption> <tbody><tr><td>모선명</td><td>K-EMS</td><td>PSS/E</td><td>차이</td><td>모선명</td><td>K-EMS</td><td>PSS/E</td><td>차이</td></tr><tr><td>의정부</td><td>1.0173</td><td>1.0157</td><td>0.0016</td><td>영서</td><td>1.0207</td><td>1.0195</td><td>0.0012</td></tr><tr><td>미금</td><td>1.0190</td><td>1.0173</td><td>0.0017</td><td>영등포</td><td>1.0276</td><td>1.0262</td><td>0.0014</td></tr><tr><td>양주</td><td>1.0211</td><td>1.0196</td><td>0.0015</td><td>곤지암</td><td>1.0140</td><td>1.0129</td><td>0.0011</td></tr><tr><td>중부</td><td>1.0262</td><td>1.0248</td><td>0.0014</td><td>화성</td><td>1.0066</td><td>1.0057</td><td>0.0009</td></tr><tr><td>성동</td><td>1.0189</td><td>1.0172</td><td>0.0017</td><td>신성남</td><td>1.0201</td><td>1.0184</td><td>0.0017</td></tr><tr><td>신가평</td><td>1.0090</td><td>1.0072</td><td>0.0018</td><td>서서울</td><td>1.0144</td><td>1.0134</td><td>0.0010</td></tr><tr><td>신덕은</td><td>1.0239</td><td>1.0223</td><td>0.0016</td><td>신용인</td><td>1.0099</td><td>1.0086</td><td>0.0013</td></tr><tr><td>동서울</td><td>1.0176</td><td>1.0163</td><td>0.0013</td><td>신안성</td><td>1.0062</td><td>1.0047</td><td>0.0015</td></tr><tr><td>신양재</td><td>1.0196</td><td>1.0177</td><td>0.0019</td><td>신수원</td><td>1.0079</td><td>1.0066</td><td>0.0013</td></tr></tbody></table>
|
[
"표 5 수도권 지역 345kV 모선의 전압 결과 비교에서 K-EMS와 PSS/E의 차이가 가장 적은 지역은 뭐야?",
"표 5 수도권 지역 345kV 모선의 전압 결과 비교에서 K-EMS 값이 가장 작은 지역은 뭐야?",
"표 5 수도권 지역 345kV 모선의 전압 결과 비교에서 의정부의 K-EMS 값은 뭐야?",
"표 5에서 미금의 PSS/E 값은 뭐야?",
"표 5 수도권 지역 345kV 모선의 전압 결과 비교에서 K-EMS와 PSS/E의 차이가 가장 큰 지역은 어디야?",
"표 4 전 계통 모의 시나리오에서 완전 해석과 같은 검증 방법으로 검증하는 시험 항목은 뭐야?",
"표 4 전 계통 모의 시나리오에서 조건부 상정고장 해석을 하는 시험 항목은 뭐야?",
"표 4 전 계통 모의 시나리오에서 시험 항목이 토폴로지 처리인 경우 그에 대한 설명은 뭐야?",
"표 4 전 계통 모의 시나리오에서 시험 번호 5.2.1의 시험 항목이 뭐야?",
"표 4 전 계통 모의 시나리오에서 Basecase 해석의 검증방법은 뭐야?",
"표 4 전 계통 모의 시나리오에서 스크리닝은 어떤 시험이야?"
] |
cf85a016-835a-4d71-9227-33b2c7998e60
|
인공물ED
|
한국형 에너지 관리시스템용 상정고장 해석프로그램 개발
|
<p>표 2 는 기본해에 대한 K-EMS와 PSS/E의 결과를 나타내고 있다. 결과 비교를 통해 K-EMS와 PSS/E의 조류계산 결과는 매우 유사하다. 표 2 에서 모선 2,3,6은 영 임피던스 선로로 연결되어 있기 때문에 동일한 전압이 계산된다. 본 연구에서는 영 임피던스 선로로 연결된 모선은 1개의 모선으로 간주하여 계산한다.</p> <h3>5.1.2 토폴로지 처리: Branch(송전선로/변 압기) 탈락</h3> <p>그림 2 에서 모든 차단기/단로기의 상태는 모두 닫힘으로 설정 후 토폴로지 프로세서를 수행한다. 수행결과 모선은 10개 생성되며 모든 설비는 투입되어 있다. 본 시나리오에서는 선로 1을 상정고장으로 선정하였다. K-EMS 상정고장 해석은 우선 CB #13,34,37을 개방 후 NBM을 수행한다. 선로 1 개방으로 인해 인근 설비 및 모선 구조에 영향을 미치지 않음을 판정한다. 토폴로지 처리 결과는 이론적 결과와 동일하다.</p> <h3>5.1.3 토폴로지 처리: Injection(발전기/부하/조상설비) 탈락</h3> <p>그림 2 의 차단기 \#40을 제외한 모든 차단기 및 단로기의 상태는 모두 닫힘으로 설정 후 토폴로지 프로세서를 수행한다. 수행결과 모선은 10개 생성되며 모든 설비는 투입되어있다. 본 시나리오에서는 선로 1을 상정고장으로 선정하였다. K-EMS 상정고장해석은 우선 CB #13,34,37을 개방 후 NBM을 수행한다. 그림 10은 토폴로지 처리 후 모선 구조를 나타내고 있다. NBM으로 인해 모선 #11이 생성되었으며, 부하 #2가 새롭게 생성된 모선에 연결되어 있다. 또한 모선의 유효성 검사 결과 해당 모선 및 설비는 정지설비로 판정된다. 부하가 탈락하기 때문에 조류의 방향은 많은 변화를 나타낸다.</p> <h3>5.1.4 완전해 석: 전 압제 어</h3> <p>본 시나리오의 모의 조건은 발전기 전압제어 모드를 제외한 모든 조건은 Basecase 수행과 동일하다. 모선#1에 연결된 발전기#1는 Local모드로 설정, 모선#9에 연결된 발전기#2는 Remote로 설정되어 있다. Remotel 모드는 발전기 단자전압을 제어하지 않고 발전기 모선에서 떨어져있는 모선을 제어한다. 본 시나리오에서는 발전기#2는 모선#5를 제어로 설정되어 있다.</p> <table border><caption>표 3 시나리오 5.1.5에 대한 조류계산 결과 비교</caption> <tbody><tr><td rowspan=2>모선 번호</td><td colspan=3>전압 크기</td><td colspan=3>전압 위상각</td></tr><tr><td>K-EMS</td><td>PSS/E</td><td>차이</td><td>K-EMS</td><td>PSS/E</td><td>차이</td></tr><tr><td>1</td><td>1.00000</td><td>1.00000</td><td>0.00000</td><td>0.00000</td><td>0.00000</td><td>0.00000</td></tr><tr><td>5</td><td>1.00000</td><td>1.00000</td><td>0.00000</td><td>-1.17905</td><td>-1.17900</td><td>0.00005</td></tr><tr><td>9</td><td>1.00496</td><td>1.00499</td><td>0.00003</td><td>-0.46951</td><td>-0.46950</td><td>0.00001</td></tr></tbody></table> <p>표 3는 완전해석 대한 K-EMS와 PSS/E의 결과를 나타내고 있다. 결과 비교를 통해 K-EMS와 PSS/E의 조류계산 결과는 매우 유사하다. 발전기#2가 제어하는 모선#5의 전압은 두 프로그램이 매우 유사하다.</p>
|
[
"표 3 시나리오 5.1.5에 대한 조류계산 결과 비교에서 모선#1의 K-EMS 전압 크기는 뭐야?",
"표 3 시나리오 5.1.5에 대한 조류계산 결과 비교에서 K-EMS와 PSS/E의 전압 위상각의 차이가 가장 큰 모션은 몇 번이야?",
"표 3 시나리오 5.1.5에 대한 조류계산 결과 비교에서 모선#1의 K-EMS 전압 위상각은 뭐야?",
"표 3 시나리오 5.1.5에 대한 조류계산 결과 비교에서 모선#5의 K-EMS 전압 크기는 뭐야?",
"표 3 시나리오 5.1.5에 대한 조류계산 결과 비교에서 모션 #5 의 전압 위상각 PSS/E 값은 뭐야?"
] |
384673a7-e962-4d46-864b-2e875cbe9ae2
|
인공물ED
|
한국형 에너지 관리시스템용 상정고장 해석프로그램 개발
|
<table border><caption>표 7 신고성12 고장에 대한 자세한 위반 정보</caption> <tbody><tr><td>볼</td><td>위반선로명</td><td>전압 레벨 (kV)</td><td>고장전 조류 MMW)</td><td>고장후 조류 MW)</td><td>Emer. 용량 MMW)</td><td>위반Cost (%)</td></tr><tr><td>1</td><td>고성SS~ 진동SS</td><td>154</td><td>43.04</td><td>287.26</td><td>271.20</td><td>16.06</td></tr><tr><td>2</td><td>중리SS~ 신마산PO</td><td>154</td><td>52.21</td><td>268.79</td><td>234.00</td><td>34.79</td></tr><tr><td>3</td><td>중리SS~ 신마산PO</td><td>154</td><td>52.21</td><td>268.79</td><td>234.00</td><td>34.79</td></tr><tr><td>4</td><td>중리SS~ 가야SS</td><td>154</td><td>40.14</td><td>238.95</td><td>234.00</td><td>4.95</td></tr><tr><td>5</td><td>중리SS~ 가야SS</td><td>154</td><td>40.14</td><td>238.95</td><td>234.00</td><td>4.95</td></tr></tbody></table> <h3>5.2.4 완전 해 석</h3> <p>전 계통에 대한 완전해석 기능을 검증하기 위해 신제천 곤지암 북상선로에 대한 고장 발생시 결과를 PSS}/E와 비교하였다. 해당 사고 발생시 주변 설비의 탈락은 발생하지 않는다.</p> <p>표 8은 북상선로 고장 발생시 수원 및 제천 전력관리처에 속한 345kV 모선 전압을 나타낸다. 표 7를 통해 북상선로 양단 전력관리처의 모선 전압이 PSS/E와 K-EMS가 유사함을 알 수 있다. 표 9 는 해당고장에 대한 발전기 단자전압을 나타내고 있다. 북상조류 고장으로 인해 발전기 단자전압은 무효전력 범위 내에서 목표 전압을 제어하지 못하고 무효전력이 가능한 최대 범위에서 전압을 계산한다. 두 프로그램은 동일하게 11개의 발전기가 목표전압을 제어하지 못하고 무효전력이 가능한 범위내에서 단자전압을 계산하였다.</p> <h3>5.2 .5 조건부 상정고장 처리</h3> <p>본 논문에서는 신태백 12 고장에 대한 조건부 상정고장에 대해 모의하였다. 신태백 12고장시 동서울 변전소의 모선전압이 임의의 한계값 이하로 떨어지면 지정된 발전과 부하를 탈락시킨다. 조건부 상정고장 처리를 사용하지 못할 경우 완전해석에서 조류계산은 수렴에 도달하지 못한다.</p> <table border><caption>표 8 북상선로 고장에 따른 345kV 모선의 전압 결과</caption> <tbody><tr><td colspan=4>수원전력관리처</td><td colspan=4>제천전력관리처</td></tr><tr><td>모선명</td><td>K-EMS</td><td>PSS/E</td><td>차이</td><td>모선명</td><td>K-EMS</td><td>PSS/E</td><td>차이</td></tr><tr><td>곤지암</td><td>1.0059</td><td>1.0071</td><td>0.0012</td><td>청원</td><td>1.0167</td><td>1.0175</td><td>0.0008</td></tr><tr><td>화성</td><td>1.0137</td><td>1.0139</td><td>0.0002</td><td>동해</td><td>1.0343</td><td>1.0349</td><td>0.0006</td></tr><tr><td>신성남</td><td>1.0174</td><td>1.0175</td><td>0.0001</td><td>신제천</td><td>1.0250</td><td>1.0266</td><td>0.0016</td></tr><tr><td>서서울</td><td>1.0176</td><td>1.0171</td><td>0.0005</td><td>신진천</td><td>1.0121</td><td>1.0130</td><td>0.0009</td></tr><tr><td>신용인</td><td>1.0075</td><td>1.0079</td><td>0.0004</td><td>신태백</td><td>1.0193</td><td>1.0201</td><td>0.0008</td></tr><tr><td>신안성</td><td>1.0051</td><td>1.0051</td><td>0.0000</td><td>양양</td><td>1.0411</td><td>1.0416</td><td>0.0005</td></tr></tbody></table> <p>표 10은 신태백 12고장 발생시 조건부 상정고장 처리 결과를 나타낸다. 표 9을 통해 조건부 상정고장 처리를 못한 경우는 발산함을 알 수 있다. PSS/E를 이용해서는 조건부상정고장 처리가 불가능하다.</p> <h3>5.2 .6 상정고장해석 연산속도</h3> <p>표 11은 개발된 상정고장 해석 프로그램의 연산속도를 나타내고 있다. 상정고장 개수는 1978개이며 완전해석 개수는 200개이다.</p>
|
[
"본문의 표 7 신고성12 고장에 대한 자세한 위반 정보에서 중리SS~ 가야SS의 위반Cost은 얼마 정도의 값일까?",
"본문의 표 7 신고성12 고장에 대한 자세한 위반 정보에서 고성SS~ 진동SS의 전압 레벨은 얼마야?",
"본문의 표 7 신고성12 고장에 대한 자세한 위반 정보에서 고성SS~ 진동SS의 고장후 조류는 얼마인가?",
"본문의 표 7 신고성12 고장에 대한 자세한 위반 정보에서 고성SS~ 진동SS의 Emer. 용량은 얼마일까?",
"본문의 표 7 신고성12 고장에 대한 자세한 위반 정보에서 고성SS~ 진동SS의 위반Cost은 얼마지?",
"본문의 표 7 신고성12 고장에 대한 자세한 위반 정보에서 중리SS~ 신마산PO의 Emer. 용량은 얼마 정도지?",
"본문의 표 7 신고성12 고장에 대한 자세한 위반 정보에서 중리SS~ 신마산PO의 고장후 조류는 얼마 정도니?",
"본문의 표 7 신고성12 고장에 대한 자세한 위반 정보에서 중리SS~ 가야SS의 전압 레벨은 얼마 정도의 값이지?",
"본문의 표 7 신고성12 고장에 대한 자세한 위반 정보에서 중리SS~ 가야SS의 고장전 조류는 얼마 정도의 값이야?",
"본문의 표 7 신고성12 고장에 대한 자세한 위반 정보에서 중리SS~ 가야SS의 고장후 조류는 얼마 정도의 값이니?",
"본문의 표 8 북상선로 고장에 따른 345kV 모선의 전압 결과에서 곤지암의 K-EMS값은 얼마야?",
"본문의 표 8 북상선로 고장에 따른 345kV 모선의 전압 결과에서 화성의 K-EMS값은 얼마지?",
"본문의 표 8 북상선로 고장에 따른 345kV 모선의 전압 결과에서 신용인의 K-EMS값은 얼마인가?",
"본문의 표 7 신고성12 고장에 대한 자세한 위반 정보에서 중리SS~ 신마산PO의 전압 레벨은 얼마 정도일까?",
"본문의 표 7 신고성12 고장에 대한 자세한 위반 정보에서 중리SS~ 신마산PO의 위반Cost은 얼마 정도야?",
"본문의 표 7 신고성12 고장에 대한 자세한 위반 정보에서 중리SS~ 신마산PO의 고장전 조류는 얼마 정도인가?",
"본문의 표 8 북상선로 고장에 따른 345kV 모선의 전압 결과에서 신안성의 K-EMS값은 얼마일까?",
"본문의 표 7 신고성12 고장에 대한 자세한 위반 정보에서 고성SS~ 진동SS의 고장전 조류는 얼마지?",
"본문의 표 7 신고성12 고장에 대한 자세한 위반 정보에서 중리SS~ 가야SS의 Emer. 용량은 얼마 정도의 값인가?",
"본문의 표 8 북상선로 고장에 따른 345kV 모선의 전압 결과에서 신성남\t의 K-EMS값은 얼마니?"
] |
11444245-4918-4f17-9090-4f6372c37d0a
|
인공물ED
|
345kV급 GIL이 연계된 혼합송전선로의 뇌서지해석 및 평가
|
<h3>2.5.1 상도체에 뇌격이 침입하였을 경우</h3> <p>본 절에서는 피뢰기가 설치된 각각의 혼합송전선로에서 뇌서지가 A상 L1 위치에 침입하였을 경우 뇌과전압을 해석하였다. 이 때 접속부 인입점 및 인출점의 과전압은 그림 9~10과 같다.</p> <p>그림 9,10 에서 피뢰기 사용시 접속부 인입 점에 나타나는 최대 과전압은 GIL이 \( 787.377 \mathrm{kV} \), XLPE cable은 \( 745.079 \mathrm{kV} \), 접속부 인출점에서 GIL은 \( 682.358 \mathrm{kV} \), XLPE cable은 \( 702.77 \mathrm{kV} \) 로 피뢰기 동작으로 인하여 두 혼합송전 선로에서의 최대 과전압은 \( 345 \mathrm{kV} \) 피뢰기 뇌서지 내전압시험치인 \( 1,175 \mathrm{kV} \)에 훨씬 못 미치며, 케이블 \( \mathrm{BIL} \)인 \( 1,300 \mathrm{kV} \)에도 못 미치는 전압이 측정되었다. 또한 그림 11 12는 혼합송전선로에서 피뢰기를 제거한 상태에서 L1위치에 직격뢰가 유입되었을 때에 접속부 인입점 및 인출점 과전압을 나타낸 것이다.</p> <p>그림 11,12 에서 피뢰기를 사용하지 않았을 경우 접속부 인입점에 나타나는 최대 과전압은 GIL은 \( 5,789 \mathrm{kV} \) 이고 XLPE cable은 \( 2,882.99 \mathrm{kV} \)이며, 접속부 인출점에서는 GIL이 \( 5,796.35 \mathrm{kV} \) 이고 XLPE cable은 \( 2,907.64 \mathrm{kV} \) 로 GIL의 최대 과전압은 XLPE cable보다 약 1.99배 높은 과전압이 나타남을 볼 수 있다.</p> <p>표 5 및 6 에서는 각 혼합송전선로에서 상도체에 뇌서지가 침입하였을 경우 뇌격위치별 과전압을 나타낸 것이다.</p> <table border><caption>표 5 뇌격위치 및 피뢰기 유·무에 따른 최대전압(GIL)</caption> <tbody><tr><td>뇌격위지</td><td>피뢰기</td><td>인입부</td><td>\( 0 \sim 120 \mathrm{~m} \)</td><td>\( 120 \sim 300 m \)</td><td>\( 300 \sim 420 \mathrm{~m} \)</td><td>\( 420 \sim 600 \mathrm{~m} \)</td><td>\( 600 \sim 720 \mathrm{~m} \)</td><td>인출부</td></tr><tr><td>L1</td><td>유</td><td>787.377</td><td>848.816</td><td>850.332</td><td>851.294</td><td>852.848</td><td>793.178</td><td>682.358</td></tr><tr><td>L1</td><td>무</td><td>5789</td><td>5774.78</td><td>5671.02</td><td>5605.86</td><td>5656.69</td><td>5732.1</td><td>5796.35</td></tr><tr><td>L2</td><td>유</td><td>746.885</td><td>782.837</td><td>785.795</td><td>787.219</td><td>782.77</td><td>716.906</td><td>675.512</td></tr><tr><td>L2</td><td>무</td><td>5342.4</td><td>5336.36</td><td>5260.69</td><td>5217.1</td><td>5245.96</td><td>5352.91</td><td>5444.85</td></tr><tr><td>L3</td><td>유</td><td>724.835</td><td>775.26</td><td>777.44</td><td>778.556</td><td>778.047</td><td>711.297</td><td>665.132</td></tr><tr><td>L3</td><td>무</td><td>5451.52</td><td>5416.78</td><td>5329.77</td><td>5321.48</td><td>5572.31</td><td>5417.92</td><td>5474.68</td></tr><tr><td>L4</td><td>유</td><td>724.21</td><td>773.493</td><td>775.665</td><td>776.889</td><td>773.139</td><td>708.09</td><td>644.902</td></tr><tr><td>L4</td><td>무</td><td>5625.1</td><td>5614.9</td><td>5592.8</td><td>5650.75</td><td>5716.11</td><td>5733.34</td><td>5746.24</td></tr><tr><td>L5</td><td>유</td><td>723.736</td><td>772.178</td><td>774.286</td><td>775.569</td><td>768.178</td><td>706.596</td><td>644.476</td></tr><tr><td>L5</td><td>무</td><td>5233.21</td><td>5255.75</td><td>5248.18</td><td>5271.32</td><td>5279.71</td><td>5283.09</td><td>5322.13</td></tr><tr><td>L6</td><td>유</td><td>723.341</td><td>771.152</td><td>773.225</td><td>774.476</td><td>763.201</td><td>705.388</td><td>639.937</td></tr><tr><td>L6</td><td>무</td><td>5123.28</td><td>5086.18</td><td>4972.6</td><td>4930.91</td><td>4977.57</td><td>5078.97</td><td>5182.39</td></tr><tr><td>R1</td><td>유</td><td>682.358</td><td>739.913</td><td>852.846</td><td>851.766</td><td>850.33</td><td>849.321</td><td>787.377</td></tr><tr><td>R1</td><td>무</td><td>5796.35</td><td>5766.35</td><td>5656.69</td><td>5609.55</td><td>5671.02</td><td>5738.46</td><td>5789</td></tr><tr><td>R2</td><td>유</td><td>675.512</td><td>705.893</td><td>782.768</td><td>782.252</td><td>785.793</td><td>783.893</td><td>746.885</td></tr><tr><td>R2</td><td>무</td><td>5444.85</td><td>5406.15</td><td>5245.96</td><td>5185.12</td><td>5260.69</td><td>5314.85</td><td>5342.4</td></tr><tr><td>R3</td><td>유</td><td>665.132</td><td>702.231</td><td>778.045</td><td>778.979</td><td>777.442</td><td>775.991</td><td>724.835</td></tr><tr><td>R3</td><td>무</td><td>5474.68</td><td>5440.31</td><td>5372.31</td><td>5324.36</td><td>5329.77</td><td>5386.5</td><td>5451.52</td></tr><tr><td>R4</td><td>유</td><td>644.902</td><td>700.053</td><td>773.138</td><td>777.288</td><td>775.664</td><td>774.224</td><td>724.21</td></tr><tr><td>R4</td><td>무</td><td>5746.24</td><td>5733.3</td><td>5716.11</td><td>5676.59</td><td>5592.8</td><td>5611.67</td><td>5625.1</td></tr><tr><td>R5</td><td>유</td><td>644.476</td><td>697.981</td><td>768.176</td><td>776.063</td><td>774.284</td><td>772.897</td><td>723.736</td></tr><tr><td>R5</td><td>무</td><td>5322.13</td><td>5289.77</td><td>5279.71</td><td>5274.74</td><td>5248.18</td><td>5260.25</td><td>5233.21</td></tr><tr><td>R6</td><td>유</td><td>639.937</td><td>695.105</td><td>763.199</td><td>774.976</td><td>773.223</td><td>771.873</td><td>723.341</td></tr><tr><td>R6</td><td>무</td><td>5182.39</td><td>5127</td><td>4977.57</td><td>4939.11</td><td>4972.6</td><td>5054.17</td><td>5123.28</td></tr></tbody></table> <table border><caption>표 6 뇌격위치 및 피뢰기 유·무에 따른 최대전압(XLPE)</caption> <tbody><tr><td>뇌격위치</td><td>피뢰기</td><td>인입부</td><td>\( 0 \sim 300 \mathrm{~m} \)</td><td>\( 300 \sim 600 \mathrm{~m} \)</td><td>\( 600 \sim 900 \mathrm{~m} \)</td><td>인출부</td></tr><tr><td>L1</td><td>유</td><td>745.079</td><td>753.486</td><td>739.636</td><td>702.77</td><td>702.77</td></tr><tr><td>L1</td><td>무</td><td>2882.99</td><td>2889.45</td><td>2912.39</td><td>2907.64</td><td>2907.64</td></tr><tr><td>L2</td><td>유</td><td>731.382</td><td>719.657</td><td>706.045</td><td>687.296</td><td>687.296</td></tr><tr><td>L2</td><td>무</td><td>2894.61</td><td>2832.7</td><td>2848.7</td><td>2920.92</td><td>2920.92</td></tr><tr><td>L3</td><td>유</td><td>708.438</td><td>712.441</td><td>705.275</td><td>673.156</td><td>673.156</td></tr><tr><td>L3</td><td>무</td><td>2686.94</td><td>2659.96</td><td>2697.9</td><td>2755.75</td><td>2755.75</td></tr><tr><td>L4</td><td>유</td><td>692.44</td><td>669.711</td><td>711.653</td><td>704.305</td><td>669.711</td></tr><tr><td>L4</td><td>무</td><td>2397.75</td><td>2405.08</td><td>2375.69</td><td>2368.69</td><td>2405.08</td></tr><tr><td>L5</td><td>유</td><td>691.836</td><td>669.141</td><td>710.866</td><td>703.099</td><td>669.141</td></tr><tr><td>L5</td><td>무</td><td>2075.12</td><td>2111.93</td><td>2077.52</td><td>2089.57</td><td>2111.93</td></tr><tr><td>L6</td><td>유</td><td>641.55</td><td>705.216</td><td>702.877</td><td>668.669</td><td>668.669</td></tr><tr><td>L6</td><td>무</td><td>1858.08</td><td>1838.37</td><td>1852.39</td><td>1884.06</td><td>1884.06</td></tr><tr><td>R1</td><td>유</td><td>702.775</td><td>739.488</td><td>753.403</td><td>745.084</td><td>745.084</td></tr><tr><td>R1</td><td>무</td><td>2908.82</td><td>2911.02</td><td>2888.24</td><td>2883.51</td><td>2883.51</td></tr><tr><td>R2</td><td>유</td><td>687.258</td><td>731.382</td><td>706.143</td><td>719.57</td><td>731.382</td></tr><tr><td>R2</td><td>무</td><td>2921.84</td><td>2850.58</td><td>2833.78</td><td>2895.48</td><td>2895.48</td></tr><tr><td>R3</td><td>유</td><td>673.161</td><td>705.34</td><td>712.351</td><td>708.437</td><td>708.437</td></tr><tr><td>R3</td><td>무</td><td>2755.84</td><td>2697.28</td><td>2660.17</td><td>2687.05</td><td>2687.05</td></tr><tr><td>R4</td><td>유</td><td>669.712</td><td>704.431</td><td>711.569</td><td>692.44</td><td>692.44</td></tr><tr><td>R4</td><td>무</td><td>2405.12</td><td>2369.97</td><td>2375.15</td><td>2397.94</td><td>2397.94</td></tr><tr><td>R5</td><td>유</td><td>669.141</td><td>703.173</td><td>710.784</td><td>691.841</td><td>691.841</td></tr><tr><td>R5</td><td>무</td><td>2112.65</td><td>2088.99</td><td>2077.13</td><td>2074.66</td><td>2074.66</td></tr><tr><td>R6</td><td>유</td><td>668.663</td><td>702.861</td><td>705.096</td><td>641.549</td><td>641.549</td></tr><tr><td>R6</td><td>무</td><td>1884.77</td><td>1852.62</td><td>1839.09</td><td>1858.7</td><td>1858.7</td></tr></tbody></table> <p>뇌격이 상도체에 침입하였을 경우, 피뢰기 사용시에는 GIL에서의 과전압이 XLPE cable보다 \( 42.3 \mathrm{kV} \) 높게 나타났으며, 피뢰기 미사용시에는 XLPE cable의 경우보다 2배 이상의 과전압이 발생하였다. 또한 뇌서지가 가공지선에 침입시의 경우에는 상도체에 침입시에 비해서 현저하게 낮은 과전압이 측정되었다. 즉 GIL 혼합선로는 XLPE cable 혼합선로에 비해 인입점, 인출점 모두 높은 전압이 발생하였고, 투반사 발생시간도 XLPE에 비해 빠르게 나타남을 볼 수 있었다. 즉, GIL 혼합선로는 상대적으로 높은 서지전압이 발생할 가능성이 높다.</p>
|
[
"표 6 뇌격위치 및 피뢰기 유·무에 따른 최대전압(XLPE)에서 피뢰기 사용시 접속부 인입 점에 나타나는 최대 과전압은 XLPE cable은 얼마야?",
"표 5 뇌격위치 및 피뢰기 유·무에 따른 최대전압(GIL)에서 피뢰기 사용시 접속부 인입 점에 나타나는 최대 과전압은 얼마 입니까?",
"표 5 뇌격위치 및 피뢰기 유·무에 따른 최대전압(GIL)에서 피뢰기 사용시 접속부 인출점에서 최고 수치는 얼마야?",
"표 6 뇌격위치 및 피뢰기 유·무에 따른 최대전압(XLPE)에서 접속부 인출점에서 최대 XLPE cable은 얼마야?",
"표 6에서 L3,피뢰기 사용시 인출부는 얼마입니까?",
"표 6에서 L1,피뢰기 사용시 \\( 0 \\sim 300 \\mathrm{~m} \\)은 무엇이니?",
"표 6에서 L2, 파뢰기 사용 안할 경우, \\( 600 \\sim 900 \\mathrm{~m} \\)은 무엇입니까?",
"표 5에서 L1,피뢰기 사용할 때, \\( 300 \\sim 420 \\mathrm{~m} \\)은 무엇이니?",
"표 5 뇌격위치 및 피뢰기 유·무에 따른 최대전압(GIL)에서 R6, 파뢰기 사용시 \\( 0 \\sim 120 \\mathrm{~m} \\)은 뭐야?",
"표 6 뇌격위치 및 피뢰기 유·무에 따른 최대전압(XLPE)에서 인입부, 인출부 값이 최대인 L1은 피뢰기를 사용했나요?",
"표 5에서 L2, 파뢰기 사용안할 때, \\( 600 \\sim 720 \\mathrm{~m} \\)의 값은 무엇이니?"
] |
fc04f5b6-530c-427b-ba72-f13cb1623248
|
인공물ED
|
345kV급 GIL이 연계된 혼합송전선로의 뇌서지해석 및 평가
|
<h2>2.4 서지계수</h2> <p>해석을 위해 사용된 선로인 ACSR 480[mm'], GIL, XLPE cable 2,500[mm'] 의 서지 특성은 CIGRE JWG /21/31.15를 참고하였다. 또한 선로 사이의 반사계수 \( \alpha_{r} \)와 투과계수 \( \alpha_{t} \)는 식 (1)과 식 (2)에 의하여 구할 수 있다. 여기서, \( Z_{1}, Z_{2} \) 는 각각 가공선로와 지중선로의 서지임피던스이다. 표 2는 EMTP에서 선로 종류에 따른 서지특성을 계산하여 구한 값이며, 표 3은 식 (1) 및 (2)를 이용하여 계산된 투반사 계수를 보이고 있다.</p> <p>\( \alpha_{r}=\frac{Z_{2}-Z_{1}}{Z_{2}+Z_{1}} \)<caption>(1)</caption></p> <p>\( \alpha_{t}=\frac{2 Z_{2}}{Z_{1}+Z_{2}} \)<caption>(2)</caption></p> <p>표 2와 3에서처럼 GIL은 XLPE cable에 비해 서지임피던스가 2.3배 높아 혼합송전선로의 접속점에서 투과되는 전압은 크지만 반사전압은 낮다.</p> <p>또한 서지전파속도도 ACSR+GIL의 경우가 훨씬 빠르다. 그림 6 및 7은 전파속도를 비교하기 위해 두 종류의 혼합계통에서 상도체 1상에 단위전압을 인가했을 경우를 가공과 지중선로 접속부의 인입점과 인출점에서 발생되는 서지전압 특성을 해석하여 제시한 것이다. 각각의 그림을 통해서 알 수 있듯이 XLPE보다 GIL이 정전용량이 작은 이유로 훨씬 전파속도가 빠름을 알 수 있다. 또한 ACSR+GIL은 ACSR+XLPE cable에 비해 인입점에서는 \( 10 \% \), 인출점에서는 \( 5 \% \)의 높은 전압이 발생하였음을 볼 때, ACSR+GIL 혼합형태는 기존의 ACSR+XLPE cable에 비해 높은 서지전압이 발생할 가능성이 있음을 알 수 있다.</p> <h2>2.5 뇌서지 해석 및 분석</h2> <p>본 논문에서는 그림 8과 같이 ACSR \( 480\left[\mathrm{~mm}^{2}\right] \times 4 \) 도체에 GIL이나 XLPE cable로 이루어진 혼합송전선로에서 뇌서지가 선로의 다양한 위치에 침입하였을 경우 GIL과 XLPE cable에서의 과전압을 해석하였다. 과전압해석은 표 4 와 같이 Case A~F까지 구분하여 동일지점 및 타지점에 대해서 피뢰기 사용 유·무에 따른 과전압의 변화를 검토하였다.</p> <table border><caption>표 4 뇌격 위 치</caption> <tbody><tr><td rowspan=2></td><td colspan=2>뇌격위치</td></tr><tr><td>피뢰기 사용</td><td>피뢰기 미사용</td></tr><tr><td>Case A</td><td>L1 지점</td><td>L1 지점</td></tr><tr><td>Case B</td><td>L2 지점</td><td>L2 지점</td></tr><tr><td>Case C</td><td>L3 지점</td><td>L3 지점</td></tr><tr><td>Case D</td><td>L4 지점</td><td>L4 지점</td></tr><tr><td>Case E</td><td>L5 지점</td><td>L5 지점</td></tr><tr><td>Case F</td><td>L6 지점</td><td>L6 지점</td></tr></tbody></table>
|
[
"본문에서 \\( \\alpha_{t}\\)를 어떻게 표현하였는가?",
"피뢰기 미사용 때의 뇌격위치가 L6지점일 때, 어떤 경우일 때의 값인가?",
"피뢰기를 사용했을때와 사용하지 않았을때의 뇌격위치가 L2지점인 항목은 어떻게 표기해?",
"피뢰기 사용에서 Case A의 뇌격위치는 어디야?",
"\\( \\alpha_{r}\\)은 어떻게 정의할 수 있어?",
"Case D에서 피뢰기 미사용의 경우 뇌격위치는 어디야?",
"Case C에서 피뢰기 미사용 때의 뇌격 위치는 어디야?",
"피뢰기를 사용했을때 뇌격 위치가 L5인 항목이 뭐야?"
] |
eafb671a-c803-4553-82ea-6a1524352c47
|
인공물ED
|
345kV급 GIL이 연계된 혼합송전선로의 뇌서지해석 및 평가
|
<h3>2.5.2 가공지선에 뇌격이 침입하였을 경우</h3> <p>피뢰기가 설치된 각각의 혼합송전선로에서 뇌격이 가공지선 L1 위치에 침입하였을 경우 접속부 케이블 및 인출점의 과전압은 그림 13,14 와 같다.</p> <p>피뢰기 사용시 접속부 케이블에 나타나는 최대 과전압은 GIL의 경우 \( 630.274 \mathrm{kV}\), XLPE cable의 경 우는 \( 378.163 \mathrm{kV} \)이고, 접속부 인출점에서 GIL은 \( 603.41 \mathrm{kV} \)이고 XLPE cable은 \( 352.41 \mathrm{kV} \)로 피뢰기 동작으로 인하여 두 종류의 혼합송전선로에서의 최대 과전압은 \( 345 \mathrm{kV} \) 피뢰기 뇌서지 내전압 시험치인 \( 1,175 \mathrm{kV} \)에 미치지 못하며, \( 345 \mathrm{kV} \) 케이블 BIL인 \( 1,300 \mathrm{kV} \)에 훨씬 못 미치는 것으로 검토하였다.</p> <p>따라서 피뢰기 동작으로 인해 두 케이블 모두에서 케이블 BIL \(1,300 \mathrm{kV} \)보다 현저하게 낮은 과전압을 측정하였기에 실제 운용시에는 큰 차이가 없을 것으로 사료된다.</p> <p>또한 그림 15 및 16는 각각의 혼합송전선로에서 피뢰기를 제거한 상태에서 L1 위치에 직격뢰가 침입되었을 때에 접속부 케이블 및 인출점에서의 과전압을 나타낸 것이다. 여기서 알 수 있듯이 접속부 케이블에 나타나는 최대 과전압은 GIL의 경우 \( 928.324 \mathrm{kV} \)이고 XLPE cable은 \( 378.163 \mathrm{kV} \)이다.</p> <p>피뢰기 미사용시에 접속부 인출점에서의 과전압은 GIL이 \( 1,037.53 \mathrm{kV} \)이고 XLPE cable은 \( 352.41 \mathrm{kV} \)로 피뢰기 사용시보다 약 1.4배 높은 과전압이 GIL에 나타나며, XLPE cable의 경우에는 접지방식의 차이로 인하여 과전압의 변화가 없는 것 으로 사료된다. 또한 그림 13 16에서 볼 수 있는 XLPE cable의 뇌과전압 투반사 특성이 GIL의 경우와 다른 이유는 절연접속부 (IJ)의 많은 크로스본딩 부분으로 인하여 투반사전압이 혼합되어 나타난 것으로 사료된다. 한편, 표 7 과 8 는 가공지선에 뇌서지가 침입하였을 경우에 뇌격 위치별 및 피뢰기의 유.무에 따른 GIL 및 XLPE cable의 거리별 과전압을 나타낸 것이다.</p> <p>또한, 뇌격위치와 상관없이 GIL 및 XLPE 혼합송전선로에서 피뢰기 설치 개수를 증가시켰을 때에 뇌서지에 의한 과전압 감소를 검토하였으나, 두 경우 모두 피뢰기 설치 개수 증가에 따른 과전압의 감소 효과가 미미한 것을 알 수 있다.</p>
|
[
"XLPE cable의 뇌과전압 투반사 특성이 GIL의 경우와 다른 이유는 어떻게 알 수 있나?"
] |
216df06c-3d44-43c2-84d9-e54f59b43968
|
인공물ED
|
S-LMS 알고리즘을 이용한 음향반향제거기의 FPGA 구현
|
<h1>Ⅲ. 음향반향제거기의 회로설계</h1> <p>음향반향경로의 응답길이는 선로반향보다 훨씬 길게 나타나기 때문에 회로구조도 그만큼 복잡해지게 된다. 자동차 내부공간이 \( 1.5 \times 2 \times 1 \mathrm{~m}^{3} \)의 소규모 크기를 가질 경우, 임펄스응답의 길이는 보통 \( 15 \sim 40 \mathrm{~ms} \) 정도이다. 따라서, 이와 같은 응답의 길이를 고려하여 필터의 탭수는 120~320개 정도를 필요로 한다. 그러나 탭수를 늘리게 되면 수렴속도가 떨어지게 되고, 많은 메모리가 사용되어 회로가 복잡해지게 된다. 또한, 음성신호는 신호간 상호상관계수값이 큰 특성을 갖고 있어 수렴시간이 증가하는 단점이 있다. 따라서, 본 연구에서는 \( 27 \mathrm{~dB} \) 이상의 ERLE를 유지할 수 있도록 가능한 한 탭수를 줄여 128-tap으로 설정하였다. 결과적으로, RAM의 크기는 데이터와 필터계수를 합쳐 3.84 kbit가 소요된다.</p> <p>그리고, 곱셈기는 캐리세이브가산기(CSA)를 이용하여 설계하였으며, 필터의 입력 데이터 및 계수는 FPGA의 내장 RAM에 저장공간을 확보하였다. 또한, 입력 음성파형은 \( 8 \mathrm{kHz} \)로 샘플링되고 15-bit로 양자화되어 디지털신호로 변환된다. 이러한 사양을 갖고 Altera사의 Flex 계열인 EPF10K50RC240-3에 회로를 구현하여 약 35,000 gate가 소요되었으며, 통합설계도구인 Max+Plus Ⅱ 상에서 VHDL을 이용하여 회로설계를 수행하였다.</p> <p>표 1에서 설계한 음향반향제거기의 주요 사양을 열거하였다.</p> <table border><caption>표 1. 음향반향제거기의 설계규격</caption> <tbody><tr><td>구 분</td><td>값</td></tr><tr><td>적응 알고리즘</td><td>S-LMS 알고리즘</td></tr><tr><td>선형필터의 탭수</td><td>128-tap</td></tr><tr><td>ERLE</td><td>\( 27 \mathrm{~dB} \) 이상</td></tr><tr><td>Multiplier 형태</td><td>Carry save multiplier</td></tr><tr><td>Master 클럭</td><td>\( 10.24 \mathrm{MHz} \)</td></tr><tr><td>샘플링 주파수</td><td>\( 8 \mathrm{kHz} \)</td></tr><tr><td>ADC 해상도</td><td>15-bit</td></tr><tr><td>Gate 수</td><td>약 35,000 gates</td></tr></tbody></table> <p>음향반향제거기는 적응 FIR 필터를 사용하여 설계하였으며, 반향제거모드 및 계수갱신모드를 외부에서 제어할 수 있도록 하였다. 25개 입력핀과 50개 출력핀으로 구성되며, 전체적인 회로구조를 그림 4에서 보여주고 있다. 이 회로는 주파수 분주기, CODEC 인터페이스 회로, 데이터 RAM 및 계수 RAM, ALU, 그리고 ERLE 산출부 등으로 구성되어 있다. 주파수 분주기는 오실레이터로부터 \( 10.24 \mathrm{MHz} \) master 클럭을 받아들이고, 11-bit 카운터를 사용하여 \( 8 \mathrm{kHz} \)까지 여러 주파수의 클럭들을 생성해낸다. 이 클럭들은 각 블록으로 공급되어 해당 블록의 클럭이나 제어신호를 만드는데 사용된다.</p> <p>음성신호는 CODEC을 통하여 샘플마다 직렬 데이터를 \( 8 \mathrm{kHz} \)로 주고 받는다. CODEC 인터페이스는 코덱에서 오는 직렬 데이터를 15-bit 병렬 데이터로 변환하고, 연산처리된 병렬 데이터는 직렬 데이터로 변환하여 \( 2.048 \mathrm{Mbps} \) 속도로 보내준다. 이때 필요한 데이터 및 프레임 클럭은 CODEC으로부터 공급받는다. 또한 2차 통신을 통해 CODEC에 내장된 4개 제어 레지스터를 변화시켜 샘플링 주파수 등 코덱의 동작모드를 설정해줄 수 있다. 1차 통신과 2차 통신에 대한 프레임과 데이터 클럭의 파형을 그림 5에서 보여주고 있다.</p> <p>메모리회로는 15-bit, 128-word인 데이터 RAM과 22-bit, 128-word인 계수 RAM으로 이루어진다. 계수 RAM은 read 후 ALU에서 업데이트한 다음 같은 주소에 write하면 된다. Read한 계수값은 계수 update와 반향추정신호를 생성하는데 사용된다. 반면에, 데이터 RAM은 read 후 shift하여 인접 주소에 write하고 \(8 \mathrm{kHz} \)마다 새로운 데이터로 갱신한다. RAM은 클럭에 동기되어 동작하며 클럭, 주소 등은 주파수 분주기의 출력을 사용하여 생성한다. 그림 6은 RAM에 공급되는 신호의 타이밍도를 나타낸다.</p> <p>ALU 회로에서는 계수 업데이트기능과 반향추정신호 생성기능, 그리고 반향신호 보상기능 등을 수행한다. 계수 update 기능은 S-LMS 알고리즘을 이용하여 승산기를 요구하지 않는다. RAM에서 받은 계수는 데이터 부호와 잔차신호의 XOR를 2-7 shift-down하여 업데이트한 다음 다시 RAM으로 보낸다. 반향추정신호를 산출하기 위해서는 \( 15 \times 15 \) 승산기를 필요로 한다. 일반 승산기는 지연시간이 많기 때문에 이를 단축시킬 수 있는 carry-save 승산기를 설계하여 사용한다. RAM으로부터 받은 데이터와 계수의 상위 15-bit를 곱한 후, 그 결과를 30-bit 누산기를 사용하여 더하는 과정을 128번 반복한다. 그리고 최종 누산 결과값을 반향신호로부터 감산하면 잔차신호가 얻어진다. 그림 7에서는 RAM 데이터를 사용하여 반향추정신호를 생성하고 계수를 갱신하는 과정을 보여주고 있다.</p> <p>적응 알고리즘에서의 비트레벨 down-scaling에 의하여 각 블록의 word 길이는 다르게 설계된다. 즉, 계수 갱신시 step 크기는 \( 2 \mu \)값에 의하여 shift-down시킨다. Shift-down시키는 비트의 수는 필터의 탭수에 비례하는데, 대략 2-7(1/128)이면 적합하다. 이때 비트 수가 커지면 수렴속도는 증가하지만 정상상태의 잔여반향이 크게 되고, 반대로 비트 수가 작아지면 수렴속도와 잔여반향이 감소하게 된다. ALU 회로에서 각 신호의 비트 폭과 비트 레벨을 그림 8에 도시하였다.</p> <p>ERLE 산출부는 반향신호와 잔차신호를 이용하여 반향제거효과를 표시한다. 즉, ERLE는 반향신호의 평균 절대값과 잔차신호의 평균 절대값에 대한 비율로서 반향제거 성능을 나타내는 것이다. 따라서 이것을 계산하기 위해서는 15/15 제산기를 설계해야 하며, 계산 결과는 LED를 이용하여 비트로 표현된다.</p>
|
[
"음향반향제거기는 어떤 알고리즘을 적용했니?",
"음향반향제거기의 선형필터는 몇개의 탭수를 가지나?",
"ERLE의 최소값은 어떤 값으로 알 수 있어?",
"주파수 단위를 가진 파라미터 중에 값이 더 큰 파라미터는 어떤거야?",
"주파수 단위를 쓰는 파라미터에서 더 적은 값의 주파수 값은 얼마일까?",
"음향반향제거기 ADC는 몇 비트의 해상도를 가지는가?",
"음향반향제거기는 얼마의 게이트 수를 가지지?",
"최소한 27 dB의 ERLE를 가지도록 어떻게 설정하였지?",
"Multiplier는 어떤 형태인가?"
] |
5ed7e041-47f1-46cf-961e-35fe28ba086f
|
인공물ED
|
4K-UHD 영상을 지원하는 실시간 통합 복호기용 부화소 보간 회로 설계
|
<h1>I. 서론</h1><p>최근 영상기기의 발전으로 인해 사용자들의 고해상도.고화질 컨텐츠에 대한 요구가 빠르게 증가하고 있다. 이에 대처하기 위해서 2013년 1월 스위스 제네바에서 HEVC(High Efficiency Video Coding)가 차세대 동영상 압축 표준으로 승인되었다. 이처럼, 국제 표준화 단체들은 시대별로 동영상 압축 표준이 쓰일 영역을 설정하여 동영상 압축 표준을 채택하였고, 각 방송국과 인터넷을 통해 전송되는 미디어들은 각각 다른 동영상 압축 표준에 기반을 두고 있다. 다양한 동영상 압축 표준을 지원하기 위한 방법 중 통합 복호기는 각 표준의 공통점을 공유하고 저면적을 지향한다. 그 동안 H.264, MPEG-4, VC-1 등 다양한 동영상 압축 표준을 통합한 통합 복호기의 연구가 진행되어 왔으며, 향후 새로운 동영상 압축 표준인 HEVC를 포함할 것으로 예측된다.</p><p>동영상을 압축할 때 부호기에서 움직임 추정을 통해 영상 정보를 부호화하고, 복호기에서는 움직임 보상을 통해 압축된 영상을 복원하게 된다. 움직임 추정과 움직임 보상에서는 예측의 정밀도를 높이기 위해 보간을 사용한다. 보간을 통하여 생성된 부화소를 바탕으로 참조 영상을 생성하므로 보간은 복호기의 성능과 밀접한 관계가 있다. 부화소를 생성하는 과정은 복잡하고 많은 연산을 필요로 하므로, 원하는 성능을 얻기 위해서는 보간 기능을 회로로 구현하는 것이 필요하다. 따라서 4K-UHD(3840x2160) 영상을 지원하는 실시간 멀티 복호기를 구현하기 위해서는 부화소 보간 회로에 대한 연구가 필요하다. 본 논문에서는 새로운 동영상 압축 표준인 HEVC와 현재 가장 많이 사용되고 있는 동영상 압축 표준인 H.264, VC-1, MPEG-4를 통합한 부화소 보간 회로를 제안한다.</p><p>본 논문의 Ⅱ장에서는 각 표준의 보간 알고리즘에 대해 설명하고, Ⅲ장에서는 저면적을 지향하는 통합 부화소 보간 회로의 구조에 대해서 설명하며, IV장에서는 실험 결과에 대해 기술하고 Ⅴ장에서 결론을 제시한다.</p>
|
[
"동영상을 압축할 때 부호기의 역할이 뭐야?",
"2013년 1월에 차세대 동영상 압축 표준으로 승인된 곳은 어느 국가의 어느 도시야?",
"2013년 제네바에서 승인된 차세대 동영상 압축 표준이 뭐야?",
"각 방송국과 인터넷을 통해 전송되는 미디어들은 어떤 압축 통일성을 보여주고 있어?",
"동영상 압축 시 복호기에서 수행하는 일이 뭐야?",
"움직임 추정과 움직임 보상에서 보간을 사용하는 이유가 뭐야?",
"보간은 복호기의 성능과는 관계성이 없어?",
"4K-UHD(3840x2160) 영상을 지원하는 실시간 멀티 복호기를 구현하기 위해서 필요한 연구가 뭐야?",
"원하는 성능을 얻기 위해서 보간 기능을 회로로 구현하는 것이 필요한 이유가 뭐야?",
"사용자들의 고해상도,고화질 컨텐츠에 대한 요구가 빠르게 증가하고 있는 근본적인 원인이 뭐야?",
"스위스 제네바에서 HEVC가 승인된 해는 언제야?",
"다양한 동영상 압축 표준을 지원하기 위한 방법 중 각 표준의 공통점을 공유하고 저면적을 지향하는 방법은 뭐야?",
"2013년 1월 스위스 제네바에서 승인된 차세대 동영상 압축 표준이 뭐야?",
"움직임 추정과 움직임 보상에서는 예측의 정밀도를 높이기 위해 어떤 기술을 사용해?",
"스위스 제네바에서 차세대 동영상 압축 표준이 승인된 때는 몇 년 몇 월이야?"
] |
f6e79962-c15f-40a6-a1dc-fc656c216ace
|
인공물ED
|
4K-UHD 영상을 지원하는 실시간 통합 복호기용 부화소 보간 회로 설계
|
<h1>요 약</h1><p>본 논문은 4K-UHD 영상 크기를 지원하는 실시간 통합 복호기용 부화소 보간 회로를 제안한다. 제안하는 통합 부화소 보간 회로는 H.264, MPEG-4, VC-1과 새로운 동영상 압축 표준인 HEVC를 지원한다. 회로의 면적을 줄이기 위해 각 표준에 해당하는 보간 알고리즘의 공통되는 부분을 공유하였다. 또한 회로의 저면적과 성능의 최적화를 위해 중간 버퍼를 효율적으로 사용하였다. 제안하는 통합 부화소 보간 회로를 \( 130 \mathrm{~nm} \) 표준 셀 라이브러리를 이용하여 합성한 결과, 회로의 크기는 122,564 게이트이고, 최대 동작 주파수 \( 200 \mathrm{MHz} \) 에서 4K-UHD 영상을 초당 35 -86 프레임 속도로 처리한다. 따라서 제안하는 회로는 4K-UHD 영상을 실시간으로 처리할 수 있다.</p>
|
[
"실시간 통합 복호기용 보간 회로는 어떠한 영상크기를 제안하는가?",
"회로의 면적을 줄이기 위해서 각 표준에 해당하는 무엇을 공유하였는가?",
"회로의 무엇을 최적화 하기 위해 중간 버퍼를 효율적으로 사용하였는가?",
"회로의 어떤 것을 줄이기 위해 보간 알고리즘의 공통 부분을 공유하였는가?",
"합성한 통합 부화소 보간 회로는 어떠한 크기의 영상을 지원하는가?",
"제안하는 회로는 어떠한 크기의 영상을 처리할 수 있는가?",
"합성한 통합 부화소 보간 회로는 영상을 초당 어느 정도 프레임의 속도로 처리하는가?",
"제안하는 통합 부화소 보간회로를 어떤 표준 셀 라이브러리를 이용해 합성하였는가?",
"합성 한 통합 부화소 보간 회로의 크기는 얼마인가?",
"중간 버퍼를 효울적으로 사용한 이유는 무엇인가?",
"회로의 저면적과 성능의 최적화를 위해 어떠한 것을 효율적으로 사용하였는가?",
"본 논문에서 제안하는 통합 부화소 보간 회로는 어떠한 새로운 동연상 압축 표준을 지원하는가?",
"회로의 면적을 줄이기 위해 보간 알고리즘의 어떠한 부분을 공유하였는가?",
"합성한 통합 부화소 보간 회로의 최대 동작 주파수는 얼마인가?",
"제안하는 회로는 영샹을 어떻게 처리할 수 있는가?",
"제안하는 회로가 실시간으로 처리할 수 있는 영상의 형식은 4K-UHD인가?"
] |
41a632ca-cfc1-405e-ba48-2ff2a8cef48c
|
인공물ED
|
4K-UHD 영상을 지원하는 실시간 통합 복호기용 부화소 보간 회로 설계
|
<h1>III 제안하는 회로</h1><h2>1. 제안하는 회로의 구조</h2><p>(그림 3)에서 음영으로 표시한 부분이 본 논문에서 제안하는 HEVC, H.264, MPEG-4, VC-1 통합 부화소 보간 회로의 구조이다. 휘도 성분 회로와 색차 성 분 회로는 병렬로 각각 연산하며, 전체적인 회로 구조는 동일하다. 4:2:0 포맷을 가지는 색차 성분 Cb, Cr 블록은 각각 휘도 성분 블록의 \( 1 / 4 \) 크기를 가지므로 하나의 휘도 성분 블록을 처리할 때 두 개의 색차 성분 블록을 순차적으로 처리한다.</p><p>제안하는 통합 부화소 보간 회로는 총 2 단계를 거친다. 1 단계에서는 입력되는 참조 화소를 가로 보간필터에 입력하여 연산하고, 출력되는 결과를 중간 버퍼에 저장한다. 2 단계에서는 중간 버퍼에 저장된 가로 보간 필터의 결과 값을 읽어 세로 보간 필터로 입력한 다음 세로 보간 필터 연산을 거친 결과 값을 출력한다. 그 후, 출력된 보간 결과와 입력 받은 잔차 신호를 합하는 움직임 보상을 완료하고 결과를 출력한다. 제안하는 통합 부화소 보간 회로는 가로 보간 필터와 세로 보간 필터를 각각 병렬로 사용하여 한 클락에 휘도 성분 4 개 화소와 색차 성분 2 개 화소의 연산이 가능하다. 제안하는 회로는 저면적을 위해 보간 필터 내에서 사용된 연산기의 공통되는 부분을 공유하였다. 또한 4개의 표준 모두 중간 버퍼를 사용하여 부화소 생성 시 필요한 값을 재사용하여 회로의 저면적을 지향하고 성능을 향상시켰다.</p><h2>2. 통합 보간 필터</h2><p>본 논문에서는 각 표준 내부에서 사용되는 부화소 생성 수식과 표준 간의 부화소 생성 수식에서 사용되는 곱셈 연산을 쉬프트 연산기와 덧셈기로 대체하고, 공통되는 연산기를 공유하여 회로의 크기를 줄이고자 하였다. (그림 4)는 본 논문에서 제안하는 휘도 성분 보간 필터의 구조이다. 가로 보간 필터와 세로 보간 필터는 거의 유사하지만, 세로 보간 필터의 경우 가로 보간 필터에서 생성된 2/4 위치의 부화소를 처리하는 부분이 회로 내부에 별도로 존재한다. 화소 위치 변경을 통해 동일한 수식으로 다른 위치의 부화소를 생성하며 이 때 화소 위치 변경은 (그림 4)의 'Changing pixel positions' 블록에서 수행되며, 선택된 표준과 부화소 생성 위치에 따라 출력을 결정하는 멀티플렉서로 구성된다. 휘도 성분 기준으로 하나의 부화소를 생성하기 위해 최대 8 개의 참조 화소가 필요하기 때문에 위치 변경을 위해 각각의 휘도 성분 필터에서 8 개의 멀티플렉서를 사용한다. 또한 (그림 4)에서 'Only for vertical interpolation filters' 블록은 휘도 성분 세로 보간 필터에서만 존재하며 H.264 표 준과 MPEG-4 표준에서만 사용한다. 그 중 'Changing 2/4 sub-pixel positions' 블록은 H.264 표준과 MPEG-4 표준에서 가로 보간 필터를 거쳐 생성된 2/4 위치 부화소의 위치를 변경하기 위한 것으로 8개의 멀티플렉서를 사용한다. 그리고 (그림 4)의 'Adjusting range of operation results' 블록은 부화소 생성 연산을 통해 생성된 부화소가 보간 필터로부터 출력되기 전에 \( 0 \sim 255 \) 사이의 값을 가지도록 하는 것 이며 4 개의 쉬프트 연산기와 4 개의 멀티플렉서를 사용하여 연산 결과의 범위를 조정한다.</p><p>(그림 4)에서 'HEVC', 'VC-1', 'H.264/MPEG-4', 'Operation of 2/4 sub-pixels' 블록은 부화소를 생성하기 위한 연산 회로이다. 식 (1~3)은 HEVC 휘도 성분의 부화소 생성 수식을 나타낸다. 식 (1)과 식 (3)을 보면, 1/4 위치와 3/4위치 부화소 생성 계수 값이 반대로 되어 있는 것을 확인할 수 있다. 부화소 생성은 특정 클락에 특정 위치에 대해서만 이뤄지기 때문에 입력되는 화소의 위치를 변경한다면 하나의 식으로 1/4 위치와 3/4 위치의 부화소를 생성할 수 있다. 따라서 본 논문에서는 회로의 저면적을 위해 HEVC 휘도 성분에서 입력되는 화소의 위치를 변경하여 3/4 위치의 부화소를 1/4 위치의 부화소 생성 수식으로 생성한다.</p><p>\( \begin{aligned} P 1_{\text {HEVC }}=&\left(-A_{-3,0}+4 \times A_{-2,0}-10 \times A_{-1,0}\right.\\ &\left.+58 \times A_{0,0}+17 \times A_{1,0}-5 \times A_{2,0}+A_{3,0}\right) \gg 6 \end{aligned} \)<caption>(1)</caption></p><p>\( \begin{aligned} \mathrm{P}_{2_{\mathrm{HEVC}}}=&\left(-\mathrm{A}_{-3,0}+4 \times \mathrm{A}_{-2,0}-11 \times \mathrm{A}_{-1,0}+40 \times \mathrm{A}_{0,0}\right.\\ &\left.+40 \times \mathrm{A}_{1,0}-11 \times \mathrm{A}_{2,0}+4 \times \mathrm{A}_{3,0}-\mathrm{A}_{4,0}\right) \gg 6 \end{aligned} \)<caption>(2)</caption></p><p>\( \begin{aligned} P 3_{\text {HEVC }}=&\left(A_{2,0}-5 \times A_{-1,0}+17 \times A_{0,0}+58 \times A_{1,0}\right.\\ &\left.-10 \times A_{2,0}+4 \times A_{3,0}-A_{4,0}\right) \gg 6 \end{aligned} \)<caption>(3)</caption></p><p>또한 HEVC 휘도 성분 수식에서 사용하고 있는 곱셈 연산을 쉬프트 연산기와 덧셈기로 대체한 뒤, 공통되는 부분을 공유하였다. 식 (6)은 HEVC 휘도 성분 1/4 위치와 2/4 위치 부화소를 생성하기 위한 연산기에서 공통된 부분이며, 식 (4)와 식 (5)는 공통된 부분을 포함한 각 위치의 부화소 생성 연산기이다.</p><p>\( \begin{aligned} Q P 1_{\mathrm{HEVC}}=& Q_{\mathrm{HEVC}}+\left(\left(\mathrm{A}_{0,0}+\mathrm{A}_{1,0}\right) \ll 4\right)+\left(-\mathrm{A}_{2,0} \ll 2\right) \\ &+\left(\mathrm{A}_{0,0} \ll 1\right)+\mathrm{A}_{1,0}+\mathrm{A}_{3,0} \end{aligned} \)<caption>(4)</caption></p><p>\( \begin{aligned} \mathrm{QP}_{\mathrm{HBVC}}=& \mathrm{QHEVC}_{\mathrm{HEVC}}-\mathrm{A}_{-1,0}+\left(\mathrm{A}_{1,0} \ll 5\right)+\left(-\mathrm{A}_{2,0} \ll 1\right) \\ &+\left(\left(\mathrm{A}_{1,0}-\mathrm{A}_{2,0}\right) \ll 3\right)+\left(\mathrm{A}_{3,0} \ll 2\right)-\mathrm{A}_{4,0} \end{aligned} \)<caption>(5)</caption></p><p>\( \begin{aligned} Q_{\text {HEVC }}=&-A_{-3,0}+\left(A_{-2,0} \ll 2\right)+\left(-A_{-1,0} \ll 1\right) \\ &+\left(\left(-A_{-1,0}+A_{0,0} \ll 3\right)+\left(A_{0,0} \ll 5\right)-A_{-2,0}\right.\end{aligned} \)<caption>(6)</caption></p><p>HEVC 색차 성분은 HEVC 휘도 성분과 유사하게 4 개의 부화소 생성 수식으로 1/8 위치의 부화소 생성을 하고, 곱셈 연산을 쉬프트 연산기와 덧셈기로 대체한 뒤, 공통되는 부분을 공유하였다. VC-1의 휘도 성분 역사 HEVC 휘도 성분과 유사하게 2 개의 부화소 생성 수식으로 1/4 위치의 부화소 생성을 하고, 곱셈 연산을 쉬프트 연산기와 덧셈기로 대체하였다.</p><p>\( \begin{aligned} P 2_{\text {MPEG4 }}=&\left(-8 \times A_{-3,0}+24 \times A_{-2,0}-48 \times A_{-1,0}\right.\\ &+160 \times A_{0,0}+160 \times A_{1,0}-48 \times A_{2,0} \\ &\left.+24 \times A_{3,0}-8 \times A_{4,0}+128-r\right) \gg 7 \end{aligned} \)<caption>(7)</caption></p><p>\( \begin{aligned} \mathrm{DP} 2_{\text {VPZG } 4}=&\left(-A_{-3,0}+3 \times A_{-2,0}-6 \times A_{1,0}\right.\\ &+20 \times A_{0,0}+20 \times A_{1,0}-6 \times A_{2,0} \\ &\left.+3 \times A_{3,0}-A_{4,0}+16-r\right) \gg 5 \end{aligned} \)<caption>(8)</caption></p>
|
[
"(그림 3)에서 음영으로 표시한 부분이 본 논문에서 제안하는 HEVC, H.264, MPEG-4, VC-1 회로의 구조는 뭐야?",
"통합 부화소 보간 회로의 구조는 뭐야?",
"통합 부화소 보간 회로에서 휘도 성분 회로와 색채 성분 회로를 어떻게 연산해?",
"4:2:0 포맷을 가지는 색차 성분 Cb, Cr 블록 처리는 어떻게해?",
"통합 부화소 보간 회로는 총 2 단계를 거치는데 1 단계에서는 입력되는 참조 화소를 가로 보간필터에 입력하여 연산하고 어떻게 하지?",
"통합 부화소 보간 회로에서 휘도/색차 성분 회로는 직렬로 연산하나?",
"제안하는 통합 부화소 보간 회로는 총 3 단계를 거치나?",
"제안하는 통합 부화소 보간 회로는 총 2 단계를 거친다. 1 단계에서는 입력되는 참조 화소를 가로 보간필터에 입력하여 연산하고, 출력되는 결과를 중간 버퍼에 저장한다. 2 단계에서는 처음 버퍼에 저장된 가로 보간 필터의 결과 값을 읽어 세로 보간 필터로 입력한 다음 세로 보간 필터 연산을 거친 결과 값을 출력하나?",
"화소 위치 변경을 통해 동일한 수식으로 다른 위치의 부화소를 생성하며 이 때 화소 위치 변경은 (그림 4)의 블록에서 수행될까?",
"(그림 4)에서 휘도 성분 세로 보간 필터에서만 존재하는건 뭐야?",
"(그림 4)의 'Adjusting range of operation results' 블록은 부화소 생성 연산을 통해 생성된 부화소가 보간 필터로부터 출력되기 전에 0 \\sim 2550∼255 사이의 값을 가지도록 하는 것 이며 쉬프트 연산기와 멀티플렉서를 각각 4개를 사용하여 연산 결과의 범위를 조정하니?",
"본 논문에서는 회로의 저면적을 위해 HEVC 휘도 성분에서 입력되는 화소의 위치를 변경하여 어디 위치의 부화소를 1/4 위치의 부화소 생성 수식으로 생성하지?",
"HEVC 휘도 성분 수식에서 사용하고 있는 곱셈 연산을 쉬프트 연산기와 덧셈기로 대체한 뒤, 공통되는 부분을 공유할수 있니?",
"HEVC 휘도 성분과 유사하게 2 개의 부화소 생성 수식으로 1/4 위치의 부화소 생성을 하고, 곱셈 연산을 쉬프트 연산기와 덧셈기로 대체할 수 있는건 뭐야?",
"휘도 성분 회로와 색차 성 분 회로는 병렬로 각각 연산하며, 전체적인 회로 구조는 동일하지 않다.",
"(그림 3)에서 음영으로 표시한 부분은 어떤 회로의 구조를 나타내고 있어?",
"제안하는 회로는 저면적을 위해 어디에서 사용된 연산기의 공통되는 부분을 공유하니?",
"(그림 4)의 'Adjusting range of operation results' 블록은 부화소 생성 연산을 통해 생성된 부화소가 보간 필터로부터 출력되기 전 출력값은 어느 정도가 좋을까?",
"(그림 4)에서 부화소를 생성하기 위한 연산 회로 블륵은 뭐야?",
"그림 4)에서 'HEVC', 'VC-1', 'H.264/MPEG-4', 'Operation of 2/4 sub-pixels' 블록은 부화소를 생성하기 위한 연산 회로니?"
] |
60333a11-482a-433c-9497-fb7d6c51593a
|
인공물ED
|
4K-UHD 영상을 지원하는 실시간 통합 복호기용 부화소 보간 회로 설계
|
<h1>Ⅳ. 실험 결과</h1><p>본 논문에서 제안한 HEVC, H.264, MPEG-4, VC-1 통합 복호기용 부화소 보간 회로는 (그림 8)과 같은 검증 과정을 거쳤다. 동영상 압축 표준의 참조 프로그램을 실행하여 보간 함수의 입력 데이터와 출력 데이터를 각각 파일로 저장하였다. 검증 데이터를 위해 사용된 동영상은 총 두 개이며, 첫 번째 동영상은 미식축구 경기 장면을 담은 것으로 영상 크기는 \( 176 \times 144 \) 이며 총 250 장으로 이루어져있다. 두 번째 동영상은 공원 장면을 담은 것으로 영상 크기는 \( 1920 \times 1080 \) 이며 총 240 장으로 이루어져 있다. 제안하는 회로는 Synopsys사의 VCS를 사용하여 (그림 9)와 같이 검증하였다. 그 다음 (그림 10)과 같이 'diff' 명령어를 이용하여 참조 프로그램의 출력 데이터와 회로의 출력 데이터를 비교하였다.</p><p>본 논문에서 제안하는 회로인 통합 복호기용 부화소 보간 회로는 Verilog HDL(Hardware Description Language)을 사용하여 RTL(Register Transfer Level)로 설계하였다. Synopsys사의 Design Compiler 를 사용하여 \( 130 \mathrm{~nm} \) 표준 셀 라이브러리를 이용하여 합성한 결과 회로의 크기는 122,564 게이트이고 최대 동작 주파수는 \( 200 \mathrm{MHz} \) 이다. (그림 11)은 제안하는 회로의 합성 결과이다.</p><p><표 \( 1>\)은 제안하는 회로의 성능을 나타낸다. 제안하는 회로는 4K-UHD영상을 35장에서 86장까지 처리할 수 있다.< 표 2>는 제안하는 회로와 다른 논문에서 제안한 회로를 비교한 것이다. 논문 [5]는 HEVC 표준만을 지원하며 \( 180 \mathrm{~nm} \) 셀 라이브러리를 사용하여 합성한 결과, 회로의 면적은 84,400 게이트이다. 논문 [6]은 MPEG-2, MPEG-4, H.264의 움직임 보상을 통합한 회로이다.</p><table border><caption>표 1. 제안하는 회로의 성능</caption><tbody><tr><td></td><td>Block s12e</td><td>Number of processing cycles</td><td>Frames per second (4K-UHD)</td></tr><tr><td rowspan=3>HEVC</td><td>8x4</td><td>22</td><td>35</td></tr><tr><td>16x16</td><td>92</td><td>67</td></tr><tr><td>64x64</td><td>1,136</td><td>86</td></tr><tr><td rowspan=2>H.264</td><td>4x4</td><td>9</td><td>42</td></tr><tr><td>16x16</td><td>84</td><td>73</td></tr><tr><td rowspan=2>MPEG-4</td><td>8x8</td><td>30</td><td>51</td></tr><tr><td>16x16</td><td>92</td><td>67</td></tr><tr><td rowspan=2>VC-1</td><td>8x8</td><td>22</td><td>70</td></tr><tr><td>16x16</td><td>76</td><td>81</td></tr></tbody></table><table border><caption>표 2. 성능 비교</caption><tbody><tr><td colspan=2></td><td>[5]</td><td>[6]</td><td colspan=2>Proposed</td></tr><tr><td colspan=2>Standards supported</td><td>HEVC</td><td>MPEG-2, MPEG-4, H.264</td><td colspan=2>HEVC, MPEG-4, H.264, vC-1</td></tr><tr><td colspan=2>Gate count</td><td>84,400</td><td>40,352</td><td colspan=2>122,564</td></tr><tr><td rowspan=4>Number of processing cycles for 16x16 block</td><td>HEVC</td><td>80</td><td>-</td><td colspan=2>92</td></tr><tr><td>H.264</td><td>-</td><td>192</td><td colspan=2>84</td></tr><tr><td>MPEG-4</td><td>-</td><td>176</td><td colspan=2>92</td></tr><tr><td>VC-1</td><td>-</td><td>-</td><td colspan=2>76</td></tr><tr><td colspan=2>Maximum operating frequency (MHz)</td><td>200</td><td>108</td><td>135</td><td>200</td></tr><tr><td rowspan=4>Frames per second</td><td>HEVC</td><td>77</td><td>-</td><td>45</td><td>67</td></tr><tr><td>H.264</td><td>-</td><td>17</td><td>50</td><td>73</td></tr><tr><td>MPEG-4</td><td>-</td><td>19</td><td>45</td><td>67</td></tr><tr><td>VC-1</td><td>-</td><td>-</td><td>55</td><td>81</td></tr><tr><td colspan=2>Cell library(nm)</td><td>180</td><td>180</td><td>180</td><td>130</td></tr></tbody></table><p>논문 [6]에서 제시된 보간 회로의 면적은 40,352 게이트 인데 MPEG-2 휘도 성분 보간과 색차 성분 보간이 MPEG-4 색차 성분 보간과 유사도가 매우 높으므로 논문 [6]에서 MPEG-2 표준에 대한 회로의 비중이 크지 않을 것으로 예측된다. 제안하는 회로의 면적이 122,564 게이트로 논문 [5]와 논문 [6] 회로 면적의 합과 비슷하지만, 제안하는 회로는 VC 표준의 보간도 포함하고 있다. 제안하는 회로에서 VC-1 표준의 보간이 차지하는 면적은 약 20,000 게이트이므로 이를 감안하였을 때, 제안하는 회로가 면적 부분에서 우수함을 알 수 있다. 또한<표 2>에서 \( 16 \times 16 \)블록 기준으로 계산된 4K-UHD 영상 크기의 초당 처리 프레임 수를 보면 제안하는 회로는 HEVC, H.264, MPEG-4, VC-1 모두에 대해서 초당 30 장 이상 복원하기에 실시간 처리가 가능하다. 제안하는 회로에서 HEVC 표준의 경우는 논문 [5]보다 성능이 떨어지지만, 이는 HEVC 외의 3 가지 표준을 지원하기 위한 오버헤드에 기인한 것이다. H.264와 MPEG-4 표준의 경우는 논문 [6]보다 성능이 우수하다.</p>
|
[
"제안하는 회로의 성능에서 HEVC의 Frames per second (4K-UHD) 수치 중에 홀수는 없지?",
"제안하는 회로의 성능에서 HEVC의 Number of processing cycles 중 짝수는 없지?",
"보간 함수의 입력 데이터와 출력 데이터를 저장할 수 있게 해주는 프로그램은 뭐야?",
"표 1에서 HEVC의 Number of processing cycles에서 수치가 젤 작은 건 몇이야?",
"표 1에서 HEVC의 Frames per second (4K-UHD)의 수치의 중간값은 얼마야?",
"표 1에서 H.264의 Block s12e 중 수치가 더 큰건 어떻게 돼?",
"제안하는 회로의 성능에서 H.264의 Frames per second (4K-UHD)중 짝수인건 뭐야?",
"성능 비교에서 Standards supported의 [5]는 어떻게 돼?",
"성능 비교에서 Gate count의 [5] 값은 어떻게 돼?",
"표 2에서 Gate count의 [6]의 수치는 뭐야?",
"표 2에서 Gate count의 Proposed의 수는 뭐야?",
"Gate count의 Proposed는 표2에 의하면 어떤 값을 가질까",
"표 2에서 Number of processing cycles for 16x16 block 중 H.264의 Proposed는 어떻게 돼?",
"표 1에서 MPEG-4의 Block s12e 값 중 작은건 어떻게 돼?",
"성능 비교에서 Number of processing cycles for 16x16 block의 MPEG-4 값 중 더 작은 건 뭐야?",
"성능 비교에서 Maximum operating frequency (MHz)의 Proposed 값 중 작은건 수치가 몇이야?",
"표 2에서 Frames per second중 MPEG-4의 값이 19인건 뭐야?",
"성능 비교에서 Cell library(nm)의 값이 180이 아닌 다른 값은 몇이야?",
"성능 비교에서 Cell library(nm)의 [5], [6], Proposed의 값이 모두 같은데 몇이야?",
"표 1에서 HEVC의 Block s12e 중 가장 큰 수치는 몇이야?",
"제안하는 회로의 성능에서 HEVC의 Number of processing cycles 중 수치가 가장 큰 건 어떻게 돼?",
"회로의 성능에서 MPEG-4의 Number of processing cycles 중 100에 가까운 수치는 뭐야?",
"회로의 성능 MPEG-4의 Frames per second (4K-UHD)값 중 더 작은 수치는 뭐야?",
"VC-1의 Number of processing cycles와 Frames per second (4K-UHD)의 수치 중 가장 큰 건 어떻게 돼?",
"성능 비교에서 Standards supported의 [6]엔 뭐가 있어?",
"성능 비교에서 Standards supported의 Proposed에는 뭐야?",
"성능 비교에서 Number of processing cycles for 16x16 block의 HEVC값은 뭐가 있어?",
"성능 비교에서 Number of processing cycles for 16x16 block 중 H.264의 [6]은 얼마야?",
"성능 비교에서 Number of processing cycles for 16x16 block중 VC-1의 Proposed는 값이 몇이야?",
"성능 비교에서 Maximum operating frequency (MHz)의 [5]는 수치가 몇으로 나와?",
"성능 비교에서 Frames per second의 H.264중 수치가 가장 큰건 몇이야?",
"성능 비교에서 Frames per second 중 HEVC의 [5]는 값이 어떻게 돼?",
"성능 비교에서 Proposed의 값이 55와 81인 건 Frames per second의 어떤거야?",
"표 2에서 Maximum operating frequency (MHz)의 [6]은 결과가 뭐야?"
] |
7dd490d7-2e92-46c2-ac90-a165829ebb82
|
인공물ED
|
4K-UHD 영상을 지원하는 실시간 통합 복호기용 부화소 보간 회로 설계
|
<h1>V. 결론</h1><p>제안하는 4K-UHD 영상 크기를 지원하는 실시간 통합 복호기용 부화소 보간 회로는 새로운 동영상 압축 표준인 HEVC를 포함하고, 현재 많이 쓰이고 있는 동영상 압축 표준인 H.264, MPEG-4, VC-1도 포함한다. 4개의 동영상 압축 표준을 통합하면서 회로의 크기를 줄이고 4K-UHD 영상 크기를 지원하도록 하였다. 회로의 크기를 줄이기 위해 각 표준의 부화소 생성 수식을 정리하고, 하나의 생성 수식을 사용하여 여러 개의 서로 다른 위치의 부화소를 생성하였으며, 수식에서 사용된 곱셈 연산을 쉬프트 연산기와 덧셈기로 대체한 뒤, 공통된 연산기를 공유하였다. 또한 가로 보간 필터와 세로 보간 필터 사이에 중간 버퍼를 사용하여 중복으로 사용되는 중간 결과 값을 재사용함으로써 성능의 저하를 감소시키고 저면적을 달성할 수 있었다. 제안하는 회로는 \( 130 \mathrm{~nm} \) 셀 라이브러리를 이용하여 합성하였을 때, 회로의 크기는 122,564게이트이고 최대 동작 주파수는 \( 200 \mathrm{MHz} \) 이다. 본 논문에서 제안하는 회로의 성능은 4K-UHD 영상을 초당 35장에서 86 장까지 복원한다. 따라서 본 논문에서 제안하는 회로는 4K-UHD 영상의 크기를 실시간으로 처리할 수 있다.</p>
|
[
"본 논문에서 제안하는 회로의 성능은 4K-UHD 영상을 초당 35장에서 86 장까지 복원한다. 따라서 본 논문에서 제안하는 회로는 4K-UHD 영상의 크기를 실시간으로 처리할 수 있나?",
"제안하는 회로는 130 nm 셀 라이브러리를 이용하여 합성하였을 때, 회로의 크기는 122,564게이트이고 최대 동작 주파수는 200MHz 인가?",
"하나의 생성 수식을 사용하여 여러 개의 서로 다른 위치의 부화소를 생성하였나?",
"수식에서 사용된 곱셈 연산을 쉬프트 연산기와 덧셈기로 대체한 뒤, 공통된 연산기를 공유하였나?",
"가로 보간 필터와 세로 보간 필터 사이에 중간 버퍼를 사용하여 중복으로 사용되는 중간 결과 값을 재사용함으로써 성능의 저하를 감소시키고 저면적을 달성할 수 있었나?",
"4개의 동영상 압축 표준을 통합하면서 회로의 크기를 줄이고 4K-UHD 영상 크기를 지원하도록 하였나?",
"제안하는 4K-UHD 영상 크기를 지원하는 실시간 통합 복호기용 부화소 보간 회로는 새로운 동영상 압축 표준인 HEVC를 포함하는가?",
"제안하는 4K-UHD 영상 크기를 지원하는 실시간 통합 복호기용 부화소 보간 회로는 현재 많이 쓰이고 있는 동영상 압축 표준인 H.264, MPEG-4, VC-1도 포함하는가?",
"회로의 크기를 줄이기 위해 각 표준의 부화소 생성 수식을 정리하였나?"
] |
1b928f34-48ac-4990-ad29-ae5013944b74
|
인공물ED
|
4K-UHD 영상을 지원하는 실시간 통합 복호기용 부화소 보간 회로 설계
|
<p>식 (7)은 MPEG-4 휘도 성분의 2/4 위치의 부화소 생성 수식이다. MPEG-4 휘도 성분의 2/4위치의 부화소 생성 계수 값이 전부 8 의 배수이기 때문에 본 논문에서는 식 (8)과 같이 MPEG-4 휘도 성분의 2/4위치의 계수 값을 전부 8 로 나누어 부화소 생성 계수값을 줄였다. 또한 식 (8)에서 사용된 곱셈 연산을 쉬프트 연산기와 덧셈기로 대체했다. H.264의 휘도 성분 2/4위치의 부화소 생성 수식은 식 (9)와 같고, 식 (9)에서 사용된 곱셈 연산도 쉬프트 연산기와 덧셈기로 대체하였다.</p><p>\( \begin{aligned} \mathrm{P} 2_{\mathrm{H} 264}=&\left(\mathrm{A}_{-2,0}-5 \times \mathrm{A}_{-1,0}+20 \times \mathrm{A}_{0,0}+20 \times \mathrm{A}_{1,0}\right.\\ &\left.-5 \times \mathrm{A}_{2,0}+\mathrm{A}_{3,0}+16\right) \gg 5 \end{aligned} \)<caption>(9)</caption></p><p>MPEG-4와 H.264 휘도 성분 2/4위치의 부화소를 생성할 때 사용되는 정화소의 개수는 다르지만 부화 소 생성 계수 값에서 유사성이 높은 것을 식 (8)과 식 (9)에서 확인할 수 있다. 본 논문에서는 H.264 휘도 성분의 입력 화소 위치를 변경하여 MPEG-4 휘도 성분의 수식으로 사용하고, 곱셈 연산을 쉬프트 연산 기와 덧셈기와 대체한 후 공통되는 연산기를 공유했다. 공유한 연산기는 식 (12)이며, 공유한 연산기를 포함한 각 표준의 2/4위치 부화소 생성 연산기는 식(10), 식 (11)이다. MPEG-4 휘도 성분과 H.264 휘도 성분의 2/4위치의 부화소를 제외한 나머지 위치는 입력된 정화소와 생성된 2/4 위치의 부화소를 이용하여 생성된다.</p><p>\( \begin{aligned} \mathrm{QP} 2_{\mathrm{MPEG} 4}=& \mathrm{Q}_{\mathrm{MH}}+\left(\left(\mathrm{A}_{-2,0}+\mathrm{A}_{3,0}\right) \ll 1\right) \\ &-\left(\left(\mathrm{A}_{-1,0}+\mathrm{A}_{2,0}\right) \ll 1\right)-\mathrm{A}_{4,0}-\mathrm{A}_{-3,0} \end{aligned} \)<caption>(10)</caption></p><p>\( \mathrm{QP} 2_{\mathrm{H} 264}=\mathrm{Q}_{\mathrm{HM}}+\mathrm{A}_{-1,0}+\mathrm{A}_{2,0} \)<caption>\( (11) \)</caption></p><p>\( \begin{aligned} \mathrm{Q}_{\mathrm{MH}}=& \mathrm{A}_{-2,0}+\mathrm{A}_{3,0}+\left(\left(\mathrm{A}_{0,0}+\mathrm{A}_{1,0}\right) \ll 4\right) \\ &+\left(\left(\mathrm{A}_{0,0}+\mathrm{A}_{1,0}\right) \ll 2\right)+\left(\left(\mathrm{A}_{-1,0}+\mathrm{A}_{2,0}\right) \ll 2\right)+16 \end{aligned} \)<caption>(12)</caption></p><p>그 외 MPEG-4 색차 성분은 곱셈 연산을 필요로 하지 않고, H.264와 VC-1 색차 성분은 곱셈 연산을 필요로 한다. H.264와 VC-1 색차 성분 부화소를 생성하는 방법의 경우, 생성될 부화소 위치에 따라 계수 값이 다르고, 색차 성분 부화소 생성 시 사용되는 곱셈 연산을 같이 사용하거나 다른 연산기로 대체하는 것이 회로의 크기에 영향을 미치지 않았기에 H.264, VC-1, MPEG-4 색차 성분은 각 표준에 제시된 수식과 동일하게 회로로 구현하였다.</p><h2>3. 중간 버퍼의 활용</h2><p>(그림 1)에서 \( \mathrm{A}_{0,0} \) 을 중심으로 한 부화소인 \( \mathrm{f}_{0,0} \) 을 생성하기 위해서 가로 보간 결과인 \( \mathrm{b}_{0,0} \) 또는 세로 보간 결과인 \( \mathrm{d}_{0,0} \) 가 필요하다. \( \mathrm{b}_{0,0} \) 또는 \( \mathrm{d}_{0,0} \) 을 중간 부화소라고 할 때, 중간 부화소는 \(\mathrm{A}_{0,0} \) 을 중심으로 한 부화소인 \( \mathrm{f}_{0,0} \) 을 생성할 때 사용된다. 또한 \( \mathrm{A}_{0,0} \) 주변의 최대 \( 8 \times 8 \) 크기에 해당하는 각각의 정화소를 중심으로한 부화소를 생성할 때에도 사용된다. 이와 같이 중간 부화소가 사용될 때마다 생성한다면 성능의 저하를 가져올 수 있다. 따라서 본 논문에서는 중복된 연산을 피하기 위해 중간 버퍼를 두어 중간 부화소를 재사용한다.</p><p>(그림 5)는 중간 버퍼의 구조이다. 가로 보간 필터에서 나오는 데이터들은 입력 멀티플렉서 어레이로 연결되고, 동영상 압축 표준과 제어 신호들에 의해 중간 버퍼인 n개의 셀로 입력된다. 각 셀들은 출력 멀티플렉서 어레이로 연결되고, 동영상 압축 표준과 제어 신호들에 의해 각각의 세로 보간 필터로 입력된다. (그림 5)에서 셀의 개수인 n은 휘도 성분의 경우 128 개, 색차 성분의 경우는 32개이며, 4개의 동영상 압축 표준의 각 성분에서 부화소 생성 시 가장 많이 필요로 하는 정화소의 개수와 각 표준에서 처리해야하는 블록의 크기를 고려하여 결정하였다.</p><p>(그림 6)과 (그림 7)은 본 논문에서 중간 버퍼를 사용하는 방법이며, bxx_x는 1개의 셀을 나타낸다. (그 림 6)은 HEVC 휘도 성분일 때 중간 버퍼에 가로 보간 필터의 결과 값을 저장하고 세로 보간 필터로 데이터를 출력하는 방 법을 나타낸다. 가로 보간 필터에서 데이터가 출력되면 중간 버퍼에 (그림 6)의 (a)와 같이 저장된다. 클락이 증가될 때마다 (a)의 화살표 방향으로 가로 보간 필터의 결과 값이 저장되며 12번 째 클락일 때 (b)와 같이 가로 보간 필터의 결과 값의 저장과 동시에 음영으로 된 RD1 범위의 데이터가 세로 보간 필터로 입력된다. 클락이 증가될 때마다 각 표시된 화살표 방향으로 데이터가 저장되고 출력된다. HEVC 색차 성분과 VC-1 휘도 성분도 (그림 6)과 동일한 방법으로 중간 버퍼를 사용한다.</p><p>(그림 7)은 H.264 휘도 성분일 때 중간 버퍼에 가로 보간 필터의 결과 값을 저장하고 세로 보간 필터로 데이터를 출력하는 방법을 나타낸다. 가로 보간 필터의 결과 값이 출력되면 중간 버퍼에 (그림 7)의(a)와 같이 저장된다. 클락이 증가될 때마다 (a)의 화살표 방향으로 가로 보간 필터의 결과 값이 저장되고 7 번째 클락일 때 (그림 7)의 (b)와 같이 가로 보간 필터의 결과 값이 저장된다. 이와 동시에 음영으로 된 RD1 범위의 데이터가 세로 보간 필터로 입력된다. 8번째 클락이 입력되면 각 표시된 화살표 방향으로 데이터가 저장되고 출력된다. MPEG-4 휘도 성분과 H.264, MPEG-4, VC-1 색차 성분도 (그림 7)과 같은 방법으로 중간 버퍼를 사용하고 있다.</p>
|
[
"MPEG-4 색차 성분은 곱셈 연산을 필요로 하니?",
"H.264와 VC-1색차 성분은 어떤 연산을 필요로 하니?",
"어떤것을 중심으로 한 부화소인 \\( \\mathrm{f}_{0,0} \\)을 생성하기 위해서 가로 보간 결과인\\( \\mathrm{b}_{0,0} \\) 또는 세로 보간 결과인 \\( \\mathrm{d}_{0,0} \\) 가 필요하니?",
"H.264와 VC-1 색차 성분 부화소를 생성하는 방법의 경우 생성될 부화소의 무엇에 따라 계수값이 달라지니?",
"생성된 2/4위치의 부화소와 입력된 어떤것을 이용해 생성되니?",
"어떤것을 생성하기 위해 중간부화소를 사용하니?",
"성능저하는 중간부화소가 사용 될 때마다 생성하면 나타날 가능성이 있니?"
] |
226f9cd1-7757-4b1d-80b1-05b46b8a0e36
|
인공물ED
|
4K-UHD 영상을 지원하는 실시간 통합 복호기용 부화소 보간 회로 설계
|
<h1>II. 보간 알고리즘</h1><p>HEVC, H.264, MPEG-4, VC-1은 모두 보간을 사용하여 부화소를 생성한다. 4개의 동영상 압축 표준은 보간을 위해 필요한 데이터 블록 크기와 부화소의 생성 위치가 각각 다르다. 또한 부화소를 생성할 때 필요한 주변 화소의 종류 및 개수와 부화소를 생성할 때 사용되는 계수 값도 다르다. 따라서 표준들의 공통되는 부분을 찾아서 공유하고 통합하는 것이 중요하다. 본 절에서는 4 개의 동영상 압축 표준에서 사용하는 보간 알고리즘을 설명하고 그 중 HEVC 휘도 성분과 H.264 휘도 성분을 중심으로 설명한다.</p><p>(그림 1)은 HEVC 휘도 성분의 부화소 생성 위치이다. HEVC의 휘도 성분은 8 탭 필터를 사용하여 1/4 위치의 부화소를 생성하고 부화소 위치에 해당하는 계수 값을 사용한다. (그림 1 )에서 대문자 A는 정화소이고, 소문자 a부터 r은 부화소이다. 이중 소문자 b, h는 2/4위치의 부화소이고, a, c, d, n은 1/4 위치의 부화소이다. a, b, c는 동일한 가로 방향에 있는 8 개의 정화소로부터 생성되고, d, h. n은 동일한 세로 방향에 있는 8 개의 정화소로부터 생성된다. 그 외 \e, f, g, I, j, k, p, q, r은 2/4위치의 부화소 또는 1/4위치의 부화소를 사용하여 생성된다. 따라서 정화소 \( \mathrm{A}_{0,0} \) 을 중심으로 하는 15 개의 부화소를 생성하기 위해서는 \( 8 \times 8 \)크기의 정화소 휘도 성분 참조 영상이 필요하고, 좌표로 나타내면 \( \mathrm{A}_{-3,-3} \) 부터 \( \mathrm{A}_{4,4} \) 의 범위이다. HEVC 색차 성분의 보간은 HEVC 휘도 성분의 보간과 유사하지만 부화소 생성 시 필요한 정화소의 개수와 부화소 생성 계수 값에서 차이가 있다. HEVC 색차 성분은 4탭 필터를 사용하여 1/8 위치의 부화소를 생성하고 HEVC 휘도 성분과는 다른 계수 값을 사용한다. 또한 VC-1 휘도 성분의 경우도 HEVC 휘도 성분 보간과 유사하지만, 부화소 생성 시 필요한 정화소의 개수와 부화소 생성 계수 값에서 차이가 있다. 4탭 필터를 사용하여 1/ 4위치의 부화소를 생성하고 VC-1 휘도 성분의 계수 값을 사용한다. VC-1 색차 성분은 생성할 부화소 위치 주변에 있는 4 개의 정화소와 생성될 부화소 위치를 이용하여 1/4 위치의 부화소를 생성한다.</p><p>(그림 2)는 H.264 휘도 성분의 부화소 생성 위치이다. H.264의 휘도 성분은 6 탭 필터를 사용하여 1/4 위치의 부화소를 생성한다. (그림 2)에서 대문자는 정화소를 나타내고 소문자는 부화소를 나타낸다. 소문자 b와 h는 2/4 위치의 부화소이고, a, c, d, n은 1/4위치의 부화소이다. b는 동일한 가로 방향에 있는 6 개의 정화소로부터 생성되고, h는 동일한 세로 방향에 있는 6 개의 정화소로부터 생성된다. j는 동일한 가로 방향 또는 세로 방향으로 생성된 6 개의 2/4위치의 부화소로부터 생성된다. 그 외의 부화소의 경우, 생성된 2/4위치의 부화소와 정화소를 이용하여 생성된다. 따라서 정화소 G를 중심으로 하는 15 개의 부화소를 생성하기 위해서는 \( 6 \times 6 \) 크기의 정화소 휘도 성분 참조 영상이 필요하고 좌표로 나타내면 \( \mathrm{A}_{-2,-2} \) 부터 \( \mathrm{A}_{3,3} \) 의 범위이다. H.264 색차 성분의 보간은 생성될 부화소 위치 주변에 있는 4개의 정화소와 생성될 부화소 위치를 이용하여 1/8 위치까지 생성한다. MPEG-4 휘도 성분의 보간은 H.264 휘도 성분 보간과 유사하지만, 부화소 생성 시 필요한 정화소의 개수와 부화소 생성 계수 값에서 차이가 있다. MPEG-4 휘도 성분의 보간은 8 탭 필터를 사용하여 2/4위치의 부화소를 생성하고, 그 외의 부화소는 생성된 부화소와 정화소를 이용하여 생성한다. MPEG-4 색차 성분의 보간은 생성될 부화소 위치 주변에 있는 4개의 정화소를 이용하여 1 /2 위치까지 생성한다.</p>
|
[
"H.264 색차 성분의 보간은 생성될 부화소 위치와 동 떨어진 4개의 정화소 및 생성 될 부화소 위치 정보를 활용해 1/8 위치 까지 생성하는게 맞아?",
"a, b, c, d, h, n은 몇 개의 정화소로 부터 생성 되는가?",
"정화소 \\( \\mathrm{A}_{0,0} \\) 을 중심으로 하는 15 개의 부화소를 생성하기 위해서 휘도 성분 참조 영상이 필요한데 이때 정화소의 크기는 얼마인가?",
"a, b, c는 동일한 세로 방향의 정화소에서 생성되며, d, h. n은 동일한 가로 방향의 정화소에서 생성되는 것이 맞아?",
"1/8 위치의 부화소를 생성하기 위해 HEVC 색차 성분이 사용하는 필터의 종류는 무엇인가?",
"\\( 8 \\times 8 \\)크기의 정화소 휘도 성분 참조 영상을 활용하여 정화소 \\( \\mathrm{A}_{0,0} \\) 을 중심으로 하는 몇 개의 부화소를 생성할 수 있는가?",
"정화소 G를 중심으로 하는 15 개의 부화소를 생성하기 위한 정화소의 크기는 얼마인가?",
"소문자 b와 h는 2/4 위치의 부화소이고, a, c, d, n은 1/4위치의 부화소일 때 b와 h는 모두 동일한 세로 방향의 6개 정화소로 부터 생성되는 것이 맞아?",
"MPEG-4 휘도 성분의 보간과 유사한 휘도 성분 보간을 가지는 것은 무엇인가?",
"VC-1 휘도 성분은 HEVC 휘도 성분 보간에 큰 차이가 없지만, 부화소 생성 시 필요한 정화소 개수 및 생성 계수는 차이를 보이는 것이 맞아?",
"소문자 b와 h는 2/4 위치의 부화소이고, a, c, d, n은 1/4위치의 부화소일때 h는 어떤 방향의 6개의 정화소로 부터 생성되는가?",
"HEVC, H.264, MPEG-4, VC-1는 보간을 사용하여 무엇을 생성하는가?",
"HEVC, H.264는 보간을 사용하여 부화소를 생성하나 VC-1는 다른 방법으로 부화소를 생성하는 것이 맞아?",
"HEVC의 휘도 성분은 1/4 위치의 부화소를 생성할 때 어떤 필터를 사용하는가?",
"본문에서 4개의 동영상 압축 표준에서 사용하는 보간 알고리즘 설명과 함께 H.264의 무슨 성분을 중심으로 설명하는가?",
"HEVC의 휘도 성분은 8 탭 필터를 사용하여 부화소를 생성시 그 위치는 어느 정도인가?",
"VC-1 색차 성분이 1/4 위치의 부화소를 생성할 때 생성할 부화소 위치 주변에 몇개의 정화소를 활용하는가?",
"HEVC, H.264, MPEG-4, VC-1는 부화소를 생성할 때 무엇을 사용하는가?",
"소문자 b, h는 2/4위치의 부화소이고, a, c, d, n은 1/4 위치의 부화소 일때 d, h. n는 어느 방향의 8개 정화소로 부터 생성되는가?",
"HEVC 색차 성분의 보간은 HEVC 휘도 성분의 보간과 유사하며, 부화소 생성 시 필요한 정화소 개수나 생성 계수 값에서도 차이가 없는 것이 맞아?",
"4개의 동영상 압축 표준은 보간을 위해 필요한 부화소의 생성 위치 및 데이터 블록 크기는 각각 다른 것이 맞아?",
"소문자 b, h는 2/4위치의 부화소이고, a, c, d, n은 1/4 위치의 부화소 일때 a, b, c는 어느 방향의 8개 정화소로 부터 생성되는가?",
"HEVC 색차 성분은 4탭 필터를 활용해 생성하는 부화소의 위치는 어느 정도인가?",
"부화소를 생성할 때 필요한 주변 화소의 종류는 다르나 계수의 값은 같은 것이 맞아?",
"소문자 b와 h는 2/4 위치의 부화소이고, a, c, d, n은 1/4위치의 부화소일때 b는 어떤 방향의 6개의 정화소로 부터 생성되는가?",
"MPEG-4 휘도 성분의 보간이 2/4위치의 부화소를 생성할 때 어떤 필터를 사용하는가?",
"MPEG-4 휘도 성분의 보간은 8 탭 필터를 사용하여 부화소를 생성할 때 그 위치는 얼마인가?"
] |
538b65d9-0db0-4905-9c96-84f740f89dac
|
인공물ED
|
신뢰 전파와 디스패리티 맵을 사용한 다관절체 사람 추적
|
<h1>IV. 실험</h1><p>본 장에서는 3장에서 제안한 알고리즘을 여러 가지 환경에서 테스트하여 그 성능을 측정하고 관찰 하도록 한다. 실험은 ntel(R) Core(TM)2Duo \( 2.8 \mathrm{Ghz} \) 시스템에서 실험하였다. 실험에 쓰인 영상은 \( 320 \times 240 \)의 해상도를 가지는 중간 거리 영상을 사용하였다. 본 실험에 사용된 세가지 영상의 대표 프레임을 그림 5에 표시하였다.</p><h2>1. 결과 및 기존 방법과의 비교</h2><p>본 연구에서는 디스패리티 지도를 이용하여 다관절체를 효과적으로 찾는 방법에 대해 제안하였다. 즉, 우도 계산을 색상 정보와 함께 신체 요소 디스패리티 분포의 연속적인 특성을 사용하여 기존에 비해 강건하게하고, 3 차원 연결 제약 및 3 차원 다이나믹 모델을 이용하여 각 신체 요소들이 사람같이 연결 될 수 있도록 하였다.</p><p>그림 6 은 제안한 방법을 사용해 추적한 결과이다. 제안한 방법과 기존의 방법을 비교 실험을 해보았다. 비교한 기존의 방법은 두 가지로써 Tony X. Han의 방법은 우도를 계산할 때 템플릿과 영상과의 제곱차합 연산으로만 계산하여 신체요소와 비슷한 색상이 존재하는 배경과 같은 상황이나 조명에 민감한 추적 결과를 보여주고 있다. P. Felzenswalb는 각 객체들이 위치 할 수 있는 공간을 이산화 시켜 연속적인 사람의 움직임을 추적할 때 실패할 확률이 높았다. 또한 배경차영상을 이용해 우도를 계산하기 때문에 움직이는 배경 또는 카메라가 움직이는 환경에 적용할 수 없는 단점을 가지고 있다.</p><p>표 1 은 A 영상의 총 102 프레임에서의 추적 결과이다. 정확도는 (추적에 성공한 신체요소의 수)/(총 추적을 시도한 신체요소 수)를 퍼센트 단위로 변환하여 구했다. Tony X. Han의 경우 팔보다 다리를 잘 찾았는데, 그 이유는 우도를 RGB공간에서 제곱차합만으로 구하는데 A 영상의 조명의 변화가 팔보다 다리에서 적었기 때문이다. P. Felzenszwalb의 방법은 전체 \( 68.4 \% \) 로 가장 낮은데 각 축 별로 이산화된 상태공간을 가지고 있기 때문에 각 신체요소의 움직임에 민감하기 때문이다.</p><p>표 2 는 B 영상의 총 103 프레임에서의 추적 결과 이다. P. Felzenszwalb가 \( 75.7 \% \) 로 가장 낮은 정확도를 보이고 있고 Tony X. Han이 \( 87.54 \% \) 로 두 번째로 괜찮은 추적 결과를 보이고 있다.</p><table border><caption>표 1. A 영상에서 다른 방법과의 비교</caption><tbody><tr><td></td><td>몸통</td><td>팔</td><td>다리</td><td>전체</td></tr><tr><td>T X. Han</td><td>89.3\(\%\)</td><td>58.1\(\%\)</td><td>78.9\(\%\)</td><td>70.8\(\%\)</td></tr><tr><td>Pedro F.</td><td>100\(\%\)</td><td>85.9\(\%\)</td><td>42.7\(\%\)</td><td>68.4\(\%\)</td></tr><tr><td>전체</td><td>100\(\%\)</td><td>92.4\(\%\)</td><td>90.4\(\%\)</td><td>92.4\(\%\)</td></tr></tbody></table><p>실험 결과를 통해 제안한 방법의 성능이 가장 우수함을 볼 수 있다. 색상 정보와 함께 디스패리티 정보를 사용한 우도와 3차원 연결 제약 및 3 차원 다이나믹 모델로써 각 신체 요소가 3 차원 공간상에서 사람같이 연결되도록 유도하였기 때문이다.</p><p>그림 7은 배경에 신체요소와 비슷한 색상이 있을 때 색상 정보만 사용했을 때의 추적 성능과 디스패리티 정보를 같이 사용했을 때의 추적 성능을 비교하기 위한 예로써, 그림 7을 보면 아랫줄의 제안하는 방법이 윗줄의 기존의 방법보다 강건한 추적 결과를 보임을 확인할 수 있다.</p><p>그림 7의 윗줄의 그림에서 왼쪽 위팔이 잘 못 추적된 것을 볼 수 있다. 색상과 함께 디스패리티 정보를 사용한 우도와 3 차원 연결 제약이 기존의 방법보다 신체 요소 끼리 잘 연결 될 수 있도록 우도를 계산하였기 때문이다.</p><h2>2. 속도 향상에 관한 실험</h2><p>본 논문에서 사용한 속도 향상 방법은 두 가지 이다. 첫째는 조건적 메시지 업데이트이고 둘째는 다이나믹 모델이다. 메시지 업데이트는 신뢰 전파 연산의 \( 80 \% \)을 차지한다. 식 (13)의 조건적 메시지 업데이트 방법은 신체 요소 위치의 디스패리티 정보가 조건을 만족 할 때에만 메시지를 생성하도록 하여 메시지 업데이트에 따른 연산 부담을 줄이는 방법이다. 표 3 은 제안하는 조건적 메시지 업데이트 방법을 통한 속도 향상 정도를 나타내고 있다. 일반 메시지는 식(2)를 사용하여 메시지 업데이트를 하는 것을 말한다. 향상률은 (일반 메시지-조건적 메시지)/(일반 메시지)\(\times 100 \) 으로 계산 하였다.</p><p>신뢰 전파 연산의 \( 80 \% \) 를 차지하고 있는 메시지 업데이트를 조건적으로 하였음에도 불구하고 그에 상응하는 향상률을 보이지 못한 이유는 본 논문의 전처리 과정인 픽셀 분류 과정을 통해 이미 많은 상태 공간이 축소되어졌기 때문이다. 또 영상에 따라 향상률이 차이가 나는데 조건적 메시지 생성 방법이 영상의 디스패리티 분포 특성에 기인하기 때문이다. 영상의 평균 디스패리티가 높으면서 사람이 카메라로부터 멀리 떨어져 있고 사람 외의 다른 물체가 카메라로부터 가까이 존재 하지 않는 것이 많을수록 속도 향상률이 높아지게 된다.</p><p>다이나믹 모델은 사람의 움직임 특성을 이용한 모델로써 사람의 신체 요소는 움직임에 연속성을 가지고 있기 때문에 \( t \) 시간의 신체 요소의 위치는 바로 이전 시간인 \( t-1 \) 시간 위치의 이웃에 존재하게 되는 성질을 이용한다. 표 4 는 다이나믹 모델을 사용하였을 때 속도의 향상 정도를 나타낸 것이다. 최초 객체의 위치를 파악한 후 다음 프레임부터 다이나믹 모델을 적용하므로 최초 추적을 할 때에는 다이나믹 모델을 적용하지 않는다. 표 4 에서의 향상률은 (최초 추적-다이나믹 모델)/(최초 추적) \(\times 100 \) 으로 계산 하였다.</p><table border><caption>표 3. 조건적 메시지 생성을 통한 속도 향상 정도</caption><tbody><tr><td></td><td>A영상</td><td>B영상</td><td>C영상</td></tr><tr><td>일반 메시지(\(\mathrm{sec/frame}\))</td><td>2.8118</td><td>3.9864</td><td>5.6584</td></tr><tr><td>조건적 메시지(\(\mathrm{sec/frame}\))</td><td>2.1798</td><td>2.1618</td><td>5.1370</td></tr><tr><td>향상률</td><td>22.47\(\%\)</td><td>45.77\(\%\)</td><td>9.21\(\%\)</td></tr></tbody></table><table border><caption>표 4. 다이나믹 모델을 통한 연산 속도 향상 정도</caption><tbody><tr><td></td><td>A영상</td><td>B영상</td><td>C영상</td></tr><tr><td>최초 추적(\(\mathrm{sec/frame}\))</td><td>2.1798</td><td>2.1618</td><td>5.1370</td></tr><tr><td>다이나믹 모델(\(\mathrm{sec/frame}\))</td><td>0.8042</td><td>0.7130</td><td>2.5178</td></tr><tr><td>향상률</td><td>69.1\(\%\)</td><td>67\(\%\)</td><td>51\(\%\)</td></tr></tbody></table>
|
[
"어떻게 실험을 진행했어?",
"실험을 어떻게 추진했지?",
"어떻게 알고리즘의 성능을 측정하고 관찰했어?",
"알고리즘의 성능을 측정하는 것은 어떻게 해서 관찰했지?",
"Felzenswalb는 각 개체들이 위치할 수 있는 공간을 이산화시키는데 이로인해 발생한 결과는 어떻게 돼?",
"각 개체들이 위치할 수 있는 공간을 Felzenswalb가 이로인해 일어난 결과느 뭐야?",
"Tony X. Han는 어떻게 계산하는 방법이야?",
"어떻게 Tony X가 계산하는 방법이지?",
"어떻게 각 신체 요소들이 사람같이 연결 가능하게 했어?",
"각 신체 요소들이 사람같이 결여 가능하게 한 건 뭐야?",
"Tony X. Han의 방법을 사용하였을때 결과는 어떻게 나왔어?",
"Tony X의 방법을 이용하였을때 결과는 어떻게 나왔어?",
"정확도는 어떻게 구했어?",
"어떻게 정확도가 구성됐지?",
"제안한 방법의 성능이 가장 뛰어나다는 것을 어떻게 알 수 있어?",
"제안한 방법의 성능이 가장 뛰어나다는 것을 알아낼 수 있은 건 뭐야?",
"어떻게 조건적 메시지 업데이트 방법의 메시지 업데이트에 따른 연산 부담을 감소시키나요?",
"조건적 메시지 업데이트 방법의 연산 부담은 어떻게 조성정 에 따른 여러 지역에 의해 감소되어야 할까?",
"어떻게 향상률 계산을 진행했어?",
"향상률 계산을 어떻게 추진했지?",
"어떻게 속도 향상률을 높이게 되는가?",
"속도 향상률을 어떻게 높이고 있어?",
"다이나믹 모델의 어떻게 된 성질을 이용하여 실험을 진행했어?",
"다이나믹 모델의 어떻게 된 성질을 활용하여 실험을 진행했니?",
"어떻게 표 4에서의 향상률을 산출했어?",
"표 4에서의 향상률을 어떻게 산출했지?",
"표 1. A 영상에서 다른 방법과의 비교의 T X. Han 방법의 몸통 추적률은 어떻게 돼?",
"다른 방법과의 비교의 T X Han 법은 표 1영상에서 어떻게 몸통 추적률을 할 수 있니?",
"A영상의 향상률은 뭐야?",
"C영상의 속도 향상률은 어떻게 나왔어?",
"A영상의 최초 추적의 값은 뭐야?",
"67\\(\\%\\)의 향상률을 가지는 것은 A영상, B영상, C영상 중 어디에 속해?",
"68.4\\(\\%\\)의 전체 추적결과를 보이는 것은 어떤 방법이야?"
] |
9b639c79-efb2-4c4e-a4ac-2e511047e4fc
|
인공물ED
|
양면 열박리 테이프 기반 임시 접합 공정을 이용한 대면적 웨이퍼 레벨 고출력 전자패키지
|
<h1>2. 연구 방법</h1><h2>2.1 8 인치 웨이퍼 레벨 고출력 전자패키지 제작 방법</h2><h3>2.1. 1 Embedded IC process 기반 8 인치 기판 준비</h3><p>고출력 전자패키지를 구현하기 위한 8 인치 기판을 다음과 같이 제작하였다((주)웨이비스 공급, Fig. 1(a, b)). Deep Si etching 기술인 Bosch process를 통해 interdigital transducer(IDT)가 형성된 8인치 실리콘 웨이퍼에 \( 100 \mu \mathrm{m} \) 깊이로 칩 크기 \( (\sim 2 \mathrm{~mm}) \) 의 트렌치를 형성하였다. 그 트렌치 표면을 에폭시로 도포한 후 \( \mathrm{SiC}\) dummy 칩을 넣고 반도체 패키지의 층간 절연 필름(ajinomoto build-up film, ABF)을 라미네이션 하였다.</p><h3>2.1.2 시뮬레이션을 통한 전자패키지 설계</h3><p>효과적인 방열층은 칩에서 발생한 열을 패키지 기판 끝단의 면으로 빠르게 분산되고, 그 열을 대기 중으로 잘 방사할 수 있어야 한다. \( \mathrm{Cu} \)의 경우 열전도도가 좋은 반면 적외선 방사율이 낮은 금속으로 알려져 있지만 산화가 될 경우 방사율이 높아지는 것으로 알려져 있다. 본 연구에서는 Fig. 2(a)와 같은 시뮬레이션(COMSOL Multiphysics 5.6)을 통해 기존 플립칩(flip chip) 패키지 ("Reference", Fig. 1(f) 참조)가 \( 100^{\circ} \mathrm{C} \) 일 때 제안된 구조("Proposed", Fig. 1(d))의 온도는 약 \( 4{ }^{\circ} \mathrm{C} \) 낮음을 확인할 수 있었다. 패키지 기판 끝단 표면의 온도는 칩으로부터 전도되어 유입되는 열과 대류 및 복사를 통해 외부로 방출되는 열의 경쟁을 통해 결정될 것인데, 매립된 칩이 적용된 제안된 구조의 경우 열전도성면에서 확실히 유리할 것이기에, 결국 표면의 온도가 낮다는 것은 그만큼 방열 특성이 우수한 것으로 볼 수 있다.</p><p>또한 반도체 패키지의 층간 절연 필름 ABF 에 의한 compressive stress로 인해 박형화된 웨이퍼의 warpage가 발생하게 되는데 (Fig. 2(b)), \( \mathrm{Cu} \) 도금막의 경우 반대인 tensile stress가 형성되므로 \( \mathrm{Cu} \) 두께 최적화를 통해 박형화된 웨이퍼 내부의 stress를 상쇄시켜 warpage를 줄일 수 있다. 이에 ABF 필름 \( (\sim 40 \mu \mathrm{m}) \) 의 stress 를 stress gauge(FSM500TC, FSM社.)를 이용하여 실측한 후, Fig. 2(c)와 같이 시뮬레이션 (CoventorWare)을 통해 최적의 \( \mathrm{Cu} \) 두께를 구헸다. 실측 결과 변이(displacement)는 \( 66.612 \mu \mathrm{m} \) 로 stress 는 \( 4.732 \mathrm{MPa} \) 였고, 이 경우 \( \mathrm{Cu} \) 도금층이 \( 10 \mu \mathrm{m} \) 일 때 stress가 상쇄되는 것으로 계산되었다.</p><h3>2.1.3 임시 접합 공정 기반 고출력 전자패키지 제작</h3><p>Fig. 1(c)와 같이 준비한 8 인치 기판에 Manual Tape Laminator 를 이용하여 상용 양면 열박리 테이프(ST-9595B, 대현에스티社)를 라미레이션한 후 Wafer Bonder(Gemini, EVG社)를 이용하여 캐리어 웨이퍼를 붙이고, Backside Polishing \(\&\) Thinning 장비(DGP8760, DISCO社)를 이용하여 준비한 기판의 뒷면에 매립된 \( \mathrm {SiC}\) dummy 칩이 드러날 때까지(기판 두께가 \( 100 \mu \mathrm{m} \) 이 될 때까지) back-grinding을 하였다. 이 후 스퍼터를 이용하여 \(\mathrm{Cu}\) seed를 증착하고, \( 10 \mu \mathrm{m} \) 두께로 \(\mathrm{Cu}\) 를 도금 (EP-2000, ENG 社)한 후 hot plate에 올려놓고 \( 150{ }^{\circ} \mathrm{C} \) 의 열을 가해 debonding하였고 표면을 산화시켰다.</p><h2>2.2 방열 효과 비교 방법</h2><h3>2.2.1 모사 샘플 제작</h3><p>방열 효과를 실험적으로 비교하기 위한 모사 샘플을 다음과 같이 제작하였다(Fig. 1(d, e)). Bosch process를 통해 8 인치 실리콘 웨이퍼에 \( 5 \mathrm{~mm} \times 5 \mathrm{~mm} \) 사각형 주위로 \( 100 \mu \mathrm{m} \) 깊이와 폭의 라인 트렌치를 형성하여 실리콘 칩을 모사하였다. 다음으로 8 인치 Boro33 유리 웨이퍼를 얹고 \( 400^{\circ} \mathrm{C}, 1 \mathrm{kN} \) 조건으로 anodic bonding (EVG520HE, EV Group社)을 진행한 후 \( 950{ }^{\circ} \mathrm{C} \) glass reflow 공정을 통해 트렌치를 유리로 채웠다. 이 후 실리콘 웨이퍼가 드러날 때까지 유리를 back-grinding하고 실리콘 웨이퍼도 두께가 \( 100 \mu \mathrm{m} \) 이 될 때까지(유리로 채워진 트랜치가 드러날 때까지) back-grinding한 뒤 \(\mathrm{Cu}\) seed 증착 및 도금을 진행 하였다.</p><h3>2.2.2 방열 특성 측정</h3><p>고출력 전자패키지를 모사한 샘플을 hot plate 위에 있는 칩 면적의 \(\mathrm{Cu}\) 블록 위에 두고 \( \sim 100{ }^{\circ} \mathrm{C} \) 로 온도를 올린 후 열화상 카메라(A305sc, FLIR社)를 이용하여 방열 특성을 측정해 보았다. (반사를 줄이기 위해 캡톤 테이프를 표면에 붙였다.) 방열 효과 비교를 위해 기존 플립칩(flip chip) 패키지를 모사한 샘플, 즉 \( 5 \mathrm{~mm} \times 5 \mathrm{~mm} \) 크기의 실리콘 칩을 Vacuum Reflow 장비 (SST3150, Palomar社)에서 솔더(SnAg solder freeform, Indium Corporation of America社)로 박형한 실리콘 웨이퍼에 본딩한 샘플(Fig. 1(f))도 함께 측정하였다.</p>
|
[
"Deep Si etching 기술인 Bosch process를 통해 IDT가 형성된 8인치 실리콘 웨이퍼에 \\( 100 \\mu \\mathrm{m} \\) 깊이로 칩 크기 \\( (\\sim 2 \\mathrm{~mm}) \\) 의 트렌치를 어떻게 하였는가?",
"트렌치 표면을 무엇으로 도포하였는가?",
"트렌치 표면을 에폭시로 도포한 후 \\( \\mathrm{SiC}\\) dummy 칩을 넣었는가?",
"효과적인 방열층 어떻게 되야 해?",
"warpage를 어떻게 줄일 수 있는가?",
"매립된 칩이 적용된 제안된 구조의 경우 열전도성면에서 확실히 유리할 것이기에, 결국 표면의 온도가 낮다는 것은 그만큼 방열 특성이 어떻게 볼 수 있는가?",
"패키지 기판 끝단 표면의 온도는 무엇으로부터 전도되어 유입되는 열과 대류 및 복사를 통해 외부로 방출되는 열의 경쟁을 통해 결정될 것인가?",
"실측 결과 변이의 영어의 뜻이 뭐야?",
"최적의 \\( \\mathrm{Cu} \\) 두께를 구헸를 어떻게 구했어?",
"실측 결과 변이(displacement)는 \\( 66.612 \\mu \\mathrm{m} \\) 로 stress 는 \\( 4.732 \\mathrm{MPa} \\) 였는가?",
"\\( \\mathrm{Cu} \\) 도금층이 \\( 10 \\mu \\mathrm{m} \\) 일 때 stress가 어떻게되는 것으로 계산되었어?",
"8 인치 기판에 Manual Tape Laminator 를 이용하여 상용 양면 열박리 테이프를 라미레이션한 후 Wafer Bonder를 이용하여 캐리어 웨이퍼를 붙이는 작업을 하였는가?",
"8 인치 기판에 Manual Tape Laminator 를 이용하여 칩이 드러날 때까지 어떻게 했어?",
"무엇을 이용하여 \\(\\mathrm{Cu}\\) seed를 증착하였는가?",
"Bosch process를 통해 8 인치 실리콘 웨이퍼에 \\( 5 \\mathrm{~mm} \\times 5 \\mathrm{~mm} \\) 사각형 주위로 \\( 100 \\mu \\mathrm{m} \\) 깊이와 폭의 라인 트렌치를 형성하여 실리콘 칩을 어떻게 했어?",
"Bosch process를 통해 8 인치 실리콘 웨이퍼에 \\( 5 \\mathrm{~mm} \\times 5 \\mathrm{~mm} \\) 사각형 주위로 \\( 105 \\mu \\mathrm{m} \\) 깊이와 폭의 라인 트렌치를 형성하였는가?",
"실리콘 웨이퍼를 어떻게 하였는가?",
"고출력 전자패키지를 모사한 샘플을 hot plate 위에 있는 칩 면적의 \\(\\mathrm{Cu}\\) 블록 위에 두고 \\( \\sim 100{ }^{\\circ} \\mathrm{C} \\) 로 온도를 올린 후 무엇을 이용하여 방열 특성을 측정해 보았는가?",
"반도체 패키지의 층간 절연 필름 ABF 에 의한 compressive stress로 인해 박형화된 웨이퍼의 무엇이 발생하는가?",
"\\( \\mathrm{Cu} \\)의 경우 열전도도가 좋아지는가?",
"Deep Si etching 기술인 무엇을 통해 IDT가 형성된 8인치 실리콘 웨이퍼에 \\( 100 \\mu \\mathrm{m} \\) 깊이로 칩 크기 \\( (\\sim 2 \\mathrm{~mm}) \\) 의 트렌치를 형성했어?",
"패키지 기판 끝단 표면의 온도는 어떻게 결정되는가?",
"\\( \\mathrm{Cu} \\)의 경우 열전도도가 좋은 반면 적외선 방사율이 낮은 금속으로 알려져 있지만 산화가 될 경우 방사율은 어떻게 되는가?",
"유리로 채워진 트랜치가 드러날 때까지 back-grinding한 뒤 \\(\\mathrm{Cu}\\) seed 증착 및 도금을 진행 하였는가?",
"방열 특성을 어떻게 측정해 하였는가?",
"다음으로 8 인치 Boro33 유리 웨이퍼를 얹고 \\( 400^{\\circ} \\mathrm{C}, 1 \\mathrm{kN} \\) 조건으로 무엇을 진행했는가?",
"도금 (EP-2000, ENG 社)한 후 어디에 올려놓고 \\( 150{ }^{\\circ} \\mathrm{C} \\) 의 열을 가해 debonding하였고 표면을 산화시켰는가?",
"트렌치 표면을 에폭시로 도포한 후 어떻게 하였는가?",
"\\( \\mathrm{Cu} \\)의 경우 열전도도가 좋은 반면 적외선 방사율이 낮은 금속으로 알려져 있지만 산화가 될 경우 무엇이 높아지는 것으로 알려져 있는가?",
"효과적인 방열층은 칩에서 발생한 열을 패키지 기판 끝단의 어디로 빠르게 분산되는가?",
"ABF 필름 \\( (\\sim 40 \\mu \\mathrm{m}) \\) 의 stress 를 stress gauge(FSM500TC, FSM社.)를 이용하여 실측한 후, 시뮬레이션 (CoventorWare)을 통해 최적의 \\( \\mathrm{Cu} \\) 무엇을 구헸는가?",
"스퍼터를 이용하여 \\(\\mathrm{Cu}\\) seed를 증착하고, \\( 10 \\mu \\mathrm{m} \\) 두께로 \\(\\mathrm{Cu}\\) 를 도금 (EP-2000, ENG 社)한 후 hot plate에 올려놓고 몇 \\({ }^{\\circ} \\mathrm{C} \\) 의 열을 가해 debonding하였고 표면을 산화했는가?",
"\\( 950{ }^{\\circ} \\mathrm{C} \\) glass reflow 공정을 통해 트렌치를 무엇으로 채웠는가?",
"Bosch process를 통해 8 인치 실리콘 웨이퍼에 \\( 5 \\mathrm{~mm} \\times 5 \\mathrm{~mm} \\) 사각형 주위로 몇 \\(\\mu \\mathrm{m} \\) 깊이의 트렌치를 형성하여 했는가?",
"실리콘 웨이퍼도 두께가 몇 \\( \\mu \\mathrm{m} \\) 이 될 때까지(유리로 채워진 트랜치가 드러날 때까지) back-grinding한 뒤 \\(\\mathrm{Cu}\\) seed 증착 및 도금을 진행 하였는가?",
"8인치 실리콘 웨이퍼에 몇 \\(\\mu \\mathrm{m} \\) 깊이로 칩 크기 \\( (\\sim 2 \\mathrm{~mm}) \\) 의 트렌치를 형성하였는가?",
"\\( \\mathrm{Cu} \\) 도금막의 경우 반대인 tensile stress가 어떻게 되는가?",
"도금층이 몇 \\(\\mu \\mathrm{m} \\) 일 때 stress가 상쇄되는 것으로 계산되었는가?",
"실측 결과 변이(displacement)는 몇 \\(\\mu \\mathrm{m} \\) 인가?",
"\\( 400^{\\circ} \\mathrm{C}, 1 \\mathrm{kN} \\) 조건으로 anodic bonding (EVG520HE, EV Group社)을 진행한 후 몇 \\( { }^{\\circ} \\mathrm{C} \\) glass reflow 공정을 통해 트렌치를 유리로 채웠는가?",
"고출력 전자패키지를 모사한 샘플을 hot plate 어디에 있는 칩 면적의 \\(\\mathrm{Cu}\\) 블록 위에 두었는가?",
"층간 절연 필름의 영어 약자의 뜻이 뭐야?"
] |
9a2c34b0-4ac7-4614-89b8-b31ea61731b9
|
인공물ED
|
양면 열박리 테이프 기반 임시 접합 공정을 이용한 대면적 웨이퍼 레벨 고출력 전자패키지
|
<h1>3. 결과 및 고찰</h1><h2>3.1 고출력 전자패키지 제작</h2><p>임시 접합용 테이프로는 크게 UV 테이프와 열박리 테이프가 있으며, 열박리 테이프는 UV테이프에 비해 소자에 \( 150^{\circ} \mathrm{C} \) 의 열을 주는 단점은 있지만, 잔류 점착력이 거의 사라져, 본 연구와 같이 약간의 힘에도 파손될 위험성이 높은 박형화 된 대면적 웨이퍼에 적합하다.</p><p>Fig. 3(a)는 양면 열박리 테이프 기반 임시 접합 공정을 이용 한 back-grinding을 통해 8 인치 실리콘 기판 뒷면에 \( \mathrm{SiC}\) dummy 칩들이 드러나 있음을 알 수 있다. Fig. 3(b)는 웨이펴의 단면을 폴리싱(Multiprep, Allied社) 후 관찰한 광학현미경 이미지로, \( 100 \mathrm{~mm} \) 두께로 back-grinding된 모습을 보여준다.</p><p>양면 열박리 테이프 기반 임시 접합된 캐리어 웨이퍼를 통해 핸들링은 물론, 다음 공정인 \( \mathrm{Cu}\) 도금으로 방열층을 형성할 수 있었다. 다만 캐리어 웨이퍼의 debonding 시 박형화된 웨이퍼의 warpage 문제가 발생할 수 있는데, 실제로 \( \mathrm{Cu}\) 레이어가 없을 경 우 Fig. 2(b)와 같이 warpage가 심하게 발생하였다. Warpage가 일어나는 가장 큰 요인은 두꺼운 ABF 필름 \( (\sim 40 \mu\mathrm{~m}) \) 에 의한 compressive stress이고, 시뮬레이션을 통해 tensile stress의 \( \mathrm{Cu}\) 도금막이 상쇄할 수 있는 계산된 두께인 \( 10 \mu \mathrm{m} \) 만큼 \( \mathrm{Cu}\) 를 도금 한 후 \( 150{ }^{\circ} \mathrm{C} \) hot plate 위에 기판을 두고 살짝 밀어 캐리어 웨이퍼로부터 최종적인 고출력 전자패키지를 debonding 할 수 있었다(Fig. 3(c)).</p><p>Fig. 3(d)는 고출력 전자패키지의 최종 모습으로, Fig. 2(b) 의 warpage보다는 훨씬 덜하지만 약간의 warpage가 있는데, 이는 ABF의 두께 편차가 심한데서 연유한 것으로 판단된다. 추후 ABF의 두께 편차를 출이는 공정 개발이 필요할 것으로 보인다.</p><h2>3.2 모사 기판을 통한 방열 효과 비교</h2><p>Fig. 4(a)는 고출력 전자패키지를 모사한 샘플의 평면 광학 이미지이고, Fig. 4(b)는 Cross Section Polisher(IB-19520CCP, JEOL社)로 가공한 후의 단면 광학 이미지로, glass reflow를 통해 유 리가 \( 100 \mu \mathrm{m} \) 깊이의 실리콘 트렌치에 잘 채워져 있음을 알 수 있다. 이를 통해 \( 5 \mathrm{~mm} \times 5 \mathrm{~mm} \) 크기의 실리콘 칩이 실리콘 기판과 isolation되어 매립된 칩의 모사가 되었다. 다만 트렌치의 엣지부가 약간 깨져 있는데 아마도 액화된 유리의 첨단부가 표면장력에 의해 트렌치 바닥의 귀퉁이를 완전히 채우지 못하고 polishing 시 damage를 입은 것으로 보인다.</p><p>Fig. 4(c)와 (d)는 \( 100{ }^{\circ} \mathrm{C} \) hot plate 위에 올려놓은 고출력 전자패키지를 모사한 샘플(Fig. 1(d) 참고)과 기존 플립칩 패키지를 모사한 샘플(Fig. 1(f) 참고)의 방열 특성을 열화상 카메라를 이용하여 비교한 결과이다. 각 "커서 1 "은 샘플 영역 중 가장 높은 온도를, "커서 2"는 주변 hot plate의 온도를 측정한 위치를 나타낸다. Table 1 과 같이 두 측정 모두 hot plate 온도가 \( \sim 99^{\circ} \mathrm{C} \) 로 동일함을 알 수 있고, 시뮬레이션 결과와 유사한 경향으로 고출력 전자패키지를 모사한 샘플의 온도가 플립칩 패키지를 모사한 샘플보다 약 \( 2{ }^{\circ} \mathrm{C} \) 낮고, 열이 더 고르게 분산되어 있음을 확인할 수 있다. 이를 통해 고출력 전자패키지의 방열 특성이 기존 플립칩 패키지 대비 우수한 것으로 판단된다.</p>
|
[
"캐리어 웨이퍼의 debonding 시 발생할 수 있는 문제는 무엇인가?",
"\"커서 1\"이 의미하는 것은 샘플 영역 중 가장 낮은 온도인가?",
"액화된 유리의 첨단부가 트렌치 바닥의 귀퉁이를 완전히 채우지 못한 이유는 무엇 때문인가?",
"추후 ABF의 두께 편차를 출이는 공정 개발이 필요한 원인은 무엇이 심하기 때문인가?",
"기존 플립칩 패키지 대비 고출력 전자패키지가 더 우수한 것은 무엇인가?",
"고출력 전자패키지를 모사한 샘플의 온도가 플립칩 패키지를 모사한 샘플보다 약 몇\\( { }^{\\circ} \\mathrm{C} \\) 낮은가?",
"임시 접합용 테이프로는 크게 UV 테이프와 열박리 테이프가 있나?",
"UV 테이프와 열박리 테이프를 통틀어 무엇이라고 하는가?",
"열박리 테이프는 UV테이프에 비해 소자에 몇\\( ^{\\circ} \\mathrm{C} \\) 의 열을 주는가?",
"열박리 테이프가 박형화 된 대면적 웨이퍼에 적합한 이유는 무엇인가?",
"잔류 점착력이 사라지는 것은 어떤 테이프의 특징인가?",
"박형화 된 대면적 웨이퍼는 어떤 위험성이 높은가?",
"박형화 된 대면적 웨이퍼는 약간의 힘에도 파손될 위험성이 높은가?",
"back-grinding은 무엇을 이용하는가?",
"back-grinding은 양면 열박리 테이프 기반 임시 접합 공정을 이용하는가?",
"8 인치 실리콘 기판 뒷면에 드러나 있는 것은 무엇인가?",
"8 인치 실리콘 기판 뒷면에 드러나 있는 것은 무엇인가?",
"Fig. 3(b)는 어떤 현미경 이미지인가?",
"Fig. 3(b)는 \\( 50 \\mathrm{~mm} \\) 두께로 back-grinding된 모습을 보여주는가?",
"다음 공정이 무엇인가?",
"\\( \\mathrm{Cu}\\) 도금으로 무엇을 형성할 수 있는가?",
"\\( \\mathrm{Cu}\\) 도금으로 방열층을 형성할 수 있는가?",
"캐리어 웨이퍼의 debonding 시 발생할 수 있는 박형화된 웨이퍼의 문제는 무엇인가?",
"캐리어 웨이퍼의 debonding 시 박형화된 웨이퍼의 warpage 문제가 발생할 수 있는가?",
"\\( \\mathrm{Cu}\\) 레이어가 없을 경우 Fig. 2(b)와 같이 warpage가 심하게 발생하는가?",
"Fig. 2(b)와 같이 warpage가 심하게 발생하는 경우는 무엇이 없을 때인가?",
"Warpage가 일어나는 가장 큰 요인은 무엇인가?",
"Warpage가 일어나는 가장 큰 요인은 두꺼운 ABF 필름에 의해 발생하는 무엇 때문인가?",
"compressive stress가 발생하는 원인은 무엇인가?",
"compressive stress가 발생하는 원인은 두꺼운 ABF 필름 때문인가?",
"tensile stress의 \\( \\mathrm{Cu}\\) 도금막이 상쇄할 수 있는 계산된 두께는 \\(20\\mu \\mathrm{m} \\)인가?",
"\\( 10 \\mu \\mathrm{m} \\)만큼 무엇을 도금해야 하는가?",
"\\( 10 \\mu \\mathrm{m} \\)만큼 도금해야 하는 것은 \\( \\mathrm{Cu}\\)인가?",
"\\( 10 \\mu \\mathrm{m} \\)는 어떤 두께인가?",
"어떤 과정을 통해 캐리어 웨이퍼로부터 최종적인 고출력 전자패키지를 debonding 할 수 있었는가?",
"\\( \\mathrm{Cu}\\) 를 도금 한 후 어디에 기판을 두었는가?",
"\\( \\mathrm{Cu}\\) 를 도금 하기 전에 hot plate 위에 기판을 두어야 하는가?",
"Fig. 3(d)는 무엇의 최종 모습인가?",
"Fig. 3(d)의 warpage는 ABF의 두께 편차가 심한것이 원인이 되어 나타난 것인가?",
"Fig. 4(a)는 고출력 전자패키지를 모사한 샘플의 입체 광학 이미지였어?",
"Fig. 4(a)는 무엇을 모사한 샘플의 평면 광학 이미지인가?",
"Fig. 4(a)는 무엇을 모사한 샘플의 평면 광학 이미지인가?",
"Fig. 4(b)는 Cross Section Polisher로 가공한 후의 단면 광학 이미지인가?",
"Fig. 4(b)는 무엇으로 가공한 후의 단면 광학 이미지인가?",
"Fig. 3(b)는 웨이펴의 단면을 폴리싱 후 관찰한 광학현미경 이미지인가?",
"Fig. 4(b)는 Cross Section Polisher로 가공한 후의 어떤 이미지인가?",
"무엇을 통해 유리가 \\( 100 \\mu \\mathrm{m} \\) 깊이의 실리콘 트렌치에 잘 채워져 있음을 알 수 있는가?",
"Glass reflow를 활용하면 유리가 \\( 100 \\mu \\mathrm{m} \\) 깊이의 실리콘 트렌치에 잘 채워져 있음을 알 수 있는가?",
"무엇을 통해 유리가 \\( 100 \\mu \\mathrm{m} \\) 깊이의 실리콘 트렌치에 잘 채워져 있음을 알 수 있는가?",
"유리가 채워져 있는 실리콘 트렌치의 깊이는 몇\\( \\mu \\mathrm{m} \\)인가?",
"유리가 채워져 있는 실리콘 트렌치의 깊이는 \\( 200 \\mu \\mathrm{m} \\)인가?",
"유리가 채워져 있는 실리콘 트렌치의 깊이는 몇\\( \\mu \\mathrm{m} \\)인가?",
"유리가 채워져 있는 곳은 실리콘 트렌치인가?",
"glass reflow를 통해 유리가 어디에 잘 채워져 있음을 알 수 있는가?",
"실리콘 트렌치에 채워져 있는 것은 무엇인가?",
"실리콘 트렌치에 채워져 있는 것은 유리인가?",
"실리콘 트렌치에 채워져 있는 것은 무엇인가?",
"추후 필요한 공정 개발은 ABF의 두께 편차를 늘리는 공정 개발인가?",
"추후 ABF의 두께 편차를 출이는 공정 개발이 필요한 원인이 되는 것은 무엇인가?",
"추후 ABF의 두께 편차를 출이는 공정 개발이 필요한 이유는 ABF의 두께 편차 때문인가?",
"어떤 크기의 실리콘 칩이 실리콘 기판과 isolation되어 매립된 칩의 모사가 되었는가?",
"어떤 크기의 실리콘 칩이 실리콘 기판과 isolation되어 매립된 칩의 모사가 되었는가?",
"실리콘 기판과 isolation되어 매립된 칩의 모사가 된 실리콘 칩의 크기는 \\( 5 \\mathrm{~mm} \\times 5 \\mathrm{~mm} \\)인가?",
"\\( 5 \\mathrm{~mm} \\times 5 \\mathrm{~mm} \\) 크기의 실리콘 칩이 isolation된 기판은 티타늄 기판인가?",
"\\( 5 \\mathrm{~mm} \\times 5 \\mathrm{~mm} \\) 크기의 실리콘 칩이 어떤 기판과 isolation 되었는가?",
"\\( 5 \\mathrm{~mm} \\times 5 \\mathrm{~mm} \\) 크기의 실리콘 칩이 실리콘 기판과 어떤 상호작용을 이루었는가?",
"깨져있는 부분은 어떤 부분이었는가?",
"트렌치의 엣지부가 약간 깨져 있었는가?",
"트렌치의 어떤 부분이 약간 깨져 있는가?",
"트렌치의 엣지부가 약간 깨져 있는 원인은 무엇인가?",
"트렌치의 엣지부가 약간 깨져 있는 이유는 액화된 유리의 첨단부가 트렌치 바닥의 귀퉁이를 완전히 채우지 못했기 때문이야?",
"액화된 유리의 첨단부가 트렌치 바닥의 귀퉁이를 완전히 채우지 못한 이유는 무엇 때문인가?",
"트렌치의 엣지부는 무엇을 할 때 damage를 입은 것으로 보이는가?",
"트렌치의 엣지부는 polishing 시 damage를 입었는가?",
"트렌치의 엣지부는 무엇을 할 때 damage를 입은 것으로 보이는가?",
"Fig. 4(c)와 (d)는 \\( 100{ }^{\\circ} \\mathrm{C} \\) hot plate 위에 올려놓은 고출력 전자패키지를 모사한 샘플과 기존 플립칩 패키지를 모사한 샘플의 방열 특성을 무엇으로 비교한 결과인가?",
"Fig. 4(c)와 (d)는 \\( 100{ }^{\\circ} \\mathrm{C} \\) hot plate 위에 올려놓은 고출력 전자패키지를 모사한 샘플과 기존 플립칩 패키지를 모사한 샘플의 방열 특성을 무엇으로 비교한 결과인가?",
"Fig. 4(c)와 (d)에서 \\( 100{ }^{\\circ} \\mathrm{C} \\) hot plate 위에 올려놓은 고출력 전자패키지를 모사한 샘플과 기존 플립칩 패키지를 모사한 샘플의 방열 특성을 비교하기 위해 자외선 카메라를 사용하였는가?",
"Fig. 4(c)와 (d)에서 hot plate는 몇\\( { }^{\\circ} \\mathrm{C} \\)인가?",
"Fig. 4(c)와 (d)에서 hot plate는 \\(100 { }^{\\circ} \\mathrm{C} \\)인가?",
"Fig. 4(c)와 (d)에서 hot plate는 몇\\( { }^{\\circ} \\mathrm{C} \\)인가?",
"\"커서 1\"이 의미하는 것은 무엇인가?",
"\"커서 1\"이 의미하는 것은 무엇인가?",
"샘플 영역 중 가장 높은 온도를 의미하는 것은 무엇인가?",
"샘플의 영역 중 가장 높은 온도를 의미하는 것은 무엇인가?",
"주변 hot plate의 온도를 측정한 위치를 나타내는 것은 \"커서 2\"인가?",
"\"커서 2\"는 무엇을 측정한 위치를 나타내는가?",
"주변 hot plate의 온도를 측정한 위치를 나타내는 것은 무엇인가?",
"주변 hot plate의 온도를 측정한 위치를 나타내는 것은 \"커서 2\"인가?",
"Table 1 과 같이 두 측정 모두 hot plate 온도가 몇\\( \\sim ^{\\circ} \\mathrm{C} \\)임을 알 수 있는가?",
"Table 1 에서 한 측정만 hot plate 온도가 \\( \\sim 99^{\\circ} \\mathrm{C} \\) 였는가?",
"Table 1 에서 두 측정 모두 hot plate 온도가 몇\\( \\sim ^{\\circ} \\mathrm{C} \\) 로 동일함을 알 수 있는가?",
"고출력 전자패키지를 모사한 샘플의 온도가 플립칩 패키지를 모사한 샘플보다 약 몇\\( { }^{\\circ} \\mathrm{C} \\) 낮은가?",
"고출력 전자패키지를 모사한 샘플의 온도가 플립칩 패키지를 모사한 샘플보다 약 \\( 2{ }^{\\circ} \\mathrm{C} \\) 낮은 것은 시뮬레이션 결과와 반대되는 경향인가?",
"Table 1에서 고출력 전자패키지를 모사한 샘플 무엇이 더 고르게 분산되어 있음을 확인할 수 있는가?",
"열이 더 고르게 분산되어 있는 샘플은 무엇을 모사한 샘플인가?",
"온도가 약 \\( 2{ }^{\\circ} \\mathrm{C} \\) 더 낮은 샘플은 무엇을 모사한 샘플인가?",
"열이 더 고르게 분산되어 있는 샘플은 플립칩 패키지를 모사한 샘플인가?",
"기존 플립칩 패키지 대비 고출력 전자패키지가 더 우수한 것은 무엇인가?",
"Table 1을 통해 판단할 수 있는 것은 무엇인가?",
"입시 접합용 테이프의 종류는 무엇이 있는가?",
"UV 테이프와 열박리 테이프를 통틀어 무엇이라고 하는가?",
"열박리 테이프의 단점은 무엇인가?",
"UV테이프의 단점은 열박리 테이프에 비해 소자에 \\( 150^{\\circ} \\mathrm{C} \\) 의 열을 준다는 점인가?",
"열박리 테이프는 UV테이프에 비해 소자에 몇\\( ^{\\circ} \\mathrm{C} \\) 의 열을 주는가?",
"잔류 점착력이 거의 사라지는 것은 UV테이프의 특징인가?",
"잔류 점착력이 거의 사라지는 것은 어떤 테이프의 특징인가?",
"열박리 테이프가 박형화 된 대면적 웨이퍼에 적합한 이유는 잔류 점착력이 매우 강하기 때문인가?",
"열박리 테이프가 박형화 된 대면적 웨이퍼에 적합한 이유는 무엇이 거의 사라지기 때문인가?",
"Fig. 3(b)는 웨이펴의 단면을 어떻게 한 이후 관찰한 광학현미경 이미지인가?",
"Fig. 3(b)는 몇\\( \\mathrm{~mm} \\) 두께로 back-grinding된 모습을 보여주는가?",
"Fig. 3(b)는 몇\\( \\mathrm{~mm} \\) 두께로 back-grinding된 모습을 보여주는가?",
"무엇을 통해 핸들링은 물론, 다음 공정인 \\( \\mathrm{Cu}\\) 도금으로 방열층을 형성할 수 있는가?",
"어떤 도금으로 방열층을 형성할 수 있는가?",
"Warpage가 일어나는 가장 큰 요인은 두꺼운 ABF 필름 \\( (\\sim 40 \\mu\\mathrm{~m}) \\) 에 의한 compressive stress 때문인가?",
"compressive stress를 발생시키는 원인은 무엇인가?",
"tensile stress의 \\( \\mathrm{Cu}\\) 도금막이 상쇄할 수 있는 계산된 두께는 몇\\(\\mu \\mathrm{m} \\)인가?",
"tensile stress의 \\( \\mathrm{Cu}\\) 도금막이 상쇄할 수 있는 계산된 두께는 몇\\(\\mu \\mathrm{m} \\)인가?",
"hot plate는 몇\\( { }^{\\circ} \\mathrm{C} \\)로 사용하는가?",
"\\( \\mathrm{Cu}\\) 를 도금 한 후 어디 위에 기판을 올려야 하는가?",
"Fig. 3(d)는 무엇의 최종 모습을 나타내고 있는가?",
"기판을 올릴 때 hot plate의 온도는 몇\\( { }^{\\circ} \\mathrm{C} \\)여야 하는가?",
"Fig. 3(d)에서 나타나는 약간의 warpage는 어디서 연유한 것인가?",
"Fig. 3(d)의 warpage는 무엇의 두께 편차가 원인인가?",
"Fig. 4(a)는 고출력 전자패키지를 모사한 샘플의 어떤 이미지인가?",
"Fig. 4(a)는 고출력 전자패키지를 모사한 샘플의 어떤 이미지인가?",
"Fig. 4(b)는 Cross Section Polisher로 가공한 후의 어떤 이미지인가?",
"Fig. 4(b)는 무엇으로 가공한 후의 단면 광학 이미지인가?",
"glass reflow를 통해 유리가 어디에 채워져 있음을 알 수 있는가?",
"추후에 필요한 공정 개발은 무엇인가?",
"액화된 유리의 첨단부가 트렌치 바닥의 귀퉁이를 완전히 채우지 못한 이유는 표면장력 때문인가?",
"\"커서 2\"가 의미하는 것은 무엇인가?",
"고출력 전자패키지를 모사한 샘플의 온도가 플립칩 패키지를 모사한 샘플보다 약 \\( 2{ }^{\\circ} \\mathrm{C} \\) 낮은가?",
"주변 hot plate의 온도를 측정한 위치를 나타내는 것은 무엇인가?",
"8 인치 실리콘 기판 뒷면에 \\( \\mathrm{SiC}\\) dummy 칩들이 드러나 있음을 어떻게 알 수 있는가?",
"8 인치 실리콘 기판 뒷면에 \\( \\mathrm{SiC}\\) dummy 칩들이 드러나 있는가?",
"무엇이 없는 경우 Fig. 2(b)와 같이 warpage가 심하게 발생할 수 있는가?",
"\\( \\mathrm{Cu}\\) 레이어가 없을 경우 초래될 수 있는 결과는 무엇인가?",
"기판을 올릴 때 hot plate의 온도는 \\( 150{ }^{\\circ} \\mathrm{C} \\)여야 하는가?",
"\\( 10 \\mu \\mathrm{m} \\)만큼 도금해야 하는 것은 무엇인가?",
"Fig. 3(d)는 고출력 전자패키지의 최종 모습을 나타내는가?",
"고출력 전자패키지의 방열 특성이 기존 플립칩 패키지 대비 우수한가?",
"샘플 영역 중 가장 높은 온도를 나타내는 것은 \"커서 1\"인가?"
] |
b14a737a-7afd-4319-89cf-1a539a4c23f8
|
인공물ED
|
양면 열박리 테이프 기반 임시 접합 공정을 이용한 대면적 웨이퍼 레벨 고출력 전자패키지
|
<h1>4. 결 론</h1><p>본 연구에서는 embedded IC process로 제작된 8인치 기판을 양면 열박리 테이프를 이용하여 캐리어 웨이퍼에 임시 접합한 후 기판를 박형화하고, 박형화된 기판에 \( \mathrm{Cu}\) 도금으로 방열층을 형성한 후 캐리어 웨이퍼를 박리하여 성공적으로 고출력 전자패키지를 구현하였다. 제작된 고출력 전자패키지의 방열 효과를 증명하기 위해 고출력 전자패키지와 기존 플립칩 패키지를 모사한 샘플을 제작하고 열화상 카메라로 방열 효과를 비교하였고 고출력 전자패키지의 방열이 기존 플립칩 대비 우수함을 보였다. 본 연구를 통해 개발된 기술은 향후 고방열을 위한 고출력 전자패키지의 상용화에 기여할 것으로 판단된다.</p>
|
[
"본 연구에서 기판을 박형화할 때 어디에 임시 접합시켰어?",
"본 연구에서 박형화된 기판에 무엇을 함으로써 방열층을 형성했어?",
"어떻게 박형화된 기판에 방열층을 형성해?",
"제작된 고출력 전자패키지의 방열 효과를 비교할 때 무슨 장비를 사용했어?",
"본 연구에서 사용한 8인치 기판은 무엇으로 제작되었어?",
"기존 플립칩과 고출력 전자패키지 중 더 우수한 방열 효과를 보이는 건 뭐야?"
] |
6cab2671-9932-4a66-9b7e-85392aab7c60
|
인공물ED
|
양면 열박리 테이프 기반 임시 접합 공정을 이용한 대면적 웨이퍼 레벨 고출력 전자패키지
|
<h1>1. 서 론</h1><p>최근 LED, 레이더 등 고출력 소자의 수요가 증가하고 있다. 이런 고출력 소자는 필연적으로 전자기기의 수명단축과 성능저하, 고장 등의 주된 원인이 되는 열을 발생시키기 때문에 열을 외부로 효과적으로 배출시킬 수 있는 방열기술이 큰 이슈가 되고 있으며, 미래의 전자기기들이 보다 경박단소, 다기능화될 것으로 예상되기 때문에 열 관리기술의 필요성과 중요성이 점점 더 커질 것으로 보인다. 실제로 현재 시판 중인 LED 패키지나 IGBT 전력반도체 패키지의 경우, 발열량이 핵반응로와 유사하며, 향후 보다 고출력, 고집적화가 이루어짐에 따라 발열량이 더 높아질 것임을 쉽게 예상할 수 있다. 이와 같은 이유로 예전부터 방열을 위해 많은 방법들이 시도되고 있으며, 최근 실리콘 웨이퍼에 고출력 소자를 매립하는 웨이퍼 레벨 패키지 방식인 embedded IC process가 제안되었다. 하지만 8 인치 이상의 대면적에서는 \( 100 \mu \mathrm{m} \) 이하의 두께로 박형화된 웨이퍼의 경우 웨이퍼 warpage로 인해 웨이퍼 핸들링을 포함한 추가적인 공정에 한계가 있다. 반도체 및 센서 분야에서 through-siliconvia(TSV), interposer 등을 기반으로 웨이퍼 레벨 3D 패키징이 주목반으면서, 박형화된 웨이퍼의 적층 등을 위해 캐리어 웨이퍼의 임시 접합 공정이 개발되고 있다. 이에 본 연구에서는 공정이 매우 간단한, 양면 열박리 테이프(double-sided thermal release tape)를 이용한 임시 접합 공정 기술(temporary bonding and debonding, TBDB)을 개발하고자 하였다. 그것을 기반으로 8인치 웨이퍼 레벨 고출력 전자 폐키지를 구현하였고, 실재 소자 칩의 발열을 모사한 실험을 통해 방열 효과를 확인하였다.</p>
|
[
"필연적으로 전자기기의 수명단축과 성능저하, 고장 등의 주된 원인이 되는 열을 발생시키는 소자를 무엇이라 합니까?",
"고출력 소자는 열을 발생시키기 때문에 열을 외부로 효과적으로 배출시킬 수 있는 방법을 무엇이라 합니까?",
"임시 접합 공정 기술을 개발하는게 무엇을 이용하였습니까?"
] |
97efb657-adb3-4e73-bee4-9e95f00c7a21
|
인공물ED
|
빔 스위칭을 이용한 24 GHz 장거리 탐지용 레이다 송신기
|
<h1>III. 안테나 및 전력 분배기 설계</h1> <h2>3-1 양방향 급전 마이크로스트립 팬빔 배열 인테나 설계</h2> <p>장거리의 목표물을 탐지하기 위해서는 높은 EIRP를 갖는 송신 모듈을 구현해야 한다. 고 이득 안테나는 직렬 급전 방식의 마이크로스트립 배열 안테나를 2 열로 배치하여 구현하였다. \( 0^{\circ} \) 방향을 탐지하는 안테나는 단일 방향 급전 구조로, \( 0^{\circ} \) 를 제외한 \( -15^{\circ} \sim+15^{\circ} \) 각도를 탐지하는 안테나는 양방향 급전 구조로 구성했다. 하향빔은 그림 2 에서 상위 포트에서 급전하며, 복사 패치 간 급전 길이를 \( \frac{\lambda}{2}+\theta \) 로 늘려 구현하였으며, 대칭성을 이용해 상향빔은 하위 포트에서 급전해 구현하였다. 안테나는 Rogers사의 Ro5880 10 mil 기판에 설계하였다.</p> <p>그림 3은 설계된 안테나의 상하 방사패턴이다. 표 1 은 각 안테나의 이득을 정리하였고, 모든 안테나의 SLL은 \( 10 \mathrm{~dB} \) 이상이 되도록 설계하였다.</p> <table border><caption>표 1. 안테나의 시뮬레이션 결과</caption> <tbody><tr><td>degree</td><td>Gain</td></tr><tr><td>\( -13.2^{\circ} \)</td><td>\( 20.99 \mathrm{dBi} \)</td></tr><tr><td>\( -9^{\circ} \)</td><td>\( 21.16 \mathrm{dBi} \)</td></tr><tr><td>\( -4.5^{\circ} \)</td><td>\( 20.88 \mathrm{dBi} \)</td></tr><tr><td>\( 0^{\circ} \)</td><td>\( 21.47 \mathrm{dBi} \)</td></tr><tr><td>\( 4.5^{\circ} \)</td><td>\( 20.87 \mathrm{dBi} \)</td></tr><tr><td>\( 9^{\circ} \)</td><td>\( 21.16 \mathrm{dBi} \)</td></tr><tr><td>\( 13.2^{\circ} \)</td><td>\( 20.98 \mathrm{dBi} \)</td></tr></tbody></table> <p>그림 4는 설계된 안테나의 반사 손실 그래프이다. 모든 안테나는 송신 보드의 동작 주파수인 \( 24 \sim 24.25 \mathrm{GHz} \) 에서 반사손실이 \( -12 \mathrm{~dB} \) 이하로 설계하였다.</p> <h2>3-2 마이크로스트립 전력 분배기 설계</h2> <p>단일 신호원으로부터 섹터별 지향 안테나에 고주파 신호를 전달하기 위해 그림 5 의 간단한 구조의 마이크로스트립 선로 전력 분배기를 구현하였닫]. 마이크로스트립 전력 분배기의 특성 임피던스 \( Z_{1} \) 은 식 (1)에 의해 계산된다.</p> <p>\( Z_{1}=\frac{Z_{2}}{N} \)<caption>(1)</caption></p> <p>여기서 \( Z_{2} \) 는 다중 병렬 마이크로스트립 출력 라인의 특성 임피던스이며, \( N \) 은 출력 포트 수이다. 본 논문에서는 \( Z_{0}, Z_{2} \) 는 \( 50 \Omega, 4 \) 포트 분배기의 \( Z_{1} \) 은 \( 12.5 \Omega, 3 \) 포트 분배기의 \( Z_{1} \) 은 \( 16.67 \Omega \) 으로 설계하였다. 마이크로스트립 전력 분배기는 안테나와 같은 ANSYS사 HFSS EM 시뮬레이션을 통하여, Roger사의 Ro5880 \( 10 \mathrm{mil} \) 기판에 설계하였다. 그림 6(a)는 설계된 3포트 마이크로스트립 전력 분배기 모델이고, 그림 6(b)는 4포트 마이크로스트립 전력 분배기 모델이다.</p> <h2>3-3 게이트 전압 조절을 위한 전압 가산 회로 설계</h2> <p>모든 전력증폭기를 동시에 동작시킬 수도 있지만 고각정보를 획득하기 위해 전력증폭기를 스위칭하여 각 안테나의 빔을 순차적으로 송신한다. 섹터별 빔의 고각 범위보다 정확한 앙각 정보는 수직 2채널 수신기를 사용해 추정할 예정이다. 순차적 빔 조향을 위해서 스위치 대신 전력증폭기를 직접 스위칭하는 방식을 선택하였다. 스위치를 사용하는 경우, 전력증폭기를 하나만 사용해도 되는 장점이 있으나, 스위치에서 전력 제한이 생겨 대전력 구동이 힘들다. 스위치와 안테나 사이에 전력증폭기를 두면 구동전력을 키울 수 있으나, 스위치와 전력증폭기를 동시에 on-off 시켜야 하며, 스위치 및 추가 선로에 의한 손실이 큰 것으로 확인되었다. 아울러, \( 24 \mathrm{GHz} \) 에서 스위치는 대부분 bare die 형태로 제공되어 제작의 용이성이 떨어져, 전력증폭기를 직접 스위칭하는 방식을 선택하였다. 대전력 증폭기는 on-off 시에 입력 임피던스를 Anritsu 사의 MS4647A \( \mathrm{VNA} \) 로 측정결과, off-state일 때 \( 54.34 \Omega \) 으로 변화가 크지 않음이 실험적으로 확인되었기 때문에 구동 증폭단의 전력은 on-off에 관계 없이 분배 채널 수만큼 감쇄되어 전력증폭기에 공급되게 된다. 따라서, 전력분배기에서 감쇄는 감안하여 전체 송신단의 이득을 구현하였다.</p> <p>대전력 증폭기는 화합물 반도체로 구현되었기 때문에 정상 동작상태에서는 \( -0.8 \mathrm{~V} \), 차단 상태에서는 \( -2.5 \mathrm{~V} \) 를 번갈아 인가해야 한다. 이 전압은 음전압 레귤레이터와 \( \mathrm{OP} \mathrm{AMP} \) 를 이용한 전압 가산 회로를 구성하여 구현하였으며, 제어신호는 FPGA를 사용해 구현하였다.</p> <p>그림 7은 전압 가산 회로이다. \( \operatorname{Vin}(1) \) 쪽에 \( -1.7 \mathrm{~V} \) 와 \( 0 \mathrm{~V} \) 를 번갈아 인가 해주고, \( \mathrm{V}_{i n} \) (2) 쪽에는 \( -0.8 \mathrm{~V} \) 를 고정으로 인가하여 최종 \( \mathrm{V}_{\text {outt }} \) 은 식 (2)에 의해서 결정된다. 이를 이용하여 게이트 전압을 \( -0.8 \mathrm{~V} \) 와 \( -2.5 \mathrm{~V} \) 로 조절하였다.</p> <p>\( V_{\text {out }}=-R 3\left(\frac{V_{\text {in }(1)}}{R 1}+\frac{V_{\text {in }(2)}}{R 2}\right) \)<caption>(2)</caption></p> <p>그림 8(a)는 게이트 전압과 전력증폭기의 \( 24 \mathrm{GHz} \) 출력을 오실로스코프로 측정한 결과이고, 그림 8(b)는 게이트 전압과 전력증폭기 출력의 시작 지점을 확대하여 측정한 결과이다. 게이트 전압을 \( 30 \mu s \) 보다 짧게 변화시키면, 전력증폭기 출력에서 채터링 현상이 일어나게 되어 이를 방지하기 위하여 직렬 저항으로 댐핑 상수를 조절하였다. 이상적으로는 게이트를 더 빠르게 스위칭할 수 있으나, 증폭기의 안정성을 위해 게이트에 필요한 바이패스 용량 때문에 스위칭 속도에 제한이 있다. 본 연구에서는 게이트 바이패스 용량을 감소시키며, 안정성과 스위칭 타임을 최적화하였다.</p>
|
[
"하나의 신호원에서 발생하는 고주파 신호를 안테나에 전달하기 위해 어떻게 하였나요?",
"고전력 증폭기의 특성을 구현하기 위한 전압 가산 회로는 어떻게 구성되나요?",
"그림 7에 나타난 회로는 어떻게 게이트 전압을 \\( -0.8 \\mathrm{~V} \\) ,\\( -2.5 \\mathrm{~V} \\)로 조절하나요?",
"고전력 증폭기의 동작과 차단시 전압 차이는 어떻게 일어나나요?",
"전력증폭기의 출력,게이트 전압을 어떻게 측정하나요?",
"채터링 현상을 전력증폭기에서 구현하려면 어떻게 해야하나요?",
"구현된 전압 가산회로는 정상 동작상태에서는 \\( -0.8 \\mathrm{~V} \\), 차단 상태에서는 \\( -2.5 \\mathrm{~V} \\)를 구현하기 위해 어떻게 작동하나요?",
"반도체 제작으로 인한 고전력 증폭기의 동작 형태에 따른 전압 변화의 제어신호는 어떻게 구현했나요?",
"반도체 특성으로 일어나는 전압의 변화는 어떻게 구현하였나요?",
"어떻게 이론상 나타난 최고 속도를 구현할 수 없게 되었나요?",
"회로에 긍정적인 영향을 미치는 범위까지 바이패스 용량을 줄이면 어떻게 되나요?",
"짧게 게이트 전압을 만들면 생기는 현상을 어떻게 방지하나요?",
"증폭기의 안전성을 생각해서 어떻게 조절하나요?",
"회로 설계에서 안정성과 스위칭 타임 최적화는 어떻게 이루나요?",
"고전력 증폭기의 어떤 방식의 작동이 전력분배기의 감쇄를 결정하나요?",
"스위치를 사용하는 빔 조향에서 구동 전력을 높이기 위해 어떻게 해야하나요?",
"전력 증폭기를 안테나, 스위치 사이에 두면 어떻게 되나요?",
"논문에서 사용할 \\( 24 \\mathrm{GHz} \\) 에서 스위치는 어떤 방식으로 제공되나요?",
"어떻게 문제가 발생하여 \\( 24 \\mathrm{GHz} \\) 에서 스위치는 사용되지 않나요?",
"고전력 증폭기가 상태 변환시 분배 채널 수만큼 감쇄되어 전력증폭기에 공급되는 것을 감안하여 어떻게 게이트 전압 조절을 위한 전압 가산 회로 설계를 하나요?",
"고전력 증폭기의 on-off 시 해당 입력 임피던스를 어떻게 측정하나요?",
"고전력 증폭기의 전력의 공급 방식은 어떻게되나요?",
"스위치를 사용하는 대신 전력증폭기를 스위칭하는 방식을 선택하는 과정은 어떻게 보여지나요?",
"어떻게 제안된 대전력 증폭기를 측정하나요?",
"고전력 증폭기에서 on-off할 때 전력은 어떻게 흐르나요?",
"고전력 증폭기에서 on-off할 때의 입력 임피던스 측정에서 off상태는 어떠헥 나오나요?",
"어떻게 고전력 증폭기가 상태에 무관하게 전력이 공급되나요?",
"전력 증폭기를 어떻게 배치하면 스위치 사용할 경우 생기는 전력 제한을 해결할 수 있나요?",
"목표물을 먼거리에서 탐지하려면 어떻게 해야하나요?",
"먼 거리의 목표 탐지를 위한 안테나는 어떻게 구현되나요?",
"송신모듈 구현에서 하향빔의 dispatch는 어떻게 구현되나요?",
"설계에서 모든 안테나의 SLL을 어떻게 나오도록 하였나요?",
"먼 거리의 목표를 탐지허는 \\( 0^{\\circ} \\) 방향을 대상으로 한 안테나는 어떻게 구성했나요?",
"먼 거리 물체 감지용으로 \\( 0^{\\circ} \\) 를 제외한 \\( -15^{\\circ} \\sim+15^{\\circ} \\) 각도를 대상으로 하는 안테나는 어떻게 구성했나요?",
"마이크로스트립 방식으로 제작한 전력 분배기는 어떻게 설계되나요?",
"그림5의 나타낸 전력 분배기의 특성 임피던스는 어떻게 나타내나요?",
"그림 5에 나타낸 마이크로스트립 방식의 선로 전력 분배기는 어떻게 사용되나요?",
"빔 조향을 순서대로 하는 방법은 전력 증폭기를 사용하는대신 어떻게도 할 수 있나요?",
"빔 조향을 순차적으로 할때 스위치를 사용하면 어떻게 되나요?",
"빔 조향을 순차적으로 하기 위해서 어떻게 하나요?",
"반사손실을 고려하여 설계된 안테나는 \\( 24 \\sim 24.25 \\mathrm{GHz} \\) 에서 어떻게 작동하나요?",
"전력 증폭기 작동에서 고각정보 획득하려면 어떻게 해야하나요?",
"전압 가산 회로의 설계에서 모든 전력 증폭기는 어떻게 동작하나요?",
"표1에서 \\( -4.5^{\\circ} \\)일때의 Gain의 \\({dBi} \\)은 얼마인가요?",
"해당 표에서 degree값이 -9일때 Gain 값은 어떻게 되나요?",
"표1에서 \\( 0^{\\circ} \\)일때의 Gain의 \\({dBi} \\)은 얼마인가요?",
"해당 표에서 degree값이 -13.2일때 Gain 값은 어떻게 되나요?",
"해당 표에서 degree의 값이 \\( 4.5^{\\circ} \\)일때의 Gain의 \\({dBi} \\)은 얼마인가요?",
"해당 표에서 degree의 값이 \\( 9^{\\circ} \\)일때의 Gain의 \\({dBi} \\)은 얼마인가요?",
"해당 표에서 degree의 값이 최대일때의 Gain의 \\({dBi} \\)은 얼마인가요?",
"안테나의 시뮬레이션 결과표에서 Gain 값의 기본단위는 어떻게 되나요?",
"해당 표에서 Gain값이 최소일때 각도는 얼마인가요?",
"해당 표에서 Gain값이 최대 일때 각도는 얼마인가요?"
] |
7e136d2d-cfa9-4355-83d5-90c7a0949631
|
인공물ED
|
PMSG를 이용한 풍력 발전 시스템의 3병렬 운전과 계통 연계 기술
|
<h1>3. 시뮬레이션</h1> <p>알고리즘의 타당성을 검증하기 위하여 PSIM을 기반으로 시뮬레이션을 수행하였다. 시뮬레이션은 표 1과 같은 조건에서 시행되었다.</p> <table border><caption>표 \( \ \)1 시뮬레이션의 정격 조건</caption> <tbody><tr><td colspan=2>발전기 측</td><td colspan=2>계통 측</td></tr><tr><td>파라미터</td><td>값</td><td>파라미터</td><td>값</td></tr><tr><td>정격 속도</td><td>\( 1500[\mathrm{rpm}] \)</td><td>정격 전압 (선간)</td><td>\( 380~[\mathrm{Vrms}] \)</td></tr><tr><td>정격 토크</td><td>\( 63.66[\mathrm{Nm}] \)</td><td>정격 전류</td><td>\( 15.19~[\mathrm{Arms}] \)</td></tr><tr><td>정격 출력</td><td>\( 10[\mathrm{kW}] \)</td><td>직류단 커패시턴스</td><td>\( 2.4 ~[\mathrm{mF}] \)</td></tr><tr><td>정격 전압</td><td>\( 220[\mathrm{~V}] \)</td><td>레그 인덕턴스</td><td>\( 300~[\mathrm{\mu H}] \)</td></tr><tr><td>정격 전류</td><td>\( 26.24[\mathrm{A}] \)</td><td>필터 인덕턴스 (컨버터 측)</td><td>\( 4.31~[\mathrm{mH}] \)</td></tr><tr><td>직류단 전압</td><td>\( 600~[\mathrm{V}] \)</td><td>필터 인더턴스 (계통 측)</td><td>\( 3~[\mathrm{mH}] \)</td></tr><tr><td>스위칭 주파수</td><td>\( 2[\mathrm{kHz}] \)</td><td>필터 커패시턴스</td><td>\( 7.35~[\mathrm{\mu F}] \)</td></tr></tbody></table> <p>실제 실험과 같은 조건을 만족시키기 위해 스위칭 시점의 차이는 실제 스위치의 datasheet에 나와 있는 정보를 기준으로 \( 1[\mu s]\)로 정하고 허용하는 순환전류의 최대값은 \( 0.1[\mathrm{A}] \)로 설정하여 표 1과 같이 레그 인덕턴스 값을 선정하였다.</p> <p>그림 12 는 시스템의 3 병렬 운전시 계통에 흐르는 전류 크기의 1/3의 값이 전력변환부의 레그에 흐르는 전류의 값과 동일함을 확인할 수 있는 시뮬레이션 파형이다.</p> <p>그림 13은 컨버터 측 전류와 계통 전류, 계통 전류의 리플율을 나타낸다. 계통 전류의 리플율이 \( 1 \% \)가 되도록 LCL필터를 설계함으로써 L필터만 사용했을 때의 인덕턴스 동량을 감소시키고 효과적으로 고조파를 저감할 수 있다는 것을 보여준다. 이 때 무효전력 흡수율 \( (x) \)는 0.04로 결정하였다. 스위칭 리플율이 약 \( 1.2 \% \)가 됨을 확인함으로써 LCL필터 설계가 적절히 이루어졌음을 확인하였다.</p> <p>그림 14는 공진이 발생한 출력 전류 파형을 나타낸다. 3상 출력전류는 필터 파라미터에 의해 계산된 공진 주파수의 같은 \( 800 \mathrm{Hz} \)의 맥동 성분을 가진다. \( d-q \) 동기좌표계로 변환한 전류의 직류 성분은 지령값을 추종하지만 공진에 의한 교류 성분은 심하게 진동한다.</p> <p>본 논문에서 언급한 전력이론을 이용하여 구한 전류 보상성분은 공진에 의한 교류 성분과 같은 주파수와 크기를 가진다. 1초에서 전류의 보상 성분을 주입한 결과 공진에 의한 맥동이 크게 감쇠하였다.</p> <p>그림 15(a)는 계통의 불평형 발생 시 전압과 전류파형을 나타낸다. 불평형 전압에 의해 발생하는 역상분 전류를 \( d-q \) 동기좌표계로 변환한 전류에는 계통 주파수의 2배 \( (120 \mathrm{Hz}) \)의 리플 성분이 존재한다. 그림 15(b)는 계통 전압 불평형 시 보상기법을 적용 했을 때의 전압과 전류 파형이다. 역상분 출력전류 \( \left(I_{d e n}, I_{q e n}\right) \)를 0으로 제어한 결과 동기좌표계로 변환한 전류의 리플 성분이 저감되었다.</p> <p>그림 16(a)는 계통 전압에 \( 8 \% \)의 5고조파가 포함되어 있는 경우의 전압과 전류 파형을 나타낸다. \( d-q \)동기좌표계로 변환한 전류는 계통 주파수 6배의 맥동 성분을 포함하고 5차 고조파 전류 (\( i_{den\_5th}, i_{qen\_5th}\))도 4배의 맥동 형태로 존재한다.</p> <p>그림 16(b)는 5차 왜곡 성분을 보상했을 때의 전압과 전류 파형이다. 5차 고조파 성분을 0으로 제어하였기 때문에 출력전류의 5차 고조파 전류가 저감됨을 확인하였다.</p>
|
[
"표 1에서 발전기 측 스위칭 주파수 파라미터의 값은 얼마인가요?",
"시뮬레이션의 정격 조건에서 발전기 측의 정격 속도는 얼마니?",
"발전기 측의 파라미터가 정격 토크 일때, 시뮬레이션의 정격 조건에서 값은 얼마로 나타나니?",
"시뮬레이션의 정격 조건에서 발전기 측의 파라미터가 정격 출력일 때의 값은 얼마니?",
"발전기 측의 파라미터가 정격 전압일 때 시뮬레이션의 정격 조건에서 값은 얼마로 나타나니?",
"표 1에서 발전기 측의 파라미터가 정격 전류일 때의 값을 알려줄래?",
"시뮬레이션의 정격 조건에서 발전기 측의 파라미터가 직류단 전압일 때의 값은 얼마인가요?",
"표 1에서 파라미터가 정격 전류일 때의 값은 몇으로 나타나?",
"시뮬레이션의 정격 조건에서 계통 측의 파라미터가 직류단 커패시턴스일 때, 값은 얼마니?",
"계통 측의 파라미터가 레그 인덕턴스일 때 표 1에서 값은 얼마로 나타나니?",
"시뮬레이션의 정격 조건표에서 계통 측의 파라미터가 필터 인덕턴스(컨버터 측)일 때, 값을 알려줄래?",
"계통 측의 파라미터 값이 필터 인더턴스 (계통 측)일때 시뮬레이션의 정격 조건에서 값은 몇으로 나타나나요?",
"시뮬레이션의 정격 조건에서 계통측의 파라미터가 필터 커패시턴스일 때의 값을 알려줄래?",
"시뮬레이션 상황을 실제 실험과 같은 조건으로 하기 위하여 스위칭 시점의 차이는 어떻게 정했니?",
"시뮬레이션의 정격 조건표에서 계통 측의 파라미터가 정격 전압일 때의 값은 얼마니?",
"L필터만 이용했을 때 인덕턴스 동량을 감소시키고 효과적으로 고조파를 저감할 수 있다는 것을 알려주기 위해서 어떤 절차를 거쳤니?",
"5차 왜곡 성분을 보상했을 대의 전압과 전류 파형을 볼때, 출력전류의 5차 고조파 전류가 차감됨을 어떻게 확인할 수 있니?"
] |
0410f76a-b5a8-44b0-b061-b7899ffcd68a
|
인공물ED
|
유전체 동축 공진기를 이용한 타원 함수 대역 통과 여파기의 설계
|
<h1>Ⅳ. 실험결과</h1> <p>본 논문에서는 유전체 동축 공진기를 이용하여 중심주파수, 대역폭, 리플과 여파기의 선택도를 변화시켜 타원 함수 여파기를 설계하였다. 설계사양에서 주어진 통과 대역 리플 \( \alpha \)에 의해 \( \varepsilon \)이 결정되며 저지 대역의 감쇄 주파수 \( \omega_{s} \) 또는 modulus \( k \) ( selectivity factor)와 단수 \( n \)에 의해 저지 대역에서의 감쇄량 \( \alpha_{s} \)를 결정하는 저지 대역 감쇄 인자 \( k_{1} \)(stopband attenuation factor)이 결정된다.</p> <p>\( \alpha=10 \log \left(1+\varepsilon^{2}\right)[\mathrm{dB}] \)<caption>(10)</caption></p> <p>\( k=\frac{\omega_{c}}{\omega_{s}} \)<caption>(11)</caption></p> <p>여기서, \( \omega_{c} \)는 차단 주파수이다.</p> <p>\( \alpha_{s}=10 \log \left(1+\varepsilon^{2} / k_{1}^{2}\right) \)<caption>(12)</caption></p> <p>동축 공진기를 사용한 4단 타원 함수 여파기의 설계 사양은 표 1과 같다.</p> <table border><caption>표 1. 4 단 타원 함수 여파기 설계사양 (Qu=350)</caption> <tbody><tr><td>항목</td><td>사양</td></tr><tr><td>단수 n</td><td>4</td></tr><tr><td>중심주파수 \( \mathrm{f}_{0} \)</td><td>\( 1024 \mathrm{MHz} \)</td></tr><tr><td>대역폭</td><td>\( 11 \mathrm{MHz} \)</td></tr><tr><td>리플</td><td>\( 0.05 \mathrm{~dB} \)</td></tr><tr><td>저지대역감쇄 (fc \( \pm 10 \mathrm{MHz}) \)</td><td>\( 30 \mathrm{~dB} \) 이상</td></tr></tbody></table> <p>앞 절의 회로망 합성법에 의하여 최종적으로 구해지는 결합 계수 행렬은 다음과 같다.</p> <p>\( M= \) \(\left[\begin{array}{cccc} 0 & 0.882627 & 0 & -0.0718684 \\ 0.882627 & 0 & 0.720856 & 0 \\ 0 & 0.720856 & 0 & 0.882627 \\ -0.0718684 & 0 & 0.882627 & 0 \end{array}\right]\)<caption>(13)</caption></p> <p>그림 12에는 공진기의 모델링을 통해 추출된 집중정수 등가소자값으로 구성한 4단 타원 함수 여파기의 집중정수 등가 회로도이며 그림 13은 이 등가회로로 시뮬레이션한 타원 함수 여파기의 특성을 나타내었다. Chebyshev 여파기 구성에 필요한 공진기간의 순차 결합은 공진기간에 구현한 수직결합창의 특성상 자계 결합(인덕터)으로 모델링 하였고 타원 함수 여파기에 필요한 음의 교차 결합은 이와 위상이 \( 180^{\circ} \)차이가 있는 전계 결합(캐퍼시터)으로 모델링하였다. 전계/자계 결합의 특성은 실험적으로 2단 여파기 구성시 나타나는 전송 영점의 상대적인 위치로서 결정할 수 있다. 그림 14는 교차결합이 없는 Chebyshev 여파기의 측정결과이며 그림 15는 공진기간의 교차결합을 주어 구현한 타원 함수 여파기의 측정결과이다. 실측된 특성을 시뮬레이션과 비교하면 결합창 등을 통한 원하지 않는 교차 결합의 영향으로 통과 대역전의 전송영점이 약화된 것을 볼 수 있다.</p> <p>그림 16은 4단 타원 함수 여파기의 의사응답특성을 나타낸다.</p> <p>동축 공진기를 사용한 8단 타원 함수 여파기의 설계 사양은 다음 표 2와 같다.</p> <table border><caption>표 2. 8단 타원함수 여파기 설계사양 (Q u=350)</caption> <tbody><tr><td>항목</td><td>사양</td></tr><tr><td>단수 n</td><td>8</td></tr><tr><td>중심주표수 \( f_{0} \)</td><td>\( 959 \mathrm{MHz} \)</td></tr><tr><td>대역폭</td><td>\( 28 \mathrm{MHz} \)</td></tr><tr><td>리플</td><td>\( 0.05 \mathrm{~dB} \)</td></tr><tr><td>저지대역감쇄 \( (\mathrm{fc} \pm 5 \mathrm{MHz}) \)</td><td>\( 20 \mathrm{~dB} \) 이상</td></tr></tbody></table> <p>앞 절의 회로망 합성법에 의하여 최종적으로 구해지는 결합 계수 행렬은 다음 식 (14)와 같다.</p> <p>\( \left[\begin{array}{cccc}0 & 0.806768 & 0 & 0 \\ 0.806768 & 0 & 0.584365 & 0 \\ 0 & 0.584365 & 0 & 0.510956 \\ 0 & 0 & 0.510956 & 0 \\ 0 & 0 & 0 & 0.728726 \\ 0 & 0 & -0.26013 & 0 \\ 0 & 0.0613627 & 0 & 0 \\ 0.00492293 & 0 & 0 & 0\end{array}\right. \left.\begin{array}{cccc}0 & 0 & 0 & 0.00492293 \\ & 0 & 0.0613627 & 0 \\ 0 & -0.26013 & 0 & 0 \\ 0.728726 & 0 & 0 & 0 \\ 0 & 0.510956 & 0 & 0 \\ 0.510956 & 0 & 0.584365 & 0 \\ 0 & 0.584365 & 0 & 0.806768 \\ 0 & 0 & 0.806768 & 0\end{array}\right] \)<caption>(14)</caption></p> <p>지금까지 제작, 실측한 유전체 동축 공진기를 이용한 타원 함수 여파기의 특성을 분석해보면 타원 함수 여파기가 우수한 선택도 특성(또는 저지 대역 감쇄 특성)을 보여준다. Chebyshev 여파기는 통과 대역의 리플만을 조절함으로써 선택도를 조절할 수 있는데 비해 타원 함수 여파기는 통과 대역의 리플과 저지 대역의 리플을 조절함으로써 선택도 특성을 조절할 수 있다. 일반적으로 여파기의 파기에서 선택도 특성을 더 넓은 범위에서 리플이 커지면 선택도가 올라가는 경향이 있는데, 타원 함수 여파기는 두가지 요인을 조절할 수 있으므로 같은 차수의 여조절할 수 있다. 타원 함수 여파기의 설계시. 저단의 여파기로 너무 큰 선택도를 얻고자 설계할 경우, 저지 대역 감쇄극들을 통과 대역에 너무 가깝게 두면 통과 대역의 flatness가 손상되는 문제가 생길 수 있으며 저지 대역의 감쇄 특성이 열화되는 단점을 감수해야 하는데, 이는 저단 여파기 설계시 선택도를 높이기 위해 저지 대역의 리플을 크게 해야 하는 점에서도 알 수 있다. 8단 같은 높은 단수의 타원 함수 여파기의 경우 저지 대역 리플이 작아지므로 저지 대역의 감쇄 특성이 열화되지 않는 장점이 있으나 동일한 Q값을 갖는 공진기를 사용할 경우. 일반적으로 여파기의 단수가 올라갈수록 불가피하게 삽입손실 또한 올라간다는 단점이 있다. 8단 타원 함수 여파기의 실측 결과를 보면 저지 대역의 전송 영점들이 공진기의 낮은 \( Q \)값(약 350 정도)의 영향으로 날카롭게 분리되지 못한 현상을 보여주는데 이는 \( Q \)값이 다소 높은 동축 공진기를 사용하고 결합창을 가공할 때 공진기의 \( Q \)값이 떨어지지 않도록 정밀하게 가공하면 개선될 수 있다. 그림 20은 실험을 위해 사용된 지그를 나타내었고. 그림 21은 구현된 8단 타원 함수 여파기를 나타내었다.</p>
|
[
"표 1. 4 단 타원 함수 여파기 설계사양 (Qu=350)에서 항목이 중심주파수 \\( \\mathrm{f}_{0} \\)이면 사양은 어떻게 되나요?",
"결합 계수 행렬은 어떻게 표현하나요?",
"어떻게 결합 계수 행렬을 표현해?",
"표 2. 8단 타원함수 여파기 설계사양 (Q u=350)에서 항목이 단수 n인 경우 사양은 얼마인가요?",
"표 1. 4 단 타원 함수 여파기 설계사양 (Qu=350)에서 사양이 \\( 11 \\mathrm{MHz} \\)인 경우 항목은 뭐야?",
"표 2. 8단 타원함수 여파기 설계사양 (Q u=350)에서 항목이 중심주파수 \\( \\mathrm{f}_{0} \\)이면 사양은 어떻게 되나요?",
"표 1. 4 단 타원 함수 여파기 설계사양 (Qu=350)에서 사양이 \\( 30 \\mathrm{~dB} \\) 이상일때 항목은 어떤것인가요?",
"선택도를 컨트롤 하기위해 Chebyshev 여파기는 어떻게 하나요?",
"표 2. 8단 타원함수 여파기 설계사양 (Q u=350)에서 항목이 리플이면 사양은 얼마인가요?",
"표 2. 8단 타원함수 여파기 설계사양 (Q u=350)에서 사양이 \\( 28 \\mathrm{MHz} \\)인 경우 항목은 뭐야?",
"어떻게 유전체 동축 공진기를 활용해서 타원 함수 여파기를 만들었나요?",
"유전체 동축 공진기를 어떻게 이용해서 타원 함수 여파기를 만들었나요?",
"표 2. 8단 타원함수 여파기 설계사양 (Q u=350)에서 사양이 \\( 20 \\mathrm{~dB} \\) 이상인 경우 항목은 뭐야?",
"표 1. 4 단 타원 함수 여파기 설계사양 (Qu=350)에서 항목이 단수 n인 경우 사양은 얼마인가요?",
"표 1. 4 단 타원 함수 여파기 설계사양 (Qu=350)에서 항목이 저지대역감쇄 (fc \\( \\pm 10 \\mathrm{MHz}) \\)인 경우 사양은 얼마인가요?",
"어떻게 통과 대역전의 전송영점이 약해진것을 확인하나요?",
"통과 대역전의 전송영점이 약해진것을 어떻게 판단하나요?"
] |
026e8a4f-931d-4c21-9e01-6c2f4331ce29
|
인공물ED
|
비분산적외선 CO2 센서를 위한 DBR기반의 패브리 페로-필터 설계 및 성능 연구
|
<h2>2.2 필터 설계</h2><p>DBR의 고굴절률 물질과 저굴절률 물질은 \( \mathrm{Si} \) 와 \( \mathrm{SiO}_{2} \) 를 각각 사용하였다. \( \mathrm{Si} \) 의 경우 중적외선 대역에서 높은 투과율을 가져 중적외선 광학계에서 보편적으로 사용되는 물질이다. 각 물질의 굴절상수와 박막의 두께 값은 표 1 에 제시한 것과 같다. \( \mathrm{CO}_{2} \) 의 흡수 파장대역인 \( 4.26 \mu \mathrm{m} \) 을 기준으로 \( \mathrm{Si}^{2} \) \( \mathrm{SiO}_{2} \) 는 굴절률 차이가 2.18로 고반사율의 DBR을 기대할 수 있다. 본 연구에서 사용한 시뮬레이션은 LightTransit의 VirtualLab Fusion을 이용하였으며 시뮬레이션 설정 값 중, 입사 광은 모두 수직으로 하였다. 또한 빛의 매질 \( \left(n_{i}\right) \) 과 기판의 굴절률 \( \left(n_{n}\right) \) 은 1 로 설정하여 이상적인 광 시뮬레이선 조건을 조성하였다. Fig. 3 과 같이 두 물질이 반복되는 DBR 과 해당 DBR 이 반사체로 적용된 페브리 페로 필터를 설계한 뒤 VirtualLab Fusion의 Coating analyser함수를 이용하여 광특성을 확인하였다.</p><h2>2.3 필터 제조 및 특성 평가</h2><p>표 2와 같은 조건으로 \( \mathrm{Si}^{2} \mathrm{SiO}_{2} \) 모두 \( \mathrm{KVT} \) 柇의 KVS-5000 RF magnetron sputter를 이용하여 각 박막을 반복 증착하여 하부 DBR, 공진충, 상부 DBR 순으로 제작하였다. 본 연구에선 6인치 유리 웨이퍼를 기판으로 사용하였다. 시중에 판매되고 있는 적외선 광필터의 경우 플루오린화 칼슘 \( \left(\mathrm{CaF}_{2}\right) \), 불화 바륨 \( \left(\mathrm{BaF}_{2}\right) \) 또는 사파이어 기판과 같이 적외선영역에서 투과율이 높은 재료가 사용되어지고 있다. 이러한 기판들은 비용적인 측면에서 매우 고가이며, \( \mathrm{CO}_{2} \) 가스의 흡수 파장대역 외에도 높은 투과율을 가지므로 별도의 반사 코팅 또는 구조가 필요하다. 이러한 특성은 비분산 적외선센서의 가격을 높이며, 선택성에 치명적인 단점이 될 수 있다. 반면, 유리 웨이퍼의 경우 상대적으로 가격이 낮으며, \( 4.26 \mu \mathrm{m} \) 파장을 기준으로 \( 65 \% \) 이상의 준수한 광투과율과 \( 5.5 \mu \mathrm{m} \) 이상의 영역을 모두 반사하는 Cut-off 필터와 같이 동작하는 장점이 있다. 완성된 DBR과 필터의 반사율 및 투과율은 FT-IR을 이용하여 2.5-25 \( \mu \mathrm{m} \) 대역을 측정하였다. Fig. 4(a)는 완성된 필터와 반복적층 수가 2일 때의 필터 사진이며 Fig. 4(b)는 JEOL 榇의 JSM-7610F FE-SEM(field emission-scanning electron microscope)을 이용하여 촬영한 필터의 단면 사진이다. \( \mathrm{SiO}_{2} \) 와 \( \mathrm{Si} \) 가 반복 적층된 해부 DBR 위에 공진충을 형성하고, 상부 DBR을 증착 하였다.</p>
|
[
"\\( \\mathrm{Si}^{2} \\mathrm{SiO}_{2} \\) 모두 \\( \\mathrm{KVT} \\) 柇의 KVS-5000 RF magnetron sputter를 이용하여 각 박막을 반복 증착하여 어떤 순서로 제작했니?",
"중적외선 대역에서 높은 투과율을 가져 중적외선 광학계에서 보편적으로 사용되는 물질은 무엇인가?",
"\\( \\mathrm{CO}_{2} \\) 의 흡수 파장대역은 무엇이니?",
"\\( \\mathrm{Si}^{2} \\) \\( \\mathrm{SiO}_{2} \\) 는 굴절률 차이는 얼마만큼이니?",
"빛의 매질 \\( \\left(n_{i}\\right) \\) 과 기판의 굴절률 \\( \\left(n_{n}\\right) \\) 의 설정 값은 몇으로 했니?",
"VirtualLab Fusion의 어떤 함수를 이용하여 광특성을 확인했니?",
"두 물질이 반복되는 DBR 과 해당 DBR 이 반사체로 적용된 페브리 페로 필터를 설계한 뒤 VirtualLab Fusion의 Coating analyser함수를 이용하여 무엇을 알아봤니?",
"6인치 유리 웨이퍼을 연구에서 무엇으로 사용했니?",
"연구에서 몇인치 유리 웨이퍼를 기판으로 사용했니?",
"적외선 광필터에서 사용되는 재료는 무엇인가?",
"\\( \\left(\\mathrm{CaF}_{2}\\right) \\)는 무엇이니?",
"\\( \\left(\\mathrm{BaF}_{2}\\right) \\)는 무엇이니?",
"유리 웨이퍼의 광투과율은 몇 이니?",
"유리 웨이퍼의 장점은 무엇이니?",
"본 연구에서 사용한 시뮬레이션은 무엇이니?",
"\\( \\left(n_{i}\\right) \\)은 무엇이니?",
"\\( \\left(n_{n}\\right) \\) 은 무엇이니?",
"\\( \\mathrm{Si}^{2} \\mathrm{SiO}_{2} \\) 모두 \\( \\mathrm{KVT} \\) 柇의 KVS-5000 RF magnetron sputter를 이용하여 각 박막을 반복 증착하여 상부 DBR, 공진충, 하부 DBR 순으로 제작했니?",
"중적외선 대역에서 \\( \\mathrm{Si} \\) 의 경우 낮은 투과율을 가지니?",
"\\( \\mathrm{Si}^{2} \\) \\( \\mathrm{SiO}_{2} \\) 는 굴절률 차이가 2.18로 고반사율의 DBR을 기대할 수 있는 것은 \\( \\mathrm{CO}_{2} \\) 의 흡수 파장대역인 \\( 4.62 \\mu \\mathrm{m} \\) 을 기준이니?",
"\\( \\mathrm{Si}^{2} \\) \\( \\mathrm{SiO}_{2} \\) 는 굴절률 차이가 2.18로 저반사율의 DBR을 기대할 수 있는 기준은 \\( \\mathrm{CO}_{2} \\) 의 흡수 파장대역인 \\( 4.26 \\mu \\mathrm{m} \\) 이니?",
"입사 광은 모두 수평으로 한 시뮬레이션 설정 값을 사용했는가 ?",
"이상적인 광 시뮬레이선 조건을 조성하기 위해 빛의 매질 \\( \\left(n_{i}\\right) \\) 과 기판의 굴절률 \\( \\left(n_{n}\\right) \\) 은 2 로 설정하였니?",
"1 로 설정한 기판의 굴절률 \\( \\left(n_{i}\\right) \\) 과 빛의 매질 \\( \\left(n_{n}\\right) \\) 은 이상적인 광 시뮬레이션 조건이니 ?",
"\\( \\mathrm{CO}_{2} \\) 가스의 흡수 파장대역 외에도 높은 투과율을 가지므로 별도의 반사 코팅 또는 구조가 필요한 기판들은 비용적인 측면에서 매우 저가인가?",
"\\( 4.26 \\mu \\mathrm{m} \\) 파장을 기준으로 \\( 5.5 \\mu \\mathrm{m} \\) 이상의 영역을 모두 반사하는 Cut-off 필터와 같이 동작하는 유리 웨이퍼의 경우 상대적으로 가격이 높니?",
"적외선 광필터의 경우 사파이어 기판과 같이 적외선영역에서 투과율이 낮은 재료가 사용되니?",
"기판들은 \\( \\mathrm{CO}_{3} \\) 가스의 흡수 파장대역 외에도 낮은 투과율을 가지니?",
"별도의 반사 코팅 또는 구조가 필요한 이러한 기판들은 \\( \\mathrm{CO}_{2} \\) 가스의 흡수 파장대역 외에도 높은 투과율을 가지는가?",
"고적외선 대역에서 \\( \\mathrm{Si} \\) 의 경우 높은 투과율을 가져 고적외선 광학계에서 보편적으로 사용되는 물질이니?"
] |
fe03d98d-4883-4dbf-b592-2c8ac7b0d250
|
인공물ED
|
비분산적외선 CO2 센서를 위한 DBR기반의 패브리 페로-필터 설계 및 성능 연구
|
<h1>3. 결과 및 고찰</h1><p>이론적 고찰을 통해 반복 적층 수가 증가할 수 록 DBR의 반사율은 증가하고, 이러한 DBR이 패브리-페로 필터의 반사체로 사용되었을 때, 투과율과 반치전폭에 영향을 주는 것을 확인하였다. 앞선 연구에서 두관계의 경우 반복 적층 수가 증가할 수록 투과율은 감소하게 되지만, 반치전폭은 항상되는 Trade-off 관계를 가지는 것을 시뮬레이션을 통해 확인되었다. 때문에 \( \mathrm{CO}_{2} \) 가스 분자의 흡수 파장대역과 일치하면서, 투과율을 가장 높게 가질 수 있는 반복 적층 수 조건을 확인할 필요성이 있다. 시뮬레이션을 통해 비분산적외선 \( \mathrm{CO}_{2} \) 가스센서에 가장 적합한 적층 수 조건을 확인하였다.</p><p>DBR의 반복 적층 수 \( \mathrm{m}=1, \mathrm{~m}=2 \) 와 \( \mathrm{m}=3 \) 일 때 반사율 시뮬레이션 결과는 Fig. \( 5(\mathrm{a}) \) 와 같이 나타났다. \( \mathrm{m}=1, \mathrm{~m}=2 \) 와 \( \mathrm{m}=3 \) 모두 \( 4.26 \mu \mathrm{m} \) 에서 \( 82.79 \%, 94.74 \%, 98.21 \% \) 의 최대 반사율을 가젔다. 특히 \( \mathrm{m}=2 \) 와 \( \mathrm{m}=3 \) 의 경우 \( 3-7 \mu \mathrm{m} \) 에서 \( 90 \% \) 이상의 반사율을 가지는 고효율의 Band pass필터로 동작하는 것을 확인할 수 있었다. \( \mathrm{m}=1, \mathrm{~m}=2 \) 와 \( \mathrm{m}=3 \) DBR이 접목된 패브리-페로 필터의 투과율은 Fig. 5(b)와 같이 시뮬레이션 되었다. \( 4.26 \mu \mathrm{m} \) 에서 \( \mathrm{m}=1 \) 은 \( 69.37 \%, \mathrm{~m}=2 \) 의 경우 \( 66.41 \% \) 의 투과율이 나타났으며 \( \mathrm{m}=3 \) 의 경우 \( 47.44 \% \) 로 적층 수가 늘어날 수록 투과율이 낮아지는 것을 확인할 수 있었다. 또한 반치전폭은 각각 \( 613 \mathrm{~nm} \), \( 108 \mathrm{~nm}, 21 \mathrm{~nm} \) 으로 나타났는데, 이를 통해 DBR의 반복 적층 수가 2일 때 최적의 조건인 것을 알 수 있다. 적층 수가 증가함에 따라 투과율과 반치전폭 모두 감소하므로 \( \mathrm{CO}_{2} \) 의 흡수 파장대역과 일치하면서 최대 투과율을 가지는 조건이기 때문이다.</p><p>시뮬레이션결과를 통해 \( \mathrm{m}=2 \) 인 DBR과 DBR이 접목된 패브리-페로 필터를 RF magnetron sputter를 이용하여 제작하였다. 제작된 DBR과 필터의 광특성은 FT-IR을 이용하여 측정하였으며 결과는 Fig. 6 과 같다. Fig. 6(a)를 보면 DBR과 유리 웨이퍼 기판의 반사율을 확인 할 수 있다. \( \mathrm{Si}^{2} \mathrm{SiO}_{2} \) 증착을 통해 \( 4.26 \mu \mathrm{m} \)파장에서 \( 33.4 \% \) 에서 \( 94.9 \% \) 로 반사율이 증가한 것을 알 수 있다. 이 결과를 통해 시뮬레이션 결과와 같이 3-5.5 \( \mu \mathrm{m} \) 에서 \( 90 \% \) 이상의 고효율의 반사율을 가진 Band pass 필터 특성을 확인할 수 있었다. 또한 \( 5.5 \mu \mathrm{m} \) 이상의 파장대역에서는 반사율이 \( 100 \% \)에 근접하는 cut-off 특성을 가지는 것을 알 수 있다. 즉, 기판의 투과특성과 다층 구조의 박막의 광특성은 곱의 형태로 나타나는 것을 알 수 있다. Fig. \( 6(\mathrm{b}) \) 는 최종적으로 완성된 \( \mathrm{m}=2 \) DBR 기반 페브리 패로 필터의 두과율을 보여준다. \( 4.26 \mu \mathrm{m} \) 에서 중심 파장을 가지며, 투과율이 \( 38.5 \% \) 로 측정되었다. 또한 반치전폭은 \( 158 \mathrm{~nm} \) 로 \( \mathrm{CO}_{2} \) 흡수 파장 대역과 일치하였다. 결과를 통해 DBR 기반 패브리-페로 필터유리기판의 투과특성을 이용하여 별도의 완전 반사 코팅 없이도 \( 5.5 \mu \mathrm{m} \) 이상의 파장영역을 차단하면서 동시에 \( 4.26 \mu \mathrm{m} \) 을 중심 파장으로 하는 광 필터 제작이 가능함을 확인할 수 있었다.</p>
|
[
"반복 적층 수가 증가할 수 록 DBR의 반사율은 감소하니?",
"반복 적층 수가 증가할 수 록 DBR의 반사율은 감소해?",
"반복 적층 수가 증가할 수록 투과율은 감소하고 반치전폭도 감소하니?",
"두관계의 경우 Trade-off 관계를 가지는 것을 무엇을 통해 알 수 있니?",
"\\( \\mathrm{m}=1의 최대 반사율은 어떻게 되니?",
"\\( \\mathrm{m}=1, \\mathrm{~m}=2 \\) 와 \\( \\mathrm{m}=3 \\) 모두 \\( 5.26 \\mu \\mathrm{m} \\) 에서 \\( 82.79 \\%, 94.74 \\%, 98.21 \\% \\) 의 최대 반사율을 가젔니?",
"반복 적층 수가 감소할 수 록 DBR의 반사율은 감소하니?",
"반복 적층 수가 증가할 수록 투과율은 어떻게 되니?",
"투과율은 감소하게 되면 반복 적층 수가 어떤 경우야?",
"반복 적층 수가 감소할 수록 투과율은 감소하게 되지만, 반치전폭은 항상되니?",
"두관계의 경우 반복 적층 수가 증가할 수록 투과율은 감소하게 되지만, 반치전폭은 항상되는 관계를 무엇이라고 하니?",
"반복 적층 수가 증가할 수 록 DBR의 반사율은 어떻게 되니?",
"DBR의 반사율은 증가하면 반복 적층 수가 어떻게 되니?",
"DBR이 어떤 필터의 반사체로 사용되었을 때 투과율과 반치전폭에 영향을 주는 것을 확인되니?",
"적층 수가 늘어날 수록 투과율이 높아지니?",
"4.26μm파장에서 \\( \\mathrm{Si}^{2} \\mathrm{SiO}_{2} \\) 증착을 통해 얼만큼 반사율이 증가하니?",
"어떤 증착을 통해 \\( 4.26 \\mu \\mathrm{m} \\)파장에서 \\( 33.4 \\% \\) 에서 \\( 94.9 \\% \\) 로 반사율이 증가한 것을 알 수 있니?",
"Band pass 필터 특성이 무엇이니?",
"Band pass 필터는 \\( 90 \\% \\) 이상의 저효율의 반사율을 가졌니?",
"\\( 4.26 \\mu \\mathrm{m} \\) 에서 \\( \\mathrm{m}=2 \\)의 투과율은 얼마인가?",
"\\( 4.26 \\mu \\mathrm{m} \\) 에서 \\( \\mathrm{m}=3 \\) 의 경우 투과율은 몇 퍼센트니?"
] |
92133173-7011-41ef-874a-d6c3e6bc1219
|
인공물ED
|
비분산적외선 CO2 센서를 위한 DBR기반의 패브리 페로-필터 설계 및 성능 연구
|
<h1>4. 결론</h1><p>본 연구에서는 저가형 비분산적외선 \( \mathrm{CO}_{2} \) 센서 개발을 위해 저가의 재료인 \( \mathrm{Si}/ \mathrm{SiO}_{2} \) 와 유리 웨이퍼를 이용한 DBR 기반 패브리-페로 필터를 설계하고, 고찰을 통해 얻은 최적의 조건을 제작함으로써 시뮬레이션 결과를 입증하였다.</p><p>DBR의 반복 적층 수가 증가함에 따라 반사율이 증가하며 \( \mathrm{m}=2 \) 일 때 \( 94.9 \% \) 의 반사율을 가지는 것을 확인할 수 있었다. 또한 \( \mathrm{m}=2 \) 인 패브리-페로는 반치전폭이 \( 158 \mathrm{~nm} \) 로 FT-IR로 측정된 \( \mathrm{CO}_{2} \) 흡수 파장대역과 일치하는 결과를 보였다. 또한 유리 웨이퍼의 Cut-off 특성을 통해 추가적인 공정 없이포 \( 5.5 \mu \mathrm{m} \) 이상의 파장대역을 모두 차단하는 것을 확인하였다. 이려한 특성은 \( \mathrm{CH}_{4}, \mathrm{CO}, \mathrm{NO} \) 등 \( \mathrm{CO}_{2} \) 가스와 인접한 흡수 파장대역을 갖는 기타가스의 간섭을 줄여 비분산적외선 \( \mathrm{CO}_{2} \) 센서의 선택성을 높일 수 있을 것이라 판단된다.</p>
|
[
"DBR의 어떤 것이 증가하면 반사율도 증가되?",
"\\( \\mathrm{m}=2 \\) 인 패브리-페로는 FT-IR로 측정된 무엇과 일치해?",
"유리 웨이퍼의 어떤 특성을 통해 \\( 5.5 \\mu \\mathrm{m} \\) 이상의 파장대역을 차단해?",
"기타가스의 간섭을 줄여 어떤 센서의 선택성을 높일 수 있어?",
"패브리-페로는 통해 \\( 5.5 \\mu \\mathrm{m} \\) 이상의 파장대역 차단할 때 추가적인 공정이 필요해?",
"\\( 5.5 \\mu \\mathrm{m} \\) 이상의 파장대역을 모두 차단하는 특성이 기타가스의 무엇을 줄일 수 있어?",
"\\( \\mathrm{Si}/ \\mathrm{SiO}_{2} \\) 는 가격이 저렴해?",
"\\( \\mathrm{CO}_{2} \\) 흡수 파장대역은 무엇으로 측정해?",
"DBR 기반 패브리-페로 필터를 설계하여 어떤 것을 개발하려고 해?",
"DBR 기반 패브리-페로 필터를 만들려면 어떤 재료를 사용해?"
] |
8166cb06-61db-4c54-b713-53ab189eeb43
|
인공물ED
|
비분산적외선 CO2 센서를 위한 DBR기반의 패브리 페로-필터 설계 및 성능 연구
|
<h1>2. 이론적 고찰 및 실험 방법</h1><h2>2.1 이론적 고찰</h2><p>DBR은 두개의 물질이 반복적으로 적층된 다층 박막을 가지는 반사경이다. 두 물질의 굴절률 차이로 인해 각층의 계면에서 프레넬 반사가 발생하게 되며 반사된 빛은 보강간섭을 이루게된다. 수직 입사되는 빛의 보강간섭을 위한 박막의 두께는 식(2)와 같다.</p><p>\( d_{I I}=\frac{\lambda}{4 n_{I I}}, d_{L}=\frac{\lambda}{4 n_{L}} \)<caption>(2)</caption></p><p>여기서 \( \lambda \) 는 빛의 파장, \( n_{t}, n_{t} \) 은 각각 고굴절률 물질과 저굴절률 물질의 굴절상수이다. 고굴절률 물질과 저굴절률 물질이 반복 적층되는 DBR의 반사율은 식(3) 와 같이 반복 적층 수 \( m \)이 증가할수록, 두 물질의 굴절률 차이가 클수록 증가하게 된다. \( n_{s} \) 는 기판의 굴절상수이며, \( n \), 는 입사 빛의 굴절상수이다.</p><p>\( R=\left(\frac{1-\left(\frac{n_{I I}}{n_{L}}\right)^{2 m}\left(\frac{n_{t}^{2}}{n_{s}}\right)}{1+\left(\frac{n_{I I}}{n_{L}}\right)^{2 m}\left(\frac{n_{t}^{2}}{n_{s}}\right)}\right)^{2} \)<caption>(3)</caption></p><p>패브리-페로 펄터는 공진층 상·하부에 반사체가 평행하게 존재하는 광필터로, 입사된 빛이 공진층 내부에서 다중간섭현상이 발생해 공진층의 두께와 대응하는 파장만을 선택적으로 투과시키고 다른 파장은 반사된다.</p><p>\( T_{F P}=\left(1+\frac{4 R}{(1-R)^{2}}\right)^{-1} \)<caption>(4)</caption></p><p>\( F W H M=\frac{\lambda^{2}(1-\mathrm{R})}{2 \pi d \sqrt{\mathrm{R}}} \)<caption>(5)</caption></p><p>필터의 투과율은 식(3)을 따르며, 반치전폭의 경우 식(4)와 같다. 이 필터의 성능지표들은 상·하부 반사체의 반사율에 의해 특성이 결정된다. 즉, DBR 기반의 패브리-페로 필터는 DBR의 반복적층 수를 조절함으로써 필터 성능을 가변 시킬 수 있다. 앞서 언급한 것과 같이 비분산적외선 방식의 \( \mathrm{CO}_{2} \) 가스센서의 선택성을 높이기 위해선 필터의 투과율과 반치전폭 특성이 매우 중요하다.</p><p>Fig. 2는 Thermo Fishter Scientific社의 Nicolet Continuμm FT-IR(Fourier transform infrared spectroscopy)을 이용하여 측정한 대기 중 가스 분자의 흡수 스폑트럼이다. \( \mathrm{CO}_{2} \) 의 경우 \( 4.26 \mu \mathrm{m} \)를 기준으로 약 \( 150 \mathrm{~nm} \) 대역의 빛을 흡수한다. 그러므로 비분산적외선 \( \mathrm{CO}_{2} \) 센서를 위한 광필터는 \( \mathrm{CO}_{2} \) 가스 분자의 흡광대역의 광만을 투과하는 것이 필요함을 알 수 있다. 본 연구에서는 시뮬레이션을 통해 DBR 반복 적층수에 따른 반사율과 DBR기반의 패브리-페로 푈터의 투과특성을 분석하고 이를 바탕으로 광필터 제작을 진행하였다.</p>
|
[
"DBR의 의미는 뭐야?",
"두 물질의 굴절률 차이로 인해 각층의 계면에서 프레넬 반사가 발생하게 되며 반사된 빛이 이루는 것이 뭐야?",
"두개의 물질이 반복적으로 적층된 다층 박막을 가지는 반사경이 뭐야?",
"DBR 과정에서 두 물질의 굴절률 차이로 인해 각층의 계면에서 프레넬 반사가 발생할 때, 수직 입사되는 빛의 보강간섭을 위한 박막의 두께를 구하는 식은 \\( d_{I I}=\\frac{\\lambda}{4 n_{I I}}, d_{L}=\\frac{\\lambda}{4 n_{L}} \\)<caption>(2)</caption>이야?",
"\\( d_{I I}=\\frac{\\lambda}{4 n_{I I}}, d_{L}=\\frac{\\lambda}{4 n_{L}} \\)<caption>(2)</caption>에서 \\( \\lambda \\) 는 빛의 진동수야?",
"패브리 - 페로 필터의 반치전폭을 구하는 방법이 뭐야?",
"공진층 상·하부에 반사체가 평행하게 존재하는 광필터",
"\\( 4.26 \\mu \\mathrm{m} \\)를 기준으로 약 \\( 150 \\mathrm{~nm} \\) 대역의 빛을 흡수하는 가스 분자는 뭐야?",
"비분산적외선 \\( \\mathrm{CO}_{2} \\) 센서를 위한 광필터는 \\( \\mathrm{CO}_{2} \\) 가스 분자의 흡광대역의 광만을 투과해야 할까?",
"비분산적외선 \\( \\mathrm{CO}_{2} \\) 센서를 위한 광필터는 \\( \\mathrm{CO}_{2} \\) 가스 분자의 흡광대역의 광만을 투과하는 것이 필요한 이유는 \\( \\mathrm{CO}_{2} \\)가 \\( 4.26 \\mu \\mathrm{m} \\)를 기준으로 약 \\( 150 \\mathrm{~nm} \\) 대역의 빛을 흡수하기 때문일까?",
"프레넬 반사로 반사된 빛이 이루는 간섭은 상쇄간섭이야?",
"패브리 - 페로 필터가 뭐야?"
] |
7f7f5883-56b1-400e-a871-5f1aebc3164f
|
인공물ED
|
비분산적외선 CO2 센서를 위한 DBR기반의 패브리 페로-필터 설계 및 성능 연구
|
<h1>1. 서론</h1><p>최근 산업화 - 기후변화로 인한 온실가스, 미세먼지, 황사 등 대기오염 문제가 심각해지면서 실시간 이산화탄소 \( \left(\mathrm{CO}_{2}\right) \) 모니터링 시스템에 대한 필요성이 대두되고 있다. 또한, 하천 및 강의 수질오염 측정 시스템, 인체 호흡 분석 등 이산화탄소 가스 센서의 적용 분야가 늘어남에 따라 센서의 수요가 급증하여 이산화탄소 측정용 센서 개발이 국, 내외에서 활발히 연구되고 있다.</p><p>\( \mathrm{CO}_{2} \) 를 측정할 수 있는 대표적인 방법으로는 전기화학식, 반도체식, 열전도도 방식 등이 존재하지만 공통적으로 선택성이 떨어진다는 단점이 있다. 앞서 언급한 활용분야에서는 \( \mathrm{CO}_{2} \) 뿐만 아닌 습도\( \left(\mathrm{H}_{2} \mathrm{O}\right) \), 메탄\( \left(\mathrm{CH}_{4}\right) \), 일산화탄소\( (\mathrm{CO}) \), 일산화질소( \( \mathrm{NO}) \) 등과 같이 혼합된 상태로 가스가 존재하기 때문에 센서의 높은 선택성이 필수적으로 요구되고 있다. 반면 비분산적외선(NDIR) 방식 가스센서는 가스 분자의 고유 특성을 이용하기 때문에 타 가스에 대한 간섭을 최소화할 수 있어 선택성이 매우 우수한 특성을 가지고 있다.</p><p>비분산적외선 \( \mathrm{CO}_{2} \) 센서는 적외선 파장 대역을 가진 광원, 가스와 빛이 이동하는 광도파관, \( \mathrm{CO}_{2} \) 가스 분자의 흡수 파장대역인 \( 4.26 \mu \mathrm{m} \) 만을 투과하는 광필터와 광검출기로 이루어져 있다. Fig. 1은 가장 기본적인 비분산적외선 방식 센서의 계략도이다. 방출된 빛은 광도파관 내부에 존재하는 \( \mathrm{CO}_{2} \) 가스 분자에 의해 흡수되며, 광필터에 의해 \( 4.26 \mu \mathrm{m} \) 에 해당하는 파장대역만이 검출기로 도달하게 된다. 검출기로 도달하는 광량은 식(1)에 제시된 Beer-Lambert 법칙을 따른다.</p><p>\( I=I_{0} e^{-\alpha l c} \)<caption>(1)</caption></p><p>초기 광량 \( \mathrm{I}_{0} \) 는 가스 분자의 흡수 계수 \( \alpha \) 와 광경로 \( l \), 가스 농도 \( c \) 에 의해 감소하게 된다. 한편 비분산적외선 \( \mathrm{CO}_{2} \) 센서의 감도와 선택성은 광필터의 투과율과 반치전폭에 의해 결정되게 된다. 투과율이 클수록 검출기에 도달하는 광량이 커지게 되며, 반치전폭이 \( \mathrm{CO}_{2} \) 의 흡수 파장대역과 일치할 때 기타 가스의 간섭을 최소화할 수 있기 때문이다.</p><p>그러나 비분산적외선 \( \mathrm{CO}_{2} \) 센서는 필요 부품들이 많으며, 센서를 제작하는데 있어 공정 및 재료의 비용면에서 문제점이 존재한다. 광포파관은 필수적으로 광손실을 줄이기위해 내부에 금\( (\mathrm{Au}) \) 코팅이 이루어 지며, 광원과 광검출기의 경우 외부 요인의 영향을 막기위한 패키징이 요구된다. 또한 광필터의 경우 고가의 기판과 수십층의 박막 증착이 이루지기 때문에 개발비용이 비싸다는 단점이 있다.</p><p>본 연구에서는 상대적으로 저가의 재료인 유리기판과 \( \mathrm{Si}, \mathrm{SiO}_{2} \)를 이용한 분산 브래그 반사경(DBR) 기반의 패브리-페로 필터를 설계하고, \( \mathrm{CO}_{2} \) 센싱을 위한 최적의 적층 조건을 고찰함으로써 저비용이며 효과적인 \( \mathrm{CO}_{2} \) 검출용 광필터를 제시하고자 한다.</p>
|
[
"최근 무엇으로 인해 대기오염 문제가 심각해졌는가?",
"무엇이 최근 대기오염 문제를 심각하게 확산시켰는가?",
"온실가스, 미세먼지, 황사는 대기오염에 해당하는가?",
"대기오염을 일으키는 요인으로 온실가스, 미세먼지, 황사가 있는가?",
"최근 산업화와 기후변화로 인해 대기오염 문제가 심각해지면서 무엇의 필요성이 강조되고 있는가?",
"최근 산업화와 기후변화가 심각한 대기오염 문제를 야기시키며 무엇이 강조되고 있는가?",
"최근 산업화 - 기후변화로 인한 온실가스, 미세먼지, 황사 등 대기오염 문제가 심각해지면서 어떤 기체의 실시간 모니터링 시스템에 대한 필요성이 대두되고 있는가?",
"산업화, 기후변화가 야기시킨 대기오염 문제들은 어떤 기체의 실시간 모니터링 시스템의 필요성을 강화시켰는가?",
"산업화와 기후변화에 따른 대기오염 문제가 심각해지면서 실시간 산소 \\( \\left(\\mathrm{O}_{2}\\right) \\) 모니터링 시스템에 대한 필요성이 대두되고 있는가?",
"산소 모니터링 시스템은 대기오염 문제가 부상함에 따라 그 필요성이 대두되고 있는가?",
"이산화탄소 가스 센서의 적용분야가 증가함에 따라 수요가 급증한 센서는 무엇인가?",
"이산화탄소 가스 센서 적용분야가 늘어나면서 어떤 센서의 수요가 급증했어?",
"이산화탄소 가스 센서의 적용 분야가 확장됨에 따라 센서의 무엇이 급증하고 있는가?",
"이산화탄소 가스 센서 적용 분야의 확장은 센서의 무엇을 급격히 늘리고 있어?",
"하천 및 강의 수질오염 측정 시스템, 인체 호흡 분석은 이산화탄소 가스 센서의 적용 분야에 해당하는가?",
" 이산화탄소 가스 센서의 적용 분야의 예시로는 하천 및 강의 수질오염 측정 시스템, 인체 호흡 분석 등이 있어?",
"\\( \\mathrm{CO}_{2} \\) 를 측정할 수 있는 대표적인 방법으로는 무엇이 있는가?",
"본문에서는 \\( \\mathrm{CO}_{2} \\) 측정 방법의 예시로 어떤 방법들을 언급했니?",
"\\( \\mathrm{CO}_{2} \\) 를 측정할 수 있는 대표적인 방법으로는 전기화학식, 반도체식, 열전도도 방식은 공통적으로 어떤 단점을 가지고 있는가?",
"전기화학식, 반도체식, 열전도도 방식은 \\( \\mathrm{CO}_{2} \\)를 측정할 때 어떤 단점을 가지고 있어?",
"전기화학식, 반도체식, 열전도도 방식으로 \\( \\mathrm{CO}_{2} \\) 를 측정할 수 있는가?",
"\\( \\mathrm{CO}_{2} \\)를 측정할 때 전기화학식, 반도체식, 열전도도 방식을 적용할 수 있니?",
"하천 및 강의 수질오염 측정 시스템, 인체 호흡 분석 등 이산화탄소 가스 센서의 적용 분야에서는 \\( \\mathrm{CO}_{2} \\) 뿐만 아닌 습도\\( \\left(\\mathrm{H}_{2} \\mathrm{O}\\right) \\), 메탄\\( \\left(\\mathrm{CH}_{4}\\right) \\), 일산화탄소\\( (\\mathrm{CO}) \\), 일산화질소( \\( \\mathrm{NO}) \\) 등과 같이 어떤 상태로 가스가 존재하는가?",
"이산화탄소 가스 센서를 적용한 분야에서 가스들은 어떤 상태로 존재하니?",
"혼합된 상태로 가스가 존재할 때는 무엇이 필수적으로 요구되는가?",
"가스가 혼합된 상태로 존재할 때, 무엇이 필수적으로 요구되는가?",
"하천 및 강의 수질오염 측정 시스템, 인체 호흡 분석 등 이산화탄소 가스 센서의 적용 분야에서는 센서의 높은 선택성이 필수적으로 요구되는가?",
"이산화탄소 가스 센서를 적용하는 분야에서 센서의 높은 선택성은 필수적인 요구사항이니?",
"가스 분자 고유의 성질을 이용함으로 인해 타 가스에 대한 간섭을 최소화할 수 있는 센서는 무엇인가?",
"가스 분자 고유의 성질을 이용한 센서 중, 다른 가스의 간섭을 최소화할 수 있는 센서는 뭐야?",
"비분산적외선 방식 가스센서가 다른 가스에 대한 간섭을 가장 적게 받을 수 있는 이유는 무엇인가?",
"비분산적외선 방식 가스센서가 다른 가스에 대한 간섭을 최소화하는 이유는 무엇인가?",
"가스 분자 고유의 특성을 사용하는 비분산적외선 방식 가스센서는 어떤 면에서 우수한 센서인가?",
"가스 분자의 고유한 특성을 사용하는 비분산적외선 방식 가스센서가 가지는 우수한 면이 무엇이야?",
"분산적외선 방식 가스센서는 다른 가스에 대한 간섭을 최소화할 수 있는 센서인가?",
"분산적외선 방식 가스센서는 다른 가스에 대한 간섭을 가장 작게하는 데에 적합한 센서인가?",
"비분산적외선 방식 가스센서는 타 가스에 대한 간섭을 최대화할 수 있어 선택성이 매우 우수한 센서인가?",
"비분산적외선 방식 가스센서는 다른 가스에 대한 간섭을 가장 높일 수 있어서 선택성이 매우 우수하지?",
"비분산적외선 \\( \\mathrm{CO}_{2} \\) 센서의 구성요소로 적외선 파장 대역을 가진 것은 무엇인가?",
"비분산적외선 \\( \\mathrm{CO}_{2} \\) 센서에서, 적외선 파장 대역을 가지고 있는 구성요소는 무엇인가?",
"비분산적외선 \\( \\mathrm{CO}_{2} \\) 센서의 구성요소 중 하나로 가스와 빛이 이동하는 것은 무엇인가?",
"비분산적외선 \\( \\mathrm{CO}_{2} \\) 센서에서 하나로 가스와 빛이 이동하는 구성요소는 뭐야?",
"\\( \\mathrm{CO}_{2} \\) 가스 분자의 흡수 파장대역은 몇 μm인가?",
"\\( \\mathrm{CO}_{2} \\) 가스 분자는 몇 μm의 흡수 파장대역을 가지고 있는가?",
"비분산적외선 \\( \\mathrm{CO}_{2} \\) 센서는 광원, 광도파관, 광필터, 광검출기로 이루어져 있는가?",
"비분산적외선 \\( \\mathrm{CO}_{2} \\) 센서의 구성 요소에는 광원, 광도파관, 광필터 및 광검출기 등이 있지?",
"광도파관 내부에 존재하는 무엇에 의해 방출된 빛이 흡수되는가?",
"광도파관 내부에서 방출된 빛을 흡수시키는 건 뭐야?",
"방출된 빛을 흡수하는 \\( \\mathrm{CO}_{2} \\) 가스 분자는 어디에 존재하는 것인가?",
"\\( \\mathrm{CO}_{2} \\) 가스 분자가 어디에 존재하여 방출된 빛을 흡수할 수 있는가?",
"광도파관 속에 있는 \\( \\mathrm{CO}_{2} \\) 가스 분자에 의해 흡수되는 것은 무엇인가?",
"광도파관 내부의 \\( \\mathrm{CO}_{2} \\) 가스 분자는 어떤 걸 흡수하니?",
"광도파관 외부에 존재하는 \\( \\mathrm{CO}_{2} \\) 가스 분자에 의해 방출된 빛이 제거되는가?",
"광도파관 외부의 \\( \\mathrm{CO}_{2} \\) 가스 분자는 방출된 빛을 제거하는가?",
"\\( 4.26 \\mu \\mathrm{m} \\) 에 해당하는 파장대역만이 검출기에 도달하게 하는 것은 무엇인가?",
"무엇이 \\( 4.26 \\mu \\mathrm{m} \\) 파장대역만을 검출기에 도달하게 하는가?",
"광필터에 의해 몇 μm에 해당하는 파장대역만이 검출기로 도달하게 되는가?",
"얼마의 파장대역만 검출기에 도달하는가?",
"\\( 4.26 \\mu \\mathrm{m} \\) 에 해당하는 파장대역이 어디에 도달하는가?",
"\\( 4.26 \\mu \\mathrm{m} \\) 파장대역은 어디까지 도달해?",
"광도파관에 의해 \\( 4.62 \\mu \\mathrm{m} \\) 에 해당하는 파장대역만이 검출기로 도달하게 되는가?",
"광도파관을 거치면 \\( 4.62 \\mu \\mathrm{m} \\) 파장대역만 검출기로 도달할 수 있지?",
"무엇에 도달하는 광량은 Beer-Lambert 법칙인 \\( I=I_{0} e^{-\\alpha l c} \\)을 따르는가?",
"Beer-Lambert 법칙인 \\( I=I_{0} e^{-\\alpha l c} \\)을 따르는 광량은 어디에 도달하는가?",
"검출기로 도달하는 광량이 따르는 법칙은 무엇인가?",
"무엇이 검출기로 도달하는 광량을 이끌어내는 법칙인가?",
"Beer-Lambert 법칙의 식은 무엇인가?",
"Beer-Lambert 법칙을 식으로 표현하면 무엇일까?",
"Beer-Lambert 법칙을 따르는 것은 검출기에 도달하는 어떤 성분인가?",
"어떤 성분이 Beer-Lambert 법칙을 준수하여 검출기에 도달해?",
"\\( I=I_{0} e^{-\\alpha l c} \\)에서 \\( \\mathrm{I}_{0} \\)는 무엇을 의미하는가?",
"\\( \\mathrm{I}_{0} \\)가 \\( I=I_{0} e^{-\\alpha l c} \\) 식에서 의미하는 바가 뭐야?",
"\\( I=I_{0} e^{-\\alpha l c} \\)에서 \\( \\alpha \\)가 의미하는 것은 무엇인가?",
"\\( \\alpha \\)는 \\( I=I_{0} e^{-\\alpha l c} \\)에서 무엇을 의미하니?",
"\\( l \\)은 \\( I=I_{0} e^{-\\alpha l c} \\)에서 무엇을 의미하는 기호인가?",
"\\( l \\)가 \\( I=I_{0} e^{-\\alpha l c} \\)에서 의미하는 바가 뭐야?",
"Beer-Lambert 법칙에서 \\( c \\)가 의미하는 것은 무엇인가?",
" \\( c \\)가 Beer-Lambert 법칙에서 의미하는 바는 뭐야?",
"초기 광량은 무엇에 의해 적어지게 되는가?",
"무엇이 초기 광량을 적어지게 만드는가?",
"가스 분자의 흡수 계수 \\( \\alpha \\) 와 광경로 \\( l \\), 가스 농도 \\( c \\) 에 의해 초기 광량 \\( \\mathrm{I}_{0} \\)이 증가하게 되는가?",
"가스 분자의 흡수 계수 \\( \\alpha \\), 광경로 \\( l \\) 그리고 가스 농도 \\( c \\) 에 의해 초기 광량 \\( \\mathrm{I}_{0} \\)가 증가하는가?",
"광필터의 투과율과 반치전폭에 의해 어떤 센서의 감도와 선택성이 결정되는가?",
"광필터의 투과율 및 반치전폭은 어떤 센서의 감도와 선택성을 결정하니?",
"비분산적외선 \\( \\mathrm{CO}_{2} \\) 센서의 감도와 선택성을 결정하는 것은 반치전폭과 무엇인가?",
"반치전폭과 함께 어떤 요소가 비분산적외선 \\( \\mathrm{CO}_{2} \\) 센서의 감도와 선택성을 결정해?",
"광필터의 투과율과 무엇이 비분산적외선 \\( \\mathrm{CO}_{2} \\) 센서의 감도와 선택성을 정하는가?",
"무엇이 광필터의 투과율과 비분산적외선 \\( \\mathrm{CO}_{2} \\) 센서의 감도와 선택성을 정하는가?",
"비분산적외선 \\( \\mathrm{O}_{2} \\) 센서의 감도와 선택성은 검출기의 투과율에 의해 결정되게 되는가?",
"검출기의 투과율에 의해 비분산적외선 \\( \\mathrm{O}_{2} \\) 센서의 감도와 선택성이 결정되는가?",
"검출기에 도달하는 광량을 크게 하기 위해서는 무엇을 높여야 하는가?",
"무엇을 높여야 검출기에 도달하는 광량을 증가시킬 수 있어?",
"투과율이 높을수록 증가하는 것은 무엇인가?",
"어떤 요소가 증가할수록 투과율이 높아지니?",
"투과율이 작을수록 검출기에 도달하는 광량이 커지게 되는가?",
"검출기로 도달하는 광량은 투과율이 작을수록 커지는가?",
"투과율이 클수록 검출기에 도달하는 광량이 작아지게 되는가?",
"검출기로 도달하는 광량은 투과율이 커질수록 작아지는가?",
"기타 가스의 간섭을 최소화하기 위해서 반치전폭과 일치시켜야 하는 것은 무엇인가?",
"반치전폭을 무엇과 일치시켜야 기타 가스의 간섭을 최소화할 수 있는가?",
"무엇이 \\( \\mathrm{CO}_{2} \\) 의 흡수 파장대역과 동일할 때 다른 가스의 간섭을 최소화할 수 있는가?",
"다른 가스의 간섭을 최소화 하려면 \\( \\mathrm{CO}_{2} \\)의 흡수 파장대역과 무엇이 같아야 하는가?",
"반치전폭과 \\( \\mathrm{CO}_{2} \\) 의 흡수 파장대역이 같을 때 기타 가스의 간섭이 어떻게 되는가?",
"반치전폭과 \\( \\mathrm{CO}_{2} \\) 의 흡수 파장대역이 같을 때, 다른 가스들의 간섭이 어떻게 되는가?",
"\\( \\mathrm{CO}_{2} \\) 의 흡수 파장대역과 반치전폭이 똑같을 때 최소화할 수 있는 것은 무엇인가?",
"\\( \\mathrm{CO}_{2} \\) 의 흡수 파장대역과 반치전폭을 일치시키면 무엇이 최소화되는가?",
"비분산적외선 \\( \\mathrm{CO}_{2} \\) 센서는 많은 부품을 필요로 하는가?",
"비분산적외선 \\( \\mathrm{CO}_{2} \\) 센서는 필요한 부품의 수가 많은가?",
"필요 부품들이 많으며, 센서 제작 시 공정 및 재료의 비용면에서 어려움이 있는 센서는 무엇인가?",
"센서 제작이 복잡하고, 필요 부품들이 많은 경우 어려움이 있는 센서는 무엇인가?",
"비분산적외선 \\( \\mathrm{CO}_{2} \\) 센서를 제작할 때, 공정 및 재료의 어떤 면에서 문제점이 있는가?",
"공정 및 재료의 어떤 면에서 비분산적외선 \\( \\mathrm{CO}_{2} \\) 센서 제작에 문제점이 있는가?",
"광도파관의 내부에 금 코팅을 하는 이유는 무엇인가?",
"광도파관 안 쪽에 금을 코팅하는 이유가 뭐에요?",
"광손실을 줄이기 위해 광도파관 내부는 무엇으로 코팅하는가?",
"광손실을 줄이려면 무엇으로 광도파관 내부를 무엇으로 코팅해야 해?",
"광도파관은 광손실을 줄이기 위해 내부를 구리로 코팅하는가?",
"광도파관 내부를 구리로 코팅하여 광손실을 줄일 수 있는가?",
"외부 요인의 영향을 막기 위한 패키징이 요구되는 것은 광검출기와 무엇인가?",
"광검출기와 무엇이 외부 요인의 영향을 막기 위한 패키징이 요구되는가?",
"외부의 영향을 막기 위한 패키징이 필요한 것은 광원과 무엇인가?",
"광원과 함께 패키징이 요구되는 게 뭐야?",
"광원과 광검출기는 내부 요인의 영향을 막기 위한 패키징이 필요한가?",
"광원 및 광검출기의 패키징이 필요한 이유는 내부 요인의 영향을 막기 위함이지?",
"광필터의 개발비용이 비싼 이유는 무엇인가?",
"광필터를 개발할 때 많은 비용이 드는 이유가 뭐야?",
"비싼 기판과 수십층의 박막 증착으로 개발비용이 많이 드는 것은 무엇인가?",
"기판이 비싸고 박막 증착층이 많아 개발비용이 많이 드는 게 뭐야?",
"광필터이 비싼 이유는 박막 증착과 무엇 때문인가?",
"광필터에 높은 비용이 드는 이유에는 박막 증착과 어떤 게 있어?",
"광필터의 개발비용이 비싼 것은 기판과 무엇 때문인가?",
"광필터 개발에 높은 비용이 요구되는 이유는 기판과 무엇 때문이야?",
"광필터의 경우 개발비용이 싸다는 장점이 있는가?",
"광필터는 낮은 개발 비용을 요구하지?",
"유리기판은 상대적으로 저가의 재료인가?",
"상대적으로 유리 기판의 가격은 다른 재료들에 비해 낮은 편에 속하지?",
"본 연구에서는 무엇을 기반으로 패브리-페로 필터를 설계하였는가?",
"본 연구에서 패브리-페로 필터의 설계 기반이 된 게 뭐야?",
"본 연구에서는 DBR을 기반으로 한 어떤 필터를 설계하였는가?",
"DBR을 기반으로 설계한 필터의 이름이 뭐야?",
"본 연구를 통해 제시하고자 하는 광필터는 무엇인가?",
"본 연구에서 제안하고자 하는 광필터는 무엇이야?",
"\\( \\mathrm{CO}_{2} \\) 센싱을 위한 최적의 적층 조건을 고찰하면 값이 싸고 효과적인 \\( \\mathrm{CO}_{2} \\) 검출용 광필터를 제작할 수 있는가?",
"\\( \\mathrm{CO}_{2} \\) 센싱을 위한 최적의 적층 조건을 고찰함으로써 저비용으로 \\( \\mathrm{CO}_{2} \\) 검출용 광필터를 제작할 수 있지?"
] |
4ae72017-32f8-42c9-a002-fa6db06279e8
|
인공물ED
|
확장 가능형 몽고메리 모듈러 곱셈기
|
<h1>Ⅲ. 확장 가능형 모듈러 곱셈기 설계</h1><p>PE의 1 차원 배열에 의해 피승수 워드를 병렬로 처리 하는 확장 가능형 몽고메리 모듈러 곱셈기 (scalable Montgomery modular multiplier; sMM) 구조를 제안한다. SMM은 SEC에 정의된 소수체 상의 8가지 타원곡선 P192R, P192K, P224R, P224K, P256R, P256K, P384R, P521R) 을 지원하며, PE를 1개 ~ 8개까지 사용해 하드웨어를 구현할 수 있다. 그림 4는 sMM의 내부 블록도이며, 데이터를 저장하는 RAM, 파라미터와 연산 중간결과 값을 저장하는 레지스터 블록 Reg_Mod, 산술연산을 수행하는 SALU 블록, 연산과정을 제어하는 Cntl_FSM 블록으로 구성된다. SALU 블록은 내부에 PE의 1차원 배열을 포함하며, 사용되는 PE의 개수 \( N_{P E} \) 에 따라 연산성능과 하드웨어 복잡도를 조정할 수 있다. RAM은 연산에 필요한 데이터와 연산결과를 저장하며, 연산이 완료되면 연산결과를 외부로 출력한다. 이 때, SALU 블록에 사용된 PE의 개수 \( N_{P E} \)에 따라 RAM의 입출력 포트 크기가 \( w \times N_{P E} \) 로 설정된다. 본 논문에서는 워드크기를 \( w=32- \) 비트로 설정하여 설계했다. Reg_Mod 블록은 승수 \( A \) 와 \( n_{0}^{*} \) 데이터를 저장하여 SALU 블록으로 입력하며, RAM에서 데이터를 읽고, 저장할 수 있다.</p><p>sALU 블록은 \( S \) 데이터, \( q \) 값, 캐리 데이터 등의 연산 중간결과 값들을 저장하는 Reg_File, \( N_{P E} \) 개의 PE 1차원 배열, 32-비트 이진 곱셈기 (Bin_Mult), 32-비트 가산기 그리고 MUX 및 DEMUX들로 구성된다. PE 배열을 구성하는 각PE는 워드단위의 연산을 처리하며, 그림 2 슈도코드의 concurrent \( k\)-루프 내부의 연산을 수행한다. 이진 곱셈기 Bin_Mult는 단계-9에서 \( q \)를 생성하는 이진 곱셈에 사용되며, MUX에 의해 해당 \( i \)-루프의 \( P L_{-} q_{i} \) 가 선택된다. 또한, Cntl_FSM 블록에서 출력되는 동작모드 신호와 계수기 신호에 따라 연산에 필요한 워드가 Reg_File 에서 출력되며, MUX에 의해 선택되어 PE 배열로 입력된다. PE 배열로 입력되는 데이터의 크기는 사용되는 PE 의 개수 \( N_{P E} \)에 따라 \( 32 \times N_{P E} \) 비트가 되며, 32-비트의 워드로 분할되어 각 PE에 입력된다. MUX는 외부에서 입력되는 데이터와 Reg_File에서 출력되는 데이터 중 선택하여 PE로 입력하며, PE 배열에서 연산이 완료된 데이터는 Reg_File에 저장된다. 인접한 PE들은 연산에 필요한 캐리 데이터를 주고 받는다. 이때, 마지막 \( j \)-루프의 경우에는 가산기에서 단계-26의 최상위 워드 \( s_{m-1} \) 을 연산하여 Reg_File에 저장한다.</p><p>그림 5는 PE의 내부 블록도이며, 32-비트 이진 곱셈기(Bin_Mult)와 32-비트 가산기(adder1, adder2), 선택기(MUX)와 레지스터(PP_reg)로 구성된다. PE는 그림 2 슈도코드의 단계-1 단계-5의 \( q \) 데이터를 위한 부분곱 하위워드 \( P L_{-} q \)의 생성과, 단계- 12 단계-19의 곱셈 및 가산을 수행한다. 그림 2 슈도코드의 concurrent \(k\)-루프 내에서 1회의 곱셈과 2회의 가산이 각 PE에 의해 병렬로 2 회 반복 연산되며, 이를 위해 PE 내부의 이진 곱셈기와 가산기를 직렬형태로 구현했다. 이진 곱셈기는 그림 2 슈도코드의 단계-13과 단계-16의 곱셈을 수행하며, adder1은 단계-14와 단계-17의 가산을, adder2는 단계-15와 단계-18의 가산을 수행한다. 각 가산기는 1 비트 캐리 값을 가지며, PE 배열에 의한 가산기의 지연을 줄이고자 16-비트 캐리선택 가산기(carry select adder)를 2개씩 사용하여 구현하였다. 이진 곱셈기와 가산기 사이에 파이프라인 레지스터 PP_reg를 삽입하여 최악경로(critical path) 지연이 최소화되도록 하였으며, 이진 곱셈과 가산 연산에 2 사이클이 소요된다. 이때, PL과 PH의 생성에 연산 중간 결과 값이 사용되지 않는 점을 이용하여 추가로 소모되는 사이클을 최소화하였다. 곱셈을 수행한 후, 2회의 가산과 다음 연산과정의 곱셈이 동시에 처리되도록 하였다. 그림 2의 슈도코드에서 \( i=0 \)이고, \( j=0 \)인 초기 연산의 경 우, 단계-13의 곱셈이 수행되고, \( i=m \)이고, \( j=r-1 \)인 마지막 연산의 경우, 단계-17과 단계-18의 가산이 수행된다. 이 외의 연산 과정에서는, 단계-14와 단계-15의 가산과 단계-16의 곱셈이 동시에 수행되며, 단계-17과 단계-18의 가산과 단계-13의 곱셈이 동시에 연산되고, 위의 연산이 교대로 반복된다.</p>
|
[
"최악경로(critical path) 지연이 최소화되도록 하기 위해 어떠한 방법을 사용하였는가?",
"SMM이 지원하는 SEC에 정의된 타워곡선은 무엇인가?",
"sMM의 내부 블록도 중 옳바른 것은 어느것인가?",
"sMM 내부 블록도 중 파라미터와 연산 중간결과 값을 저장하는 레지스터 블록은 무엇인가?",
"SALU 블록은 무엇에 따라 연산성능과 하드웨어 복잡도 조정이 가능한가?",
"승수 \\( A \\) 와 \\( n_{0}^{*} \\) 데이터를 저장하여 SALU 블록으로 입력하는 블록은 무엇인가?",
"내부에 PE의 1차원 배열을 포함하는 블록은 무엇인가?",
"sALU 블록을 구성하는 것 중 옳지 않은 것은 무엇인가?",
"단계-9에서 \\( q \\)를 생성하는 이진 곱셈에 사용되는 것은 무엇인가?",
"PE 배열에서 연산이 완료된 데이터는 어디에 저장되니?",
"슈도코드의 단계-14와 단계-17의 가산을 수행하는 것은 무엇인가?",
"슈도코드의 concurrent \\(k\\)-루프 내에서 1회의 곱셈과 2회의 가산이 각 PE에 의해 병렬로 2 회 반복 연산되기 위해 PE 내부의 이진 곱셈기와 가산기를 어떤 형태로 구현했니?",
"연산에 필요한 데이터와 연산결과를 저장하는 것은 무엇인가?",
"32-비트 이진 곱셈기(Bin_Mult)와 32-비트 가산기(adder1, adder2), 선택기(MUX)와 레지스터(PP_reg)로 구성된 것은 무엇이니?",
"16-비트 캐리선택 가산기(carry select adder)를 2개씩 사용하여 구현한 이유는 무엇인가?",
"확장 가능형 몽고메리 모듈러 곱셈기 (scalable Montgomery modular multiplier; sMM) 구조는 피승수 워드를 직렬로 처리하는가?",
"추가로 생성되는 사이클을 최소화하기 위하여 PL과 PH의 생성에 연산 중간 결과 값이 사용되지 않는 점을 이용하였는가?"
] |
da17af5c-4a07-40f8-97e0-0886bb7e3de0
|
인공물ED
|
확장 가능형 몽고메리 모듈러 곱셈기
|
<h1>요 약</h1><p>몽고메리 모듈러 곱셈의 유연한 하드웨어 구현을 위한 확장 가능형 아키텍처를 기술한다. 처리요소 (processing element; PE) 의 1차원 배열을 기반으로 하는 확장 가능형 모듈러 곱셈기 구조는 워드 병렬 연산을 수행하며, 사용되는 PE 개수 \( N_{P E} \)에 따라 연산 성능과 하드웨어 복잡도를 조정하여 구현할 수 있다. 제안된 아키텍처를 기반으로 SEC2에 정의된 8가지 필드 크기를 지원하는 확장 가능형 몽고메리 모듈러 곱셈기(scalable Montgomery modular multiplier; sMM) 코어를 설계했다. \(180-\mathrm{nm}\) CMOS 셀 라이브러리로 합성한 결과, SMM 코어는 \( N_{P E}=1 \) 및 \( N_{P E}=8 \) 인 경우에 각각 38,317 등가게이트 (GEs) 및 \( 139,390 \mathrm{GEs} \)로 구현되었으며, \( 100 \mathrm{MHz} \) 클록으로 동작할 때, \( N_{P E}=1 \)인 경우에 57 만회/초 및 \( N_{P E}=8 \)인 경우에 350 만회/초의 256-비트 모듈러 곱셈을 연산할 수 있는 것으로 평가되었다. SMM 코어는 응용분야에서 요구되는 연산성능과 하드웨어 리소스를 고려하여 사용할 PE 수를 결정함으로써 최적화된 구현이 가능하다는 장점을 가지며, ECC 의 확장 가능한 하드웨어 설계에 IP (intellectual property)로 사용될 수 있다.</p>
|
[
"확장 가능형 모듈러 곱셈기 구조는 3차원 배열을 기반으로 하는가?",
"확장 가능형 아키텍처를 기술하는 목적은 몽고메리 모듈러 곱셈의 유연한 소프트웨어를 구현하기 위함인가?",
"SEC2에 정의 내려진 필드의 크기는 몇가지인가?",
"어떤 코어를 제시된 아키텍처를 기반으로 만들었는가?",
"ECC의 확장 가능한 하드웨어 설계에 IP (intellectual property)로 SMM 코어가 사용되기 어려운가?",
"SMM 코어는 어떻게 최적화된 구현이 가능한가?",
"확장 가능형 모듈러 곱셈기 구조는 처리요소 (processing element; PE) 의 1차원 배열을 바탕으로 하며, 어떤 연산의 수행이 가능한가?",
"SMM 코어는 응용분야에서 요구되는 연산성능과 하드웨어 리소스를 고려하여 무엇을 결정하는가?"
] |
c0e46242-17ef-4b82-bebb-038ea1bab2fd
|
인공물ED
|
확장 가능형 몽고메리 모듈러 곱셈기
|
<h1>Ⅳ. FPGA 구현 및 성능평가</h1><h2>1. FPGA 검증</h2><p>설계된 sMM 코어를 그림 6-(a)의 FPGA 검증 플랫폼에 구현하여 하드웨어 동작을 검증하였으며, GUI를 통해 FPGA에서 연산된 결과와 소프트웨어로 계산된 결과를 비교하여 정상 동작을 확인하였다. 그림 6 -(b)는 \( N_{P E}=4 \)로 구현된 sMM 코어에서 256-비트 모듈러 곱셈을 연산한 결과의 화면 캡처이다. PE 개수 \( N_{P E} \)에 따른 8가지 하드웨어 구현에 대해 SEC2에 정의된 8가지 소수체 타원곡선 상의 모듈러 곱셈을 검증하여 모두 올바로 동작함을 확인하였다.</p><h2>2. 성능평가</h2><p>표 1 은 사용되는 PE 개수 \( N_{P E} \) 에 따른 sMM 코어의 소요 클록 사이클 수, 등가게이트 수, RAM 크기 등을 보인 것이다. sMM 코어의 연산성능은 모듈러 곱셈에 소요되는 클록 사이클 수로 평가할 수 있으며, 사용된 PE의 개수 \( N_{P E} \) 와 워드 수 \( m \)에 따라 \( 5 r+2 m r+7 \) (단, \( r=\left\lceil m / N_{P E}\right\rceil \) )로 계산된다. \( N_{P E} \)가 증가함에 따라 소요 클록 사이클 수는 \( 1 / 5 \)로 감소하고, 면적은 약 \( 3.6 \)배 증가하는 것으로 분석되었다. 256-비트 모듈러 곱셈의 초당 연산량은 \( N_{P E}=1 \) 인 경우 약 57만회, \( N_{P E}=4 \)인 경우에 약 200만회, \( N_{P E}=8 \)인 경우에 약 357만회로 평가되었다. 설계된 sMM 코어를 \(180-\mathrm{nm}\) CMOS 셀 라이브러리로 합성한 결과, 약 \( 9 \mathrm{nsec} \)의 최대경로 지연을 갖는 것으로 평가되었으며, \( N_{P E}=1 \)인 경우에 38,317 등가게이트 (GEs), \( N_{P E}=8 \) 인 경우에 139,320 GEs로 평가되었다.</p><p>그림 7은 \( N_{P E} \)에 따른 sMM 코어의 등가게이트 수와 메모리 크기, 그리고 256-비트 모듈러 곱셈 연산에 소요되는 클록 사이클 수 및 초당 곱셈 횟수 등의 성능을 분석한 결과이다. 그림 7로부터, 사용되는 PE 개수 \( N_{P E} \)에 따라sMM 코어의 하드웨어 복잡도와 연산성능의 조정이 가능하며, 따라서 응용분야에서 요구되는 연산성능과 리소스 제한을 고려한 최적화된 모듈러 곱셈기 구현이 가능함을 알 수 있다. 그림 8은 \( N_{P E} \) 에 따른 sMM 코어의 등가게이트 당 256-비트 곱셈 횟수를 분석한 결과이며, \( N_{P E}=4,5,8 \)인 경우에 최적의 효율이 얻어짐을 알 수 있다.</p><p>표 2 는 문헌에 발표된 모듈러 곱셈기와 본 논문의 sMM 코어 \( L=256-\)비트, \( N_{P E}=8\)인 경우)의 성능을 비교한 결과이다. SMM 코어의 하드웨어 복잡도와 동작주파수는 사용되는 PE의 개수 \( N_{P E} \)에 따라 영향을 받으며, \( N_{P E}=2 \)인 경우의 동작주파수는 \( 63 \mathrm{MHz} \)로 예측되었다. DSP 블록과 LUT의 상대적인 하드웨어 크기에 관한 정보는 알려져 있지 않으므로, 하드웨어 복잡도의 간접적인 비교만 가능하다. 본 논문의 sMM 코어는 문헌에 비해 \( 28 \% \)의 연산시간이 더 소요되지만 LUT와 DSP 블록을 각각 약 \( 50 \% \)와 \( 65 \% \)적게 사용하며, 문헌와 비슷한 LUT를 사용하지만 연산시간이 약 \( 50 \% \) 작다. 간접적인 비교를 위해, 1,024 -비트 곱셈기인 문헌의 사례는 sMM 코어에 비해 약 10배의 LUT가 사용되며 연산시간은 약 1.4배 소요된다. 표 2에 제시된 성능 이외에 본 논문의 sMM 코어는 워드크기와 사용되는 PE 개수를 조정하여 임의의 크기의 모듈러 곱셈기를 쉽게 구현할 수 있다는 구조적 유연성의 장점을 갖는다.</p>
|
[
"PE 개수를 조정하면 모듈러 곱셈기를 쉽게 구현할 수 있나요?",
"38,317 등가게이트는 언제인가요?",
"256-비트 모듈러 곱셈의 초당 연상량은 \\( N_{P E}=4 \\) 인 경우 얼마인가요?",
"그림 7은 256-비트 모듈러 곱셈 연산에 소요되는 클록 사이클 수 및 초당 곱셈 횟수 등의 분석 결과입니까?",
"그림 7은 \\( N_{P E} \\)에 따른 sMM 코어의 NOR 게이트 수와 메모리 크기, 그리고 256-비트 모듈러 곱셈 연산에 소요되는 클록 사이클 수 및 초당 곱셈 횟수 등의 성능을 분석한 결과인가요?",
"그림 7로부터, 사용되는 PE 개수 \\( N_{P E} \\)에 따라sMM 코어의 하드웨어 복잡도와 연산성능의 조정이 가능한가요?",
"그림 8은 무엇을 분석한 결과인가요?",
"그림 8로 부터 언제 최적의 효율이 얻어짐을 알 수 있는가?",
"SMM 코어의 하드웨어복잡도와 동작주파수는 무엇에 영향을 받나요?",
"왜 하드웨어 복잡도의 간접적인 비교만 가능한가요?",
"하드웨어 복잡도의 간접적인 비교만 가능한가요?",
"sMM 코어는 문헌에 비해 연산시간이 더 적게 소요되나요?",
"본 논문의 sMM 코어는 문헌에 비해 \\( 28 \\% \\)의 연산시간이 더 소요되지만 LUT와 DSP 블록을 더 적게 사용할까요?",
"LUT와 DSP 블록은 각각 얼마나 더 적게 사용되나요?",
"간접적인 비교를 위해, 1,024 +비트 곱셈기인 문헌의 사례는 sMM 코어에 비해 약 10배의 LUT가 사용됩니까?",
"sMM 코어에 비해 약 10배의 LUT가 사용되면 연산시간은 얼마나더 소요되나요?",
"PE 개수 \\( N_{P E} \\) 에 따른 sMM 코어의 소요 클록 사이클 수, 등가게이트 수, RAM 크기 등을 나타낸 것은 본 논문에 어디에 있는가?",
"설계된 sMM 코어를 어디에 구현하여 하드웨어가 잘 동작하는지 확인했는가?",
"표 1 은 사용되는 PE 개수 \\( N_{P E} \\) 에 따른 sMM 코어의 소요 클록 사이클 수, 등가게이트 수, RAM 크기 등을 보인 것이 맞나요?",
"그림 6 -(b)는 \\( N_{P E}=4 \\)로 구현된 sMM 코어에서 128-비트 모듈러 곱셈을 연산한 결과의 화면 캡처인가요?",
"그림 6 -(b)는 \\( N_{P E}=4 \\)로 구현된 sMM 코어에서 256-비트 모듈러 덧셈을 연산한 결과의 화면 캡처인가요?",
"설계된 sMM 코어를 무엇으로 합성하였는가?",
"설계된 sMM 코어는 몇 초 일때 최대경로 지연을 갖는 것으로 확인되었나?",
"8가지 소수체 타원곡선 상의 모듈러 곱셈은 어디서 정의되었는가?",
"무엇을 활용하여 FPGA의 연산 결과와 소프트웨어의 실제 결과를 비교하였는가?",
"표 2는 sMM 코어의 성능과 무엇을 비교한 결과인가요?",
"\\( N_{P E}=2 \\)인 경우의 동작주파수는 몇인가요?",
"본 논문에서 sMM 코어는 문헌에 비해 얼마나 더 소요되나요?",
"문헌과 비슷한 LUT를 사용하나요?",
"표 2에 제시된 성능외 sMM 코어는 어떤 장점을 가지고 있나요?"
] |
94562e5b-8374-4b6f-9961-37f2bc9fee95
|
인공물ED
|
확장 가능형 몽고메리 모듈러 곱셈기
|
<h1>Ⅴ. 결론</h1><p>워드 단위의 연산 병렬성을 조정하여 연산성능과 하드웨어 복잡도를 최적화할 수 있는 확장 가능형 몽고메리 모듈러 곱셈 알고리듬(WWMA) 과 하드웨어 구조를 제안했다. 부분곱 생성과 가산 연산의 병렬 성은 사용되는 PE의 개수에 의해 결정된다. 제안된 구조를 적용하여 워드 크기는 32-비트이고, PE를 1개에서 최대 8개까지 병렬로 사용할 수 있는 확장 가능형 몽고메리 모듈러 곱셈기 코어를 설계 했다. \( N_{P E}=1 \) 및 \( N_{P E}=8 \)인 경 우에 각각 \(38,317 \mathrm{GEs} \) 및 \( 139,390 \mathrm{GEs} \)로 구현되었으며, \( 100 \mathrm{MHz} \) 클록으로 동작할 때, \( N_{P E}=1 \)인 경우에 초당 57만회 및 \( N_{P E}=8 \)인 경 우에 초당 350만회의 256 -비트 모듈러 곱셈을 연산할 수 있는 것으로 평가되어 사용되는 PE 개수 \( N_{P E} \)에 따라 연산성능과 하드웨어 복잡도 사이에 교환조건이 성립한다. 본 논문의 확장 가능형 모듈러 곱셈기 구조는 응용분야에서 요구되는 연산성능과 하드웨어 리소스를 고려하여 사용되는 PE 개수를 결정함으로써 최적화된 곱셈기 구현이 가능하다는 장점을 가지며, ECC의 확장 가능한 하드웨어 설계에 핵심 IP로 사용될 수 있다.</p>
|
[
"확장 가능형 몽고메리 모듈러 곱셈 알고리듬(WWMA) 과 하드웨어 구조를 제안하기 위해 조정한 것은 무엇인가?",
"부분곱 생성과 가산 연산의 병렬 성은 무엇에 의해 결정되는가?",
"사용되는 PE의 개수에 의해 부분합 생성과 가산 연산의 직렬 성이 결정되니?",
"본 논문의 고정형 모듈러 곱셈기 구조는 ECC의 확장 가능한 소프트웨어 설계에 핵심 IP로 사용될 수 있니?",
"사용되는 PE 개수 \\( N_{P E} \\)에 따라 연산성능과 하드웨어 복잡도 사이에 어떤 조건이 성립하는가?",
"\\( 100 \\mathrm{MHz} \\) 클록으로 동작할 때, \\( N_{P E}=1 \\)인 경우 256 -비트 모듈러 곱셈을 몇 회 연산할 수 있는가?",
"본 논문의 확장 가능형 모듈러 곱셈기 구조의 장점은 무엇인가?",
"본 논문의 확장 가능형 모듈러 곱셈기 구조에서 사용되는 PE 개수 결정하기 위해 무엇을 고려해야 하는가?"
] |
5f9b1d2b-2604-4a28-b1b0-9a32f23cd722
|
인공물ED
|
확장 가능형 몽고메리 모듈러 곱셈기
|
<h1>Ⅰ. 서론</h1><p>대표적인 공개키 암호 방식인 타원곡선 암호 (elliptic curve cryptography; ECC) 는 블록체인(block chain)의 트랜잭션 검증, 자율주행 자동차의 차량간 통신 보안, 드론의 식별인증 등 다양한 분야에서 폭넓게 사용되고 있다. 예를 들어, V2V (Vehicle to Vehicle) 및 V2I (Vehicle to Infrastructure) 무선통신을 지원하는 지능형 교통 시스템(intelligent transport system; ITS) 표준 WAVE(Wireless Access in Vehicular Environment)에서는 ECDSA (Elliptic Curve Digital Signature Algorithm), ECIES(Elliptic Curve Integrated Encryption Scheme) 등 ECC 기반의 전자서명과 공개키 암호 방식을 포함하고 있다.</p><p>ECC는 응용분야 및 구현되는 보안 기능에 따라 타원곡선이 정의되는 체(field)와 크기, 타원곡선의 종류, 요구되는 연산성능 등이 달라진다. 따라서 ECC의 하드웨어 구현 시 다양한 분야의 요구조건을 충족시킬 수 있도록 유연성(flexibility)과 확장성(scalability)을 고려하는 것이 필요하다. 이를 위해서는 ECC의 점 연산을 구현하는 하위 연산인 유한체 상의 모듈러 곱셈, 모듈러 나눗셈 등의 확장 가능형(scalable) 설계가 필수적이다. 여기서 확장성은 응용분야나 구현되는 보안 기능에 따라 연산 성능과 하드웨어 크기를 가변시킬 수 있는 구조를 의미한다.</p><p>다양한 체 크기의 ECC 구현을 위한 확장 가능형 (scalable) 모듈러 곱셈기에 관한 연구가 발표되고 있으며, 이를 구현하는 방법은 크게 두 가지로 나눌 수 있다. 고정된 크기(예를 들면, 워드 기반)의 연산회로를 이용해서 여러 가지 크기의 모듈러 곱셈을 구현하는 방법과 워드단위 연산회로(처리 요소)의 배열 구조를 통해 연산성능과 하드웨어 요구량을 가변시킬 수 있는 방법이다. 예를 들어, 문헌은 2차원 시스토릭 배열(systolic array) 구조를 이용한 확장 가능형 몽고메리 모듈러 곱셈기를 제안하였으나, 5종류의 처리요소가 사용되고, 연산에 소요되는 클록 수가 곱셈기 비트 수에 무관하다는 특징을 갖는다.</p><p>본 논문에서는 응용분야에서 요구되는 연산성능과 하드웨어 복잡도 사이의 최적화를 고려한 확장 가능형 모듈러 곱셈기 구조를 제안한다. 워드기반 몽고메리 곱셈 알고리듬을 기반으로 처리요소 (processing element; PE)의 1 차원 배열 구조를 이용하여 32-비트 워드를 병렬로 연산하는 방법과 곱셈기 구조를 제안한다. 제안된 워드기반 몽고메리 곱셈 알고리듬을 적용하여 확장 가능형 몽고메리 모듈러 곱셈기 코어를 설계했다. SEC2에 정의된 소수체 상의 8 가지 타원곡선을 지원하며, 사용되는 PE 개수 \( N_{P E} \)에 따라 연산성능과 면적을 최적화시킬 수 있는 장점을 갖는다. Ⅱ 장에서는 워드기반 몽고메리 곱셈 알고리듬을 소개하고, Ⅲ 장에서는 확장 가능형 몽고메리 모듈러 곱셈기 설계에 대해 설명한다. Ⅳ 장에서는 FPGA 검증과 성능평가 결과를 기술하고,Ⅴ 장에서 결론을 맺는다.</p>
|
[
"블록체인(block chain)의 트랜잭션 검증, 자율주행 자동차의 차량간 통신 보안, 드론의 식별인증 등 다양한 분야에서 폭넓게 사용되고 있는, 대표적인 공개키 암호 방식의 이름은 무엇인가?",
"영어 약칭 ECC의 의미는 뭐야?",
"대표적인 공개키 암호 방식인 타원곡선 암호(elliptic curve cryptography; ECC)사 활용되는 분야는 어디니?",
"ECC의 타원곡선이 정의되는 체(field)와 크기나 타원곡선의 종류, 요구되는 연산성능 등이 달라지는 것은 응용분야 및 어떤 기능의 구현에 따라 좌우되는가?",
"ECC의 하드웨어 구현할 경우에는 여러 분야의 요구조건을 충족가능하도록 어떤 것들을 염두해야만 하는가?",
"본 논문에서 ECC의 하드웨어를 구현할 경우에 여러 분야의 요구되는 조건을 만족시키도록 유연성(flexibility)과 확장성(scalability)을 염두해둬야하며, 이를 위해 ECC의 점 연산을 구현하는 하위 연산인 유한체 상의 어떤 설계가 반드시 필요한가?",
"ECC의 하드웨어 구현할 경우에 ECC의 점 연산을 구현하는 하위 연산인 유한체 상의 모듈러 곱셈과 모듈러 나눗셈 등의 확장 가능형 설계가 반드시 필요한데, 여기서 의미하는 확장성이란 무엇인가?",
"ECC가 다양한 체 크기를 갖고 구현되도록 확장 가능형 (scalable) 모듈러 곱셈기에 대한 연구가 발표되었는데, 여기에서 주장하는 구현하는 두 가지 방법은 무엇인가?",
"ECC의 타원곡선이 정의되는 체(field)와 크기나 요구되는 연산성능, 타원곡선의 종류 등의 변화는 어떻게 이루어지는 것인가?",
"ECC가 다양한 체 크기를 갖고 구현되도록 확장 가능형 (scalable) 모듈러 곱셈기에 관한 연구가 이뤄지고 있으며, 그 중 한가지 방법으로 고정된 크기(예: 워드 기반)의 연산회로를 통해 어떻게 구현하는 방법이 있는가?",
"ECC가 다양한 체 크기를 갖고 구현되도록 확장 가능형 (scalable) 모듈러 곱셈기에 관한 연구가 이뤄지고 있으며, 그 중 한가지 방법으로 워드단위 연산회로(처리 요소)의 배열 구조를 이용하여 어떻게 가변시키는가?",
"워드기반 몽고메리 곱셈 알고리듬을 바탕으로 하여, 처리요소 (processing element; PE)의 1 차원 배열 구조를 통해 32-비트 워드를 어떻게 연산하도록 제안했는가?",
"본 논문에서 확장 가능형 몽고메리 모듈러 곱셈기 코어를 어떻게 설계했는가?"
] |
3586bc8c-c46f-4b5d-a5df-6603565a82c2
|
인공물ED
|
확장 가능형 몽고메리 모듈러 곱셈기
|
<h1>Ⅱ. 몽고메리 곱셈 알고리듬</h1><h2>1. 몽고메리 모듈러 곱셈 알고리듬</h2><p>몽고메리 모듈러 곱셈 알고리듬은 모듈러 합동 특성을 이용하는 유한체 곱셈 알고리듬으로, \( L \) 비트의 승수 \( A \)와 피승수 \( B \)의 곱셈결과를 모듈러스 \( N \)으로 축약하여 \( L \) 비트의 모듈러 곱셈결과 \( S=A \times B \times R^{-1} \bmod N \) (단, \( R^{-1}=2^{-L} \) )을 출력한다. 몽고메리 모듈러 곱셈 알고리듬은 그림 1의 슈도코드로 나타낼 수 있다. 단계-2에서 승수 \( A \)의 각 비트 \( a_{i} \) (단, \( 0 \leq i \leq L-1 \) )와 피승수 \( B \)를 곱하여 부분곱 \( a_{i} \times B \)를 생성하고, 이전 루프의 부분곱 가산 결과 \( S \)에 더하여 \( L+1 \) 비트의 결과를 얻는다. 단계-3~단계-4는 축약과정이며, 모듈러 합동 특성을 이용해 부분곱 가산 결과의 최하위 비트 \( s_{0} \)를 0으로 만들고, 단계-4의 시프트 과정을 통해 최하위 비트를 제거하여 \( L \) 비트의 연산결과를 만든다. \(i\)-루프가 \( L \)회 반복되므로, 모듈러 곱셈결과에 \( 2^{-L} \) 가 포함된다. \( L \)비트 승수에 대한 부분곱 생성 및 가산이 완료되면, 연산결과 \( S \)와 모듈러스 \( N \)을 비교하여 \( S \geq N \)인 경우, \( S-N \)의 모듈러 뺄셈 연산을 거쳐 최종 모듈러 곱셈결과가 얻어진다.</p><h2>2. 확장 가능형 워드기반 몽고메리 곱셈 알고리듬</h2><p>본 논문에서 제안하는 확장 가능형 워드기반 몽고메리 곱셈 알고리듬(scalable word-based Montgomery multiplication algorithm; sWMMA)의 슈도코드는 그림 2와 같으며, 워드기반 몽고메리 곱셈 알고리듬의 변형이다. 승수와 피승수 \( A, B \) 그리고 모듈러스 \( N \)은 \( w \)-비트의 워드 \( m \)개로 분할되어 연산된다. 워드의 크기 \( w \)는 \( 16,32,64 \)비트로 설계에 따라 결정된다. \( n_{0}^{*} \)는 모듈러스 \( N \)의 최하위 워드 \( n_{0} \) 로부터 \( n_{0}^{*}=-n_{0}^{-1} \bmod 2^{w} \)로 정의되며, 모듈러 합동 특성을 이용하여 부분곱 가산 결과의 최하위 워드 \( s_{-1} \)을 0으로 만들어 제거하는 축약 연산에 사용된다.</p><p>그림 2의 슈도코드에서 \( i \)-루프와 \( j \)-루프는 각각 승수 \( A \)와 피승수 \( B \)를 워드 단위로 처리하며, \( i \)-루프는 승수의 워드 개수인 \( m \)회 반복되고 \( j \)-루프의 반복 횟수는 \( r=\left\lceil m / N_{P E}\right\rceil \) 가 된다. \( j \)-루프 내부의 concurrent \(k \)-루프는 \( N_{P E} \)개의 PE를 이용하여 \( N_{P E} \)개의 피승수 워드를 병렬로 처리하며, 사용되는 PE의 개수 \( N_{P E} \)에 따라 연산에 소요되는 사이클 수가 달라진다. SWMMA의 연산처리 과정은 다음과 같다.</p><ol type=1 start=1><li>단계-1 단계-5: \( i \)-루프의 축약연산에 사용되는 \( q \) 값을 생성하기 위해 \( a_{i} \times b_{0} \) 곱셈을 통해 부분곱 하위 워드 \( P L_{-} q \)를 계산한다. PE 배열에 의해 \( N_{P E} \)개의 워드가 병렬로 연산되며, \( r \)회 반복 연산된다.</li><li>단계-7 단계-9: \( i \)-루프 반복이 시작될 때, 캐리 데이터를 초기화하고 축약 연산을 위한 \( q \) 값을 생 성한다.</li><li>단계-11: 이전 \( j \)-루프에서 생성된 부분곱의 상위워드 C_add1, C_add2가 현재 \( j \)-루프에서 가산에 사용되도록 저장한다.</li><li>단계-12 단계-19: PE 배열에 의해 \( N_{P E} \) 개의 피승수 워드가 병렬로 연산되며, 곱셈과 가산 연산으로 구성된다. 단계-13 단계-15는 승수 워드 \( a_{i} \)와 피승수 워드 \( b_{j} \)의 곱셈연산을 통해 부분곱이 생성되며, 생성된 부분곱의 상위워드 \( P H 1_{k} \) 는 \( (k+1) \)-번째 워드의 부분곱 가산에 사용된다. 생성된 부분곱의 하위워드 \( P L 1_{k} \) 는 \( (k-1) \)-번째 워드의 부분곱 상위워드 \( P H 1_{k-1} \)와 가산되며, 이전 \( i \)-루프의 부분곱 가산결과 워드 \( s_{k} \)와 가산된다. 이 때, 1 회의 \( i \)-루프 연산은 1 개의 승수 워드 \( a_{i} \)와 \( m \)개의 피승수 워드 \( b_{0} \sim b_{m-1} \)간의 곱셈이 계산되며, \( m+1 \)개 워드의 부분곱 가산결과가 생성된다. 단계-16 단계-18은 단계-13 단계-15에 의해 생성된 \( m+1 \) 개의 부분곱 가산결과 워드에 대한 축약연산 과정이며, 모듈러 합동 특성을 이용해 \( s_{m-2} \sim s_{-1} \) 워드 중 최하위 워드 \( s_{-1} \)를 0으로 만들어 제거한다. 단계-13 단계-15와 동일한 연산구조 (곱셈 1회, 가산 2회)를 가지며, 단계-9에서 생성된 \( q \) 값과 모듈러스 값이 사용된다.</li><li>단계-20 단계-24: concurrent \( k\)-루프에서 생성된 부분곱 상위워드 \( P H 1_{N_{P E^{-1}}} \)와 \( P H 2_{N_{P E}-1} \)을 저장하여 다음 \( j \)-루프의 단계-11에서 사용되도록 한다. 마지막 \( j \)-루프일 경우, 마지막 워드가 연산된 PE의 부분곱 상위워드 값을 저장하며, 단계-26에서 최상위 워드 \( s_{m-1} \)를 생성하는 가산에 사용된다.</li><li>단계-26: \( j \)-루프의 반복이 완료되면, 단계-20~단계-24에 의해 저장된 부분곱 상위워드와 워드 \( s_{m-1} \)와 캐리 값 \( c_{m s b} \)을 생성한다.</li><li>단계-28 단계-30: \( i \)-루프의 반복이 완료되면, 곱셈결과 \( S \)와 \( N \)을 비교하여 \( S \geq N \)일 경우 \( S-N \bmod N \)의 축약연산을 한다.</li></ol><p>위의 과정을 통해 몽고메리 모듈러 곱셈 결과 \( S=A \times B \times R^{-1} \bmod N \) 가 출력된다. 매 \( i \)-루프마다 단계-16 단계-18의 축약 과정을 통해 최하위 워드 \( s_{-1} \)제거되며, \( m \)회의 \( i \)-루프를 반복을 통해 \( m \)개의 워드가 제거되어 \( R^{-1} \bmod N \)이 포함된 곱셈 결과가 얻어진다.</p><p>그림 3은 \( N_{P E} \) 개의 \( \mathrm{PE} \) 를 사용하여 그림 2의 SWMMA를 구현하는 경우의 연산과정을 나타낸 모식도이다. \(x\)-축은 사용되는 PE 개수 \( p=N_{P E} \)를 나타내며, 그림 2의 슈도코드에서 concurrent \(k\)-루프에 의한 \( p \)개 워드가 병렬 연산됨을 의미한다. \(y\)-축은 모듈러 곱셈에 소요되는 클록 사이클 수를 나타내며, 그림 2의 슈도코드에서 \( m \)개의 승수 워드에 대한 연산을 처리하는 \( i \)-루프와 그 내부에 피승수 워드에 대한 연산을 처리하는 \( j \)-루프로 구성된다. \( p \)개의 PE가 사용되는 경우, \( m \)개의 피승수 워드에 대한 연산을 위해 \( j \)-루프에서 \( r=\lceil m / p\rceil \) 클록 사이클이 소요된다. 처음 \( r \) 클록 사이클은 슈도코드의 단계-1 단계-5의 \( q \) 값 생성에 소요되며, 나머지 \( m \times r \) 클록 사이클은 모듈러 곱셈의 부분곱 워드 생성과 가산 그리고 축약연산에 소요된다. 예를 들어, 4 개의 PE를 사용해서(즉, \( p=4 \) ) 256-비트 모듈러 곱셈을 연산하는 경우 워드의 수는 \( m=256 / 32=8 \) 이고, \( j \)-루프에서 \( r=\lceil 8 / 4\rceil=2 \) 클록 사이클이 소요되며, 총 18 클록 사이클이 소요된다. 이와 같이, sWMMA는 사용되는 PE의 개수에 따라 연산성능과 하드웨어 복잡도를 조정할 수 있다는 장점을 갖는다.</p>
|
[
"\\( N_{P E} \\) 개의 \\( \\mathrm{PE} \\)를 사용하면서 그림 3은 그림 2의 SWMMA를 구현할 때의 연산과정을 나타낸 모식도이고, \\(x\\)-축은 무엇의 사용 개수를 나타낸 것인가?",
"모듈러 합동 특성을 이용하는 유한체 곱셈 알고리듬은 무엇인가?",
"\\( N_{P E} \\) 개의 \\( \\mathrm{PE} \\) 를 사용하여 그림 3은 그림 2의 SWMMA를 구현할 때의 연산과정을 나타낸 모식도이고, 여기에서 \\(y\\)-축은 무엇을 나타내는가?",
"SWMMA의 연산처리 과정가운데, 단계-13 단계-15는 승수 워드 \\( a_{i} \\)와 피승수 워드 \\( b_{j} \\)의 곱셈연산을 통해=한 부분곱이 생성되며, \\( (k+1) \\)-번째 워드에서 생성된 부분곱의 상위워드 \\( P H 1_{k} \\) 는 어떻게 사용되지?",
"모듈러 합동 특성을 이용한 유한체 곱셈 알고리듬인 몽고메리 모듈러 곱셈 알고리듬은 \\( L \\) 비트의 승수 \\( A \\)와 피승수 \\( B \\)의 곱셈결과를 모듈러스 \\( N \\)으로 축약함으로써, \\( L \\) 비트의 모듈러 곱셈결과가 식으로 어떻게 나오는가?",
"축약과정인 단계-3~단계-4는 모듈러 합동 특성을 통해 부분곱 가산 결과의 최하위 비트 \\( s_{0} \\)를 0으로 만들며, 단계-4의 시프트 과정에서는 최하위 비트를 없애며 \\( L \\) 비트의 연산결과를 얻는데, \\(i\\)-루프가 \\( L \\)회 반복되므로, 모듈러 곱셈결과에 포함되는 것은 무엇인가?",
"본 논문의 그림 2에서 나타낸 슈도코드에서 \\( i \\)-루프와 \\( j \\)-루프가 각각 승수 \\( A \\)와 피승수 \\( B \\)를 처리할 경우에 사용하는 단위가 뭐야?",
"concurrent \\(k \\)-루프는 \\( j \\)-루프 내에서 \\( N_{P E} \\)개의 PE를 이용하여 \\( N_{P E} \\)개의 병렬로 피승수 워드를 처리하고, 사용되는 PE의 개수와 관계 없이 연산에 소요되는 사이클 수는 동일한가?",
"\\( N_{P E} \\)개의 \\( \\mathrm{PE} \\)를 사용하는 그림 3은 그림 2의 무엇을 구현할 때의 연산과정을 표현한 모식도인가?",
"\\( i \\)-루프는 \\( m \\)개의 승수 워드에 관한 연산을 처리하며, 이와 함께 내부의 피승수 워드에 관한 연산을 처리하는 무엇으로 그림 2의 슈도코드가 구성되는가?",
"\\( p \\)개의 PE가 사용될 때, \\( m \\)개의 피승수 워드에 대한 연산을 위해 \\( j \\)-루프에서 \\( r=\\lceil m / p\\rceil \\) 클록 사이클이 소요되며, 슈도코드의 단계-1 단계-5의 어떤 값을 만들 때 , \\( r \\) 클록 사이클이 처음으로 사용되는가?",
"본 논문에서 PE를 4 개의 사용하여 256-비트 모듈러 곱셈을 연산하면, 워드의 수는 \\( m=256 / 32=8 \\) 인데, \\( j \\)-루프에서 \\( r=\\lceil 8 / 4\\rceil=2 \\) 클록 사이클이 소요된다면, 결과적으로 모두 얼마의 클록 사이클이 쓰이는가?",
"sWMMA는 하드웨어 복잡도와 연산성능을 조정할 수 있는 장점을 갖고 있는데, 이 때 무엇의 개수에 따라 조정이 가능해지는가?",
"\\( i \\)-루프와 \\( j \\)-루프는 각각 승수 \\( A \\)와 피승수 \\( B \\)를 그림 2의 슈도코드에서 어떻게 다루는가?",
"유한체 곱셈 알고리듬인 몽고메리 모듈러 곱셈 알고리듬은 모듈러 합동 특성을 이용하며, \\( L \\) 비트의 승수 \\( A \\)와 피승수 \\( B \\)의 곱셈결과를 어떻게 만들지?",
"몽고메리 모듈러 곱셈 알고리듬은 본 논문의 그림1에서 어떻게 표현되는가?",
"본 논문의 단계-2에서 부분곱 \\( a_{i} \\times B \\)를 생성하기 위해, 먼저 어떻게 곱셈 연산을 하는가?",
"축약과정인 단계-3~단계-4는에서는 어떻게 부분곱 가산 결과의 최하위 비트 \\( s_{0} \\)를 0으로 만드는가?",
"축약과정인 단계-3~단계-4에서, 단계-4의 시프트 과정을 통해 \\( L \\) 비트의 연산결과를 만들기 위해 먼저 어떻게 하는가?",
"모듈러 곱셈결과에 \\( 2^{-L} \\)가 존재한는 것은 \\(i\\)-루프를 어떻게 한 결과인가?",
"\\( L \\)비트 승수에 관한 부분곱 생성 및 가산이 끝나면, 연산결과 \\( S \\)를 어떻게 하여, \\( S \\geq N \\)일 때 \\( S-N \\)의 모듈러 뺄셈 연산을 거쳐 최종 모듈러 곱셈결과를 구하는가?",
"\\( L \\)비트 승수에 대한 부분곱 생성 및 가산이 마무리되면, 연산결과 \\( S \\)와 모듈러스 \\( N \\)을 비교한 후 \\( S \\geq N \\)일 때, 어떻게 최종 모듈러 곱셈결과를 구하는가?",
"\\( A, B \\) 승수와 피승수 그리고 모듈러스 \\( N \\)은 어떻게 만들어진 후에 연산이 진행되는가?",
"\\( n_{0}^{*} \\)는 모듈러스 \\( N \\)의 최하위 워드 \\( n_{0} \\)에서 어떻게 정의 내리는가?",
"워드의 크기 \\( w \\)는 비트가 어떻게 나뉘는가?",
"\\( n_{0}^{*} \\)는 모듈러스 \\( N \\)의 최하위 워드 \\( n_{0} \\) 에서 \\( n_{0}^{*}=-n_{0}^{-1} \\bmod 2^{w} \\)로 정의내려지고, 축약 연산에 어떻게 사용되는가?",
"concurrent \\(k \\)-루프는 \\( j \\)-루프 내부에서 \\( N_{P E} \\)개의 PE를 이용하여 \\( N_{P E} \\)개의 병렬로 피승수 워드를 처리하고, 사용되는 PE의 개수에 따라서 어떻게 바뀌는가?",
"SWMMA의 연산처리 과정에서, 단계-1 단계-5: \\( i \\)-루프의 축약연산에 사용되는 \\( q \\) 값을 만들기 위해서는 어떻게 계산하는가?",
"SWMMA의 연산처리 과정 중 단계-7 단계-9: \\( i \\)-루프 반복의 초기 단계에서 어떻게 해야하는가?",
"SWMMA의 연산처리 과정의 단계-11에서 이전 \\( j \\)-루프에서 만들어진 부분곱의 상위워드 C_add1, C_add2가 현재 \\( j \\)-루프에서는 어떻게 되어야 하는가?",
"SWMMA의 연산처리 과정가운데, 단계-12 단계-19: PE 배열에 의해 \\( N_{P E} \\) 개의 피승수 워드가 병렬로 연산되면서, 어떻게 바뀌는가?",
"SWMMA의 연산처리 과정의 단계-20 단계-24에서 마지막 \\( j \\)-루프일 경우, 마지막 워드가 연산된 PE의 부분곱 상위워드 값을 저장하며, 단계-26에서 어떻게 되는가?",
"SWMMA의 연산처리 과정에서, 단계-26에서 단계-20~단계-24에 의해 저장된 부분곱 상위워드와 워드 \\( s_{m-1} \\)와 캐리 값 \\( c_{m s b} \\)을 생성하려면, 먼저 어떻게 해야하는가?",
"SWMMA의 연산처리 과정의 단계-26: \\( j \\)-루프의 반복이 마무리 되면 어떻게해야하는가?",
"본 논문에서 SWMMA의 연산처리 과정을 모두 지나면, 몽고메리 모듈러 곱셈 결과가 출력되는데 식으로 어떻게 표현되는가?"
] |
c9cafa3e-4de1-44ea-bdf5-2302fbefa5d7
|
인공물ED
|
주입 전압파형의 형상에 따른 고조파 주입센서리스 기법의 제어 성능 비교
|
<h1>Ⅰ. 서론</h1><p>영구 자석 전동기는 타 전동기에 비하여 효율이 높고, 체적대당 출력 토오크비가 우수하여 가변속 구동 시스템에 널리 적용되고 있다. 통상의 교류 전동기의 벡터 제어에 있어 위치 검출을 위하여 리졸버 또는 엔코더를 사용하고, DSP 를 이용하여 전류 및 속도 제어를 행한다. 하지만 전동기의 위치 검출 센서는 외부 충격에 취약하여 손상이나 노후가 되어 작동을 못하는 경우가 있다. 이를 해결하기 위하여 센서리스 제어 기법들이 제안되고 있다. 센서리스 전동기 제어는 엔코더, 레졸버 등의 위치 검출 센서가 없어도 전동기 구동이 가능하게 됨으로써 비용을 절감하고, 시스템 크기를 줄이며, 위치 혹은 속도 센서 고장 문제의 제거로 신뢰성 향상을 가져온다. 하지만 센서리스 모터 제어는 실제값과 추정값의 오차로 인한 제어 성능 저감의 단점이 있다. 따라서 센서리스 제어 성능의 한계로 주 시스템으로 사용하지 못하지만, 위치 센서가 정상 작동하지 못하는 경우 혹은, 고장을 대비한 비상 백업 시스템으로만 센서리스 제어 알고리즘이 활용되는 경우도 있다.</p><p>센서리스 제어 기법은 크게 역기전력을 이용하는 방식과 고조파 신호 인가 방식이 있다. 고조파 주입 센서리스 제어 방식은 기존의 역기전력 추정 센서리스 제어 기법보다 저속에서 위치 추정이 더 용이하다. 고속과 중속에서는 역기전력 센서리스 기법과 결합하여 사용할 수 있다. 또한 기존의 사인파 고조파 전압 주입기법에 비해 노이즈가 적어 효율이 좋으며, 저속에서 각도 추정이 역기전력을 이용하는 센서리스 기법보다 적은 추정 각도값의 오차가 적다는 장점이 있다. 이 기법은 인버터에서 출력되는 전류를 \( d q \) 좌표계로 변환된 전류와 전류 제어기의 \( q \) 축 전류에 고조파 전압을 주입하게 되며, \( d \) 축에서 위치가 추정된다. MCU 를 이용하여 사인파를 구현하기가 힘들어 사각파로 대체 하였지만, 사인파보다 각 추종 능력이 떨어진다. 따라서 본 논문에서는 삼각파를 주입하여 사각파보다 구현도 용이하며, 또한 구형파 주입한 경우보다 각도 추정 성능이 우수하다는 것을 보이고자 한다. 본 논문에서는 고조파의 형상을 정현파, 삼각파, 사각파의 형태로 달리했을 때의 센서리스 기법의 성능을 보이고자 한다. 실험은 HILS(hardware in the loop simulation) system을 이용하였다. 전동기 및 전력변환기는 Real time OS 내에 Simulink 모델을 이용하고 구현하고 있으며, 제어기는 FPGA 를 이용하여 센서리스 제어기를 구현한다.</p>
|
[
"MCU 를 이용하여 사인파를 구현하기가 힘들어 사각파로 대체 하였지만, 사인파보다 각 추종 능력이 떨어지는가?",
"본 논문에서는 삼각파를 주입하여 사각파보다 구현도 용이하며, 또한 구형파 주입한 경우보다 각도 추정 성능이 우수하다는 것을 보이고자 하는가?",
"본 논문에 기법은 인버터에서 출력되는 전류를 dq 좌표계로 변환된 전류와 전류 제어기의 qq 축 전류에 고조파 전압을 주입하게 되며, d 축에서 위치가 추정되는가?",
"통상의 교류 전동기의 벡터 제어에 있어 위치 검출을 위하여 리졸버 또는 엔코더를 사용하고, DSP 를 이용하여 전류 및 속도 제어를 행하는가?",
"센서리스 제어 성능의 한계로 주 시스템으로 사용하지 못하지만, 위치 센서가 정상 작동하지 못하는 경우 혹은, 고장을 대비한 비상 백업 시스템으로만 센서리스 제어 알고리즘이 활용되는 경우도 있나?",
"전동기 및 전력변환기는 Real time OS 내에 Simulink 모델을 이용하고 구현하고 있으며, 제어기는 FPGA 를 이용하여 센서리스 제어기를 구현하는가?",
"센서리스 제어 기법은 크게 역기전력을 이용하는 방식과 고조파 신호 인가 방식이 있나?",
"전동기의 위치 검출 센서는 외부 충격에 취약하여 손상이나 노후가 되어 작동을 못하는 경우를 해결하기 위하여 센서리스 제어 기법들이 제안되고 있나?",
"본 논문에서 실험은 HILS(hardware in the loop simulation) system을 이용하였나?",
"기존의 사인파 고조파 전압 주입기법에 비해 노이즈가 적어 효율이 좋으며, 저속에서 각도 추정이 역기전력을 이용하는 센서리스 기법보다 적은 추정 각도값의 오차가 적다는 장점이 있나?",
"영구 자석 전동기는 타 전동기에 비하여 효율이 높고, 체적대당 출력 토오크비가 우수하여 가변속 구동 시스템에 널리 적용되고 있나?",
"센서리스 전동기 제어는 엔코더, 레졸버 등의 위치 검출 센서가 없어도 전동기 구동이 가능하게 됨으로써 비용을 절감하고, 시스템 크기를 줄이며, 위치 혹은 속도 센서 고장 문제의 제거로 신뢰성 향상을 가져오는가?",
"고속과 중속에서는 역기전력 센서리스 기법과 결합하여 사용할 수 있나?",
"전동기의 위치 검출 센서는 외부 충격에 취약하여 손상이나 노후가 되어 작동을 못하는 경우가 있는가?",
"센서리스 모터 제어는 실제값과 추정값의 오차로 인한 제어 성능 저감의 단점이 있는가?",
"고조파 주입 센서리스 제어 방식은 기존의 역기전력 추정 센서리스 제어 기법보다 저속에서 위치 추정이 더 용이한가?"
] |
0055e7de-8036-4a22-a403-b03ce76d67c9
|
인공물ED
|
주입 전압파형의 형상에 따른 고조파 주입센서리스 기법의 제어 성능 비교
|
<h2>2. 고조파 주입 센서리스 기법 Simulink 모델</h2><p>그림 3은 Matlab/Simulink로 구현한 고조파 전압 주입기법을 이용한 PMSM의 센서리스 제어 시뮬레이션 모델이다. HILS 실험에서 이 부분은 FPGA 보드를 이용하여 구현된다.</p><p>그림 3에서 보이듯이 각 블록은 식 (6)-(7) 및 BSF를 구현하기 위하여 matlab function 블록을 이용하였다. 고조파가 포함된 3상 전류는 2상으로 변환되고 BSF 를 통과하여 고조파 부분이 검출되며, 식 (7)을 구현한 matlab function 블록을 이용하여 회전자 위치를 추정한다. 전류를 위해서는 고조파 전류의 제거를 위하여 LPF 를 이용한다.</p><h2>3. 실험 구성</h2><p>PMSM의 파라미터는 표 1 과 같이 시뮬레이션에 사용한 값과 동일한 값이다. 그림 5는 실험 장비 사진이다. 각 장치의 명칭은 표 2 와 같다. 장치 (3)은 제어 보드 (2)와 Real time OS (1)과의 신호 레벨을 매칭하기 위한 보드이며, 장치 (4)와 (5)은 보드 (3)을 위한 전원장치이다. OP4510은 내장 FPGA를 통해 in/output을 받으며, 디지털 신호는 \( 4 \mathrm{V}-30 \mathrm{V} \), 아날로그 신호는 \( \pm 20 \mathrm{V} \) 로 입출력을 하게 되며, 외부 FPGA인 DE1-ScC은 최대 \( 3.3 \mathrm{V} \) 를 출력한다. 따라서, 이 두 장비를 연동하기 위해서 장치 (3)을 이용하여 입출력 전압을 조정하였다.</p><p>그림 6은 HILS 실험 구성도이다. \( 10 \mathrm{kHz} \) 의 PWM 및 센서리스 알고리즘 구현을 위하여 Verilog HDL을 이용하였으며, FPGA 제어기에서 고조파 주입을 이용한 센서리스 제어기의 알고리즘을 구현하였다. Real time OS인 RT4510에 인버터와 PMSM을 Simulink로 모델링하였다. 실시간 시뮬레이터에 구성된 인버터와 PMSM 동작할 경우 제어기에 필요한 모터의 정보들을 FPGA에 인가하게 된다. 한편, 제어보드에서 Real time simulator로의 출력은 인버터의 게이트 신호이며, HILS에서 사용자가 시스템 동작을 모니터링 할 수 있게 User PC에 사용자가 지정한 데이터를 전송하여 결과값을 그래프로 보여준다.</p><p><table border><caption>표 1. 시뮬레이션에 사용한 시스템 사양</caption><tbody><tr><td>Quantity</td><td>Comment</td><td>Parameter</td></tr><tr><td>\(\mathrm{R}_{s}\)</td><td>Stator resistance</td><td>0.15 [\(\Omega\)]</td></tr><tr><td>\(\mathrm{L}_{d}\)</td><td>d axis inductance</td><td>3 [\(\mathrm{mH}\)]</td></tr><tr><td>\(\mathrm{L}_{q}\)</td><td>q axis inductance</td><td>6 [\(\mathrm{mH}\)]</td></tr><tr><td>\(\mathrm{P}\)</td><td>Number of poles</td><td>8</td></tr><tr><td>\(\mathrm{P}_{m}\)</td><td>Rated power</td><td>1.5 [\(\mathrm{kW}\)]</td></tr><tr><td>\({f}_{s}\)</td><td>Switching trequency</td><td>10 [\(\mathrm{kHz}\)]</td></tr><tr><td>\({f}_{h}\)</td><td>Frequency of injection voltage</td><td>1 [\(\mathrm{kHz}\)]</td></tr><tr><td>\(\mathrm{V}_{h}\)</td><td>MIN and max magnitude of injection voltage</td><td>\(\pm 2[\mathrm{V}]\)</td></tr></tbody></table></p><p><table border><caption>표 2. 그림 5에 표시된 하드웨어의 기능</caption><tbody><tr><td></td><td>Comment</td></tr><tr><td>①</td><td>OP4510</td></tr><tr><td>②</td><td>DE1-SoC</td></tr><tr><td>③</td><td>Signal level change board</td></tr><tr><td>④</td><td>3.3\(\mathrm{V}\) regulator</td></tr><tr><td>⑤</td><td>220\(\mathrm{V}\) to 5\(\mathrm{V}\) converter</td></tr></tbody></table></p>
|
[
"Matlab/Simulink로 구현한 고조파 전압 주입기법을 이용한 모델은 뭐지?",
"HILS 실험에서는 무엇을 이용하여 구현했어?",
"무엇을 HILS 실험에서 활용해 구현했니?",
"그림 3은 Matlab/Simulink로 구현된 BLDC의 센서리스 제어 시뮬레이션 모델을 나타내고 있어?",
"고조파가 포함된 3상 전류는 2상으로 변환되고 BSF 를 통과하여 고조파 부분이 어떻게 돼?",
"본문에서 BSF를 구현하기 위해 이용한 것은 무엇일까?",
"무엇을 본문에서 BSF를 구현하기 위해 사용했어?",
"3상 전류가 2상으로 변환되며 BSF를 통과하여 검출되는 것은 뭐야?",
"matlab function 블록을 통해 고정자의 위치를 추정해?",
"고정자의 위치를 matlab function 블록을 통해 추정해?",
"고조파 전류의 제거를 위하여 이용되는 것은 뭐지?",
"무엇이 고조파 전류의 제거를 위하여 사용돼?",
"OP4510의 디지털 신호의 입출력은 어느 정도야?",
"OP4510의 외부 FPGA는 무엇이야?",
"HPF의 활용을 통해 고조파 전류를 제거해?",
"OP4510은 무엇을 통해 입/출력을 받아?",
"이 실험 구성에서 OP4510의 외부 FPGA인 DE1-ScC은 최대 얼마의 값을 출력하게 돼?",
"OP4510의 아날로그 신호의 입출력은 수치로 얼마나 돼?",
"OP4510은 아날로그 신호로 \\( 4 \\mathrm{V}-30 \\mathrm{V} \\)의 input-output을 받아?",
"OP4510은 외장 FPGA를 통해 입력과 출력을 받아?",
"HILS 실험에서 Real time OS인 RT4510에 인버터와 PMSM을 MATLAB를 이용하여 모델링 했어?",
"HILS 실험은 어떤 장치에서 고조파 주입을 이용한 센서리스 제어기의 알고리즘을 구현했어?",
"HILS 실험에서 Real time OS인 RT4510에 인버터와 PMSM을 무엇으로 모델링했지?",
"표 1.에서 파라미터 값이 6 [\\(\\mathrm{mH}\\)]인 \\(\\mathrm{L}_{q}\\)는 무엇을 나타내?",
"제어보드에서 인버터의 게이트 신호는 무엇의 출력이야?",
"HILS에서 User PC에 사용자가 지정값을 전송하여 결과값을 그래프로 보여주는 이유는 뭘까?",
"사용자가 시스템 동작을 수시로 체크 할 수 있도록 User PC에 무엇을 전송하는가?",
"본문에서 matlab function 블록을 사용하여 무엇을 추정할 수 있지?",
"matlab function 블록을 이용하여 추정할 수 있는 것은 뭐지?",
"실시간 시뮬레이터에 구성된 인버터와 PMSM 동작할 경우 제어기에 필요한 모터의 정보들을 어디에 인가하게 되지?",
"HILS 실험에서 어떤 결과를 구현하기 위해 Verilog HDL을 이용했어?",
"FPGA 제어기에서 저조파 주입을 통해서 센서리스 제어기의 알고리즘을 나타나도록 했어?",
"표 1.에서 \\(\\mathrm{R}_{s}\\)의 파라미터 값은 얼마야?",
"표 1.에서 정격 출력을 나타내는 파라미터의 값은 얼마야?",
"제어기에 필요한 모터의 정보들은 실시간 시뮬레이터에 구성된 인버터와 무엇이 동작해야 FPGA에 인가하게 되지?",
"HILS에서 User PC에 관리자가 지정해준 데이터를 전송하여 결과값을 그래프로 보여줘?",
"HILS에서 사용자가 User PC에 지정한 데이터를 전송하여 결과값을 수치값으로 보여줘?",
"실시간 시뮬레이터에 구성되어 있는 인버터와 BLDC 동작할 경우 제어기에 필요한 모터의 정보들을 FPGA에 인가하게 돼?",
"HILS 실험에서 \\( 10 \\mathrm{kHz} \\) 의 PWM 및 센서리스 알고리즘 구현을 위해 이용한 것이 뭐지?",
"표 2. 그림 5에 표시된 하드웨어의 기능 중 3.3\\(\\mathrm{V}\\) 레귤레이터라고 설명된 것은 무엇이지?",
"표 2.의 각 장치의 명칭 중 ⑤의 명칭은 무엇이지?",
"내장 FPGA를 통해 in/output을 받는 장치는 표 2. 중에 무엇이지?",
"\\(\\mathrm{V}_{h}\\)의 값은 표 1.에서 몇 \\([\\mathrm{V}]\\)로 나타났지?",
"표 2. 그림 5에 표시된 하드웨어의 기능 중 ③은 무엇을 나타내지?",
"표 1. 시뮬레이션에 사용한 시스템 사양에서 Number of poles라고 설명된 파라미터의 값은 얼마로 나타나고 있어?",
"Signal level change board는 몇번 기능에 해당하니?"
] |
cc38905c-ce7e-4de6-994d-d7304c65b226
|
인공물ED
|
주입 전압파형의 형상에 따른 고조파 주입센서리스 기법의 제어 성능 비교
|
<h1>요약</h1><p>본 논문은 전동기의 저속 영역 운전의 센서리스 기법으로 적합한 고조파 주입 센서리스 제어기법에서 사인파, 삼각파 및 사각파를 주입하여 인가 전압 파형에 따른 센서리스 성능을 비교한다. 본 연구는 영구자석 전동기의 센서리스 기법에 관한 것이다. \( 1 \mathrm{kHz} \) 주파수를 갖는 여러 모양의 파형을 주입하여, 각 파형에 대한 추정된 각도의 오차량을 비교 분석한다. 실험은 HILS(hardware in the loop simulation) 시스템을 이용하였으며, Hardware는 제어보드이며 실시간 시뮬레이터에는 Simulik로 구현된 인버터와 전동기의 모델이 위치한다. 제어 알고리즘은 FPGA 제어보드로 구현하였으며, 이는 \( 10 \mathrm{kHz} \) 주파수의 PWM 인터럽트 서비스 루틴, 고조파 주입 및 위치 검출 센서리스 알고리즘 등을 포함한다. HILS 실험을 통해 사인파, 삼각파 및 사각파 고조파 주입시 센서리스 제어 성능을 비교한다.</p>
|
[
"1kHz 주파수를 갖는 여러 모양의 파형을 주입하여, 각 파형에 대한 추정된 각도의 오차량을 비교 분석하는가?",
"실험은 Hardware는 제어보드이며 실시간 시뮬레이터에는 Simulik로 구현된 인버터와 전동기의 모델이 위치하는가?",
"본 연구는 영구자석 전동기의 센서리스 기법에 관한 것인가?",
"본 논문은 전동기의 저속 영역 운전의 센서리스 기법으로 적합한 고조파 주입 센서리스 제어기법에서 사인파, 삼각파 및 사각파를 주입하여 인가 전압 파형에 따른 센서리스 성능을 비교하는가?",
"HILS 실험을 통해 사인파, 삼각파 및 사각파 고조파 주입시 센서리스 제어 성능을 비교하는가?",
"실험은 HILS(hardware in the loop simulation) 시스템을 이용하였나?",
"제어 알고리즘은 FPGA 제어보드로 구현하였으며, 이는 10kHz 주파수의 PWM 인터럽트 서비스 루틴, 고조파 주입 및 위치 검출 센서리스 알고리즘 등을 포함하는가?"
] |
8c19f4b4-0134-4272-b920-bd7e9175737b
|
인공물ED
|
주입 전압파형의 형상에 따른 고조파 주입센서리스 기법의 제어 성능 비교
|
<h1>Ⅲ. 결론</h1><p>본 연구에서는 고조파 주입의 파형을 다르게 하여 고조파 전압 주입기법의 센서리스 제어의 성능을 HILS 실험을 통해 보였다. 일반적으로 고조파 주입기법은 사인파, 사각파를 사용되어왔는데 사각파는 소프트웨어로 구현하기 쉽지만 각도의 오차가 크며, 사인파는 각도의 오차는 적지만 구현하기 어렵다는 장단점이 있다. 하지만 삼각파는 사인파보다 구현하기 쉽고, 각도의 오차 또한 사각파보다 적다는 장점이 있다는 것을 실험 결과를 통해 확인하였다. 따라서 고조파 전압 주입 기법에서 삼각파를 이용한 방식이 가장 적합하였다. 즉, 삼각파 주입 기법은 구현이 용이하며, 성능은 사인파와 사각파 주입 기법의 중간 정도의 성능을 보여주어, 다른 파형의 단점을 보완할 수 있음을 알 수 있었다.</p>
|
[
"삼각파는 사인파보다 구현하기 쉽고,각도의 오차도 사각파보다 작아?",
"고조파 주입기법은 어떤 파형을 사용하는가?"
] |
842fc90c-13b0-48ef-a579-c8526041efe3
|
인공물ED
|
주입 전압파형의 형상에 따른 고조파 주입센서리스 기법의 제어 성능 비교
|
<h2>4. 실험 결과</h2><p>외부 FPGA에서 받은 게이트 신호를 받아서 HILS의 Real time simulator에 구현한 모터와 인버터를 구동하여 구한 데이터이다. 실험 결과의 데이터의 경우 OP4510 에서 보내진 데이터를 User PC로 보내지며, 이 데이터는 RT-lab 툴에 내장된 Scope view를 이용하여 그래프화 하였다.</p><p>그림 7은 \( d \) 축 고조파 전류 \( i_{d s h} \) 와 \( q \) 축 고조파 전류 \( i_{q s h} \) 의 그래프이다. 고조파 전류의 위상이 약 90도가 차이가 난다. 그림 7은 BPF를 이용하여 고조파 성분만을 추출한 것이다. 따라서 O 을 중심으로 하여 해당 고조파의 주파수의 결과로 나타나는 고조파 성분을 볼 수 있다.</p><p>그림 8 그림 10은 각각 사각파, 삼각파, 사인파로 주입하였을 경우의 모터의 지령치 속도와 추정 속도(실제 속도)이며, 속도 파형의 아래의 그림은 추정 각도와 실제 각도를 보였다. 그림의 결과는 HILS 실험 결과이다. 한편, 센서리스 운전으로 인해 지령치 속도에 대해서 실제 속도(다시 말해 추정속도)는 오차가 존재함을 볼 수 있다. 다소의 속도 오차는 존재하나 센서리스 동작이 원활하게 이루어짐을 볼 수 있다.</p><p>그림 11은 사각파, 삼각파, 사인파를 주입하였을 경우, 각각의 파형에서 전동기의 추정 각도와 측정 각도 \( \left(\hat{\theta}=\theta_{\text {real }}-\theta_{\text {ref }}\right) \) 의 오차이며, 빨간색 사인파, 파란색 사각파 그리고 초록색은 삼각파이다. 또한, 표 3은 최대 각도 오차를 보이고 있으며, 사인파, 삼각파, 사각파 순으로 최대 오차가 작은 것을 확인할 수 있다.</p>
|
[
"고조파 전류의 위상이 약 180도 차이가 나?"
] |
bf82f007-a07c-4256-9c04-96c85aebbc61
|
인공물ED
|
주입 전압파형의 형상에 따른 고조파 주입센서리스 기법의 제어 성능 비교
|
<h1>Ⅱ. 본론</h1><h2>1. 고조파 주입 센서리스 모터 제어</h2><p>그림 1은 고조파 주입 센서리스 PMSM의 제어 시스템 구성도이다. 모터 제어 시스템은 속도 제어기, 전류 제어기, \( d q \) 변환, SVPWM 시스템으로 구성되어 있다. 센서부착형 제어 즉, 센서드(Sensored) 모터 제어에서는 속도 제어기에서 속도 지령치와 인코더에서 받은 실제 모터의 측정 속도 값과 지령 속도 값을 이용하여 PI제어기 통해 지령 전류를 출력되지만, 센서리스 모터제어에서는 옵저버(Observer)에서 모터의 전류의 정보들을 이용해 모터 속도 추정치 값으로 속도 제어기가 동작하여 전류가 출력이 되며, 전류 제어기는 속도 제어기의 출력과 전류센서 (CT)를 통해 측정된 전류를 \( d q \) 좌표계로 변환한 전류 값을 이용하여 전압이 출력이 된다. 출력된 전압을 다시 \( a b c \) 좌표로 변환하여 SVPWM를 통해 인버터에 게이트 신호를 제어하게 되며, 전력 반도체 소자가 스위칭하여 PMSM에 3상 교류 전원을 공급하여 동작하게 된다.</p><p>그림 2는 그림 1에 표시된 블록의 상세 그림이며, 고조파 전압 주입 센서리스 제어 시스템도이다. 3상의 전류를 인버터에서 받아 정지좌표계로 변환하여 BSF(bandstop filter) 또는 BPF(bandpass filter)를 이용하여 고조파 성분을 제거한 뒤 고조파 전압을 인가하여 각도 및 속도를 추정하게 된다. 본 논문에서는 BSF 를 사용하였다. s-domain에서 BSF는 식 (1)과 같이 표현할 수 있다(여기서, \( \omega_{0}=2 \pi f_{c}\), \(Q=f c / f_{b w} \). 단, \( f_{c} \) 는 차단주파수, \( f_{b w} \) 는 차단 주파수 폭을 의미한다).</p><p>\( G(s)=\frac{s^{2}+w_{0}^{2}}{s^{2}+\left(\frac{w_{0}}{Q}\right) s+w_{0}^{2}} \)<caption>(1)</caption></p><p>주입 센서리스 기법의 설명은 아래와 같다. PMSM에서 고정자 저항의 크기는 \( j \omega_{h} L_{d q} \) 의 크기에 비해 작아 무시할 수 있으므로 식 (2)와 같이 전동기의 임피던스는 표현된다. 여기서, \( \omega_{h} \) 고조파에 대한 각 주파수이다. 고조파 전압과 고조파 전류의 관계는 식 (3)과 같다. 여기서, R 은 고정 좌표계 값을 동기좌표계 값으로 변환하는 행렬을 의미한다.</p><p>\( \left[z^{r}\right]=\left[\begin{array}{cc}j \omega_{h} L_{d} & 0 \\ 0 & j \omega_{h} L_{q}\end{array}\right] \)<caption>(2)</caption></p><p>\( \left[\begin{array}{l}v_{d s h}^{r} \\ v_{q s h}^{r}\end{array}\right]=\left[z^{r}\right][R(\theta)]\left[\begin{array}{c}i_{d s h}^{s} \\ i_{q s h}^{s}\end{array}\right] \)<caption>(3)</caption></p><p>식 (3)을 전류에 대한 식으로 정리하면 식 (4)와 같다. 한편, 회전자의 실제 위치인 \( \theta \) 와 고조파 전압 주입을 통해 구한 추정 위치인 \( \theta_{c a l} \) 의 위상차는 O 도에 수렴하는 작은 값이므로 식 (5)와 같이 변형 가능하다.</p><p>\( \left[\begin{array}{c}i_{d s h}^{s} \\ i_{q s h}^{s}\end{array}\right]=[R(\theta)]^{-1}\left[z^{r}\right]^{-1}\left[\begin{array}{l}v_{d s h}^{e} \\ v_{q s h}^{e}\end{array}\right] \)<caption>(4)</caption></p><p>\( \left[\begin{array}{c}i_{d s h}^{s} \\ i_{q s h}^{s}\end{array}\right]=[R(\theta)]^{-1}\left[z^{r}\right]^{-1}[R(\hat{\theta})]\left[\begin{array}{c}v_{d s h}^{r} \\ v_{q s h}^{r}\end{array}\right] \)<caption>(5)</caption></p><p>\( \therefore \hat{\theta}=\theta-\theta_{c a l}(\hat{\theta} \approx 0) \)</p><p>회전좌표계에서 정지좌표계로 변환하는 식은 식 (6)과 같으며, 식 (2)와 식 (6)의 역행렬을 식 (5)에 대입하면 식 (7)과 같이 정리된다. 같다. 여기서, \( v_{q s h}^{r}=0 \) 이다.</p><p>\( [R(\theta)]=\left[\begin{array}{cc}\cos (\theta) & \sin (\theta) \\ -\sin (\theta) & \cos (\theta)\end{array}\right] \)<caption>(6)</caption></p><p>\( \left[\begin{array}{l}i_{d s h}^{s} \\ i_{q s h}^{s}\end{array}\right]=\frac{v_{d s h} \sin \left(w_{h} t\right)}{L_{d h} \cdot w_{h}}\left[\begin{array}{c}\cos (\theta) \\ \sin (\theta)\end{array}\right] \)<caption>(7)</caption></p><p>식 (7)에서 볼 수 있듯이 \( i_{d q s h}^{s} \) 는 cosine, sine 함수 형태이다. 따라서, 고조파 \( d, q \) 축 전류에 대해 arctan 함수를 취하게 되면 회전자 위치를 추정할 수 있다.</p>
|
[
"그림 1에서는 무엇을 나타내나요?",
"무엇이 그림 1에 나타나지?",
"모터 제어 시스템은 무엇으로 만들어져 있나요?",
"무엇으로 모터 제어 시스템이 조직되지?",
"센서드 모터 제어는 센서부착형 제어인가요?",
"센서드 모터 제어의 경우, 센서부착형 제어에 해당하지?",
"센서부착형 제어에서는 속도 제어기에서 속도 지령치와 인코더에서 받은 실제 모터의 측정 속도 값과 지령 속도 값을 이용하여 무엇을 통해 지령 전류를 측정하나요?",
"센서리스 모터제어에서 속도 제어기의 출력과 전류센서 (CT)를 통해 측정된 전류를 어떤 좌표계로 변환하나요?",
"논문에서는 BPF를 이용해 고조파 성분을 제거했나요?",
"논문에서 고조파 성분을 제거하기 위해 사용한 것은 무엇인가요?",
"무엇을 이용해서 고조파 성분을 제거했어?",
"BSF는 무엇의 약자인가요?",
"BSF는 어떤 단어의 줄임말이지?",
"\\( G(s)=\\frac{s^{2}+w_{0}^{2}}{s^{2}+\\left(\\frac{w_{0}}{Q}\\right) s+w_{0}^{2}} \\)에서 \\(\\omega_{0}\\)는 어떻게 계산하나요?",
"어떤 방법으로 \\( G(s)=\\frac{s^{2}+w_{0}^{2}}{s^{2}+\\left(\\frac{w_{0}}{Q}\\right) s+w_{0}^{2}} \\)에서 \\(\\omega_{0}\\)를 산출하지?",
"\\( f_{c} \\)는 무엇을 나타내나요?",
"무엇을 \\( f_{c} \\)가 표현하지?",
"\\( \\left[z^{r}\\right]=\\left[\\begin{array}{cc}j \\omega_{h} L_{d} & 0 \\\\ 0 & j \\omega_{h} L_{q}\\end{array}\\right] \\)에서 \\( \\omega_{h} \\)은 무엇을 나타내나요?",
"무엇을 \\( \\left[z^{r}\\right]=\\left[\\begin{array}{cc}j \\omega_{h} L_{d} & 0 \\\\ 0 & j \\omega_{h} L_{q}\\end{array}\\right] \\)에서 \\( \\omega_{h} \\)가 의미하지?",
"\\( \\left[\\begin{array}{l}v_{d s h}^{r} \\\\ v_{q s h}^{r}\\end{array}\\right]=\\left[z^{r}\\right][R(\\theta)]\\left[\\begin{array}{c}i_{d s h}^{s} \\\\ i_{q s h}^{s}\\end{array}\\right] \\)에서 R은 무엇을 나타내나요?",
" R이 \\( \\left[\\begin{array}{l}v_{d s h}^{r} \\\\ v_{q s h}^{r}\\end{array}\\right]=\\left[z^{r}\\right][R(\\theta)]\\left[\\begin{array}{c}i_{d s h}^{s} \\\\ i_{q s h}^{s}\\end{array}\\right] \\)에서 의미하는 것이 무엇이지",
"\\( \\therefore \\hat{\\theta}=\\theta-\\theta_{c a l}(\\hat{\\theta} \\approx 0) \\)에서 \\( \\theta \\)는 무엇을 나타내나요?",
" \\( \\theta \\)가 \\( \\therefore \\hat{\\theta}=\\theta-\\theta_{c a l}(\\hat{\\theta} \\approx 0) \\)에서 의미하는 것이 뭐죠",
"\\( \\therefore \\hat{\\theta}=\\theta-\\theta_{c a l}(\\hat{\\theta} \\approx 0) \\)에서 \\( \\theta_{c a l} \\)은 무엇을 나타내나요?",
"\\( i_{d q s h}^{s} \\)는 어떤 함수의 형태인가요?",
"어떤 함수의 형태에 \\( i_{d q s h}^{s} \\)가 속하지?",
"어떻게 회전자 위치를 추정할 수 있나요?",
"회전자 위치를 어떤 방법으로 추정 가능해?"
] |
912b9a38-3abb-4d3b-8fc0-aff1a5caf8aa
|
인공물ED
|
가속도 센서 데이터 기반의 행동 인식 모델 성능 향상 기법
|
<h1>IV. 결 론</h1><p>본 연구에서는 가속도 센서 데이터를 이용해서 인간의 행동을 인식하는 새로운 AI 모델을 제시하였다. 제안한 방법 중, 모델 A는 기존의 합성곱 신경망에서 퐈라미터 수를 줄여 연산량을 낮추었고 batch normalization 레이어를 추가하는 것만으로도 계단 오르내리기 행동의 예측 정확도를 개선할 수 있다는 것을 보여줬다. 모델 B는 여기에 LSTM레이어를 추가하여 다변수 시계열이라는 가속도센서 데이터의 특성을 적극적으로 반영하였고, 결과적으로 WISDM 데이터 세트에서 통합 예측 정확도 \( 99.50 \% \) 를 달성하였다.</p>
|
[
"본 연구에서 가속도 센서 데이터를 이용해서 어떤 모델을 제시했어?",
"본 연구에서는 어떤 데이터를 이용해서 새로운 인공지능 모델을 제시했어?",
"모델 B는 모델 A에 LSTM레이어를 추가하여 네트워크를 구성했어?",
"모델 A에서 연산량을 줄인 방법이 뭐야?",
"모델 A에서 계단 오르내리기 행동의 예측 정확도를 어떤 방법으로 개선시켰어?",
"모델 B가 정확도 측정을 위해서 사용한 데이터 세트는 뭐야?",
"모델 B의 recall은 0.995야?",
"모델 B는 LSTM레이어를 추가하여 데이터의 어떤 특성을 살렸어?",
"모델 B의 accuracy는 얼마야?",
"LSTM레이어는 시계열 데이터를 분석하는데 유리한 레이어야?"
] |
a1e45300-97b9-4ad3-9aba-3f5fd79e55b2
|
인공물ED
|
가속도 센서 데이터 기반의 행동 인식 모델 성능 향상 기법
|
<h1>요 약</h1><p>스마트 모바일 장치의 확산은 인간의 인상 행동 분석을 보다 일반적이고 간단하게 만들었다. 행동 분석은 이미 본인 인증,감시, 건강 관리 등 많은 분야에서 사용 중이고 그 유용성이 증명되었다. 본 논문에서는 스마트폰의 가속도 센서 신호를 사용하여 효율적이고 정확하게 행동 인식을 수행하는 합성곱 신경망(모델 A)과 순환 신경망까지 적용한(모델 B) 심층 신경망 모델을 제시한다. 모델 A는 batch normalization과 같은 단순한 기법만 적용해도 이전의 결과보다 더 작은 모델로 더 높은 성능을 달성할 수 있다는 것을 보인다. 모델 B 는 시계열 데이터 모델링에 주로 사용되는 LSTM 레이어를 추가하여 예측 정확도 를 더욱 높인 수 있음을 보인다. 이 모델은 29명의 피실험자를 대상으로 수집한 벤치마크 데이트 세트에서 종합 예측 정확도\( 97.16 \%( \) 모델 A), \( 99.50 \% \) (모델 B)를 달성했다.</p><h1>I. 서론</h1><p>인간 행동 인식(Human Activity Recognition, HAR) 분야는 스마트 장치가 확산되고 스마트 장치의 가속도 센서, 자이로스코프 등의 사용 및 활용이 쉬워지면서 많은 주목을 반는 연구 주제 중 하나이다. 센서의 저렴한 가격, 적은 전력 소비, 센서 데이터의 실시간 전송과 컴퓨터 비전, 기계 학습, 인공지능 기술의 발전도 인기 상승에 한몫하고 있다.</p><p>인간 행동 인식은 걷기, 뛰기, 앉기, 서기, 운전,문 열기, 이상 행동과 같은, 사용자가 수행하고 있는 물리적 행동을 인식하는 작업이다. 데이터는 스마트폰이나 웨어러블 장치의 센서, 가속도계, 혹은 동영상 프레임이나 사진을 통해서 수집되기도 한다. 이런 행동 인식 기술은 인증, 감시, 제스처 기반의 컨트롤 등의 다양한 응용을 통해 이미 그 유용성이 증명되었다. 대부분의 행동 인식 시스템은 다양한 종류의 카메라를 통해 얻은 영상 정보를 사용하지만, 최근 연구들은 가속도계 역시 동일한 기능을 제공할 수 있다는 것을 보여주었다. 또한, 카메라의 사생활 침해 논란이 불거짐에 따라가속도계는 더욱 주목을 반고 있다. 영상보다 데이터가 작아서 처리하기 쉽고 인식하려는 대상으로부터 직접 측정된 신호라는 장점도 있다.</p><p>최근 딥러닝 기반의 접근 방식은 많은 연구 분야에서 최고 성능을 달성하고 있다. 그중에서도 합성곱 신경망(Convolutional Neural Networks)과 순환 신경망(Recurrent Neural Networks)은 영상과 음성 분야에서 매우 효율적임을 보여줬다. 그러나 영상과 음성에서만 효율적인 것은 아니다. 합성곱 신경망의 강력한 특징 추출 능력과 순환 신경망의 시간 지역성 학습 능력은 인간 행동 인식을 위한 1차원 가속도계 데이터에서도 유효하다.</p><p>본 연구는 스마트폰의 가속도 센서 데이터에서 자동으로 특징을 추출하여 인간의 행동을 인식하는 인공지능 모델을 제시한다. 이전 연구에서도 행동 인식에 합성곱 신경망을 적용하는 시도는 있었지만 심층 신경망에서 사용되는 최신 기법을 적용한 사례는 많지 않았다. 또한, 시계열 데이터가 가진 시간적 관련성을 제대로 다루지 않았다. 따라서 본 연구에서는 최근 심층 신경망에서 자주 사용되는 batch normalization(BN) 기법과 LSTM을 인간 행동 인식 모델에 적용하여 기존에는 분류가 어렵다고 여겨졌던 행동을 높은 정확도로 분류하는 모델을 제시하고, 이 모델의 성능을 실험을 통해 증명한다.</p>
|
[
"인간의 인상 행동 분석을 보다 일반적이고 간단하게 만들게 해준 것은 뭐야?",
"지문에서 말하는 행동 분석이 사용되는 곳들은 어디야?",
"어떤 곳들이 지문에서 말하는 행동 분석이 활용되지",
"스마트폰의 가속도 센서 신호를 사용하는 어떤 모델을 제시했어?",
"스마트폰의 가속도 센서 신호를 사용하는 어떤 모델을 제안했어?",
"행동 분석은 여러 분야에서 사용 중인데 그 유용성은 아직 증명되지는 않았는가?",
"batch normalization과 같은 단순한 기법만 적용해도 이전의 결과보다 더 작은 모델로 더 높은 성능을 달성할 수 있다는 것을 보이는 것은 뭐야?",
"지문에 나오는 사용자가 수행하고 있는 물리적 행동들은 뭐가 있어?",
"스마트 장치의 가속도 센서, 자이로스코프 등의 사용 및 활용이 쉬워지면서 많은 주목을 반는 연구 주제 중 하나인 이 분야는 뭐야?",
"모델 B의 특징은 뭐야?",
"무엇이 모델 B의 특성이지",
"딥러닝 기반의 접근 방식중 영상과 음성 분야에서 효율적임을 보여주는 것은 뭐야?",
"이 모델은 벤치마크 데이트 세트에서 종합 예측 정확도99.50%( 모델 A), 97.16% (모델 B)를 달성했는가?",
"데이터들을 어디서 수집해?",
"어디에서 데이터들을 수집하니?",
"최근 심층 신경망에서 자주 사용한 기법은 뭐야?",
"어떤 기법이 최근 심층 신경망에서 자주 이용했지"
] |
9c209e81-0ad1-447c-af95-26c1425630ac
|
인공물ED
|
가속도 센서 데이터 기반의 행동 인식 모델 성능 향상 기법
|
<h1>III. 실험 결과 및 고찰</h1><p>전처리와 학습 데이터 생성 부분에서 얻은 1,408개의 검증 데이터로 학습된 모델의 분류 정확도를 평가했다. 본 실험의 행동 인식 실험 요약 결과를 표 3에 나타냈다. 이 표는 모델 A 와 모델 B 의 예측 정확도를 다른 연구 결과와 함께 클래스별로 나타내고 있다.</p><p>그림 3 의 오차 행렬을 보면 클래스별 분류 결과를 조금 더 자세하게 알 수 있다. 모델 A의 경우,계단 올라가기와 계단 내려가기 두 클래스 사이의 혼돈이 가장 많 았고, 이것은 다른 연구 결과들과 일치한다. 하지만 여전히 예측 정확도는 각각 \( 94.89 \% \)와 \( 92.34 \% \) 로 다른 연구에 비해서 높은 수치를 확보 했다. LSTM을 적용한 모델 B의 경우, 클래스 간 혼돈이 거의 없이 모든 경우에서 \( 99 \% \) 이상의 예측 정확도를 보였다.</p><p>실험 결과, 본 연구에서 제안한 모델이 가장 높은 수준의 정확도를 달성했음을 확인했다. 제안한 두 모델 중 특히 LSTM 레이어를 추가한 모델 B 는 종합 정확도 \( 99.5 \% \) 를 기록했다. 합성곱 레이어의 추가는 이전엔 분류가 몹시 어렵다고 여겨졌던 계단 올라가기와 계단 내려가기를 \( 99 \% \) 이상의 높은 정학도로 분류해냈다.</p><table border><caption>표 \( 3 \). WSDM 데이터 세트의 예측 정확도 \(\% \) 비교 평가 (가장 좋은 성능을 보인 알고리즘은 볼드 표시)</caption><tbody><tr><td></td><td>MLP</td><td>Dropout</td><td>RF</td><td>CNN</td><td>Ours(Model A)</td><td>Ours(Model B)</td></tr><tr><td>Walking</td><td>\( 91.7 \)</td><td>\( 93.03 \)</td><td>\( 91.77 \)</td><td>\( 98.50 \)</td><td>\( 98.72 \)</td><td>\( 99.57 \)</td></tr><tr><td>Jogging</td><td>\( 98.3 \)</td><td>\( 94.64 \)</td><td>\( 97.54 \)</td><td>\( 97.87 \)</td><td>\( 100 \)</td><td>\( 100 \)</td></tr><tr><td>Upstairs</td><td>\( 61.5 \)</td><td>\( 53.45 \)</td><td>\( 38.26 \)</td><td>\( 72.22 \)</td><td>\( 94.89 \)</td><td>\( 99.15 \)</td></tr><tr><td>Downstairs</td><td>\( 44.3 \)</td><td>\( 63.81 \)</td><td>\( 45.19 \)</td><td>\( 87.00 \)</td><td>\( 92.34 \)</td><td>\( 99.57 \)</td></tr><tr><td>Sitting</td><td>\( 95.0 \)</td><td>\( 88.96 \)</td><td>\( 89.05 \)</td><td>\( 82.63 \)</td><td>\( 98.30 \)</td><td>\( 98.72 \)</td></tr><tr><td>Standing</td><td>\( 91.9 \)</td><td>\( 86.26\)</td><td>\( 84.03\)</td><td>\( 93.33\)</td><td>\( 100 \)</td><td>\( 100 \)</td></tr><tr><td>Overall</td><td>\( 91.7\)</td><td>\( 80.02\)</td><td>\( 74.31\)</td><td>\( 93.32\)</td><td>\( 97.16\)</td><td>\( 99.50\)</td></tr></tbody></table>
|
[
"학습된 모델의 분류 정확도를 평가한 검증 데이터는 어디에서 얻었지?",
"LSTM을 적용한 모델 B의 경우의 예측 정확도는 얼마 이상이지?",
"모델 A에서 계단 올라가기와 내려가기 클래스 사이의 혼돈이 많은 결과는 다른 결과들과 일치해?",
"모델의 분류 정확도는 몇 개의 검증 데이터로 학습되었어?",
"종합 정확도 99.5 \\%99.5% 를 기록한 모델 B는 무엇을 추가했어?",
"클래스별 분류 결과를 더 자세하게 알려면 무엇을 봐야해?",
"이전엔 분류가 몹시 어렵다고 여겨지던 계단 올라가기와 계단 내려가기는 무엇을 추가하여 \\( 99 \\% \\) 이상의 높은 정학도로 분류되었어?",
"모델 B는 무엇을 적용했어?",
"표 3은 모델 A 와 모델 B 의 예측 정확도를 클래스별로 나타내었어?",
"WSDM 데이터 세트에서 가장 높은 MLP를 나타내는 것은 뭐야?",
"가장 낮은 Dropout 값을 가지는 건 뭐야?",
"Standing의 RF 값은 얼마야?",
"Standing의 RF 값이 뭐야",
"가장 높은 CNN 정확도를 가지는 건 뭐야?",
"Model A의 ours에서 가장 낮은 정확도를 갖는 것은 뭐야?",
"Standing의 Model A ours 정확도는 얼마야?",
"Model B ours에서 가장 낮은 값을 가지는 건 뭐야?",
"Model B의 ours에서 walking의 정확도는 얼마야?",
"Model B의 ours에서 walking의 정확도 값은 어때",
"Upstairs의 CNN 값은 얼마야?",
"얼마의 CNN 값이 Upstairs일까",
"Sitting의 MLP 값은 얼마야?"
] |
b4641104-8dc3-419f-afda-b57ffa98273b
|
인공물ED
|
가속도 센서 데이터 기반의 행동 인식 모델 성능 향상 기법
|
<h1>Ⅱ. 본론</h1><p>여기서는 합성곱 신경망과 순환 신경망을 이용해 3축 가속도 센서 데이터에서 사람 행동 인식 방법에 관해 기술한다. 먼저 본 연구에서 사용한 데이터셋과 데이터 전처리 방법에 대해 설명할 것이다.그리고 가속도 센서 데이터를 행동으로 분류하는두 가지 신경망 구조(모델 A, 모델 B) 를 소개할 것이다.</p><p>1. WISDM Activity Prediction Dataset</p><p>모델의 성능을 실험하고 평가할 데이터 세트는 WISDM Activity Prediction Dataset(WISDM AR)을 사용한다. WISDM 프로젝트의 목표는 스마트폰과 같은 모바일 장치에서 센서 데이터를 수집하며 연구 주제를 탐색하고, 유용한 애플리케이션을 구축하는 것이다. 프로젝트에서 다루는 연구 주제는 가속도계 데이터 기반으로 사용자를 식별하고 사용자의 ID를 검증하는 행동 기반 생체 인증과사용자가 수행하고 있는 행동을 식별하는 행동 인식 등이 있다. WISDM AR은 이 프로젝트를 통해 수집된 통제된 실험실 환경의 데이터 세트이다. 29 명의 피실험자가 스마트폰을 휸대하면서 건기, 조깅, 계단 올라가기, 계단 내려가기, 앉기, 서기와 같은 일상적인 활동을 수행하며 스마트폰의 3 축 \( (\mathrm{x}, \mathrm{y} \),z) 가속도계 데이터를 수집했으며 모든 샘플은 6가지 행동 중 하나의 라벨이 불어있다. WISDM AR의 3축 가속도계의 값은 \( (-20,20) \) 의 실숫값을 가지고 10 이라는 수치는 \( 1 \mathrm{G}=9.81 \mathrm{~m} / \mathrm{s}^{2} \) 이며 0 은 가속도가 없다는 것을 나타넨다. 모든 경우에서 가속도계 데이터는 \( 50 \mathrm{~ms} \) 마다 수집되었으므로 초당 20개의 샘플을 갖는다. 총 샘플 개수는 \( 1,098,207 \) 개이며 각활동이 데이터 세트에서 차지하는 개수와 비율은 표 1 에 나와 있다.</p><h2>2. 데이터 전처리 \(& \) 학습 데이터 생성</h2><p>가공되지 않은 시계열 가속도계 데이터는 곧바로 신경망 분류 알고리즘으로 적용될 수 없다. 신경망의 입력으로 사용되기 위해선 미가공된 데이터를 신경망이 학습하기 편한 레코드 단위로 변환해야 한다. 그러기 위해서 먼저 \( (-20,20) \) 값을 가지는 가속도 센서값들을 20 으로 나눠서 \( (-1,1) \) 로 정규화했다. 그리고 2 초씩 건너뛰며 4 초 길이의 데이터를 추출하는 슬라이딩 원도우 방식을 적용 했다. (\(50\%\) 겹침) 그러므로 하나의 레코드는 4 초 \( * 20 \mathrm{~Hz} \)\( =80 \) 개의 데이터 샘플을 가진다. 이러한 방식으로 미가공된 시계열 가속도계 데이터로부터 26,520 개의 레코드를 생성했다.</p><p>표 2 를 보면 활동별 레코드 개수에 불균형이 있음을 알 수 있다. 이것은 미가공된 데이터의 클래스별 불균형에서 기인한 것으로 데이터 세트의 이러한 불균형은 모델을 평가할 때 결과를 왜곡할 가능성이 있다. 클래스 불균형을 다루는 방법은 클래스 가중치 조절, 오버/언더 샘플링 등의 방법이 있지만 본 연구에서는 단순히 전체 레코드에서 가장 적은 수를 차지하는 클래스(Standing)와 그 레코드개수(1173개)를 찾고 각 클래스에서 의도적으로 그개수만큼만 레코드를 추출하는 방법을 택했다.</p><p>위에 기술한 데이터 전처리를 거친 후의 레코드수는 7,038 개 \( (1173 \times 6) \) 이다. 이것을 학습 데이터 \( 80 \% \),검증 데이터 \( 20 \% \) 로 나눠서 신경망 알고리즘의 학습, 검증에 사용했다.</p><h2>3. 모델 A (1D ConvNet)</h2><p>모델A 의 구조는 같은 연구 주제의 A. Ignatov의 모델에서 영감을 반았다. 그림 1는 모델 A 의구조를 보여준다. A. Ignatov의 모델과 다른 점은 1) 더 적은 필터 개수와 더 작은 필터 크기, 2) 풀링 레이어를 제거하고 최근 심층 신경망에서 자주사용되는 BN 레이어를 추가한 것이다. 더 적은 필터 개수와 더 작은 필터 크기는 모델 크기와 연산량을 감소시켰고 BN 레이어 추가는 더 빠르고 안정성 높은 학습을 가능하게 한다.</p><p>하나의 합성곱 블록은 \( 1 \times 3 \) 크기의 필터를 가지는 합성곱 레이어, BN 레이어, 그리고 ReLU 활성화 함수로 이루어져 있다. 모델A 는 두 개의 합성곱 블록을 가지는데 첫 번째 블럭은 16 개의 특징맵, 두 번째 블록은 32개의 특징 맵을 생성한다. 이32개의 특징맵은 평탄화를 거쳐서 6개의 동작으로 분류하는 Fully-connected (FC) 레이어로 연결된다. 마지막으로, FC 레이어의 출력은 Softmax 함수를 거쳐 각 클래스에 대한 확률로 표현된다.</p><h2>4. 모델 B (1D ConvNet + LSTM)</h2><p>비록, 모델A 가 합성곱 신경망을 이용해 사람 행동을 인식하는데 사용될 수 있지만, 여전히 시계열데이터라는 특성을 적극적으로 활용하지 못하고 있다. 최근 연구에서 순환 신경망(Recurrent Neural Network)은 동영상이나 음성처럼 시간이나 순서에 의존적인 데이터를 다루는 동적 시스템에서 뛰어난 효율을 보여주었다. R. Fernandez-Fernandezet al.은 합성곱 신경망과 순환 신경망 중 하나인 LSTM 구조를 이용해 Quick, Draw! 데이터 세트를 분류하는 모델을 제시했다. 모델 B는 그 모델에서 영감을 반아 가속도계 데이터를 분류하는 합성곱 +LSTM 구조를 제안한다.</p><p>그림 2 는 모델B 의 구조를 보여준다. 모델B 의 합성곱 블록 부분은 모델 A 와 같다. 모델 B 는 합성곱 블록의 특징맵에서 평탄화를 거치치 않고 LSTM 레어로 연결된다. LSTM 레이어의 출력은 1 차원이므로 바로FC 레이어와 Softmax 함수로 연결된다.<p>두 모델 모두 신경망 모델 구현, 학습 및 검증은 Tensorflow v2으로 구현하였다. 학습 시, 커널초기화는 Xavier 초기화 기법을 사용하였고 손실 함수는 cross-entropy를 적용하였다. 그래디언트 갱신에는 Adam을 사용하였고 learning rate는 \( 0.0005 \) 로 설정하였다. 검증 데이터에서 정확도가 더 개선되지 않을 때까지 학습을 진행하였다.</p>
|
[
"WISDM 프로젝트의 목표는 모바일 장치에서 센서 데이터를 수집하여 유용한 애플리케이션을 구축하는 것이다."
] |
5bbecaee-b41c-4e1c-8847-080753f16e84
|
인공물ED
|
초전도한류기와 인근 배전설비의 신뢰도에 관한 연구
|
<h1>2. 본 론</h1> <h2>2.1 SFCL 구조</h2> <p>저항형 SFCL 근 초전도체가 고장전류에 대한 감지와 한류를 동시에 수행하므로 별도의 한류 장치나 스위칭 소자가 필요하지 않은 구조이다. 반면 하이브리드형 SFCL는, 초전도체가 고장전류를 감지하면 고속스위치를 통해 한류 장치로 고장전류를 도통시키는 구조다. 하이브리드형 SFCL의 주요 구성품으로는 초전도체, 구동코일, 개폐기, 한류장치가 있고, 고장전류가 유입된 시점에서부터 한류를 시작하는 타이밍에 따라 \((1/120) \mathrm{[sec]}\)를 기준으로 '반주기 내 한류방식' 과 '반주기 후 한류방식'으로 구분한다. 두 방식의 내부구조와 스위칭 순서는 미묘한 차이를 보이며, 이를 간단히 표현하면 그림 1과 같다.</p> <p>저항형 SFCL은 초전도체로만 구성된 반면, 하이브리드형 SFCL는 기본적으로 2 개의 개폐기를 사용한다. 그림 1 은 대표적으로 고장전류가 없는 정상 계통 상태를 나타내고 있다. 고장전류가 흐를 경우에는 단락상태의 개폐기는 개방상태로 개방상태의 개폐기는 단락상태로 동작하여, 한류장치는 고장 전류에 대한 한류를 수행하고 초전도체는 재투입을 위한 회복을 도모한다.</p> <h2>2.2 고속스위치의 신뢰도</h2> <p>선로, 변압기, 발전기 등의 일반적인 계통설비와는 달리, 스위칭 소자는 사용 빈도수가 매우 낮으르로 실제 동작이 요구되는 상황에서만 그 고장을 인지할 수 있다. 따라서 개폐기나 구동코일 같은 스위칭 소자는, 주기적으로 그 고장여부를 점검하여 동작이 필요한 상황에서 정상적으로 개폐동작을 수행할 수 있도록 운영해야 한다. 즉, 점검주기가 짧을 수록 스위칭 소자의 동작실패 확률은 감소한다.</p> <p>개폐기, 구동코일의 고장률, 점검주기와 동작실패 확률의 관계는 식 (1)과 같다.</p> <p>\( P_{B 1}=\frac{1}{T_{m}} \int_{0}^{T_{m}} 1-e^{-\lambda_{B 1} t} d t \simeq \frac{\lambda_{B 1} T_{m}}{2} \) \( \\P_{B 2} \simeq \frac{\lambda_{B 2} T_{m}}{2}, P_{C} \simeq \frac{\lambda_{C} T_{m}}{2} \)<caption>(1)</caption></p> <p>여기서, \( P_{B 1}, P_{B 2}, P_{C} \) 는 각각 1번 개폐기, 2번 개폐기, 구동 코일의 동작실패 확률, \( T_{m} \) 은 점검주기 \([yr]\), \( \lambda_{B 1}, \lambda_{B 2}, \lambda_{C} \) 는 각 스위칭 소자의 고장률 \([f/yr]\)을 말한다.</p> <p>구동코일의 동작실패는 두 개폐기의 동작실패로 귀결되고, 구동코일이 동작에 성공한 경우에만 각 개폐기의 동작실패를 고려한다. 신뢰도 해석에서는 결국 두 개폐기의 동작여부를 판별하는 것만 필요하므로 각 확률을 계산하면 표 1 과 같다.</p> <table border><caption>표 1 개폐기 동작실패 확률</caption> <tbody><tr><td>1번 개폐기</td><td>2번 개폐기</td><td>확률</td></tr><tr><td>동작 성공</td><td>동작 성공</td><td>\( \left(1-P_{C}\right)\left(1-P_{B 1}\right)\left(1-P_{B 2}\right) \)</td></tr><tr><td>동작 성공</td><td>동작 실패</td><td>\( \left(1-P_{C}\right)\left(1-P_{B 1}\right) P_{B 2} \)</td></tr><tr><td>동작 실패</td><td>동작 성공</td><td>\( \left(1-P_{C}\right) P_{B 1}\left(1-P_{B L}\right) \)</td></tr><tr><td>동작 실패</td><td>동작 실패</td><td>\( P_{C}+\left(1-P_{C}\right) P_{B 1} P_{B 2} \)</td></tr></tbody></table> <h2>2.3 SFCL의 신뢰도</h2> <p>SFCL의 구조상, 한류장치는 저항이나 인덕터의 간단한 구조이므로 그 고장은 없다고 가정하고 초전도체의 고장만 고려한다. 저항형 SFCL은 초전도체에서 고장이 발생할 경우 부분송전도 불가능하지만, 하이브리드형 SFCL은 초전도체 외에 한류장치를 통한 부분송전이 가능하다. 물론 하이브리드형 SFCL의 부분송전은 개폐기의 동작여부에 영향을 받는다.</p> <p>그림 2(a)와 같이 정상상태, 고장상태로 구성된 2 -states 모델에 부분고장상태를 포함하면 그림 2(b)와 같이 3-states 모델로 상태공간을 구성할 수 있다. 2-states에서는 2개의 천이율이 각각 고장률, 수리율을 의미한다.</p> <p>수용가 공급신뢰도를 해석할 때 필요한 SFCL의 신뢰도 데이터는, 2-states의 경우 고장률, 수리율이고 3-states의 경우 고장률, 수리율, 부분고장률, 부분수리율이다. 우선, SFCL의 신뢰도 데이터를 3-states 모델 기준으로 계산하면 SFCL의 세 가지 구조에 따라 식 (2)~(4)와 같다.</p> <p>(1) 저항형 SFCL</p> <p>\( \lambda_{S F C L}=\lambda_{12}=\lambda_{s c} \) \( \mu_{S F C L}=\lambda_{21}=\mu_{s c} \) \( \lambda_{S F C L}^{\prime}=\lambda_{13}=0 \) \( \mu_{S F C L}^{\prime}=\lambda_{31}=\mu_{s c} \)<caption>(2)</caption></p> <p>(2) 하이브리드형 SFCL (반주기 내 한류)</p> <p>\( \lambda_{S F C L}=\lambda_{12}=\lambda_{s c}\left\{P_{C}+\left(1-P_{C}\right) P_{B 1}\right\} \) \( \\mu_{S F C L}=\lambda_{21}=\mu_{s c} \) \( \\lambda_{S F C L}^{\prime}=\lambda_{13}=\lambda_{s c}\left(1-P_{C}\right)\left(1-P_{B 1}\right) \) \( \\mu_{S F C L}^{\prime}=\lambda_{31}=\mu_{s c} \)<caption>(3)</caption></p> <p>(3) 하이브리드형 SFCL (반주기 후 한류)</p> <p>\( \lambda_{S F C L}=\lambda_{12}=\lambda_{s c}\left\{P_{C}+\left(1-P_{C}\right) P_{B 1}\right\} \) \( \\mu_{S F C L}=\lambda_{21}=\mu_{s c} \) \( \\lambda_{S F C L}^{\prime}=\lambda_{13}=\lambda_{s c}\left(1-P_{C}\right)\left(1-P_{B 1}\right)\left(1-P_{B z}\right) \) \(\\mu_{S F C L}^{\prime}=\lambda_{31}=\mu_{s c} \)<caption>(4)</caption></p> <p>여기서, \( \lambda_{S F C L}, \mu_{S F C L} \) 은 SFCL의 고장률, 수리율, \( \lambda_{S F C L}^{\prime} \), \( \mu_{S F C L}^{\prime} \) 는 SFCL의 부분고장률, 부분수리율, \( \lambda_{s c}, \mu_{s c} \) 는 초전도체의 고장률, 수리율이다.</p> <p>식 (2) (4)의 SFCL신뢰도 데이터를 살펴보면, 고장률은 SFCL의 구조에 따라 변동하지만 수리율(= 수리시간의 역수)은 모두 초전도체의 수리율과 동일하다.</p> <p>신뢰도 해석에서는 발전기 외에는 그림 2a의 2-states 모델을 주로 사용한다. SFCL이 포함된 배전계통의 공급신뢰도를 산출하는데 있어서 2-states 모델을 사용하는 것은, SFCL의 한류 특성으로 인해 그 정확성은 저해되지만 기존 신뢰도 해석기법에 간단히 적용할 수 있다는 장점이 있다. 위의 3-states 신뢰도 데이터를 2-states 신뢰도 데이터로 변환하는 방식은 식 (5)~ (7)과 같이 세 종류가 있으며, 신뢰도 평가자의 관점에 따라 선택할 수 있다.</p> <p>(1) 부분고장상태를 정상상태로 분류할 경우</p> <p>\( \lambda_{S F C L}(2)=\lambda_{S F C L}(3) \) \( \\mu_{S F C L}(2)=\mu_{s c} \)<caption>(5)</caption></p> <p>(2) 부분고장상태를 고장상태로 분류할 경우</p> <p>\( \lambda_{S F C L}(2)=\lambda_{S F C L}(3)+\lambda_{S F C L}^{\prime}(3) \) \( \\mu_{S F C L}(2)=\mu_{s c} \)<caption>(6)</caption></p> <p>(3) 가중치로 결합</p> <p>\( \lambda_{S F C L}(2)=\lambda_{S F C L}(3)+W_{\text {partial }} \times \lambda_{S F C L}^{\prime}(3) \) \( \mu_{S F C L}(2)=\mu_{s c} \)<caption>(7)</caption></p> <p>여기서, \( W_{\text {partial }} \) 은 부분고장률의 가중치이고, 변수 우측의 (2), (3)은 각각 그 변수가 2-states, 3-states의 값임을 의미 한다.</p>
|
[
"저항형 SFCL는 어떻게 이루어진 구조인가요?",
"하이브리드형 SFCL은 어떻게 구성되어 있는가?",
"하이브리드형 SFCL는 어떻게 분류하는가?",
"고장전류가 흐르는 case는 어떻게 수행하는가?",
"스위칭 소자는 규칙적으로 어떻게 운영해야하나요?",
"1번 개폐기 동작실패 확률은 어떻게 나타내는가?",
"점검주기는 어떻게 표기하나요?",
"표1에서, 1번개폐기는 동작성공, 2번개폐기는 동작 실패할 확률은 무엇인가?",
"표1에서, 1번개폐기 동작 실패, 2번개폐기 동작 성공할 확률은 무엇인가?",
"표에서 개폐기가 모두 동작실패할 확률은 무엇인가요?",
"SFCL의 고장률과 수리율은 어떻게 표기하는가?",
"SFCL의 부분고장률은 어떻게 표기하는가?",
"SFCL의 부분수리율 어떻게 표기하나요?",
"저항형 SFCL은 어떻게 구성되어 있는가요?",
"2번 개폐기의 동작실패 확률을 어떻게 표현하나요?",
"표1에 따르면 개폐기 모두 동작 성공할 확률은 무엇인가요?",
"초전도체의 고장률, 수리율은 어떻게 표기하나요?",
"하이브리드형 SFCL은 어떻게 이루어진 구조인가요?",
"부분고장률의 가중치는 어떻게 표기하나요?"
] |
363b055d-2f3d-429a-a41c-16aae511aaaa
|
인공물ED
|
초전도한류기와 인근 배전설비의 신뢰도에 관한 연구
|
<h1>3. 사례 연구</h1> <h2>3.1 3-states 신뢰도 데이터</h2> <p>간단한 사례연구를 위해 SFCL 1기와 인근 배전선로 1회선만 고려하였다. 개폐기와 구동코일은 평균 20 년에 1 번, 초전도체는 10 년에 1 번, 인근 배전선로는 2년에 1번 고장이 발생한다고 가정한다. 스위칭 소자는 6개월에 1 번씩 점검하고, 고장시 초전도체의 수리시간은 4 시간, 인근 배전선로의 수리시간은 2시간이다. 이를 정리하면 식 (12)와 같다.</p> <p>\( \begin{aligned} \lambda_{B 1} &=\lambda_{B 2}=\lambda_{C}=0.05[f / y r] \\ T_{m} &=0.5[y r] \\ \lambda_{s c} &=0.1[f / y r] \\ \mu_{s c} &=2190[\mathrm{f} / \mathrm{yr}] \\ \lambda_{s 1} &=0.5[\mathrm{f} / \mathrm{yr}] \\ \mu_{s 1} &=4380[\mathrm{f} / \mathrm{yr}] \end{aligned} \)<caption>(12)</caption></p> <p>3-states 모델을 기준으로 세 가지 구조에 따라 SFCL 신뢰도 페이터를 구하면 표 2 와 같으며, 인근 배전선로의 변경되는 신뢰도 데이터는 표 3과 같다.</p> <table border><caption>표 2 SFCL의 신뢰도</caption> <tbody><tr><td>\( [\mathrm{f} / \mathrm{yr}] \)</td><td>저항형</td><td>하이브리드형 (반주기 내)</td><td>하이브리드형 (반주기 후)</td></tr><tr><td>고장률</td><td>0.1</td><td>0.002484</td><td>0.002484</td></tr><tr><td>수리율</td><td>2190</td><td>2190</td><td>2190</td></tr><tr><td>부분고장률</td><td>0</td><td>0.097516</td><td>0.096297</td></tr><tr><td>부분수리율</td><td>2190</td><td>2190</td><td>2190</td></tr></tbody></table> <table border><caption>표 3 인근 배전설비의 신뢰도</caption> <tbody><tr><td>\( [\mathrm{f} / \mathrm{yr}] \)</td><td>저항형</td><td>반주기 내</td><td>반주기 후</td></tr><tr><td>고장률</td><td>0</td><td>0.012422</td><td>0.018517</td></tr><tr><td>수리율</td><td>4380</td><td>4380</td><td>4380</td></tr><tr><td>부분고장률</td><td>0.5</td><td>0.487578</td><td>0.481483</td></tr><tr><td>부분수리율</td><td>4380</td><td>4380</td><td>4380</td></tr></tbody></table> <p>표 2에 따르면, 저항형 SFCL에 비해 하이브리드형 SFCL은 고장률이 낮은 대신 부분고장률은 높은 것을 알 수 있다. 저항형 SFCL의 고장률은 초전도체 고장률 \( 0.1[\mathrm{f} / \mathrm{yr}] \) 과 완전히 동일한 반면, 하이브리드형 SFCL은 초전도체의 고장을 부분고장으로 전환시킬 수 있는 구조이다.</p> <p>배전설비의 용량이 충분하여 부분고장상태에서도 수용가에 대한 전력공급에 지장이 없는 계통의 경우, 하이브리드형 SFCL의 초전도체 고장은 무시할 수 있는 수준이다. 반면, 배전 설비의 용량에 여유가 없는 경우, 저항형 SFCL이나 하이브리드형 SFCL이나 공급신뢰도 측면에서는 별반 차이가 없다.</p> <p>SFCL이 연계되기 전 인근 배전선로의 고장률이 \( 0.5[\mathrm{f} / \mathrm{yr}] \)인 것과 표 3 을 비교하면, SFCL이 연계된 후 대부분 부분고장으로 전환딘 것을 알 수 있다. 저항형 SFCL의 경우 인 근 배전.설비의 고장을 완벽히 부분고장으로 전환시킨다. 반 면 하이브리드형 SFCL은 고속스위치 동작실패로 인해, 반주기 내 한류방식은 약 \( 2.5 \% \), 반주기 후 한류방식은 약 \( 3.7 \% \) 의 설비고장에 대해 제대로 한류를 수행하지 못한다.</p> <p>고장률 \( 0.5[\mathrm{f} / \mathrm{yr}] \), 수리율 \( 4380[\mathrm{f} / \mathrm{yr}] \) 인 배전선로와 고장률 \( 0.1[\mathrm{f} / \mathrm{yr}] \), 수리율 \( 190[\mathrm{f} / \mathrm{yr}] \)인 SFCL을 하나의 구성요소로 결합할 경우 신뢰도 데이터는 표 4와 같다.</p> <p>저항형에 비해 하이브리드형이 공급신뢰도 측면에서 유리하며, 하이브리드형 중에서도 반주기 내 한류방식이 더 좋은 신뢰도 데이터를 갖는다. 반면 수리율의 역수인 평균 고장시간에 있어서는, 반주기 후 한류방식이 약 0.1 간 더 짧다.</p>
|
[
"표에서 세 형태의 수리율은 얼마야?",
"본문 표에서 0.1의 고장률을 가진 것은 뭐야?",
"표에서 수리율 값처럼 모든 형태에서 같은 값을 가진 신뢰도 항목은 뭐야?",
"표에서 모든 형태의 부분수리율 값은 뭐야?",
"표에서 하이브리드형의 고장률은 얼마야?",
"표에서 하이브리드형 (반주기 후)의 수리율은 얼마야?",
"표에서 세가지 형태의 부분수리율 값은 뭐야?",
"표에서 가장 적은 고장률의 값은 뭐야?",
"표에서 가장 적은 부분 고장률 값은 뭐야?",
"본문 실험의 가장 큰 고장률을 가진 것은 뭐야?",
"표에서 부분고장률이 0인 값을 가진 것은 뭐야?",
"표에서 저항형의 부분 고장률 값과 가장 차이가 적은 부분고장률을 가진 것은?",
"표에서 수리율과 같은 값을 가진 신뢰도 측정 항목은 뭐야?",
"표에서 가장 적은 값의 부분고장률을 가진 구조는 뭐야?",
"표의 하이드리드형에서 서로 다른 값을 가지는 신뢰도 항목은 뭐야?"
] |
4d42345f-e69f-4906-ab14-0a02ee1af178
|
인공물ED
|
OVPN에서 차등화된 광 QoS 서비스(DOQS) 클래스를 고려한 Optical-LSP의 설립 및 QoS 유지 방안 연구
|
<h2>2. Optical-LSP 설립을 위한 시그널링 과정</h2> <p> <그림 2>의 (A)와 앞 절의 가입자 사이트와 OVPN 백본망 사이 SLA 협상 절차를 거친 후 Optical-LSP 설립을 위한 GMPLS 시그널링 과정을 수행한다. 본 논문에서는 GMPLS의 시그널링 프로토콜 중 RSVP-TE+를 이용하여 레이블을 분배한다. RSVP-TE+의 동작은 자원 예약을 위해 사용되는 기본 메시지인 PATH 메시지와 RESV 메시지를 통해<그림 7>과 같이 이루어진다. DOQS 클래스를 고려한 차등화된 Optical-LSP 설립을 위해 GMPLS 헤더의 Exp 필드를 CoS기능으로 사용하여 서비스 클래스별로 다른 값을 할당하고, RSVP-TE+에서의 Tspec, Rspec, Adspec 객체를 사용하여 DOQS 클래스별 트래픽 및 QoS 파라미터를 설정하여 이 파라미터에 근거하여 자원을 예약함으로써 차등화된 QoS 보장이 이루어 진다.</p> <p> <표 3>은 GMPLS 네트웍에서의 QoS 보장과 관계된 Tspec, Rspec, Adspec 객체를 구성하고 있는 파라미터를 나타낸다.</p> <table border><caption>표 2. Tspec, Rspec, Adspec 구성 파라미터</caption> <tbody><tr><td rowspan=5>Tspec</td><td>p</td><td>플로우의 최대속도 (\(\mathrm{bytes} / \mathrm{s} \))</td></tr><tr><td>r</td><td>토큰 버킷 속도 (\(\mathrm{bytes} / \mathrm{s} \))</td></tr><tr><td>b</td><td>토큰 버킷 크기 (\(\mathrm{bytes}\))</td></tr><tr><td>m</td><td>최소 정책 단위 (\(\mathrm{bytes}\))</td></tr><tr><td>M</td><td>최대 전송 패킷의 크기 (\(\mathrm{bytes} \))</td></tr><tr><td rowspan=2>Rspec</td><td>R</td><td>망에서 제공해 주는 전송률(\(\mathrm{bytes} / \mathrm{s} \)로, r보다 반드시 커야 한다.</td></tr><tr><td>S</td><td>여유 항 (\(\mahtrm{ms}\)), 요청하는 대역 R을 사용할 경우 얻어지는 지연 시간과 실제 네트웍을 통과하면서 겪게 되는 지연 시간의 차이</td></tr><tr><td rowspan=3>Adspec</td><td>Omindel</td><td>패킷을 전달하는데 걸리는 최소 지연 시간</td></tr><tr><td>Bpath</td><td>경로 상에서 최소 대역을 갖는 링크의 대역폭</td></tr><tr><td>PathMTU</td><td>최대 전송 패킷 길이</td></tr></tbody></table> <p>Premium 서비스는 종단점 간에 엄격한 지연 시간 한계(end-to-end delay bound)를 요구하며, 트래픽 특성에 순응하는 패킷의 흐름에 대해서는 패킷 손실이 없을 것을 요구하는 서비스이다. 따라서 엄격한 QoS 요구를 충족하기 위해서는 일정한 크기의 대역을 보장해 주어야만 한다. 이를위해 PATH 메시지를 수신한 Egress CE 노드는 Tspec으로부터 r, b, p, m의 정보를, Adspec으로부터 Qmindel, 에러항(Ctot, Dtot), PathMTU(M), Bpath의 정보를 구한다. Egress CE 노드가 요구하는 최대 지연시간으로부터 Qmindel을 빼면 종단간 최대 큐잉 지연시간(Qdelreq)을 구할 수 있다. Qdelreq, Ctot, Dtot, M, r, b, p 값을 아래의 식 (4), 식 (5) 혹은 식 (6)에 대입하면 R을 구하게 된다. 자원 예약 요청이 실패하지 않기 위해서, R 값이 Bpath 보다 클 경우에는 R 값을 감소시킨다. 이렇게 구한 R 값을 가지고 Egress CE 노드는 Rspec을 구성하고, 이를 포함한 RESV 메시지를 Ingress CE 노드 방향으로 전송함으로써, GMPLS 망 상에 자원을 예약하여 QoS를 보장한다.</p> <p>\( Q=\frac{(b-M)(p-R)}{R(p-r)}+\frac{M+C_{t o t}}{R}+D_{t o t}(p>R \geq r) \)<caption>(4)</caption></p> <p>\( Q=\frac{M+C_{t o t}}{R}+D_{\imath o t}(R \geq p \geq r) \)<caption>(5)</caption></p> <p>\( Q=\frac{b}{R}+\frac{C_{t o t}}{R}+D_{t o t}(R \leq r) \)<caption>(6)</caption></p> <p>Assured 서비스는 적응적인 실시간 서비스와 같이 어느 정도의 지연 시간과 손실을 허용할 수 있는 서비스이므로 지연 시간과 패킷 손실에 대해서 특정한 값을 요구하지 않는다. 트래픽 파라미터는<표 3>의 Tspec 및 Rspec 파라미터로 나타내며, Premium 서비스와 달리 네트웍 상황에 따라 어느 정도의 패킷 손실을 허용하기 때문에, 전송되는 패킷 플로우의 최대 속도 p를 반드시 보장할 필요가 없으므로T spec의 p 값을 명시하지 않는다.</p> <p>최선형 서비스는 특정한 자원의 예약 혹은 QoS의 보장을 필요로 하지 않으므로 Ingress CE는 Tspec의 파라미터값을 0으로 설정한 PATH 메시지룰 전송하여 특정한 자원의 예약 없이 최선형 트래픽을 전달하기 위한 Optical-LSP 터널을 설정하도록 한다. Egress CE로부터 역시 Tspec 및 RSpec 의 파라미터값을 0으로 설정한 RESV 메시지를 수신하게 되면 종단 CE 노드간에 자원을 예약하지 않은 Optical-LSP 터널이 수립되고, 이 Optical-LSP를 통해 포워드 되는 패킷둘은 최선형 서비스를 제공받게 된다.</p> <p>Assured 혹은 최선형 서비스의 경우 회복 메커니즘으로 GMPLS 혹은 IP 레벨의 복구 스킴을 사용하므로 working path만 설립되지만, GMPLS 보호 스킴을 사용하는 Premium 서비스의 경우 working path와 같은 QoS 요구사항들을 만족하는 protection path 또한 설립된다. 이를 위해 PATH 메시지에<그림 8>과 같은 Protection 객체를 사용하여 요청된 LSP가 protection LSP임을 \(P \mathrm{bit}\)로 나타내고 종단간 LSP recovery type(1:1, 1+1, shared mesh, extra-traffic 등)과 protection path에 의해 보호되는 working path의 식별자(Associated LSP_Id)를 나타낸다. 이러한 protection path도 working path와 같이 Tspec, Rspec, Adspec 객체를 사용하여 자원을 예약하고, working path에 장애 발생 시 Notify 메시지의 스위칭(switchover) 요청으로 working path의 트래픽들을 미리 설립되어있는 protection path로 스위칭 한다.</p>
|
[
"Tspec일 때 b가 의미하는 것은 뭐야?",
"Tspec일 때 b가 뜻하는 것은 뭐야?",
"최대 전송 패킷의 크기를 뜻하는 파라미터의 이름을 알려줄래?",
"파라미터의 이름 중 최대 전송 패킷의 크기는 무엇으로 나타내?",
"Tspec을 구성하는 파라미터 중 토큰 버킷 속도 (\\(\\mathrm{bytes} / \\mathrm{s} \\))를 나타내는건 무엇인가?",
"최대 전송 패킷 길이에 해당하는 Adspec의 파라미터는 무엇이야?",
"Tspec의 p의 값은 뭐야?",
"망에서 제공해 주는 전송률(\\(\\mathrm{bytes} / \\mathrm{s} )\\)을 뜻하며 r보다 반드시 커야 하는 파라미터의 이름이 뭐야?",
"Adspec의 Omindel에 대응하는 의미는 무엇인가?"
] |
781359db-e777-4ea5-962f-7cfc99ca68ea
|
인공물ED
|
원자력발전소 안전필수시스템 고장허용능력에 대한 자가진단기능 저하 영향 분석
|
<h1>3. 적용 예</h1><h2>3.1 원자력 안전등급 플랫폼에의 적용</h2><p>가압형 경수로의 안전필수 계측제어시스템의 대표적 시스템은 원자로보호계통과 공학적 안전설비제어계통이다. 이 중 원자로보호계통은 공정 또는 상태신호 취득을 위한 아날로그 입력모듈 및 디지털 입력모듈과 바이스테이블 보호논리 및 \( 2 / 4 \) 동시논리를 수행하는 연산처리모듈 채널의 트립상태를 출력하는 디지털 출력모듈, 그리고 타 채널과의 통신을 위한 통신모듈 등으로 구성된다.</p><p>고장허용능력에 대한 정량적인 평가는 신뢰도 분석을 근간으로 한 가용도와 안전도 평가를 통해 수행된다. 원자로 보호계통에 사용되는 플랫폼인 프로그래머블 논리제어기(PLC) 를 구성하는 각 모듈에 대해 기 계산된 고장률(failure rate)은 표 1)과 같다.</p><p>식 (9)에 근거하여 대표적으로 몇 가지 유형에 대한 적용 예를 계산한다. 첫 번째 유형은 자가진단기능의 고장가능성이 미미한 경우이다. 이러한 유형은 소프트웨어적인 자가진단 기능을 가질 경우가 대부분이다. 예를 들어 프로세서 모듈의 경우 하드웨어적 자가진단은 프로세서 내부의 감시 타이머(Watchdog Timer)를 이용하고 나머지는 메모리 진단, 체크섬 (Criecksum) 기능 등 소프트웨어적 진단기능을 이용한다. 소프트웨어적인 진단방법을 통한 고장탐지률 평가방법은 아직 연구가 진행 중인 분야이므로 정량적인 예를 제시하기는 힘들다.</p><p>그러나 자가진단기능의 고장이 없는 경우에 대한 예를 제시하기 위해 본 논문에서는 자가진단기능을 통한 고장 탐지율은 전체고장의 \( 60 \% \), 자가진단에 의해 발생되는 잠재적 거짓고장률은 \( 10 \% \) 미만으로 가정하고, 자가진단기능의 고장은 없는 것으로 가정한다. 그림 (2)는 프로세서 모듈에 대해 기존결과와 비교한 결과를 나타내는데, 가용도 측면에서는 기존의 결과보다 불가용도가 약간 높게 나타나나 안전성 측면에서는 기존결과와 거의 동일함을 알 수 있다.</p><p>또 하나의 유형은 자가진단기능을 톡한 고장탐지능력이 매우 크지만 거짓탐지 가능성과 자가진단 자체의 고장률도 큰 경우이다. 예를 들어 디지털 입력모듈의 경우 자가진단을 위한 추가적인 회로적용으로 인해 거짓 탐지율과 자가진단기능의 고장가능성이 매우 크다. 더구나 디지털 입력모듈의 정기점검주기는 18개월이므로 이 주기에 이르러서야 비로소 고장탐지가 불가능한 고장 (초기 고장률, \( \lambda_{U D 0} \))에 의해 발생된 고장은 초기화된다. 자가진단기능의 저하는 정기점검주기에도 발견되지 않으므로 모듈 교체 시에 초기화 된다. 디지털 입력모듈의 경우에는 본 모델의 결과와 기존 모델결과는 안전성 및 가용성 측면 모두에서 큰 차이를 보이는데 이는 해당 모듈의 자가진단기능을 위해 과도한 자가진단 회로가 사용됨으로써 자가진단 기능의 고장 확률도 그만큼 증대되었기 때문이다.</p><p>다음 유형은 자가진단기능에 의한 고장탐지 능력이 뛰어나고 자가진단의 고장확률이 상대적으로 작지민 거짓고장탐지 확률이 높은 경우이다. 대표적인 모듈은 디지털 출력모듈로서 표 1)에 나타난 것처럼 거짓탐지가능성이 매우 크다. 그림 4)에 나타난 바와 같이 본 모델 결과와 기존 모델결과를 비교할 때 아주 큰 차이를 보이고 있으며 오히려 자가진단기능이 없을 때 보다 가용성이 더 나빠짐을 보여준다. 이는 자가진단기능의 오동작으로 인한 고장률 \( \left(\lambda_{I D}\right) \)이 자가진단기능에 의해 발견되는 고장률 \( \left(\lambda_{D}\right) \)보다 더 크기 때문이다. 이 경우 자가진단기능에 의한 모듈의 복잡성이 증대될 뿐만 아니라 가용도도 증대되지 않기 때문에 설계보완이 필요한 것으로 판단할 수 힜다. 그러나 안전성 측면에서는 거짓고장이 안전성에 위해를 가하지 않으므로 안전성 관점의 불가용도는 자가진단이 없을 때보다 획기적으로 개선됨을 보여준다.</p><p>마지막 유형은 자가진단기능의 거짓고장 탐지확률은 거의 없지만 자가진단 기능의 고장확률이 높은 경우로서 표 1)에서 통신모듈이 여기에 해당된다. 통신모듈은 30일 주기를 갖는 정기검사 시 보호 논리시험을 통해 건전성이 점검된다. 본 모델을 적용할 경우 불가용도는 시간에 따라 큰 폭으로 증가함을 알 수 있으며, 이는 일정한 포락선을 갖는 기존의 계산결과와는 확실히 다른 형태이다. 이것은 자가진단의 잠재적인 고장률, \( \lambda_{S D} \)가 다른 모듈에 비해 큰 값을 가짐으로써 자가진단에 의한 고장탐지능력이 점점 저하되기 때문이다.</p><p>표 2는 각 모듈의 평균 불가용도를 본 모델과 기존 모델에 근거하여 계산된 결과를 나타낸다. 이 중에서 가장 영향을 많이 받은 모듈은 디지털입력모듈로서, 자가진단에 의한 고장탐지가 상대적으로 아주 높은 비율 \( \left(\lambda_{D} /\left(\lambda_{D}+\lambda_{U D}\right) \cong 0.98\right) \)을 지니고 있으며 \( \lambda_{S D} \)도 상대적으로 크다. 이 경우 자가진단에 의한 고장탐지가 모듈의 불가용도에 가장 큰 영향을 주게 될 뿐만 아니라 자가진단의 고장 확률도 높기 때문에 시간 경과에 따라 고장탐지능력이 현저히 저하된다.</p><p>통신모듈의 경우도 자가진단에 의한 고장탐지가 좋은 성능을 보임과 동시에 이에 따른 자가진단의 잠재적 고장률이 반영되었으므로 기존분석결과와 큰 차이를 보인다. 디지털 출력모듈의 경우 가용성 관점에서는 기존결과와 큰 차이를 보이나 안전성 관점에서는 차이를 거의 보이지 않는다. 디지털 출력모듈의 자가진단에 의한 고장탐지율이 약 \( 60 \% \) 정도인데 반해 자가진단에 의한 거짓 고장탐지율이 매우 크기 때문에 발생되는 현상이다. 소포트웨어를 기반으로 한 자가진단기능의 경우 거짓고장 탐지율이 극히 미미하며, 이 경우 프로세서 모듈과 통신드라이버 모듈이 포함된다. 이들의 경우 기존 분석결과와 비교하여 가용성 측면에서는 어느 정도 차이를 보이나 한전성 측면에서는 차이를 보이지 않음을 알 수 있다.</p><table border><caption>표 1 안전등급 플랫폼 주요 구성모듈의 고장률</caption><tbody><tr><td></td><td>\( \lambda_{U D} \)\[ \](\( \left./ 10^{6} \mathrm{hr}\right) \)</td><td>\( \lambda_{D} \)\[ \](\( \left./ 10^{6} \mathrm{hr}\right) \)</td><td>\( \lambda_{ID} \)\[ \](\( \left./ 10^{6} \mathrm{hr}\right) \)</td><td>\( \lambda_{SD} \)\[ \](\( \left./ 10^{6} \mathrm{hr}\right) \)</td></tr><tr><td>아날로그입력모듈</td><td>0.21</td><td>2.75</td><td>0.0079</td><td>0.17</td></tr><tr><td>디지털입력모듈</td><td>0.079</td><td>4.27</td><td>3.96</td><td>1.65</td></tr><tr><td>디지털출력모듈</td><td>0.85</td><td>1.44</td><td>2.26</td><td>0.095</td></tr><tr><td>프로세서모듈</td><td>2.748</td><td>5.622</td><td>0.56</td><td>-</td></tr><tr><td>통신모듈</td><td>0.086</td><td>2.34</td><td>-</td><td>0.64</td></tr><tr><td>통신드라이버모듈</td><td>2.812</td><td>4.218</td><td>0.42</td><td>-</td></tr></tbody></table><table border><caption>표 2 각 모듈의 평균불가용도 계산결과 및 비교</caption><tbody><tr><td rowspan=2></td><td colspan=2>기존모델 \( \left(q_{C}\right) \)</td><td colspan=2>본 모델 \( \left(q_{R}\right) \)</td><td colspan=2>증감, \( \left(q_{C} / q_{R}\right) \)</td></tr><tr><td>\( q_{M-a v a i l} \)</td><td>\( q_{M-\text { safety }} \)</td><td>\( q_{M-\text { avail }} \)</td><td>\( q_{M-s a f e t y} \)</td><td>가용성</td><td>안전성</td></tr><tr><td>아날로그입력모듈</td><td>\( 1.38 \times 10^{-3} \)</td><td>\( 1.36 \times 10^{-3} \)</td><td>\( 1.52 \times 10^{-3} \)</td><td>\( 1.49 \times 10^{-3} \)</td><td>\( 10 \% \)</td><td>\( 11 \% \)</td></tr><tr><td>디지털입력모듈</td><td>\( 5.78 \times 10^{-4} \)</td><td>\( 5.12 \times 10^{-4} \)</td><td>\( 3.99 \times 10^{-3} \)</td><td>\( 2.51 \times 10^{-3} \)</td><td>\( 69 \% \)</td><td>\( 49 \% \)</td></tr><tr><td>디지털 출력모듈</td><td>\( 3.36 \times 10^{-4} \)</td><td>\( 3.06 \times 10^{-4} \)</td><td>\( 1.15 \times 10^{-3} \)</td><td>\( 3.12 \times 10^{-4} \)</td><td>\( 34 \% \)</td><td>\( 2 \% \)</td></tr><tr><td>프로세서모듈</td><td>\( 1.04 \times 10^{-3} \)</td><td>\( 9.89 \times 10^{-4} \)</td><td>\( 1.25 \times 10^{-3} \)</td><td>\( 1.00 \times 10^{-3} \)</td><td>\( 20 \% \)</td><td>\( 1 \% \)</td></tr><tr><td>통신모듈</td><td>\( 4.97 \times 10^{-5} \)</td><td>\( 3.10 \times 10^{-5} \)</td><td>\( 7.39 \times 10^{-5} \)</td><td>\( 5.52 \times 10^{-5} \)</td><td>\( 49 \% \)</td><td>\( 78 \% \)</td></tr><tr><td>통신드라이버모듈</td><td>\( 1.05 \times 10^{-3} \)</td><td>\( 1.01 \times 10^{-4} \)</td><td>\( 1.21 \times 10^{-3} \)</td><td>\( 1.02 \times 10^{-3} \)</td><td>\( 16 \% \)</td><td>\( 1 \% \)</td></tr></tbody></table>
|
[
"고장허용능력에 대한 평가는 어떤 과정을 통해 수행돼?",
"프로세서 모듈의 경우 어떤 방법을 이용하여 하드웨어적 자가진단을 진행하지?",
"통신 모듈은 어떤 방법을 통해 건전성이 점검 돼?",
"표 1 안전등급 플랫폼 주요 구성모듈의 고장률 중에서 아날로그입력모듈의 초기 고장률은 얼마이지?",
"표 1 안전등급 플랫폼 주요 구성모듈의 고장률 중 잠재적인 고장률이 0.095인 모듈은 무엇이지?",
"표 1 안전등급 플랫폼 주요 구성모듈의 고장률에서 프로세서모듈의 자가진단기능의 오동작으로 인한 고장률은 얼마로 나타나지?",
"표 1에서 자가진단기능에 의해 발견되는 고장률이 가장 낮은 모듈은 무엇이지?",
"표 2 각 모듈의 평균불가용도 계산결과 및 비교에서 기존모델에서의 \\( q_{M-a v a i l} \\) 값은 아날로그입력모듈에서 얼마로 나타나지?",
"표 2 각 모듈의 평균불가용도 계산결과 및 비교에서 디지털입력모듈의 \\( q_{M-s a f e t y} \\)값이 \\( 2.51 \\times 10^{-3} \\)인 모델은 무엇이지?",
"표 2에서 가장 높은 안정성을 보여주는 모듈은 무엇이지?"
] |
4b4cb581-e167-4d0f-8026-37e4b2452600
|
인공물ED
|
풍력발전 설비용 IEC 61400-25 기반 통신 시스템 구축
|
<h1>1. 서 론</h1> <p>최근 세계적으로 화석 에너지 고갈에 따른 대책이 심각하게 거론되고 있으며, 온실가스 감축을 의무화한 교토의정서가 2005년 2월에 공식 발효됨에 따라 무공해 에너지원으로서의 풍력발전에 대한 관심이 증폭되고 있다.</p> <p>현재 풍력발전 기술은 신재생에너지 중 가장 빠르게 성장하고 있는 기술로 과거 5년 동안 매년 \( 22.3 \% \) 의 성장률을 보여 왔고 2012년도까지 연간 \( 20.7 \% \) 의 성장률을 보일 것으로 추정하고 있으며, 2010년도에 세계 보급량은 \( 180,000 \mathrm{MW} \) 설비에 \( 440 \mathrm{TWh/} \)년의 전력을 생산할 것으로 전망된다. 또한 풍력 기술 및 시장의 규모가 커짐에 따라 풍력발전 단가가 급속히 떨어지고 있으며, 최근에는 기존의 화석연료를 이용한 발전방식과 경쟁이 가능한 수준까지 낮아졌다. 이와 같은 주변 여건에 힘입어 오늘날 풍력발전 기술은 광범위하게 확대되고 있으며, 풍력 선진국 간 또는 풍력발전 설비 제작사 간 경쟁이 시장에서 치열하게 이루어지고 있다.</p> <p>일반적으로 풍력발전 설비는 넓은 지역에 광범위하게 산재되어 있고 사용자와 멀리 떨어져 있다. 그러므로 풍력발 전 시스템으로부터 안정적인 출력을 얻기 위해서는 이들을 중앙에서 효과적으로 감시, 제어하는 것이 대단히 중요하고 이를 위해서는 적합한 통신 시스템의 확보가 필수적이라 하겠다. 왜냐하면 풍력 발전단지의 설비들은 발전기의 온도나 회전자 속도, 각종 베어링 및 블레이드의 상태 등 설비의 상태에 따라 시스템의 오작동 및 출력의 변동이 있을 수 있기 때문이다. 그 동안 풍력발전 설비 제작사들은 풍력발전 설비를 감시 제어할 수 있는 자사의 제품을 판매하기 위해 자사에 맞는 독자적인 통신 프로토콜을 제공해 왔기 때문에 제작사에 따라 통신 프로토콜이 다르고 이로 인해 풍력발전 단지에 새로운 설비를 추가하거나 업그레이드할 경우 기존의 장비들과 통신 환경을 맞추기 위한 추가적인 작업이 요구되어 왔다. 이러한 문제점은 풍력발전 설비를 만드는 제작사들이 통신을 위해 필요한 프로토콜을 표준화하여 이를 공통으로 사용함으로써 해결할 수 있다. 다행히 선진 각국 들은 이러한 문제점을 인식하고 2007년 IEC TC 88에서 변전소 자동화 시스템의 국제표준인 IEC 61850 을 기반으로 하여 풍력발전의 감시제어를 위한 표준 통신 프로토콜로 IEC 61400-25를 발표하였다. 표준화는 풍력발전 설비들 간에 사용되는 프로토콜을 통일시켜 기존의 설비에 새로운 설비를 쉅게 결합할 수 있을 뿐만 아니라 제품의 규격화에 따른 호환성도 향상된다. 또한 중복개발 등을 억제시키고 원가절감 효과, 시장의 다양성 확보 등 여러 가지 경제적 효과를 가지고 온다.</p> <p>2003년 발행된 IEC 61850은 최근까지 국제표준에 맞는 프로토콜 개발을 선도해 왔고, 우리나라에서도 변전소 자동화를 위한 통신 시스템의 연구가 지속적으로 진행되고 있다. 이와 함께 IEC 61400-25 또한, 국제규격에 맞는 풍력 발전 설비의 프로토콜 개발에 대한 연구를 활성화시킬 것으 로 예상된다.</p> <p>그림 1은 풍력발전의 감시제어를 위한 통신을 규정한 국제표준 IEC 61400-25(Communications for monitoring and control of wind power plants)의 통신모델 개념도이다. IEC 61400-25는 기본적으로 이미 제정된 IEC 61850 (Communication networks and systems in substations)을 기반으로 하고 있으며, 표 1과 같이 총 6개의 부문으로 구성되어 있다.</p> <table border><caption>표 1 IEC 61400-25의 구성</caption> <tbody><tr><td>IEC 61400-25-1:</td><td>Overall description of principles \& models</td></tr><tr><td>IEC 61400-25-2:</td><td>Information models (Logical Nodes, CDCs)</td></tr><tr><td>IEC 61400-25-3:</td><td>Information exchange models</td></tr><tr><td>IEC 61400-25-4:</td><td>Mapping to communication profiles</td></tr><tr><td>IEC 61400-25-5:</td><td>Conformance testing</td></tr><tr><td>IEC 61400-25-6:</td><td>LN classes and Data classes for Condition Monitoring</td></tr></tbody></table> <p>본 논문에서는 풍력발전 설비의 효과적인 감시 및 제어를 위해 필수적인 통신 시스템을 구축할 경우 반드시 필요한 장치인 VMD(virtual manufacture device, VMD)를 설계하고, 구현된 VMD를 바탕으로 풍력발전 설비에 맞는 통신 시스템을 구축하였다. VMD는 풍력발전 설비를 제어, 모니터링에 필요한 기능과 객체를 추상화하여 가지고 있는 가상제조장치로서, IEC 61400-25에서 제공하는 표준규약을 이용하여 풍력발전 설비에 적합하도록 설계되었다. 또한, 제안된 VMD를 이용해 IEC 61400-25에서 정의하고 있는 MMS(Manufacturing Message Specification, MMS) 서비스를 구현하여 풍럭발전 설비용 통신 시스템을 구축하였다. 그리고 MMS 서비스를 이용하여 얻은 풍력발전 설비의 각종 데이터를 원격으로 확인할 수 있는 사용자 인터페이스를 XML을 이용하여 구현하고 이를 실험적으로 확인하였다.</p>
|
[
"본문의 표 1 IEC 61400-25의 구성에서 IEC 61400-25-1:의 내용은 뭐야?",
"본문의 표 1 IEC 61400-25의 구성에서 IEC 61400-25-2:의 내용은 뭐지?",
"본문의 표 1 IEC 61400-25의 구성에서 IEC 61400-25-3:의 내용은 뭐니?",
"본문의 표 1 IEC 61400-25의 구성에서 IEC 61400-25-4:의 내용은 뭘까?",
"본문의 표 1 IEC 61400-25의 구성에서 IEC 61400-25-5:의 내용은 무엇인가?",
"본문의 표 1 IEC 61400-25의 구성에서 IEC 61400-25-6:의 내용은 무엇이지?",
"본문의 표 1에서 내용이 Overall description of principles \\& models인 항목은 뭐야?",
"본문의 표 1에서 내용이 Information models (Logical Nodes, CDCs)인 항목은 뭐지?",
"본문의 표 1에서 내용이 Information exchange models인 항목은 뭐니?",
"본문의 표 1에서 내용이 Mapping to communication profiles인 항목은 뭘까?",
"본문의 표 1에서 내용이 Conformance testing인 항목은 무엇인가?",
"본문의 표 1에서 내용이 LN classes and Data classes for Condition Monitoring인 항목은 무엇일까?"
] |
79202d1c-2fab-4f30-a128-262f152a4cb2
|
인공물ED
|
임베디드 프로세서를 이용한 스마트 배터리 관리 시스템 구현에 대한 연구
|
<h1>III 실험</h1> <h2>1. 실험 장비 및 방법</h2> <p>배터리 관리 시스템을 관리하기 위한 임베디드 프로세서는 Nuvoton NUC1xx계열의 ARM Cortex-M0 Processor를 가진 Keil MCBNUC1xx 개발보드를 사용 하였고, 개발 중인 배터리의 충.방전 / 보호/ 측 정을 할 수 있는 Battery Protection AFE IP 와 개발 중인 16bit 해상도를 갖는 Sigma-Delta ADC를 이용 하여 실험 환경을 구축하였다. 각각 그림 5 의 (1), (2), (3)에 나타나 있다. 그림 5 는 제안된 배터리 관리 시 스템이 구현된 실험 보드이다. 추가적으로 ADC의 결과 값을 FPGA로 Decimation Filter를 설계하여 Filter를 통과한 값으로 임베디드 프로세서에서 받아 연산은 수행한다. 호스트 시스템과 임베디드 프로세 서의 통신을 UART를 이용하여 컨트롤 하도록 설계 하였다.</p> <p>전압을 계산하기 위한 식은 수식(1)과 같이 나타낼 수 있다. \( y \) 는 전압을 나타내며 \( x \) 는 Decimation Filter 를 통해 구한 Decimal 값이 들어간다. 온도를 측정 할 때 전압 값으로 결과가 넘어오게 된다. 수식(2)는 전압을 절대온도 \( (\mathrm{K}) \) 로 변환하는 식을 나타낸다. \( \mathrm{x} \) 는 측정된 전압 값으로써 식(1)을 통하여 구한다.</p> <p>\( y=\frac{1}{8360} x-6.28779 \)<caption>(1)</caption></p> <p>\( T=\frac{1}{\frac{1}{3500} \ln \frac{30000 x}{29310(3.3-x)}+\frac{1}{273}} \)<caption>(2)</caption></p> <p>결과 측정은 윈도우 하이퍼터미널을 이용하여 결과를 검증하고, 이를 바탕으로 호스트 시스템 어플리케이션을 개발하여 최종적인 확인을 하였다.</p> <h2>2 실험 결과</h2> <h3>가. 최소 코드 크기</h3> <p>표 3은 배터리 관리 시스템을 구현한 코드의 크기를 나타내고 있다. 'system_nuc1xx' 파일은 Keil MCBNUC1xx 보드를 초기화하고, 하드웨어 레지스터 와 Exception을 정의하는데 사용된다. 'etc file'은 Interrupt와 Serial Interface 등의 주변기기와의 통신을 위해 정의하는데 사용된다. BMS 파일은 SBS v 1.1 의 Command를 구현한 파일이고, 'main'은 전체적인 프로그램을 관리하기 위한 파일이다. 실질적 으로 구현한 'main'과 'BMS'의 크기를 더하면 \( 8 \mathrm{~KB} \) 로 전체 \( 39 \mathrm{~KB} \) 크기의 \( 41 \% \) 에 해당된다. 즉, 최종적으로 만들어 지는 바이너리 파일인 'afx file'의 \( 18 \mathrm{~KB} \) 의 \( 41 \% \) 의 비중을 차지하고 있다. 이는 최적화를 봉해 배 터리 관리 시스템에 필요한 부분만 사용함으로써 크기를 더 줄 일 수 있다. 표 4 는 실시간 운영체제의 Footprint를 나타내고 있다. 이는 운영체제 자체만을 유지하기 위한 Footprint로 추가적으로 배터리 관리 시스템 프로그램을 작성할 경우에는 적어도 \( 18 \mathrm{~KB} \) 의 \( 41 \% \) 인 \( 7.2 \mathrm{~KB} \) 가 추가 되어야 한다. 표 4 에서 실시간 운영체제의 footprint에 \( 7.2 \mathrm{~KB} \) 를 추가하면 더 많은 크기를 차지하게 된다. 표 4 와 비교 하였을 때 임베디드 프로세서를 이용한 이벤트 드리븐 방식으로 구현을 할 경우 고드의 크기가 줄 수 있음을 확인 할 수 있다.</p> <p>
|
[
"12/4지나가서 폐기해주세요 ㅠㅠ"
] |
b8bfa096-1636-461c-afc7-3c5e12f823bb
|
인공물ED
|
임베디드 프로세서를 이용한 스마트 배터리 관리 시스템 구현에 대한 연구
|
<h3>나. 메모리 최소 사용량</h3> <p>ROM을 사용하는 영역은 RW Data의 영역의 경우 ELF Image와 ROM으로 나뉘기 때문에 RW Data영 역의 1/2과 Code영역, RO Data 영역의 합으로 나타 내면 총 \( 12,134 \mathrm{Byte} \) 가 됨을 확인 할 수 있다. 즉, 이 프로그램을 실행하기 위해서 \( 12 \mathrm{~KB} \) 의 ROM 영역이 필요하다.</p> <p>표 5 는 Memory에 적재되어 사용되어지는 공간을 나타낸 것이다. 표에서 보면 실질적으로 프로그램 한 오브젝트 파일보다 라이브러리 파일이 많은 메모리 공간을 차지하고 있는 것을 확인 할 수 있다. 이는 MCBNUC1xx의 기본적인 라이브러리를 가져다가 사용하여 사용하지 않은 부분까지 포함 되는 것을 확인 할 수 있었다. 차후 필요한 부분만 사용하도록 최적화 한다면 메모리 소모를 더욱 더 줄 일 수 있다.</p> <table border><caption>표 5 . 메모리 사용 공간</caption> <tbody><tr><td>Member</td><td>Code (inc. cata)</td><td>Data</td><td>RO Data</td><td>RW Data</td><td>ZI Data</td></tr><tr><td>Object file</td><td>\(4,884\)</td><td>\(964\)</td><td>\(224\)</td><td>\(301\)</td><td>\(2,490\)</td></tr><tr><td>Library</td><td>\(6,620\)</td><td>\(268\)</td><td>\(256\)</td><td>\(0\)</td><td>\(100\)</td></tr><tr><td>Total</td><td>\(11,504\)</td><td>\(1,232\)</td><td>\(480\)</td><td>\(301\)</td><td>\(2,590\)</td></tr></tbody></table> <table border><caption>표 6. 오브젝트 파일 메모리 사용 공간</caption> <tbody><tr><td>Member</td><td>Code (irx: dita)</td><td>Data</td><td>RO Data</td><td>RW Data</td><td>ZI Data</td></tr><tr><td>startup</td><td>\(52\)</td><td>\(22\)</td><td>\(192\)</td><td>\(0\)</td><td>\(512\)</td></tr><tr><td>main</td><td>\(2,216\)</td><td>\(574\)</td><td>\(0\)</td><td>\(52\)</td><td>\(270\)</td></tr><tr><td>system_nuclxx</td><td>\(3392\)</td><td>\(48\)</td><td>\(0\)</td><td>\(8\)</td><td>\(0\)</td></tr><tr><td>BMS</td><td>\(1,060\)</td><td>\(184\)</td><td>\(0\)</td><td>\(212\)</td><td>\(1,608\)</td></tr><tr><td>etc file</td><td>\(1,164\)</td><td>\(136\)</td><td>\(32\)</td><td>\(29\)</td><td>\(100\)</td></tr><tr><td>Total</td><td>\(4,884\)</td><td>\(964\)</td><td>\(224\)</td><td>\(301\)</td><td>\(2,490\)</td></tr></tbody></table> <p>표 6 은 표5의 오브젝트 파일의 메모리 사용 공간을 각각의 오브젝트 별로 나타낸 것이다. 실질적으로 프로그램 한 'BMS' 부분과 'main'의 코드 크기가 큰 것 을 확인 할 수 있다. 이에 각각의 함수를 주소를 이용한 매핑을 이용하면 메모리 공간을 덜 차지 할 수 있다. 이와 같은 방법으로 최적화하여 최소의 공간을 차지하게 배터리 관리 시스템의 구현이 가능하다.</p> <h3>라. 배터리 관리 동작 결과</h3> <p>SBS v1.1의 모든 Command를 Command Interrupt 로 구현을 하였다. 그림 6 는 Command Interrupt를 위하여 각각의 Command에 해당하는 버튼을 누를 경우 해당하는 Command가 임베디드 프로세서에 전달되어 디코딩 후 해당 Command를 수행하고 결과 값을 UART를 통하여 호스트 시스템 창에 출력한다.</p> <p>그림 7은 Command Interrupt를 수행 중에 임베디드 프로세서 내부에서 Timer Interrupt에 의해 배터 리의 상태가 바뀌는 것을 관찰 할 수 있다. Timer Interrupt를 확인하기 위하여 임베디드 프로세서에서 "Timer Interrupt"를 문자열을 호스트 시스템에 전송 하여 Timer Interrupt가 수행 중임을 알려준다. 기본적인 Timer Interrupt에 의해 전압, 전류, 온도 값이 변화 되고, 그에 따라 잔존용량과 남아있는 시간이 변환 것을 확인 할 수 있다.</p> <p>잔존용량은 측정은 ADC 의 정확도에 의해서 결정 된다. 본문의 EMF 곡선과 비교 하였을 때, ADC의 허용오차 안인 \( 0.02 \% \) (약 \( 0.03 \mathrm{~V}) \) 의 오차가 생긴다. 이는 잔존용량 계산에 있어 \( 8 \% \) 이하의 오차로 균일하 게 축정되는 것을 확인하였다.</p>
|
[
"본문의 표 5 . 메모리 사용 공간에서 Data의 Object file값은 얼마지?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 RW Data의 startup값은 얼마인가?",
"본문의 표 5 . 메모리 사용 공간에서 RW Data의 Object file값은 얼마인가?",
"본문의 표 5 . 메모리 사용 공간에서 ZI Data의 Object file값은 얼마일까?",
"본문의 표 5 . 메모리 사용 공간에서 ZI Data의 Library값은 얼마 정도야?",
"본문의 표 5 . 메모리 사용 공간에서 RW Data의 Library값은 얼마 정도지?",
"본문의 표 5 . 메모리 사용 공간에서 Code (inc. cata)의 Object file값은 얼마야?",
"본문의 표 5 . 메모리 사용 공간에서 RW Data의 Total값은 얼마 정도의 값인가?",
"본문의 표 5 . 메모리 사용 공간에서 Code (inc. cata)의 Total값은 얼마 정도의 값이야?",
"본문의 표 5 . 메모리 사용 공간에서 Data의 Library값은 얼마 정도인가?",
"본문의 표 5 . 메모리 사용 공간에서 RO Data의 Object file값은 얼마니?",
"본문의 표 5 . 메모리 사용 공간에서 ZI Data의 Total값은 얼마 정도의 값일까?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 RO Data의 startup값은 얼마니?",
"본문의 표 5 . 메모리 사용 공간에서 RO Data의 Total값은 얼마 정도의 값이니?",
"본문의 표 5 . 메모리 사용 공간에서 RO Data의 Library값은 얼마 정도니?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 Code (irx: dita)의 etc file값은 얼마 정도의 값을 보여?",
"본문의 표 5 . 메모리 사용 공간에서 Code (inc. cata)의 Library값은 얼마 정도일까?",
"본문의 표 5 . 메모리 사용 공간에서 Data의 Total값은 얼마 정도의 값이지?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 ZI Data의 main값은 얼마 정도야?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 Data의 startup값은 얼마지?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 RW Data의 main값은 얼마 정도지?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 ZI Data의 startup값은 얼마일까?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 Code (irx: dita)의 main값은 얼마 정도일까?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 Data의 main값은 얼마 정도인가?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 RO Data의 system_nuclxx값은 얼마 정도의 값이니?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 RW Data의 system_nuclxx값은 얼마 정도의 값인가?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 Data의 system_nuclxx값은 얼마 정도의 값이지?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 Code (irx: dita)의 system_nuclxx값은 얼마 정도의 값이야?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 ZI Data의 system_nuclxx값은 얼마 정도의 값일까?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 RW Data의 BMS값은 얼마 정도의 값을 가지지?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 RO Data의 BMS값은 얼마 정도의 값을 가지니?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 ZI Data의 BMS값은 얼마 정도의 값을 가져?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 RO Data의 main값은 얼마 정도니?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 Data의 BMS값은 얼마 정도의 값을 가질까?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 Code (irx: dita)의 BMS값은 얼마 정도의 값을 가지는가?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 ZI Data의 etc file값은 얼마 정도의 값을 보일까?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 ZI Data의 Total값은 얼마 정도의 값으로 나타내?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 RO Data의 Total값은 얼마 정도의 값으로 나타내니?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 Data의 etc file값은 얼마 정도의 값을 보이지?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 RW Data의 Total값은 얼마 정도의 값으로 나타내지?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 Code (irx: dita)\t의 Total값은 얼마 정도의 값으로 나타내는가?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 RW Data의 etc file값은 얼마 정도의 값을 보이는가?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 RO Data의 etc file값은 얼마 정도의 값을 보이니?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 Data의 Total값은 얼마 정도의 값으로 나타낼까?",
"본문의 표 6. 오브젝트 파일 메모리 사용 공간에서 Code (irx: dita)의 startup값은 얼마야?"
] |
ce7b779a-eac2-45c7-a6f3-b67f9d7fe8c8
|
인공물ED
|
염도에 따른 수중 무선전력전송 시스템 특성 및 등가모델 연구
|
<h1>III. 모델 변수 추출 및 검증</h1> <p>제안한 등가모델을 유도하고, 그 타당성을 검토하기 위하여 그림 5와 같이 실험환경을 구성하였다. 벡터 네트워크 분석기(VNA)에 송수신코일과 공진회로를 연결하여 \( S \) 파라미터를 측정한다. X-Y plotter에 수신코일을 연결하여 송신코일과 수신코일 사이의 거리 \( d \) 를 제어한다. 수중무선전력전송을 위해 두께가 \( 1 \mathrm{~cm} \) 인 \( 35 \mathrm{~cm} \times 23.5 \mathrm{~cm} \times 20 \mathrm{cm} \)의 아크릴 박스에 물을 채우고 송신코일은 외벽에 고정하고, 수신코일은 X-Y plotter에 연결하여 매질 안에 위치시킨다.</p> <p>그림 6은 제안한 등가모델의 타당성을 검증하기 위한 측정 환경 및 실험사진이다. 측정에 사용한 VNA는 Agilent사의 FieldFox N9923A모델이다. 즉정에 사용한 에나멜선으로 제작한 송수신 코일의 파라미터 및 등가모델 파라미터는 표 1 과 같다. 송수신 코일간의 간격을 \( 10 \mathrm{mm} \)에서 \( 50 \mathrm{mm} \) 까지 \( 5 \mathrm{mm} \) 간격으로 변경하며, \( S \) 파라미터를 VNA로 \( 2 \mathrm{MHz} \) 에서 \( 30 \mathrm{MHz} \) 까지 측정한다. 매질이 공기중일 때의 \( \mathrm{S} \) 파라미터를 측정 후, 측정값을 기준 값으로 설정하여 식 (1)로 구한 상호인덕턴스와 자유공간에서의 무선전력전송 등가모델을 이용하여 이론값과 실측값의 차이를 확인한다. 이후 매질을 물로 변경하고 소금을 추가하여 특정 염도 \( (\mathrm{Sa}[\%] \) : 물 1 리터당 소금 \( g \)의 물에서 코일의 거리에 따른 \( S \) 파라미터를 측정한다. 이렇게 측정한 \( S \) 파라미터를 이용하여 제안하는 수중무선전력전송 등가모델의 \( L_{m}\), \(C_{m}\), \( R_{m} \) 을 선정한다.</p> <table border><caption>표 \(1\). 무선전력전송 코일 및 회로 파라미터</caption> <tbody><tr><td>Parameters</td><td>Values</td><td>Parameters</td><td>Values</td></tr><tr><td>Coil outer dia.</td><td>\(5.5 \mathrm{~cm}\)</td><td>\( L_{1}(\mu \mathrm{H}) \)</td><td>\(2.96 ~\mu \mathrm{H} \)</td></tr><tr><td>Coil inner dia.</td><td>\(3 \mathrm{~cm}\)</td><td>\( L_{2}(\mu \mathrm{H}) \)</td><td>\(2.82 ~\mu \mathrm{H} \)</td></tr><tr><td>Coil spacing</td><td>\(0.5 \mathrm{~cm}\)</td><td>\( C_{1}(\mathrm{pF}) \)</td><td>\(196 \mathrm{~pF}\)</td></tr><tr><td>Coil thickness</td><td>\( 0.45 \phi \)</td><td>\( C_{2}(\mathrm{pF}) \)</td><td>\(202\mathrm{~pF}\)</td></tr><tr><td>\( f_{0} \)</td><td>\( 6.78 \mathrm{~MHz} \)</td><td>\( R_{1}(\Omega) \)</td><td>\( 0.94 \Omega \)</td></tr><tr><td>Tum (\(#\))</td><td>5</td><td>\( R_{2}(\Omega) \)</td><td>\( 0.94 \Omega \)</td></tr><tr><td>\( Q_{1} \)</td><td>21.34</td><td>\( Q_{2} \)</td><td>22.49</td></tr></tbody></table>
|
[
"본 논문에 따르면 송신코일과 수신코일 사이의 거리 \\( d \\) 를 조절하기 위해 어떻게 해야하는가?",
"이론값과 실측값의 격차를 알기 위해 본 논문은 어떻게 하였는가?",
"표 \\(1\\). 무선전력전송 코일 및 회로 파라미터에서 Coil outer dia.의 Values는 몇 cm인가?",
"Coil inner dia.는 Values가 얼마로 나오는가?",
"어느 파라미터가 Values가 \\( 0.45 \\phi \\)로 나와?",
"Coil spacing의 Values는 몇이야?",
"Values를 살펴볼 때 어떤 것이 값으로 \\(202\\mathrm{~pF}\\)가 나오는가?",
"Values를 볼 때 Tum (\\(#\\))의 수는 얼마인가?"
] |
995c0e5b-c839-4ea3-861d-fa3b6e3e5783
|
인공물ED
|
순환 전압전류법의 기초
|
<h2>2.2 순환 전압 전류 측정법</h2><p>순환 전압 전류 측정 (cyclic voltammetry, CV)은 전기적 활성 화학종 (전기 자극에 반응하는 종)의 산화 환원 반응을 연구하는 강력하고 널리 사용되는 전기화학 기술이다. 측정의 용이성과 다용도성으로 인해 전기 화학뿐만 아니라 화학의 여러 분야에서 사용되고 있다.</p><h3>2.2.1 순환 전압 전류 측정의 기초</h3><p>CV 실험은 전위를 가하는 전위 가변기와 전해조로 구성된다. 전위 가변기를 이용하여 전극의 전위를 (\(+\)) 혹은 (\(-\))로 변화시키며, 이것을 전위의 주사 (scanning)라고 한다. Fig. 2와 같이 전극 전위를 일정 범위 내에서 특정 주사 속도로 왕복시키면, 어떤 물질의 산화 환원 반응에 의한 반응 전류를 측정할 수 있다. 이 반응 전류로부터 그 물질에 대한 다양한 데이터를 얻을 수 있다. 이러한 실험 방법을 순환 전압 전류 측정이라고 하며, 이 때 얻어진 곡선을 Cyclic voltammogram (CV 곡선) 이라고 한다. Fig. 3은 순환 전압 전류 측정법을 포함한 일반적인 전기화학 실험에서 사용되는 삼전극 실험을 나타낸다. 전해액이 포함된 전해조는 3개의 서로 다른 전극으로 구성되는데, 기준 전극 (reference electrode), 작업 전극 (working electrode), 반대 전극 (counter electrode)이 있다. 기준 전극은 작업 전극에 전위 주사 시 기준이 되는 전극이다. 전기 화학 실험에서는 기준 전극에 대한 작업 전극의 전위를 얼마나 정확하게 측정할 수 있는지가 매우 중요하다. 하지만 용액 내에 전류가 흐르게 되면 IR 강하에 의해 용액 내에서 전압이 소비되어 감소하게 된다. 그 결과, 전압이 흔들리는 현상이 발생하며 전류가 흐를 때 전위가 바뀌게 된다. 이러한 IR 강하를 피하고자 기준 전극과 작업 전극 사이에 아주 적은 양의 전류만을 흘려주며 작업 전극의 전위를 측정한다. 전류의 대부분은 작업 전극과 반대 전극 사이로 흘러가며, 이때의 작업 전극과 반대 전극 사이의 전류를 측정하여 CV 곡선을 얻는다. 이때, CV 곡선의 x축은 인가된 전위 (E)를 나타내고, y축은 반응 전류 (i)를 나타낸다.</p><h3>2.2.2 CV 곡선 거동</h3><p>CV 곡선의 거동은 전극 표면 근처의 화학종들의 농도 변화에 의존한다. CV 곡선의 모양을 이해하기 위해 산화종과 환원종 사이의 평형을 고려해보자. 이 평형은 Nernst 방정식으로 설명된다. Nernst 방정식은 용액 내 화학종들의 농도 변화 또는 전극 전위의 변화에 따른 시스템의 반응을 예측할 수 있도록 하며, 그 식은 아래와 같다.</p><p>\( E=E^{0}+\frac{R T}{n F} \ln \frac{(O x)}{(\text { Red })} \)</p><p>이때, \( \mathrm{E}^{0}\), R, n,F, Ox, Red는 각각 표준 기전력, 기체 상수, 반응에 참여한 전자 수, 패러데이 상수, 산화종과 환원종의 상대 활동도를 나타낸다.</p><p>Fig. 4에서 CV 곡선의 거동을 자세히 설명하기 위해 다시 한번 페로세늄 \( \left(\mathrm{F}_{\mathrm{c}}^{+}\right) \)용액과 페로센 \( \left(\mathrm{F}_{\mathrm{c}}\right) \) 을 예로 들었다. CV 곡선은 전극 표면 근처의 \( \mathrm{F}_{\mathrm{c}}^{+} \)와 \( \mathrm{F}_{\mathrm{c}} \) 농도 변화에 의존한다. 전극 표면으로부터의 거리에 따른 \( \mathrm{F}_{\mathrm{c}}^{+} \)와 \( \mathrm{F}_{\mathrm{c}} \) 농도는 인가된 전위와 화학종들이 벌크 용액 내에서 이동하는 방식에 따라 달라진다. 전위가 Fig. 4의 A 지점부터 D 지점까지 음의 방향으로 스캔 됨에 따라, 전극 표면 근처에서 \( \mathrm{F}_{\mathrm{c}}^{+} \)가 \( \mathrm{F}_{\mathrm{c}} \)로 환원되면서 꾸준히 고갈된다. 전극 표면 근처에서 환원된 \( \mathrm{F}_{\mathrm{c}} \)를 포함하는 용액 부피, 즉, 확산층은 스캔을 지속하는 동안 계속 증가하며, 이는 전극으로의 \( \mathrm{F}_{\mathrm{c}}^{+} \)물질 전달 (mass transport) 속도를 느리게 만든다. 이때, 전극 표면 근처에서 \( \mathrm{F}_{\mathrm{c}}{ }^{+} \)의 농도가 감소하기 전까지 환원 전류는 급격하게 증가하게 되고 \( (\mathrm{A} \rightarrow \mathrm{C}) \), 환원피크전류 \( \left(\mathrm{i}_{\mathrm{p}, \mathrm{c}}\right) \)에 도달하게 된다 (지점 C). 더 큰 음의 전위로 스캔하면 벌크 용액 내에서 전극 표면으로의 \( \mathrm{F}_{\mathrm{c}}{ }^{+} \)확산 속도가 느려지고, 스캔이 계속됨에 따라 전류가 감소한다 \( (\mathrm{C} \rightarrow \mathrm{D}) \). 이것이 바로 C 지점에서 최대 음극 전류 \( \left(\mathrm{i}_{\mathrm{p}, \mathrm{c}}\right) \)가 관찰되는 이유이며, 최대 음극 전류는 \( \mathrm{F}_{\mathrm{c}}^{+} \)의 벌크 용액 내에서 확산을 통한 전달에 의해 결정됨을 알 수 있다. 스위칭 전위 (D)에 도달하면 스캔 방향이 반전되고, 전위가 양으로 인가되다. 전극 표면에 존재하는 \( \mathrm{F}_{\mathrm{c}} \)는 인가된 전위가 양으로 커짐에 따라 다시 \( \mathrm{F}_{\mathrm{c}}^{+} \)로 산화된다. 결과적으로, 위치에 따른 \( \mathrm{F}_{\mathrm{c}}^{+} \)과 \( \mathrm{F}_{\mathrm{c}} \) 농도 그래프는 분석물의 확산으로 인해 분리된다. 전위 주사 시 전류의 거동은 전극 표면 근처에서의 산화종과 환원종의 농도 분포를 조사함으로써 예측할 수 있다. 전류밀도는 화학종의 농도 기울기에 비례하며 그 식은 아래와 같다.</p><p>\( \mathrm{i}=\mathrm{nFD}\left(\frac{\partial C}{\partial x}\right)_{x=0} \)</p><p>이때, n, F, D, C, x는 각각 반응에 참여한 전자 수, 패러데이 상수, 확산계수, 화학종의 농도, 전극 표면에서의 거리를 나타낸다. Fig. 4의 지점 A는 전극 표면에서의 거리가 0이기 때문에 전류밀도 (i)는 0이다. 전위를 음의 방향으로 주사함에 따라 농도 기울기가 증가하여 환원 전류도 증가하게 되고 \( (\mathrm{A} \rightarrow \mathrm{C}) \) 더 크게 음의 방향으로 주사하게 되면 전극 근처의 \( \mathrm{F}_{\mathrm{c}}^{+} \)가 환원되어 농도가 감소함에 따라 전극 근처에서의 \( \mathrm{F}_{\mathrm{c}}{ }^{+} \)가 소진되어 환원 전류가 감소한다 \( (\mathrm{C} \rightarrow \mathrm{D}) \).</p><h3>2.2.3 주사 속도의 중요성</h3><p>순환 전압 전류 실험에서 주사 속도 (scan rate)는 인가된 전위가 주사되는 속도를 제어한다. 스캔 속도가 빠를수록 확산층의 크기가 감소하며, 결과적으로 더 높은 전류값을 얻을 수 있다. 자유롭게 확산하는 산화 환원종을 포함하는 전기화학적으로 가역적인 전자 전달의 경우, Randles-Sevcik 방정식을 통해 피크 전류 \( \left(\mathrm{i}_{\mathrm{p}}\right) \)가 스캔 속도의 제곱근에 따라 어떻게 선형적으로 증가하는지 알 수 있으며 그 식은 아래와 같다.</p><p>\( i_{p}=0.466 \mathrm{nFAC}_{0}\left(\frac{n F v D_{0}}{R T}\right)^{1 / 2} \)</p><p>이때, n은 반응에 참여하는 전자의 개수, A는 전극 표면적, \( \mathrm{C}_{0} \)은 분석물의 벌크 농도, v는 주사 속도, \( \mathrm{D}_{0} \)는 확산계수이다.</p>
|
[
"CV 실험은 전위에 영향을 주는 전위 가변기와 전해조로 구성되어있나요?",
"전기적 활성 화학종의 전자가 이동하는 반응을 연구하는 강력하고 널리 사용되는 화학분야에서의 기술은 무엇인가요?",
"전기 자극에 반응하는 종의 산화 환원 반응을 연구하는 방법 중 가장 대중화된 전기화학 기술은 무엇인가?",
"전극의 전위를 (\\(+\\)) 또는 (\\(-\\))로 번갈아가며 바뀌는 것을 무엇이라고 하나요?",
"전위 가변기를 이용하여 전극의 전위를 변화시키는 과정을 무엇이라고 하는가?",
"전극의 전위를 (\\(+\\)) 혹은 (\\(-\\))로 바꿀려면 무엇이 필요한가요?",
"전위의 주사를 작동시키기 위해 필요한 장비는 무엇인가?",
"본 논문에서 특정 물질의 산화 환원 반응로 인한 반응 전류를 어떻게 측정하나요?",
"전극의 전위를 (\\(+\\)) 혹은 (\\(-\\))로 바꾸기 위해서는 전위 가변기가 필요한가요?",
"전해조에 포함되지 않는 전극은 무엇인가요?",
"순환 전압 전류 측정 실험의 결과로 알아낸 곡선을 무엇이라고 하나요?",
"순환 전압 전류 측정 방법을 통해 얻을 수 있는 곡선은 무엇인가?",
"전극 전위를 특정한 값의 주사 속도로 변화시켜서 물질의 산화 환원 반응에 의한 반응 전류를 측정하는 실험 방법을 무엇이라고 하나요?",
"Randles-Sevcik 방정식에서 v는 무엇을 뜻하나요?",
"순환 전압 전류 실험에서 스캔 속도가 빠를수록 더 높은 전류값을 얻을 수 있나요?",
"본 논문의 실험에서 기준 전극에 대한 어떤 종류의 전극의 전위를 오차없이 측정하는 것이 중요한가요?",
"반대전극은 전해조를 구성하는 전극에 포함되나요?",
"본 논문에서 실행한 전기화학 실험에서 IR 강하를 피하기 위해 어떻게 하나요?",
"전기화학실험에서 전류의 대부분은 기준 전극과 반대 전극 사이로 흘러가나요?",
"CV 곡선의 x축은 무엇을 나타내나요?",
"CV 곡선의 y축은 무엇을 나타내나요?",
"CV 곡선의 x축은 반응 전류를 나타내나요?",
"CV 곡선의 y축은 인가된 전위를 나타내나요?",
"CV 곡선의 거동은 무엇에 의존하나요?",
"CV 곡선의 거동은 전극 표면 근처에 존재하는 화학종들의 초기농도 값에 영향을 받나요?",
"CV 곡선의 거동은 전극 내부에 들어있는 화학종들의 농도 변화에 영향을 받나요?",
"CV 곡선의 거동은 전극 표면 근처의 화학종들의 최종 농도값에 의존하나요?",
"산화종과 환원종 사이의 평형에 대해 설명하는 식을 무엇이라고 하나요?",
"용액에 있는 화학종들의 농도 변화 혹은 전극 전위의 변화에 따른 시스템의 반응을 예측할 수 있는 식을 무엇이라고 하나요?",
"본 논문에서 Nernst 방정식은 무엇인가요?",
"용액에 존재하는 화학종들의 농도 변화 또는 전극 전위의 변화에 따른 시스템의 반응을 미리 알 수 있는 방정식은 무엇인가요?",
"Nernst 방정식에서 \\( \\mathrm{E}^{0}\\)은 무엇을 의미하나요?",
"Nernst 방정식에서 R은 무엇을 의미하나요?",
"Nernst 방정식에서 n은 무엇을 뜻하나요?",
"Nernst 방정식에서 F는 무엇을 의미하나요?",
"Randles-Sevcik 방정식에서 \\( \\mathrm{C}_{0} \\)은 무엇을 의미하나요?",
"본 논문에서 \\( \\mathrm{F}_{\\mathrm{c}}^{+} \\)가 \\( \\mathrm{F}_{\\mathrm{c}} \\)로 산화되면서 전위는 고갈 되나요?",
"Randles-Sevcik 방정식에서 A는 어떤 값을 나타내나요?",
"전류밀도는 화학종의 농도 기울기와 어떤 관계를 갖나요?",
"Nernst 방정식에서 Ox, Red는 각각 무엇을 의미하나요?",
"Nernst 방정식에서 Red는 산화종의 상대 활동도를 나타내나요?",
"전류밀도식에서 F는 무엇을 의미하나요?",
"전류밀도식에서 C는 무엇을 의미하나요?",
"전류밀도식에서 x는 무엇을 뜻하나요?",
"전위 주사 시 전류의 거동은 어떻게 알 수 있나요?",
"전류밀도식에서 D는 무엇을 의미하나요?",
"Nernst 방정식에서 Ox는 환원종의 상대 활동도를 나타내나요?",
"Randles-Sevcik 방정식에서 n은 무엇을 의미하나요?",
"전극으로의 \\( \\mathrm{F}_{\\mathrm{c}}^{+} \\)물질 전달 (mass transport) 속도를 느리게 만드는 것은 무엇인가요?",
"전위를 음의 방향으로 주사함에 따라 농도 기울기가 증가하여 환원 전류는 감소하나요?",
"전류 밀도식에서 n은 무엇을 의미하나요?",
"전기화학적으로 가역적인 전자는 자유롭게 확산하나요?",
"Randles-Sevcik 방정식을 통해 피크 전류 \\( \\left(\\mathrm{i}_{\\mathrm{p}}\\right) \\)가 스캔 속도의 제곱근에 따라 어떻게 선형적으로 증가하는지 알 수 있나요?",
"Randles-Sevcik 방정식에서 \\( \\mathrm{D}_{0} \\)은 어떤 값을 나타내나요?",
"순환 전압 전류 실험에서 주사 속도는 무엇을 제어하나요?",
"순환 전압 전류 실험에서 스캔 속도가 빠를수록 확산층의 크기가 증가하나요?",
"CV 곡선은 기준 전극과 반대 전극 사이의 전류를 측정하여 얻을 수 있나요?",
"용액 내에 전류가 발생될 경우에는 전압에서는 어떻게 되나요?",
"C 지점에서 최대 음극 전류 \\( \\left(\\mathrm{i}_{\\mathrm{p}, \\mathrm{c}}\\right) \\)가 왜 관찰되나요?",
"용액 내에 전류가 흐르면 왜 전압이 소비되어 감소되나요?",
"용액 내에서 전류가 흐를 때 전압이 소비되어 감소되는 이유가 무엇인지 설명해줘.",
"전해조에 포함된 전극에서 작업 전극에 전위 주사 시 기준이 되는 전극을 무엇이라고 하나요?",
"전해액이 포함된 전해조에서 작업 전극 전위 주사 시 기준이 되는 전극은 무엇인가?"
] |
65b66c23-7db7-43d2-95f9-f97fb8c51500
|
인공물ED
|
순환 전압전류법의 기초
|
<h1>1. 서 론</h1><p>전기화학은 전극과 물질 사이의 전자 전달과 관련된 반응을 조사하는 학문으로써, 21세기 각광받는 과학 기술인 가스 센서, 이차전지, 마이크로 전기장치 등의 기반이 된다. 비교적 오랜 역사를 가진 화학의 한 핵심 분야로 자리 잡은 오래된 과학이나, 1950년대 이후 급속도로 발전하고 있다.</p><p>기술이 빠르게 발전하는 만큼 훈련된 전기화학자의 필요성이 높아지고 있지만, 순환 전압 전류 측정법에 대한 간결하고 접근하기 쉬운 설명서가 거의 없다. 많은 학생들이 교과 과정의 일부로 순환 전압 전류 측정법에 대한 교육을 정식으로 받지 못하고 있기 때문에 관련 실험 및 연구에 직면했을 때 어디서부터 시작해야 하는지에 어려움을 겪고 있다. 따라서, 본 원고에서는 독자의 데이터 수집 및 해석을 돕기 위해 전기화학의 기본 개념과 Cyclic voltammetry (CV)의 원리를 설명하고자 한다.</p>
|
[
"전기화학은 비교적 오랜 역사를 가진 과학의 분야로써 2000년대 이후 급속도로 발전하고 있는가?",
"전기화학은 다른 화학 분야들과는 다르게 최근에 연구가 시작되어 핵심분야로 자리잡게 되었는가?",
"전극과 물질 사이의 전자 전달과 관련된 반응을 조사하는 학문은 무엇인가?",
"전극과 물질 사이의 전자 전달에 대한 반응을 조사하는 학문인 전기화학은 몇 년도 이후 급속도로 발전하고 있는가?",
"전극과 물질 사이의 전자 전달에 대한 반응과 관련된 학문으로, 21세기에 새로이 뜨고 있는 학문은 무엇인가?"
] |
cd5dff65-e1a4-41c8-8bb5-2e0eafbbe3cc
|
인공물ED
|
순환 전압전류법의 기초
|
<h1>3. 결 론</h1><p>순환 전압 전류 측정법은 측정의 용이성과 다용도성으로 인해 전기 화학뿐만 아니라 화학의 여러 분야에서 사용되고 있다. 전극의 전위를 일정 범위 내에서 특정 주사 속도로 왕복시킴으로써 어떠한 물질의 산화 환원 반응에 따른 반응 전류를 측정할 수 있다. 순환 전압 전류 측정의 결과로 얻은 CV 곡선으로부터 우리는 다양한 정보를 얻을 수 있다. 본 원고를 통해 많은 독자들이 순환 전류 측정의 기본 개념과 원리를 이해하기를 바란다.</p>
|
[
"전극의 전위를 일정 범위 내에서 특정 주사 속도로 왕복시킴으로써 어떠한 물질의 산화 환원 반응에 따른 반응 전류를 측정할 수 있는 방법은 무엇인가?",
"순환 전압 전류 측정의 결과로 얻은 CV 곡선으로부터 우리는 다양한 정보를 얻을 수 있는가?",
"순환 전압 전류 측정법은 측정하기 용이한가?"
] |
7b0b42de-f721-4249-ba1e-78081a78e4f9
|
인공물ED
|
전원모듈 PMIC 특성평가에 관한 연구 A Study on Evaluation of Power Management IC
|
<h1>Ⅱ. 전원 모듈 설계</h1><p>Wearable 시계의 전원모듈 설계는 주요한 기능을 효율적으로 수행하고 용적에서 최적화를 추구하면서 적은 전력을 소모하도록 설계해야 한다.</p><p>Samsung Galaxy Gear 2에 실장되어 있는MAX77846 chip의 블록도는 그림 3과 같다.입력에 대하여 출력전압을 일정하게 만들어 주는LDO(low dropout regulator)와 출력전압을 낮게 하거나 높게 하는 Buck-Boost 컨버터로 구성되어 있다. 그림 4는 Samsung Galaxy Gear 2의전원모듈의 MX77846의 주요 기능만을 시뮬레이션 하기 위해 설계한 축약된 회로이다. 전원모듈 MX77846 회로도에서 상단에 2개의 powerN-MOS가 실장되는데 비교기(comparator)의입력 ‘-’ 단의 전압이 1.5 \(\mathrm{V}\) 미만이면 비교기가 개방되고 하단의 charge pump에서 전류가공급되어 N-MOS의 게이트 전압이 올라가N-MOS의 저항이 줄어들어 전류가 많이 공급된다. 비교기의 입력 ‘-’ 단의 전압이 1.5 \(\mathrm{V}\) 이상이면 비교기가 도통되고 charge pump에서 전류가줄어들어 게이트 전압이 감소하므로 원하는 전류값이 흐르도록 하여 battery를 충전시키는 구조이다.Battery 보호 IC는 드레인(drain)을 공통으로 사용한다.</p><h1>Ⅲ 시뮬레이션</h1><p>전원모듈 MX77846 배터리 충전용 macro-model의 설계도는 그림 5와 같으며 배터리 충전시 \( \mathrm{Vc} \) 값을 센싱하여 4.2 \(\mathrm{V}\) 이상에서는 저항을 키워 전류가 흐르지 않도록 하여 더 이상 충전되지 않게 하고, 방전 시 3.6\(\mathrm{V}\) 이하에서도 다시 B1의 전압 값이 크게 증가하여 B2에 걸리는 전압이 크게 감소하는 값을 B3의 한계(limiting)기능을 통하여 전압이 0 \(\mathrm{V}\) 로 급격히 전압이 줄어드는 특성을 갖도록 설계하였다. B1은 V1에해당되고 Vbat 단자는 배터리 전압 값을 출력하기 위해 Vsense 배터리의 충/방전용 전류공급 포트를나타낸다. C1의 배터리가 갖고 있는 용량과 직렬로 연결된 내부 저항의 구현을 위한 전압원 모델을B2로 표시한다.</p><p>여기서 \( \beta \)는 N-JFET의 conductance 이고\( V_{T O} \)는 N-JFET의 threshold voltage 이다. 정 전류를 공급하여 충전하는 macro-model 회로를 이용하여 시뮬레이션을 수행한 결과, 시간 및 전류에대한 배터리 충전 전압에 대한 내용은 그림 6과같다. \( \beta \)를 \( 10(\mho) \)와\( V_{T O} \)를 0.1 (\(\mathrm{V}\))로 가정할 때정 전류 \(I\)는 100 \(\mathrm{mA}\) 이고 N-JFET의 크기를 1,2, ⋯ , 5로 변환 시 공급전류를 100 \(\mathrm{mA}\), 200\(\mathrm{mA}\), ⋯ , 500 \(\mathrm{mA}\)로 증가되어 충전 시 각 공급전류에 대한 해당 전압을 보여주고 있다. 100\(\mathrm{mA}\)의 경우 완전히 충전 될 때까지 6초, 200 \(\mathrm{mA}\)의경우 3초가 걸리고 전류를 증가시킬 때 걸리는 시간이 감소되어 500 \(\mathrm{mA}\) 일 때 약 1.2초가 걸림을 보여주고 있다.</p><p>용량과 전류와 전압의 관계는 등식 (3)과 같다.</p><p>\( Q=I \times T=C \times V \)<caption>(3)</caption></p><p>예로 배터리 충전전압을 3.6 \(\mathrm{V}\)에서 4.2 \(\mathrm{V}\)로0.6 \(\mathrm{V}\) 증가시킬 때 Fitbit 경우 10 \(\mathrm{mAh}\) 일 때 용량은 등식 (4)을 이용하여 60 [ \(\mathrm{mF}\)]이 계산된다.</p><p>\( C=\frac{3,600(\mathrm{sec}) \times \text { 배터 리 용 량 }(\mathrm{mC})}{0.6(V)}[\mathrm{mF}] \)<caption>(4)</caption></p><p>Samsung Galaxy Gear 2의 경우 실시간으로 소모전류를 측정 시 화면이 Idle 상태일 때1.32 \(\mathrm{mA}\)로 전류가 적게 흐르고, Bluetooth를 연결할 때 그림 7과 같이 최대 124.5 \(\mathrm{mA}\), 커지는 순간 최대 110 \(\mathrm{mA}\)이고, 화면을 full colordisplay 할 때 65 \(\mathrm{mA}\), 통화모드 송신 시 80 \(\mathrm{mA}\),수신 시 52 \(\mathrm{mA}\)로 배터리 수명시간을 결정하는 주요 항목이다.</p><p>그림 8은 Bluetooth를 켰을 때 임의의 흐르는 전류가 57 \(\mathrm{mA}\)임을 보여 주고 있으며, 배터리 용량이 315 \(\mathrm{mAh}\) 일 때 통화모드 송신할 시 80\(\mathrm{mA}\) 전류가 흐르므로 약 4시간 사용 가능하다.</p>
|
[
"Wearable 시계의 전원모듈 설계에서 용적은 어떠한 부분에 초점을 맞춰야 하는가?",
"전류가공급되어 N-MOS의 게이트 전압이 올라가N-MOS의 저항이 줄어드는가?",
"비교기(comparator)의입력 ‘-’ 단의 전압이 1.5 \\(\\mathrm{V}\\) 미만이면 무슨일이 일어나는가?",
"MAX77846 chip에서 출력전압을 낮게 하거나 높게 하는 부분은 무엇인가?",
"배터리 전압 값을 출력하기 위해 Vsense 배터리의 충/방전용 전류공급 포트를 무엇이라 하는가?",
"C1의 배터리가 갖고 있는 용량과 직렬로 연결된 내부 저항의 구현을 위한 전압원 모델을 무엇이라 하는가?",
"배터리 충전전압을 3.6 \\(\\mathrm{V}\\)에서 4.2 \\(\\mathrm{V}\\)로0.6 \\(\\mathrm{V}\\) 증가시킬 때 Fitbit 경우 10 \\(\\mathrm{mAh}\\) 일 때 용량은 등식 (4)을 이용하면 얼마인가요?",
"Battery 보호 IC로 사용되는 것은 무엇인가?",
"Samsung Galaxy Gear 2를 Bluetooth를 연결할 때 그림 7과 같이 최대 소모전류는 얼마인가요?",
"MAX77846 chip에[서 입력에 대하여 출력전압을 일정하게 만들어 주는 역활을 하는것은 무엇인가?",
"Wearable 시계의 전원모듈 설계에서 전력은 어떤 부분에 초점을 맞춰야 하는가?",
"비교기의 입력 ‘-’ 단의 전압이 1.5 \\(\\mathrm{V}\\) 이상이면 비교기가 어떻게 되는가?",
"배터리 충전시 몇 볼트 이상에서 충전되지 않도록 하는가?",
"N-JFET의 threshold voltage를 나타내는 변수는 무엇인가?",
"N-JFET의 conductance을 무슨 변수로 나타내는가?",
"B1은 무엇에 해당하는가?",
"방전시 몇 볼트 이하에서 전압이 0볼트로 급격히 줄어드는가?",
"N-JFET의 크기와 공급전류의 관계는 비례하나요?",
"용량과 전류와 전압의 관계는 어떠한 등식이 성립하나요?",
"\\( \\beta \\)를 \\( 10(\\mho) \\)와\\( V_{T O} \\)를 0.1 (\\(\\mathrm{V}\\))로 가정할 때 전류는 얼마인가요?",
"Samsung Galaxy Gear 2의 경우 소모전류를 측정 시 화면이 Idle 상태일 때는 얼마인가요?"
] |
19b57fe7-3259-4d1e-a559-e3a2ee6180fb
|
인공물ED
|
전원모듈 PMIC 특성평가에 관한 연구 A Study on Evaluation of Power Management IC
|
<h1>Ⅳ 결 론</h1><p>전원모듈 분석을 위하여 Samsung GalaxyGear 2에 적용되는 MAX77846의 회로의 구성을 분석하였으며 배터리 macro-model을 설계한 후충전 및 방전 시 시간 및 전류에 대한 시뮬레이션을 수행하여 이론치와 일치함을 검증하였다. 또한동작 모드별 전류특성을 측정한 후 배터리 수명을 결정하는 주요 동작 모드를 분석하여 배터리수명을 연장할 수 있는 설계기반을 마련하였다고 평가한다.</p>
|
[
"Samsung GalaxyGear 2 전원모듈 분석을 위해서는 어떤 회로의 구성을 분석해야되?",
"이론이 객관적 대상과 그 발전법칙을 정확하게 반영한 진리인가를 물질적 생산 및 과학적 실험 그리고 계급투쟁 등의 실천을 통하여 확인하는 것은 뭐야?",
"생물의 생명 존속 기간, 또는 기계의 사용개시부터 그 기계의 본래의 사용 목적을 수행할 수 없게 될때 까지의 기간이 뭐야?",
"주변 장치에 전력을 공급할 수 있는 모듈은 어떤게 있어?",
"시각과 시각 사이의 간격 또는 그 단위를 가리키는 용어가 뭐야?",
"논리적이고, 검증 가능하며, 예측적인 설명이나 모형은 뭐야?",
"전하의 흐름으로, 정량적으로는 단면을 통하여 단위 시간 당 흐르는 전하의 양은 뭐야?",
"배터리의 충방전으로 배터리의 전력 저장 할 수 있는 한계치를 뭐라고해?",
"구조물 또는 각종 기계 ·장치 등의 요구 조건을 만족시켜, 계획을 종합한 후 설계도를 작성하고 구체적으로 내용을 명시하는 일은 뭐야?",
"전기장의 영향으로 전하를 띤 입자가 이동하여 대전체가 전기적 성질을 잃어버리는 현상은 뭐야?",
"Samsung GalaxyGear 2에 사용된 회로 소자은 뭐야?",
"배터리수명을 연장하기 위한 설계기반 확를 위해 동작 모드별 전류특성 측정 및 동작모 모드를 분석할 수 있어?",
"화학 에너지를 전기 에너지로 변환시키는 기구로 에너지를 저장할 수 있는건 뭐야?",
"배터리 충전 및 방전의 이론치를 구하기 위해 사용한건 뭐야?",
"MAX77846 회로는 어떤걸 제어하기 위해 사용되?",
"배터리수명을 연장을 위한 회로 설계는 어떻게 할 수 있어?"
] |
c22b77ef-3d7e-424a-a520-3e2e0f3a6cbb
|
인공물ED
|
전원모듈 PMIC 특성평가에 관한 연구 A Study on Evaluation of Power Management IC
|
<h1>I. 서론</h1><p>우리나라는 IT 부품과 관련된 기술력은 매우 우수한데 웨어러블 스마트 기기와 새로운 부품등의 배터리 핵심기술은 개발 초기단계에 있는 실정이다. 웨어러블 디바이스가 일시적인 트랜드가아닌 지속적 성장산업으로 자리매김하기 위해서는 안정적인 배터리 기술과 심미적인 가치를 제공해야 하는데 현재 유통중인 웨어러블 디바이스의주요 불만 요소는 짧은 배터리 수명(국내 스마트워치: 315 \(\mathrm{mAh}\))과 스마트폰으로 인해 항시 착용의가치를 제공하지 못하고 있다. 세계 최고의 기술을 확보하기 위해서는 배터리 기술개발이 필요하고 주 배터리 수단이 없으므로, 자체 배터리를갖추고 있는 스마트폰이나 네트워크 등의 주변장치로 역할이 제한된 실정이다. 대부분의 전력시스템 설계는 적은 에너지와 적은 전력을 소모하는 회로를 설계하는데 초점을 맞추므로 배터리를 구성하는 시스템의 연구에서 최대의 배터리 수명을 가지도록 회로를 설계해야 한다. 일반적으로 배터리 수명은 시스템 동작 상태에서 고려하는데 상대적인 측정은 배터리 수명이나 배터리 충전에서얻은 유용한 클럭 사이클 수이다. 배터리 수명은 일반적으로 ampere-hour (\(\mathrm{Ah}\)) 정적으로 나타낸다. 이상적인 배터리의 전압은 완전히 방전된 상태에서0 \(\mathrm{V}\)로 일정하게 떨어져야 한다. 실제 전압은방전 시간이 경과될 때 감소되는데 정격전압의 약 80 \(\%\)인 임계전압 이하로 떨어질 때 소진되는것으로 간주한다. 그림 1의 시스템에서 배터리충전은 4.2 \(\mathrm{V}\) 로 설정하고 방전 시 3.5\(\mathrm{V}\) 까지떨어지도록 설정하였다.</p><p>실제로 배터리는 정격전류의 3배보다 적은 부하전류에 대해 이상적인 수명을 유지할 수있다. 예를 들어 400 \(\mathrm{mAh}\)의 배터리는 1.2\(\mathrm{A}\)까지 전류를 공급할 수 있어야 한다. 일반적으로 내부 손실에 따라 실제 수명의 감소가 발생된다.그래서 배터리 효율은 등식 (1)과 같이 표현된다.</p><p>Efficiency \( =\frac{\text { Actual lifetime }}{\text { Ideal lifetime }} \)<caption>(1)</caption></p><p>배터리 충/방전 모델은 RC 모델, 테브난모델, DP (dual polarization) 모델로 나누어진다. RC 모델은 SAFT 배터리 사에서 그림 2와 같이 설계하여 많은 응용을 수행하였다. 그림 2의 충전용 RC 모델에서 입력을 전류 \( I_{L} \) , 출력은 전압 \( U_{L} \) 로 설정 시 상태 및 출력 방정식은 등식(2)와 같이 표현된다. 출력 전압은 입력 전류에따라 결정됨을 알 수 있다.</p><p>\( \left[\begin{array}{l}\dot{U}_{b} \\ \dot{U}_{c}\end{array}\right]=\left[\begin{array}{cc}\frac{-1}{C_{b}\left(R_{\varepsilon}+R_{c}\right)} & \frac{1}{C_{b}\left(R_{\mathrm{a}}+R_{c}\right)} \\ \frac{1}{C_{c}\left(R_{\varepsilon}+R_{c}\right)} & \frac{-1}{C_{c}\left(R_{\mathrm{e}}+R_{c}\right)}\end{array}\right]\left[\begin{array}{l}U_{b} \\ U_{c}\end{array}\right]+\left[\begin{array}{c}\frac{-R_{c}}{C_{b}\left(R_{\mathrm{c}}+R_{c}\right)} \\ \frac{-R_{\mathrm{c}}}{C_{c}\left(R_{\mathrm{e}}+R_{c}\right)}\end{array}\right] I_{L} \)<caption>(2)</caption></p><p>\( U_{L}=\left[\frac{R_{\mathrm{c}}}{\left(R_{\mathrm{e}}+R_{\mathrm{c}}\right)} \frac{R_{\mathrm{e}}}{\left(R_{\mathrm{e}}+R_{\mathrm{c}}\right)}\right]\left[\begin{array}{l}U_{\mathrm{b}} \\ U_{\mathrm{c}}\end{array}\right]+\left[-R_{\mathrm{t}}-\frac{R_{\mathrm{e}} R_{\mathrm{c}}}{\left(R_{\mathrm{e}}+R_{\mathrm{c}}\right)}\right] I_{L} \)</p>
|
[
"우리나라는 IT 부품과 관련된 기술력은 우수한가?",
"IT 부품과 관련된 기술력은 우리나라가 우수하니",
"국내 스마트워치의 배터리 용량은 얼마인가?",
"얼마의 배터리 용량을 국내의 스마트워치가 가지고 있지",
"배터리 수명의 상대적인 측정은 무엇을 통해 하는가?",
"웨어러블 디바이스가 지속적 성장산업으로 자리매김하기 위해서는 어떠한 요소가 필요한가?",
"전력시스템 설계는 어떠한 방향으로 이루어져야 하는가?",
"현재 웨어러블 디바이스의 가장 큰 불만은 무엇이야?",
"무엇이 현재 웨어러블 디바이스의 가장 큰 불만일까",
"대한민국은 IT부품대비 아직 기술 개발이 초기단계인 분야는 무엇이야?",
"이상적인 배터리의 전압은 완전히 방전된 상태에서 5 \\(\\mathrm{V}\\)로 일정해야 하는가?",
"배터리 수명은 일반적으로 무엇으로 나타내는가?",
"보통 배터리 수명은 무엇으로 나타내는가",
"실제 전압은 방전 시간이 경과될때 증가하는가?",
"실제 전압은 약 몇 \\(\\%\\)인 임계전압 이하로 떨어질 때 소진되는것으로 간주하는가?",
"그림1의 시스템에서 배터리 충전은 얼마로 설정되었는가?",
"그림 1의 시스템에서 방전시 4.2 \\(\\mathrm{V}\\) 까지 떨어지도록 설정되었는가?",
"배터리는 얼마정도의 부하전류에 대해 이상적인 수명을 유지하는가?",
"400 \\(\\mathrm{mAh}\\)의 배터리는 알마정도의 전류를 공급할수 있어야 하는가?",
"배터리 충/방전 모델의 종류는 무엇인가?"
] |
19875575-6a40-4d16-87fd-7dab627245ef
|
인공물ED
|
전원모듈 PMIC 특성평가에 관한 연구 A Study on Evaluation of Power Management IC
|
<h1>요 약</h1><p>MAX77846은 MAX77826과 호환해서 최신 웨어러블 시계와 3G/4G 스마트폰용의 전력모듈(PMIC)로 사용된다. MAX77846은 주변장치의 전력을 공급하기 위해 N 채널 MOSFET와 고효율의 레귤레이터, 비교기 등으로 구성되어있다. 또한, 완전한 적용성과 각각의 레귤레이터 출력전압을 제공하기 위해 \( I^{2} C \) 연산을 위해 전력 on/off 제어 로직을제공한다. 이 논문에서 MAX77846을 기반으로 한 축약된 전력 매크로 모델을 전류와 시간에 대한 배터리 전압의 상태를 검증하기 위해 설계하고 LTspice로 시뮬레이션을 수행한다. Samsung Galaxy Gear 2 용 충전된 배터리용량이 실시간으로 주요기능을 수행하는데 흐르는 전류를 측정한 후 특정한 기능을 수행하는데 사용가능한 시간을 검증하여 차세대 전력 모듈의 설계변수로 활용하는데 있다.</p>
|
[
"MAX77846은 MAX77826과 호환해서 무엇으로 사용 돼?",
"N 채널 MOSFET와 고효율의 레귤레이터, 비교기 등으로 구성되어 있는 이유가 뭐야?",
"완전한 적용성과 각각의 레귤레이터 출력전압을 제공하기 위해 사용되는 연산은 뭐야?",
"Samsung Galaxy Gear 2 용 충전된 배터리용량이 실시간으로 주요기능을 수행하는데 흐르는 전류를 측정한 후 특정한 기능을 수행하는데 사용가능한 시간을 검증하는 이유는 뭐야?",
"MAX77846을 기반으로 한 축약된 전력 매크로 모델을 전류와 시간에 대한 배터리 수명을 검증하기 위해 설계해?",
"MAX77846은 주변장치의 전력을 공급하기 위해 무엇으로 구성되어 있어?",
"완전한 적용성과 각각의 레귤레이터 출력전압을 제공하기 위해 사용하는 logic이 뭐야?"
] |
85c7bb9b-3797-4521-99ca-4c061c1be11a
|
인공물ED
|
능동 발진 안테나를 이용한 소형 도플러 센서
|
<h1>Ⅳ. 결론</h1><p>본 연구에서는 이동체등의 거리나 속도들을 측정하는 소형 무선 도플러 센서를 제안하였다. 이를 위해 도플러 신호 감지를 위한 고주파 발진회로와 패치 안테나를 결합시켜 소형화된 능동 발진안테나를 설계하였고 도플러 검출회로와 결합된 시스템 구현을 통해 동작을 확인하였다. 설계·제작된 능동발진 안테나는 2.373GHz에서 약 130도의 빔폭을 가지며 전방향 방사특성을 나타내었다. 또한 2개의 보드들이 결합되어 제작된 무선 도플러 센서는 직경이 30mm, 높이4.2mm 정도로 매우 작은 크기를 갖는다. 한편 센서의 감도 측정결과, 이동체를 나타내는 도체판이 1m 떨어져 있을 때 최소 190mV의 도플러 신호전압이 측정되었고, 무선 도플러 센서를 자유 낙하시켰을 때 지표상의 4.5m 높이에서 지표면까지 선형적인 전압크기의 증가를 보이며 거리나 속도 측정에 적용될 수 있는 가능성을 나타냈다.</p><p>그러나 제안된 도플러 센서가 이동체와의 접근 거리, 속도나 기타 움직임들을 정확하게 얻어내기 위해서는 고주파회로에서 원거리 감도개선과 선형성의 확대 및 도플러 신호를 검출하는 신호처리기법이 개선되어야 할 것이다.</p>
|
[
"이동체등의 거리나 속도들을 측정하는 어떤 센서를 제안해?",
"소형 무선 도플러 센서를 사용하여 이동체 등의 무엇을 측정할 수 있어?",
"능동 발진안테나는 어떤 신호를 감지해?",
"고주파 발진회로와 패치 안테나를 결합하여 소형화된 어떤 것을 설계했어?",
"설계·제작된 능동발진 안테나는 2.373GHz에서 약 몇도의 빔폭을 가져?",
"어떤 회로와 결합된 시스템 구현을 통해 동작을 확인했어?",
"무선 도플러 센서는 몇개의 보드들이 결합되어 제작되었어?",
"2개의 보드들이 결합되어 제작된 무선 도플러 센서는 직경이 얼마야?",
"2개의 보드들이 결합되어 제작된 무선 도플러 센서는 높이가 어느 정도야?",
"센서의 감도 측정결과 이동체를 나타내는 도체판이 1m 떨어져 있을 때 도플러 최소 신호전압은 몇으로 측정됬어?",
"무선 도플러 센서를 자유 낙하시켰을 때 지표상의 어느정도 높이에서 지표면까지 선형적으로 전압크기 증가 했어?",
"센서의 감도 측정 결과를 통해 무선 도플로 센서는 어느 분야에 측정에 적용할 수 있는 가능성을 나타냈어?",
"제안된 도플러 센서가 이동체와의 접근 거리, 속도나 기타 움직임들을 정확하게 얻어내기 위해서는 고주파회로에서 어떤 것을 개선해야돼?",
"제안된 도플러 센서가 이동체와의 접근 거리, 속도나 기타 움직임들을 정확하게 얻어내기 위해서는 어떤 특성의 확대가 되어야해?",
"제안된 도플러 센서가 이동체와의 접근 거리, 속도나 기타 움직임들을 정확하게 얻어내기 위해서는 도플러 신호를 검출하는 어떤 기법이 개선되야해?",
"설계·제작된 능동발진 안테나는 어떤 특성을 나타내?"
] |
f5a78a5c-c44f-4090-b069-c62e082d51a6
|
인공물ED
|
능동 발진 안테나를 이용한 소형 도플러 센서
|
<h1>요 약</h1><p>본 논문에서는 고주파 발진회로의 공진기를 패치 안테나로 사용하는 능동발진 안테나를 2.4GHz 대역에서 제안하여 소형 무선도플러 센서로서 이동체의 거리나 속도 등을 측정할 수 있게 하였다. 이동체의 움직임은 고주파 발진주파수의 천이를 발생시키며 이를 검출하는 회로를 통해 제안된 구조의 동작을 확인하였다. 설계·제작된 무선 도플러 센서는 직경이 30mm, 높이 4.2mm 정도로 매우 작은 원형디스크 형태를 갖으며, 안테나는 2.373GHz에서 약 130도의 빔폭과 전방향 방사특성을 나타내었다. 센서의 감도 측정결과, 1m 떨어져 움직이고 있는 도체판에 대해 최소 190mV의 도플러 신호 전압을 얻었고, 센서의 자유낙하 실험으로부터 지표상의 4.5m 지점에서 부터 지표면까지 전압크기가 선형적으로 증가하였다</p><h1>Ⅰ. 서론</h1><p>적외선이나 초음파, 레이저들을 이용한 도플러 센서들이 이동체의 거리와 속도, 움직임 등을 측정하는 수단으로 자동차, 의료용, 군사용 및 보안시스템 등에 널리 사용되어 왔다. 이들은 외부 환경의 의존성이 높으며 장치 규모가 크고 고가로 사용에 제한이 있었다. 또한 점차 다양한 응용에 적용되면서 경제적이면서 작고 성능이 우수한 장치의 필요성이 대두되었으며 최근 반도체 기술의 발달로 마이크로파를 이용한 소형 무선 도플러 연구가 진행되었다. 그러나 간단한 도플러 레이더 송수신 시스템조차도 송신회로, 수신회로 및 기준발진기 회로 등으로 구성되는 일반적인 양방향 송수신 시스템 구조에서 벗어나지 못해 소형화에 한계를 노출하고 있다.</p><p>본 연구에서는 고주파 트랜지스터와 안테나 방사체로 사용되는 공진기를 궤환시켜 고주파 발진회로를 구성하는 능동발진 안테나를 설계하였으며 이를 기반으로 도플러 신호를 검출하는 새로운 구조의 소형 무선 도플러 센서를 제안하였다. 이를 통해 근접거리에 있는 이동체의 이동이나 여타 변화는 안테나에서 공간상에 방사된 발진 주파수 천이로 표현되며, 검출회로에서 도플러 신호를 얻어낼 수 있도록 하였다.</p><p>본 연구의 구성은 본론에서 제안된 구조의 동작이론을 서술하고 설계하였으므로, 이를 토대로 실험결과들을 제시하고 분석하였고, 최종 결론을 도출하였다.<h1>Ⅱ. 본론</h1><p>그림 1(a)에 전형적인 소형 도플러 송수신 시스템 구성을 보여준다. 발진기(oscillator)신호를 안테나를 통해 송신하고 이동체에 의해 반사되어 돌아온 수신주파수를 혼합기(Mixer)에서 발진 신호와 혼합하여 기저대역 신호를 얻어낸 후, 증폭 및 여파(filtering)하여 이동체의 거리 또는 속도 등에 대한 신호정보를얻어낸다. 그러나 이러한 구조는 고주파 신호처리를 위해 발진기, 혼합기, 방향성 결합장치(directional coupler)와 안테나 등이 요구되며 필요에 따라서 증폭장치 등이 추가되기 때문에 회로 크기를 작게 하여 경제적인 도플러 시스템을 구현하는데 한계가 있다.</p><p>본 연구에서 기존 방식과는 달리 새롭게 제안된 소형 도플러 센서의 구조는 그림 1(b)과 같다. RF 트랜지스터(transistor)와 연결된 방사패치(patch)는 발진회로에 필요한 공진기 역할과 안테나의 기능을 겸하고 있다. 즉, RF 트랜지스터와 방사체를 이용하여 2GHz 대역의 고주파 발진신호를 발생시키며 안테나로서 이동체가 있는 공간상에 에너지를 방사시키는 능동발진 안테나를 구현한다. 이는 근역장(near field)또는 원역장(far field)에 위치한 물체의 이동에 따라 발진주파수 편이(deviation)가 형성된다. 발진주파수의 편이 폭과 편이속도는 능동발진안테나에 연결된 주파수 변별기(discriminator)에서 전압신호 변화로 바뀌며 이는 도플러 신호를 나타낸다. 주파수 변별기는 그림1(b)과 같이 저역통과여파기(LPF)와 포락선 검파기(envelop detector)로 구성된다. 주파수 변별기의 출력인 도플러신호는 이동체와의 거리나 움직임 특성을 나타내며 도플러 신호처리기(processor)에서 필터링 또는 증폭되는 과정을 거친 후 최종 출력된다.</p>
|
[
"소형 도플러 센서는 어떻게 신호를 출력하는거야?",
"도플러 신호를 검출하는 새로운 구조의 소형 무선 도플러 센서 장점은 뭐야?",
"전형적인 소형 도플러 송수신 시스템은 어떻게 구성되어 있어?",
"능동발진 안테나의 특징은 무엇인가?",
"센서의 감도 측정 결과에서 전압크기가 선형적으로 증가한 부분은 지표상의 5.5m 지점이야?"
] |
fd9a40a5-0634-4505-9711-589e6beee672
|
인공물ED
|
능동 발진 안테나를 이용한 소형 도플러 센서
|
<h2>1. 능동발진안테나의 설계</h2><p>발진기 회로를 그림 2(a)와 같이 1-포트(port) 부하와 1-포트 능동회로로 연결된 구조로 볼 경우 각각 이들의 1-포트 임피던스를 측정하여 얻어진 전체 임피던스 합은 \( Z_{i n}(I, w)+Z_{L}(w) \) 으로 표시할 수 있다. 여기서 허수부 리액턴스가 0을 만족하는 특정주파수 \( w_{0} \) 에서 공진에너지를 갖는 발진이 형성된다. 그림 2(a)에서 발진신호에 해당하는 교류전류 \( \mathrm{i}(\mathrm{t}) \) 의 진폭(Ⅰ)은 발진초기부터 크기가 지수함수로 증가하게 되며, 능동회로의 실수부 및 허수부는 진폭이 커짐에 따라 변화하고 평형상태에서는 KVL을 적용할 경우</p><p>\( \left(Z_{i n}(I, w)+Z_{L}(w)\right) i(t) \)\( =\left(R_{i n}(I, w)+R_{L}(w)+j\left(X_{i n}(I, w)+X_{L}(w)\right) i(t)\right. \) \( =0 \)</p><caption>(1)</caption></p><p>을 얻게 되고, \( i(t) \neq 0 \) 이므로 실수부와 허수부에 대해 다음과 같은 평형 조건을 얻을 수 있다.</p><p>\( R_{\text {in }}(I, w)+R_{L}(w)=0 \)</p><caption>(2)</caption><p>\( X_{\text {in }}(I, w)+X_{L}(w)=0 \)</p><caption>(3)</caption><p>대신호 평형 상태에서 발진주파수는 (3)식으로 결정되며, 초기 발진상태인 소신호 발진주파수와는 다소 다를 수 있다. 또한 초기 발진에너지를 얻어내기 위해 \( R_{i n} \) 은 (2)식 조건보다 약 3 배정도의 부성저항이 확보되어야 한다.</p><p>그림 2(b)에 본 연구의 직렬궤환 발진회로의 설계 개념도를 보여준다. 능동회로의 출력단에 발진기의 공진기로 사용되는 방사 패치(patch)가 연결되었다. 연결단자에서 방사체를 바라본 임퍼던스를 \( Z_{L} \), 능동회로를 바라본 임피던스를 \( Z_{i n} \) 이라 할 때 발진조건은 (2)(3) 식을 만족해야 한다. 본 연구에서는 방사패치를 설계할 때 방사체의 공진주파수에서 부하단 리엑턴스 \( \left(X_{L}\right) \) 가 zero 가 되도록 하고, 부하 저항이 \( R_{L}=50 \Omega \) 되게 한다. 또한 직렬궤환 소자 임피던스 Z1와 베이스 임피던스인 Z2 값을 이용하여 방사체의 공진주파수에서 능동회로의 임피던스 \( Z_{\text {in }}=R_{\text {in }} \) 이 되도록 한다. RFC는 전원공급용 인덕터를, Cb는 방사패치를 연결하기 위한 블로킹(blocking) 캐패시터이다. 그림 3 에 2.4GHz 대역에서 발진 주파수를 얻을수 있도록 설계된 회로를 보여준다. 회로의 우즉 종단에 방사패치(patch radiator)를 볼 수 있다. 이 회로는 그림 4와 같이 상용 툴인 Ansoft design을 이용하여 시뮬레이션(simulation) 되었으며 발진 프로브(probe)를 이용하여 발진 예상 주파수에서 부성 저항값과 임피던스의 리액턴스(reactance)가 zero가 되는 것올 확인하였다. 이 조건에 맞는 주파수로 2.44GHz가 얻어졌다. 그림 5와 같이 하모닉 발란스(harmonic balance) 기법에 따른 비선형 시뮬레이션을 실행함으로써 발진 신호에 대한 최종 주파수 스펙트럼을 얻어내고 주파수를 확인한다. 2.43GHz에서 약 8dBm의 출력을 볼 수 있다. 그림 3 발진회로의 우측종단에 있는 공진기인 Patch radiator는 전자파 전력을 공간에 방사하는 방사체로서 안테나 특성을 나타낼 수 있어야 한다. 또한 이동체의 위치나 움직임을 충분히 포착할 수 있는 전 방향 지향성을 나타내야 하고 소형 도플러 센서에 적합한 구조이어야 한다. 이를 위한 방사체에 적합한 구조를 그림 6에 제안하였다. 전통적인 원형 마이크로스트립 패치의 내부에 정사각형빈 공간을 두고 이를 45도 회전한 구조이다. 한 변의 길이가 w 인 사각형 빈 공간은 방사체를 기구에 고정하기 위한 지지대를 삽입시킬 수 있게 할 수 있을 뿐 아니라 전류 경로를 길게 하여 안테나를 작게한다. 방사체의 급전은 프로브급전(probe feeding) 방식이며, 급전 부 주위에 간격 g의 원형 gap을 두어 급전선로에 따른 인덕턴스 성분을 상쇄하여 임피던스 정합을 용이하게 하였다. 설계된 패치는 직경이 약 24mm다. 그림 7은 원거리 방사패턴에 대한 시뮬레이션 결과를 보여준다. E면 방사패턴은 \(90^{\circ}\)의 빔폭을 가지고 있으며, H면 방사패턴은 약 \(130^{\circ}\) 이상의 빔폭을 나타낸다. 사용된 툴에서는 무한 접지면을 기준으로 시뮬레이션한 결과이며, 제품의 소형화에 따라 접지면을 제한할 경우 전자파 전력의 누수가 커서 접지면 아래로 부엽이 커질 것으로 예상된다.</p><h2>2. 도플러신호의 검출회로 설계</h2><p>안테나의 방사에너지가 분포되어 있는 근접 또는 원거리 영역에 존재하는 물체의 재료나 크기 등에 의해 임피던스를 비롯한 방사특성들이 변화된다[6][7]. 특히, 그림8(a)과 같이 안테나의 방사체가 발진기 구성요소인공진기로 사용되어 발진주파수를 결정하는 구조에서는 방사체 주변의 이동체(moving object)의 움직임이 방사체의 입력임피던스(Zm)를 변화시켜 발진주파수의 편이(deviation)를 가져온다. 그림 8(a)에 이를 등가적으로 표현하였다. 캐패시터 Cb, RF transistor 및 임피던스 Z1, Z2는 발진기의 능동회로들을 상징적으로표시한 소자들이며, Zm은 A-A'단자에서 방사체를 바라본 임피던스이다. 그림 8(b)에서는 이동체의 움직임에 따라 방사체 양단자의 입력 임피던스(Zm)의 변화를 등가적으로 표현하였다. Zm의 변화는 식(3)에서 주어지는 발진주파수를 변화시켜 발진 주파수의 천이(deviation) 현상을 가져온다. 이는 그림 9(a)에서 살펴볼 수 있다. 즉, 이동체의 위치변경에 따라 발진주파수 편이(deviation) 폭이 변하고, 접근 속도에 따라 주파수 편이 속도가 달라지는 도플러 특성을 능동 발진안테나의 발진신호가 나타내고 있다. 그림 9(a)에서는 능동발진 안테나가 발진 중심주파수(\(f_{0}\))를 중심으로 f1에서 f2까지 이동한 것을 보여주며 이의 주파수 변화를 전압크기 등으로 변화시키기 위해서 그림9(b)처럼 저역통과 필터의 차단 경사면을 이용하게 되면 주파수 변별(discrimination) 능력을 갖게 된다. 이때 필터종류는 중요하지 않으며 필터의 차단 경사가 예리한 특성을 가져야 주파수변별 능력이 향상된다. 능동발진안테나의 출력 단자에 그림 10처럼 도플러 신호의 검출회로를 연결하였다. 그림 10에서 좌측의 RF signal은 이동체의 움직임을 반영하여 발진주파수가 천이되는 능동발진 안테나 출력 신호이다. 인덕터(L1)와 2개의 캐패시터(C0, C1)로 구성되는 저역통과여파기(LPF)의 차단영역의 경사(slope)에 따라 주파수변화가 전압크기 변화로 전환된다. 이때 필터의 차단기울기가 중요한데 구성소자들의 높은Q(quality factor)값이 요구된다. 필터 출력은 포락선검파기(envelop detector)를 통해 도플러 신호로 검출된다. 2개의 다이오드(D0, D1)에 의해 검파효율이 배가된다. 이들 저역통과 여파기(LPF)와 포락선검파기에 의해 일종의 주파수변조 신호에 대한 주파수 변별(discriminator) 기능을 수행한다. 포락선 검파기 출력신호는 최종단의 OP Amp를 이용한 능동 필터(filter) 회로에서 전압신호크기가 증폭되며 잡음이 제거된다.
|
[
"공진에너지를 갖는 발진이 형성되는 주파수는 무엇인가?",
"진폭이 커짐에 따라 변화하는 실수부의 평형 조건은 어떻게 되는가? (단 \\( i(t) \\neq 0 \\) )",
"그림 3, 4에 대한 설명으로 바른것은 무엇인가?",
"다음 중 바르게 설명한 것은 무엇인가?",
"발진 신호에 대한 최종 주파수 스펙트럼을 얻어낸 방법은 무엇인가?",
"실험 결과 직렬궤환 발진 회로의 조건에 맞는 주파수는 얼마인가?",
"이동체의 위치나 움직임을 충분히 포착할 수 있는 전 방향 지향성을 나타내며 소형 도플러 센서에 적합한 구조는 어떻게 설계되었는가?",
"방사체의 급전은 어떤 방식이며 어떻게 설계되었나?",
"방사체의 급전은 어떤 방식이며 어떤 방법으로 설계되었나?",
"원거리 방사패턴에 대한 시뮬레이션 결과 제품의 소형화에따른 변화는 어떻게 될것으로 예상되는가?",
"전자파 전력을 공간에 방사하는 방사체로서 안테나 특성을 나타내는 것은 무엇인가?"
] |
88d10490-abdf-4ee3-97ea-1d02407af6ab
|
인공물ED
|
능동 발진 안테나를 이용한 소형 도플러 센서
|
<h1>Ⅲ. 제작 및 실험결과</h1><p>제작된 무선 도플러 센서의 보드별 사진을 그림 11에 나타내었다. 능동 발진기에 적용될 고주파 소자는 Philip사의 BFG540WX를 이용하였다. 그림 11(a)는 마이크로스트립 선로를 이용한 패치(patch) 구조의 방사체로 유전율 6.15, 기판높이 3.2mm 인 Taconic 사의 보드를 사용하였다. 그림 11(b)은 높이 1mm 인 경제적인 FR4 보드를 사용하여 고주파 발진회로와 도플러 신호의 검출을 위한 회로들이 구현되었다. 이들은 모두 직경이 30mm인 원형이며, 이들 사이는 그림 11과 같이 2개의 연결점(connection points)을 0.5mm 직경의 와이어를 통해 연결한 프로브(probe) 급전방식이다. 그림 12에서는 2개의 보드를 기구(mechanical housing)에 체결하여 제작한 도플러 센서의 사진을 볼 수 있다. 방사체 보드와 회로보드는 접지면이 공유되도록 back to back 연결을 하고 있다.</p><p>능동발진 안테나의 방사특성은 간이 무반사 실\( \left(5.1 \times 4.1 \times 2.5 \mathrm{~m}^{3}\right) \)에서 실험하였다. 그림 13의 (a)와 (b)에 각각 E 면과 H 면의 전 방향 방사패턴에 대해 측정한 결과를 보여준다. H면의 경우 약 130도의 3dB빔폭을 나타내며 시뮬레이션 결과와 유사한 결과를 보여주나 E면의 경우 급전구조와 작은 접지면 등으로 인해 빔폭이 넓어졌다. 안테나 소형화를 위해 접지면을 줄인 결과, 그림 13(a)에서 후방 방사 량이 커진것을 볼 수 있다. 전체 이득은 약 4dBi로 시뮬레이션 결과와 유사하다. 그림 14는 능동발진안테나의 발진 특성을 측정한 결과이다. 출력이 작은 것은 고주파 발진회로의 출력 단자가 별도로 없어 공간상의 전력을 간접 측정하였기 때문이다. 발진 주파수는 설계결과보다 약간 작은 2.373GHz 이다.<p>본 연구에서 제작된 능동발진 안테나 방식의 도플러 센서(이하 도플러 센서라 약칭함)의 특성은 실험 및 측정환경 등을 고려하여 다음 2가지 방법으로 제한되어 측정되었다. 도플러 센서를 특정위치에 고정시키고 이동체를 나타내는 일정크기\( \left(20 \times 20 \mathrm{~cm}^{2}\right) \)의 도체 판을 이동하는 방법과, 도플러 센서를 지표면에 부착된 도체 망(mesh)위에서 자유 낙하시키는 방법을이용하였다. 먼저 도플러 센서를 고정시키는 방법은 그림 15와 같이 간이 무반사 실내에서 실험하여 외부 간섭신호를 최대한 억제하였다. \( \left(20 \times 20 \mathrm{~cm}^{2}\right) \) 크기의 도체판을 이동시켜 거리 변화에 따른 도플러 센서의 감도를 확인한다. 즉, 고정된 도플러 센서와의 이격거리(D) 0.5m와 1m 사이에서 전-후 왕복한다. 오실로스코프로 도플러 신호 주파수의 시간축 파형을 측정하였고 그림 16에서 D=1m 일 때 그 결과를 나타냈다. 이와 동시에 스펙트럼(spectrum)분석기를 이용하여 고주파 발진신호의 주파수 편이(deviation)를 측정하였다. 그림 16에서 파형의 첨두치 들 사이 값(peak to peak)이 도플러 신호의 크기이며, 반복 신호의 주기를 통해 이동체의 속도를 계산할 수 있다. 표 1에 이들의 측정결과를 정리하였다. 이때 고주파 발진 중심주파수는 약2.373GHz 이다. 0.5m 와 1m 두지점 사이의 도플러신호 크기와 주파수 편이 차이가 확연히 구분되는 것을 알 수 있으며, 발진 주파수 편이(deviation)가 클수록 비례하여 도플러신호 전압이 커진다. 두 번째로 도플러 센서를 자유낙하 시켜 도플러 신호를 측정하기 위해 지표면에 \( \left(8 \times 8 \mathrm{~m}^{2}\right) \) 크기를 갖는 도체망(mesh)을 놓고 바로 위의 7미터 높이에서 자유 낙하시킨다. 이때 도플러 센서 출력단에 X-Y plotter를 연결하여 도플러 신호를 측정한다. 낙하시험을 통해 측정된 출력 결과를 그림 17에 나타내었으며 그림에서 가로축은 시간 변화를 나타내며 지표면으로 부터 거리를 도플러 신호 파형위에 직접 표기하였다. 그림에서 낙하가 진행되어 지면에 접근할수록 신호의 크기가 커지는 것을 알 수 있으며 파형의 주기를 통해 낙하속도를 계산할 수 있다. 그림 18에 이를 다시 지표면 높이에 대한 도플러 신호를 전압으로 표시하였으며 지표면 높이 4.5미터 이하부터는 거리에 따른 선형성도 어느 정도 확보하고 있어 전압크기로 부터 이동체의 접근 거리를 유추해볼 수 있다.</p>
|
[
"능동 발진기에 적용될 고주파 소자는 어떤걸 이용하였어?"
] |
c2c58c90-7ac2-4514-85da-da2743e0ad3b
|
인공물ED
|
태양전지를 이용한 지속 가능형 LTE 기반 IoT 미세먼지 측정 단말기 개발
|
<h1>II. 본론</h1><h2>1. 미세먼지 기본 정보</h2><p>WHO에서 발간한 자료에 따르면 먼지를 particulate matter라고 하며 고상과 액상의 입자로 공중에 넓게 퍼지면서 지속적으로 떠다니는 공기 오염물질을 뜻한다. 일반적으로 먼지의 지름은 \( 10 \mu \mathrm{m} \) 이하의 물질을 의미하고 \( \left(\mathrm{PM}_{10}\right) \) 지름이 \( 2.5 \mu \mathrm{m} \) 이하의 입자 \( \left(\mathrm{PM}_{2.5}\right) \)를 미세먼지, \( 0.1 \mu \mathrm{m} \) 이하의 입자 \( \left(\mathrm{PM}_{0.1}\right) \)를 초미세먼지라고 한다. 지름 \( 1 \sim 0.1 \mu \mathrm{m} \)의 입자의 경우 콜로이드로 대기중에 수일에서 수주간 머무를 수 있어서 장거리 이동이 일어나는 영역이 된다. 먼지 입자는 장소에 따라 매우 다양한 물리 화학적 조성을 가지며 경우에 따라 중금속 같은 위험한 오염원도 포함되어 있을 때가 있다. 코와 기관지에서 걸러 지지 않고 흡입되기 쉬운 미세-최미세 먼지의 경우가 더 큰 위험도를 증가시키는 것으로 보고하고 있다.</p><h2>2. 독립 운용 가능 미세먼지 측정 단말기</h2><p>미세먼지 및 초미세먼지의 주요 발생 원인은 디젤게이트 등으로 잘 알려진 자동차 매연 및 중국의 급격한 공업화에 따른 연료 및 발전 수요 증가가 주요 원인으로 생각되지만, 국제적인 문제 및 매연 저감 장치가 미비한 노후 자동차 교체의 경제적 어려움 등 다양한 요인으로 인해 원인 제어를 통한 미세먼지 저감은 현재 한계가 있는 상황이다. 따라서 미세 먼지가 위험 수준 이상 상승했을 때 외출 자제 등의 조치를 취하는 것이 중요한데 앞에서 언급한 것처럼 국소적인 영역에서 미세먼지 수준이 상승하는 경우가 빈발하는 데 이러한 상황에 대비할 필요가 있다. 현재 전국 단위의 경우 기상청 등에서 공기질을 측정하여 전광판과 인터넷 등을 통해 정보를 공개하고 있다.</p><p>국소영역의 측정을 위해서 독립 운용이 가능한 소규모 태양광 자가발전 미세먼지 단말기를 아래 표 1에 나타난 사양으로 개발하였다. 단말기의 통신은 SKT IoT 서비스용으로 나온 외장형 범용 Cat.M1 모뎀을 사용하여 통신하였다. IoT 기반으로 다양한 인터넷 상의 정보와 원격 제어 및 실시간 데이타 송수신을 위해 상용으로 제공하고 있는 IoT 서비스를 이용하였다. 소형 태양전지 패널을 장착하여 축전지를 충전하도록 하였다. 태양전지는 기상 조건이 좋을 경우만 전력을 공급하기 때문에 기본적으로 전력을 담당하는 것은 축전지로 상용 로케트 배터리를 케이스 내부에 장착하였다. 미세먼지 측정은 삼영 S&C의 DSM50A PM2.5 미세먼지 센서를 사용하였다. PWM 출력으로 센서값이 나오기 때문에 아두이노 같은 마이크로컨트롤러 디지털 입력 단자에 연결해서 사용하기 적합하다. 이미 다양한 아두이노 기반 작품에 미세먼지 검출 소자로 쓰이고 소프트웨어 라이브러리를 구하기도 편리한 제품이다. 마이크로컨트롤러 보드는 범용이며 핀의 숫자가 많아 확장성이 용이한 아두이노 Mega 2560을 사용했다.</p><p>표 1 에 나타난 것처럼 실제 단말기에는 온습도 감지센서인 DHT22 R을 케이스 외부에 장착하여 측정할 수 있도록 되어 있다. 차후 종합적인 환경 정보 수집기로서 활용도 고려하여 온습도 센서도 장착하는 것을 고려하여 측정 시스템을 디자인 하여 제작하였다. 온도 측정의 경우 직사광선을 맞으면 안되기 때문에 백엽상 같은 조건을 유지할 수 있도록 고려한 디자인이나 개발 도중으로 간략화된 모습이다. 태양전지의 출력은 기상 조건에 따라 심하게 변동하므로 전압을 조정해 줄 수 있는 컨트롤러가 필요하여 PWM 방식으로 \( 12 \mathrm{V} 10 \mathrm{A} \) 조정된 출력을 하는 컨트롤러를 장착하였다.</p><p>그림 1에 개발한 미세먼지 측정 단말기의 모식도를 나타내었다. 그림에서 알 수 있듯이 지지대에 태양전지 패널이 가장 위에 자리하여 맑은 날 충전을 하도록 되어 있다. 태양전지 아래 메인 박스에 센싱 과 컨트롤을 맡은 대부분의 부품이 위치하게 된다. 모식도에는 나타난 것처럼 미세먼지를 측정하기 위해서는 외부 공기가 필요하고 이를 위한 공기 흐름은 메인 박스 아래를 흐르도록 설계 하였다. 다양한 전자 부품이 메인 박스 안에 위치하고 미세먼지 정밀 측정을 위해서 직접적인 바람의 영향을 피하도록 박스 하단에 외부 공기와 접촉 할 수 있는 개구부를 두었다.</p><p>아래 표 2에 통신 모듈의 기술 방식에 대해 나열해 놓았다. 네트워크망은 SK텔레콤에서 운영하고 있는 Cat.M1 서비스를 사용 했다. Cat.M1 망은 실제LTE 고속 전송 방식에 비해서는 저속의 네트워크지만 \( 375 \mathrm{kbps} \)의 전송 속도를 제공하므로 이번 개발에서 사용하기에 적절하였다. 추가로 전송시 TCP방식으로 빠른 전송도 고려하였다.</p><table border><caption>표 2. LTE Cat M1 네트워크 송신 모듈</caption><tbody><tr><td>구분</td><td>기술방식</td></tr><tr><td>네트워크망</td><td>Cat.M1</td></tr><tr><td>네트워크방식</td><td>https</td></tr><tr><td>데이터타입</td><td>Json or XML or CSV</td></tr><tr><td>데이터암호화</td><td>RSA256</td></tr></tbody></table><p>네트워크 방식은 데이터 전송시 보안이 강화된 인터넷 프로토콜인 https 방식을 사용하였고 전송시 데이터 포맷은 XML형식으로 데이터를 전송하며, 실제 데이터 타입은 기본적으로 텍스트이므로 최근 많이 사용되고 있는 Json과 오랫동안 사용되어 대부분의 기기에서 사용가능한 CSV 형식도 사용하였다. 전송 시 RSA256 암호화 모듈을 사용하여 데이터를 전송하도록 하였다.</p>
|
[
"미세먼지를 세밀하게 계측하고자 바람의 직접적인 영향을 줄여야 했는데, 어떻게 했나요?",
"미세먼지를 세밀하게 계측하고자 바람의 직접적인 영향을 줄여야 했는데, 어떤 방법을 사용했나요?",
"태양전지의 경우 엔진 출력이 날씨에 영향을 많이 받기 때문에 전압 조정이가능한 컨트롤러가 필요한데, 어떻게 컨트롤러를 장착하나요?",
"태양전지의 경우 엔진 출력이 날씨에 영향을 많이 받기 때문에 전압 조정이가능한 컨트롤러가 필요한데, 어떤 방법을 사용해 이 컨트롤러를 장착하나요?",
"LTE Cat M1 네트워크 송신 모듈에서 데이터 타입은 무엇을 사용했나요?",
"Cat M1 네트워크 통신 모듈의 기술 방식을 분석한 결과 데이터 타입으로 Json과 XML 외에 또 어떤 타입을 사용하나요?",
"데이터를 전송할 때 어떤 암호화 모듈을 사용하나요?",
"네트워크망은 어떤 기술 서비스를 사용했나요?",
"데이터를 전송하는데 쓰이는 RSA256는 무엇을 목적으로 사용되나요?",
"LTE Cat M1 네트워크 송신 모듈에서 Cat.M1은 무엇인가?",
"LTE Cat M1 네트워크 송신 모듈을 나타내는 표에서 https는 무엇을 의미하나요?",
"네트워크 방식은 어떤 프로토콜을 사용했나요?"
] |
895cca8b-2914-46f6-bc64-ea441121fd89
|
인공물ED
|
태양전지를 이용한 지속 가능형 LTE 기반 IoT 미세먼지 측정 단말기 개발
|
<h2>3. 단말기 및 공공데이터 수집</h2><p>단말기에서는 기본적으로 미세먼지 수준을 측정하였지만, 부가된 온습도 센서를 통해 얻은 온습도 정보도 축적된다. 그리고 단말기 자체의 정보(위치 등)도 포함해서 IOT 인터넷 서비스망을 통해 수집된다.</p><p>현재 기상청, 에어코리아 및 지자체별 환경정보 공개 시스템에 의해서 다양한 기상 데이터를 응용 프로그램 프로그래밍 인터페이스(Application Pro-gramming Interface, 이하 API)를 통해 자동으로 수집이 가능하다, 현재 기상청 및 에어코리아의 데이터는 시간대 데이터 수집이 가능하며, 국토교통부와 산업통상자원부의 데이터는 연도별로 데이터가 업데이트되므로 기상 예측이나 미세먼지 분석의 기초 자료로 활용할 수 있다.</p><h2>4. 미세 먼지 측정 단말기 제작 및 구성</h2><p>연구를 위해 제작된 단말기의 모습을 아래에 나타내었다. 그림 2의 구성은 맨 왼쪽에 사용한 태양 전지 패널과 가운데 메인박스 하단, 맨 오른쪽에 메인박스 상단이 열린 형태로 위치하고 있다. 그림 2에 가운데 아래 메인 박스 외부에 온/습도 센서가 연결된 것이 보인다. 미세먼지 측정은 메인 박스 내부 아두이노 메가 밑에 위치하고 있으나 온습도 센서를 외부에 위치한 것은 기기 동작에 따른 박스 내부 온도 상승을 고려한 조치였다. 메인 박스 내부에는 통신을 위한 모뎀과 태양전지 패널에서 발전한 전력을 축전지에 맞게 조정해 주는 컨트롤러가 위치하기 때문에 기기 동작에 의한 온도영향이 클 것으로 고려됐다. 온습도 센서는 대부분 주간 시간에 태양 직사광선을 피할 수 있는 위치를 고려했으나 위치를 고정한 형태는 아니었다.</p><p>아래 그림 3은 위의 그림 2에 가운데 부분을 부분 확대한 모습이다. 그림에서 알 수 있듯이 윗부분에는 상용 충전지가 위치하여 기본적인 기기 동작을 위한 전력 공급을 담당하고 있다. 실제 배터리는 \( 12 \mathrm{V} \)로 충전되고 용량의 \( 1.2 \mathrm{AH} \)로 태양전지 패널에서 출력되는 변동이 심한 전압을 조정하는 조정기가 왼쪽에 부착되어 있다. 온습도센서 및 미세먼지센서의 동작은 사진 중앙하단부에 있는 아두이노 메가에서 담당하였다. 아두이노 메가는 비교적 넓은 범위의 전압(권장 \( 7 \sim 12 \mathrm{V} \), 허용 \( 6 \sim 20 \mathrm{V} \) ) 을 전원으로 공급받아서 \( 5 \mathrm{V} \) 출력을 내기 때문에 표준적인 \( 5 \mathrm{V} \) 동작을 하는 많은 센서 및 액츄에이터를 쉽게 결합해서 구동할 수 있다.</p><p>그림 4에 그림의 2의 오른쪽 부분을 확대한 모습이 나타나있다. 메인 박스의 상단부로 IoT 모뎀과 LCD 패널의 뒷부분이 보이고 있다. 소형 LCD 패널을 메인 박스 상단부에 장착하여 외부에서도 장비 동작의 유무를 알 수 있도록 약간의 시각적 정보가 나타나도록 하였다. LCD 패널은 \( i^{2} \mathrm{C} \) 통신을 이용해 아두이노 메가 보드와 연결하였다.</p><h2>5. 단말기 측정 데이터 및 기상데이터</h2><p>그림 5와 본 연구에서 사용한 프로그램에 나타난 데이터와 표가 나타나 있다. 프로그램은 공동 연구를 수행한 (주)아르고스에서 개발한 기존 프로그램을 사용하였다. 측정장소는 대구 서구의 아르고스 건물 옥상이었다.</p><p>아래 표 3에 위의 그림 5에 나와 있는 수치를 나타내었다. 위의 그림 5는 컴퓨터 화면에서 사용이 편리하도록 소프트웨어 UI가 꾸며져 있다. 표 3의 자료를 기반으로 그래프로 나타낸 것인 그림 6에 나타나 있다. 표 3과 그림 6에 나타난 측정 자료를 분석해보면 겨울 자정부터 아침까지 미세먼지 측정값으로 처음 시작 값인 한밤중의 수치가 가장 높고 아침 9시를 향해 점차적으로 감소하는 것을 알 수 있다. 측정 장소가 대구 서구 공단근처로 대형 차량의 교통량이 매우 많은 곳이기 때문에 차량 흐름이 새벽에 감소한 영향으로 판단된다.</p><table border><caption>표 3. 텍스트 기반 측정 수치 자료</caption><tbody><tr><td>측정 위치</td><td>날짜</td><td>시간</td><td>측정값 \( (\mu \mathrm{g}) \)</td></tr><tr><td>대구 서구</td><td>2020-01-08</td><td>0:00</td><td>14.5</td></tr><tr><td>대구 서구</td><td>2020-01-08</td><td>1:00</td><td>14.2</td></tr><tr><td>대구 서구</td><td>2020-01-08</td><td>2:00</td><td>12.8</td></tr><tr><td>대구 서구</td><td>2020-01-08</td><td>3:00</td><td>11.2</td></tr><tr><td>대구 서구</td><td>2020-01-08</td><td>4:00</td><td>10.7</td></tr><tr><td>대구 서구</td><td>2020-01-08</td><td>5:00</td><td>9.9</td></tr><tr><td>대구 서구</td><td>2020-01-08</td><td>6:00</td><td>8.8</td></tr><tr><td>대구 서구</td><td>2020-01-08</td><td>7:00</td><td>8.6</td></tr><tr><td>대구 서구</td><td>2020-01-08</td><td>8:00</td><td>8.9</td></tr><tr><td>대구 서구</td><td>2020-01-08</td><td>9:00</td><td>8.1</td></tr></tbody></table><p>위의 분석 자료에서 알 수 있듯이 미세먼지 같은 환경오염요소는 주변 환경의 상황에 따라 변동이 매우 심하다, IoT를 통한 계속적인 정보 수집에 더불어 공공이나 민간이 제공하는 기상데이터를 수집해서 같이 저장 분석할 필요가 있다. API를 통한 다양한 데이터도 아래 그림 7에 나타난 것처럼 프로그램에서 볼 수 있도록 해야 한다. 그림 7의 데이터는 기상청이 제공하는 기상 공공 데이터를 표로 나타낸 것이다.</p>
|
[
"표 3. 텍스트 기반 측정 수치 자료에서 어느 시간에 측정값이 14.5로 나왔는가?",
"표 3. 텍스트 기반 측정 수치 자료에서 3시에 잰 것은 측정값이 무엇으로 나왔는가?",
"본 표는 측정 위치가 어디인가?",
"어디가 본 표의 측정 위치일까?",
"1월 8일 2시에 측정한 값은 얼마가 나오는가?",
"텍스트 기반 측정 수치 자료는 언제 측정하였는가?",
"텍스트 기반 측정 수치 자료는 몇 년도에 측정하였는가?",
"최종적으로 측정한 값은 얼마인가?",
"마지막으로 측정한 시간은 몇 시인가?"
] |
93c9f491-5bc3-47dd-8a51-31e36fbdb3a1
|
인공물ED
|
저온 폐열을 이용하기 위한 유기랭킨 사이클의 작동유체 선정에 관한 연구
|
<h1>5. 시스템에서의 결과</h1><p>사이클 해석을 위하여 Refprop의 데이터베이스를 해석프로그램에 연동하여 작동유체의 물성치를 얻었다. Table \(3\)은 사이클 해석을 수행하여 얻어진 결과들을 보여주고 있다.비록 팽창기가 동일한 효율을 갖는다고 하여도 작동유체에따라서 얻어지는 단위질량당 팽창기에서의 출력은 다르다는것을 알 수 있다. 이러한 것은 Fig.3a에서 보여주는 것과 같이, 팽창된 작동유체는 과열상태가 되는데 이 상태에서의 등압선도와 팽창기에서 등엔트로피 과정에 의하여 얻어지는 상태(2s)와 관련이 있다. 각각의 작동유체는 팽창기 입구와 출구에서의 온도가 동일하게 설정되어도 다른 압력에서 작동하므로 팽창기에서 팽창 후의 상태가 달라진다. 결과에서 보여주는 것과 같이 R-245fa>R-134a>R-1234ez>R-236ea>R-236fa>R- 227ea 의 순으로 단위질량당 높은 팽창기의 출력이 얻어졌다.</p><p>시스템의 효율은 Table \(3\)에서 보여주는 것과 같이 R-245fa>R-236ea>R-236fa>R-1234ez>R-134a >R-227ea의 순서를 보여주고 있다. 팽창기에서의 단위질량당 출력과 시스템의 효율과 일치되는 관계를 보여주는 것은 아니다. 시스템의 효율은 증발기에서의 입력과 펌프에 의한 손실이 포함되어있다. 특히 증발기에서의 입력에는 액체상태에서의 가열과정과 기화를 위한 잠열이 있다. 따라서 액체상태에서의 등압가열선도가 T-s 관계에서 급격한 기울기를 가진 경우가 시스템의 효율을 증대하는데 유리하며, 기화를 위한 잠열은 작을수록 유리하다. 따라서 작동유체에 따라 액체상태에서의 등압가열선도나 기화잠열이 다르기 때문이 시스템효율과 단위질량당 팽창기에서의 출력이 비례관계를 나타내지 못하였다.Table \(4\)는 증발기에서 입력된 열량을 보여주고 있는데 액체상태에서의 가열, 기화를 위한 잠열과 이 둘을 합한 입력을 보여주고 있다. 결과에서 보여주는 것과 같이 R-227ea의 경우는 작동유체의 가열에 가장 작은 열량을 소모하였을 뿐만아니라 기화를 위한 잠열도 작음에도 불구하고 낮은 시스템효율과 출력을 나타내었음을 알 수 있다.</p><p>만일 폐열을 활용한다고 하면 시스템의 효율보다는 팽창기에서의 출력이 더 중요한 의미를 갖는다. 즉, 이미 폐기되는 열은 비용을 주고 구입한 경우가 아니므로 효율보다는 출력이 더 중요하게 되므로 출력을 많이 발생하는 작동유체가 사이클의 구성에 더 유리하다.</p><p>팽창기의 출구에서 압력이 낮아지므로 단위시간당 흘러가는작동유체의 부피는 가장 큰 상태이다. 따라서 팽창기의 크기를결정하게 되는 가장 중요한 변수가 작동유체의 부피유량이 된다. 사이클 해석의 결과에서 작은 부피유량을 갖는 순서는 R-134a>R-1234ze>R-227ea>R-236fa>R-236 ea>R-245fa이다. 따라서 대용량을 만드는 경우에는 팽창기의 크기가 시스템을 구성하는 비용에 영향을 미치므로 중요한 고려사항이된다.</p><p>팽창기 입구에서의 작동유체가 나타내는 음속을 Table \(3\)에서 보여주고 있다. 대부분의 작동유체가 공기에 비하여 약 \(1/3\) 정도의 음속을 나타내고 있다. 이는 기존의 팽창기에서공기를 기준으로 설계하는 기법을 기준으로 판단하면 상당히낮은 속도이다. 팽창기를 터빈으로 적용하는 경우에는 터빈입구에서의 분사속도가 터빈의 최적 회전수를 결정하게 된다. 분사속도가 높을수록 터빈에서의 회전속도도 증가하게된다. 터빈에서의 회전속도가 클수록 터빈은 작게 만들 수가있으며 터빈과 연결되어 있는 발전기도 작게 만들 수 있다.따라서 분사속도는 높은 것이 여러모로 시스템의 측면에서는유리하다. 하지만 유기냉매인 작동유체에서의 음속자체가 낮으므로 분사속도 자체도 상당히 낮게 된다. 이러한 문제점을 극복하기 위하여 분사속도를 증가하는데, 이럴 경우에 터빈은 초음속에서 운전된다. 아울러 초음속의 분사속도를 얻기위하여 노즐에서 초음속을 얻을 수 있는 형상으로 설계를 하여야 한다.</p><p>이상과 같이 사이클 해석을 통하여 최종적으로 선정된 6종의 작동유체를 바탕으로 시스템의 효율과 단위질량당 팽창기에서의 출력을 고려하면 R245fa가 가장 좋은 결과를 보여주고 있으나 부피유량이 큰 단점이 있으며, R-134a의 경우는 R-245fa보다는 효율이나 출력의 측면에서 다소 떨어지지만 부피질량이 가장 작으므로 팽창기를 작게 만들어도 되는 장점이 있다.</p>
|
[
"단위시간당 흘러가는 작동유체의 부피가 가장 큰 상태를 가지는 경우는 팽창기의 어느 부분일때야?",
"폐열을 활용하는 경우에 팽창기에서의 출력보다는 시스템의 효율이 더 중요해?",
"작동유체의 어떤 점이 다르기에 시스템 효율과 단위질량당 팽창기에서의 출력이 비례관계를 가지지 못했어?",
"시스템의 효율은 기화를 위한 잠열이 어떨수록 유리해?",
"폐열을 활용하는 경우에 시스템의 효율보다 더 중요한 의미를 가지는 결과값은 뭐야?"
] |
59658fb2-7101-4d5f-9fb7-d6e5de453075
|
인공물ED
|
저온 폐열을 이용하기 위한 유기랭킨 사이클의 작동유체 선정에 관한 연구
|
<h1>Ⅰ. 서론</h1><p>화석연료의 고갈에 따라 재생에너지의 중요성이 점차적으로 확대되고 있다. 따라서 다양한 분야에서 화석연료를 사용하지 않으면서도 에너지를 얻기 위한 연구들을 활발히 수행하고 있다. 본 연구에서는 재생에너지, 특히 저온 열원을 통해 전기를 언기 위한 유기랭킨사이클(Organic Rankine Cycle: ORC )에 대한 연구로서, 특히 사이클에 적용하기 의한 작동유체의 선정에 대한 연구를 수행하였다.</p><p>Fig. \(1\)에서 ORC의 개략도를 보여주고 있다. ORC는 폐열, 태양열, 지열 둥의 다양한 열에너지로부터 전기에너지를 얻기 위하여 적용되는데, 기본적으로 증기터빈을 작동하기 위한 랭킨사이클과 동일하나, 작동유체(working fluid)로 물이 아닌 유기물을 사용하는 것이다. 따라서 외부의 열에너지로부터 작동유체를 기화하는 증발기(F)가 사용되며, 이 작동유체는 터빈(A)을 가동하여 발전기(B)에서 전기에너지를 얻게 된다. 터빈에서 팽창된 작동유체는 응축기(C)에서 액화되어 탱크(D)로 들어가서 펌프(E)에 의하여 가압되어 다시 증발기로 들어가는 순환시스템으로 이루어진다.</p><p>작동유체를 물이 아닌 유기물을 사용하는 목적은 낮은 온도의 열원으로부터 에너지를 획득하기 위한 것으로, 물의 경우는 끓는점이 대기압 하에서 \( 100^{\circ} \mathrm{C} \) 이지만 압력이 증가하게 되면 상당히 높아진다. 따라서 높은 온도를 갖는 열원이 있어야만 운전이 가능하다. 하지만 작동유체를 물이 아닌 유기물을 사용하게 되면 물질에 따라서 높은 압력에서도 기화하는 온도가 \( 100^{\circ} \mathrm{C} \) 이하의 낮은 온도를 갖게 된다. 이러한 장점으로 인하여 산업체에서 발생되는 낮은 온도를 갖는 폐열로부터 전기를 얻을 수 있다.</p><p>랭킨사이클의 작동유체로 적용할 수 있는 유기물은 매우 많이 있으며, 앞으로도 계속 합성물질이 개발되어지면서 새로운 작동유체가 사용되어질 것이다. 또한 무기물까지도 사용가능하다. 하지만 각각의 물질적 특성이 다르므로 어느 것을 작동유체로 사용할 것 인가 하는 것은 상당히 복잡한 문제이다. 그러므로 많은 연구가 있었음에도 불구하고 연구자에 의하여 추천되어지는 작동유체가 서로 다르다.</p><p>Tchache et al. 은 태양열에서 \( 2 \mathrm{~kW} \) 의 출력을 얻는 것을 기준으로 \(20\) 종의 냉매를 고려하여 \( 90^{\circ} \mathrm{C} \) 이하의 열원에 대하여 R134a, R152a, R600 등이 높은 적용성을 갖는다고 하였다. 반면에 열원의 온도가 높아, 사이클에서의 고온부 온도가 \( 280^{\circ} \mathrm{C} \) 와 \( 350^{\circ} \mathrm{C} \) 의 고온을 갖는 경우에 사이클 효율을 고려하여 cyclopentane가 효과적이라고 Lai et al. 은 언급하였다. Fernendez et al. 은 재생사이클을 사용하는 랭킨사이클에서 열원의 온도 변화가 큰 경우에 siloxanes을 추천하였다. 지열을 활용하기 위한 ORC 사이클에서 Aljundi 는 \( \mathrm{n} \)-hexane이 높은 효율을 갖는 것으로 추천하였다.</p><p>Borsukiewicz-Gozdur et al. 은 지열을 활용하기 위한 ORC 의 연구로 \( 80-115^{\circ} \mathrm{C} \) 의 열원에서R-227ea 와 propylene이 높은 출력을 나타내었으며, R-245fa와 propylene은 높은 효율을 얻었다. 반면에 폐열이나 저온열원으로부터 ORC 를 작동하여 에너지의 회수를 위하는 연구로 Dai et al. 는 \(10\) 종의 작동유체에 대하여 사이클 해석을 수행하여 터빈입구에서의 작동유체의 온도를 \( 80-135^{\circ} \mathrm{C} \) 를 유지하는 경우에 R -236ea 를 작동유체로 추천하였다. Hung et al. 은 폐열회수를 위한 랭킨사이클의 작동유체로 R134 같은 등엔트로피 작동유체가 낮은 온도를 갖는 열원의 열회수에 가장 좋다고 하였다.Roy et al. 은 폐열의 가스온도가 \( 140^{\circ} \mathrm{C} \) 인 랭킨사이클에서 사이클의 분석과 최적화를 퉁하여 시스템의 효율에는R-123 의 작동유체가 유리하다고 하였다.</p><p>앞서 연구되어진 많은 연구 중에서 제한적인 지면으로 인하여 일부 연구자들이 추천한 작동유체들을 보여주었지만 각각 다른 작동유체를 추천하였다. 이러한 이유가 ORC에 적용하고자 하는 열원의 종류로부터 가용한 열원의 온도가 다를뿐만 아니라 열원의 양도 다를 수 있다. 아울러 선정한 작동유체의 임계압력과 임계온도의 변화 외에도 물리적 특징에 따라서 사이클 효율도 다를 수 있다. 그러므로 작동유체의 물질적 특징과 적용하는 열원의 종류에 따른 특성과 일치하는 작동유체를 찾는 것이 중요하다. 본 연구에서는 현재 산업체에서 배출되는 폐열 중에서 아주 낮은 폐열을 활용하기 위하여 팽창기 입구의 온도가 \( 60^{\circ} \mathrm{C} \) 이하에서 작동하는 경우에 이에 맞는 적절한 작동유체가 어뗜 것인지를 찾기 위한 연구를 수행하였다.</p>
|
[
"Aljundi 는 \\( \\mathrm{n} \\)-hexane가 무엇을 활용하기 위한 ORC 사이클에서 높은 효율을 가진다고 했어?",
"재생에너지는 화석연료를 사용해?",
"저온 열원을 통해 전기를 얻을 수 있는 재생에너지는 뭐야?",
"왜 재생에너지의 중요성이 확대되고 있어?",
"ORC는 어디로부터 전기에너지를 얻어?",
"ORC에 사용되는 열에너지는 무엇이 있어?",
"기본적으로 증기터빈을 작동하기 위한 무엇이 ORC와 동일해?",
"ORC는 작동유체로 무엇을 사용해?",
"ORC는 작동유체로 물을 사용해?",
"ORC 작동유체를 유기물을 사용하면 무엇이 \\( 100^{\\circ} \\mathrm{C} \\) 이하보다 낮아?",
"ORC에 적용하고자 하는 무엇이 가용한 열원의 온도가 다를뿐만 아니라 열원의 양도 다를 수 있어?",
"사이클의 고온부 온도가 고온을 갖는 경우 사이클 효율을 고려하여 무엇이 효과적이야?",
"랭킨 사이클의 작동유체로 무기물과 유기물 사용하는 것은 왜 어려워?",
"랭킨 사이클의 작동유체로 무기물도 사용가능해?",
"ORC를 통해 산업체에서 무엇으로 부터 전기를 얻을 수 있어?",
"합성물질이 개발되어지면 랭킨 사이클의 작동유체로 적용할 수 있는 유기물이 많아져?",
"재생사이클을 사용하는 랭킨사이클에서 열원의 온도 변화가 크면 무엇을 사용해야해?",
"작동유체의 임계압력과 임계온도의 변화 외에도 물리적 특징에 따라 무엇이 달라질 수 있어?",
"</p><p>Borsukiewicz-Gozdur는 어떤 것을 활용하기 위한 ORC 연구를 진행했어?",
"Dai는 폐열이나 저온열원으로부터 ORC 를 작동하여 무엇을 회수하는 연구를 했어?",
"Hung은 폐열 회수를 위한 랭킨 사이클의 작동유체로 무엇이 낮은 온도를 갖는 열원의 열회수가 좋다고 했어?",
"작동유체의 임계압력과 임계온도의 변화가 사이클 효율을 다르게 할 수 있어?"
] |
1463521d-c9fd-4e0f-87f2-b1fb4e651a23
|
인공물ED
|
저온 폐열을 이용하기 위한 유기랭킨 사이클의 작동유체 선정에 관한 연구
|
<h1>2. 고려된 작동유체</h1><p>낮은 온도의 폐열을 활용하기 외한 ORC에서, 적용 가능한 작동유체를 선정하기 위하여 우선적으로 기존의 연구자들에 의하여 선정되어 검토되었던 작동유체 (W, F) 66 종 종에서 다수에 의하여 공통적으로 검토되었던 \(39\)종을 기준으로 Table \(1\)에 정리하여 놓았다. 아울러 오존층파괴지수(ODP: Ozone layer Depletion Potential), 지구온난화지수(GWP: Global Warming Potential), 대기잔재수명(A, Li: Atmospheric Life) 과 ASHREA의 규정에 따른 안정성(SF; Safety Factor)을 같이 나타내었다. 또한 작동유체의 포화증기선도가 \( d s / d T \simeq 0 \),\( d_{s} / d T<0, d_{s} / d T>0 \) 이냐에 따라서 isentropic, wet, d r y 작동유체로 분류하는데, 이것도 추가하여 눟았다(CFF; Classify Factor).</p><p>많은 종류의 작동유체에서 적절한 작동요체를 선정하기 위하여서는 유선적으로 작동유체가 기본적으로 갖추어야 할 조건을 고려하여야 한다. 따라서 작동유체는 친환경적이고, 사용하기에 안전하고, 구하기 쉬우며 비용이 적게 들고, 효율이 높은 작동유체로 선정하여야 한다.</p><p>친환경적인 부분은 지구온난화와 관련하여 민감한 문제이므로 이를 평가하기 위하여서는 오존층파괴지수와 지구온난화지수를 파악하여야 하며, 아울러 대기잔재수명을 확인한다. 하지만 Table \(1\)에서 보여주는 것과 같이 대부분의 작동유체는 냉매로 사용되고 있는 것임을 알 수 있다. 냉매의 경우 화학적 구조에 따라서 CFC(chlorofluorocarbons), HCFC(hydrochlorofluorocarbons), HFC(hydrofluorocarbons), HC(hydrocarbons)와 혼합물이 있다. CFC 계열의 냉매에는 R11, R12, R113,R114, R115 등이 있으며, 염소원자가 포함되어 있어서 오존층을 파괴하므로 \(1987\)년 \(9\)월에 제정된 몬트리올 의정서에 의거하여 사용을 규제하였다가 \(1990\)년 \(6\)월 런던회의와 \(1992\)년\(11\)월 코펜하겐회의에서 규제계획을 더욱 더 강화하여 현재는 전폐하게 되었다. 염소원자의 단점을 개선하기 위하여 수소원자를 추가한 HCFC 계열인 R22, R123, R124, R131 등은CFC 계열에 비하여 오존층파괴지수는 상당히 낮으나 여전히 오존층을 파괴하므로 \(1995\)년에 열린 제\(7\)차 비엔나회의에서는 중간대체물질인 HCFC에 대해서도 선진국 전폐일정을 \(2030\)년으로 앞당기고, 개발도상국에 대해서는 2015년의 HCFC소비량 기준으로 \(2016\)년부터 생산량을 동결하고 \(2040\)년에전폐토록 결정하였다. 하지만 많은 연구자들이 R-123의 경우는 오존층 파괴에 미치는 영향은 무시할 만한 수준이고 대기잔재수명이 짧아 환경적 측면에서의 장점이 오존에 미치는 영향을 훨씬 능가하므로 R-123 전폐를 다시 고려해야 한다고 한다는 주장이 많이 제기되고 있음을 고려하여 적용 가능한 작동유체로 남겨두었다.</p><p>냉매에서 염소원자를 완전히 없앤 HFC 계열의 냉매는 오존층을 파괴하지 않는 관계로 CFC와 HCFC 계열의 냉매를대체하고 있다. 이러한 냉매로는 R134a, R245fa, R152a,R227ea, R32 등이 있다. 여기서 R32와 R152a는 가연성이 있으므로 제외하였다. 비록 HFC 냉매는 오존층파괴지수가 \(0\)에 가깝기 때문에 몬트리얼 의정서에 따라 제약을 받지 않는다고 하여도 지구온난화지수가 높은 것은 교토의정서의 규제를 받을 가능성이 있으므로 지구온난화지수가 \(10,000\) 이상인 작동유체는 제외하였다.</p><p>수소와 탄소만으로 구성된 탄화수소계 HC 냉매로는 부탄 (R-600) 이소부탄 (R-600a), 프로판(R-290), 프로필렌(R-1270)등이 있으며 이들 냉매의 장점은 오존층 파괴지수가 없으며 지구온난화지수도 매우 낮으며 비체적(specific volume)이다른 냉매보다 크기 때문에 냉매 주입량이 감소하지만 가연성이 있어 사용 중 발화나 폭발에 유의하여야 하므로 안정성을 고려하여 작동유체의 대상에서 제외하였다.</p><p>안정성의 평가는 사용하기에 유해하지 않은지와 가연성을확인하여야 한다. ASHREA의 규정에 따라 유해성은(A:무해,B:유해) 두 분류로 하였으며, 가연성은(\(1\):안전 \(2\):중간, \(3\):가연) 세 분류로 구분하여 놓았다. 본 연구에서는 A\(2\) 이하의 안정성을 갖는 작동유체는 ORC 장치로 부터 누출에 의한 폭발가능성을 고려하여 고려대상에서 제외하였다. 또한 작동유체가 다른 재질들과 화학적인 반응을 하지 않고, 온도의 변화에 따라 작동유체가 화학적으로 안정한지도 평가하여야 한다.아울러 아주 고압에서 사이클이 형성되어지는지도 확인하여 시스템의 안정성도 확인하여야 한다. 이러한 경우가 이산화탄소와 같은 자연냉매의 경우에 운전 시 아주 높은 압력을 필요로 하므로 고려대상에서 제외하였다.</p><p>작동유체의 분류에서 \( \operatorname{wet}(\mathrm{w}) \) 으로 분류되는 작동유체는 팽창기에서 액적을 포함하게 되므로 팽창기의 성능을 떨어트리게 된다. 이를 피하기 위하여서는 팽창기입구에서 작동유체를 과열상태로 하여야만 팽창기 출구에서 증기상태를 유지할 수 있다. 이로 인하여 추가적인 열원의 투입이 발생되어 전체적으로 시스템의 효율이 떨어지는 것으로 알려져 있다. 따라서 많은 연구자의 결과들에서 작동유체가 등엔트로피(i)나 \( \operatorname{dry}(\mathrm{d}) \) 한 작동유체로 분류되는 것을 추천하였다. 따라서 본 연구에서도 wet한 분류에 포함되는 작동유체는 고려대상에서 제외하였다.</p><p>친환경적인 측면과 안정성 등을 고려하여 Table \(1\) 에서 고려되었던 작동유체들로부터 본 연구의 작동유체로 고려될 수 있는 것은 R-123,R-134 a, R-218, R-227 ea, R-236 ea, R-236fa, R-245ca, R-245fa, R-601, R-601a, R-1234ze로써 총 \(11\) 개의 작동유체를 선정하였다.</p><p>그 외에도 최근에 냉매들을 혼합하여 다른 물질적 특성을 얻은 혼합냉매가 있다. 이들은 상(phase)변화에서의 물질적 특징에 따라서 비공비혼합냉매(zeotropic compound)와 공비혼합냉매(azeotropic compound)로 나누어진다. 비공비혼합냉매는 \(2\) 개 이상의 냉매가 혼합이 되어 각각 개별적인 성격을 띠며 등압의 증발 및 응축과정을 겪을 때 조성비가 변하고 온도가 증가 또는 감소하는 온도 구배를 나타내는 냉매를말한다.</p><p>비공비혼합냉매를 사용하면 등압에서 증발이 일어날 때 온도가 상승하고 반대로 등압 응축 과정에서는 온도가 감소한다. 즉 포화 액체에서는 포화기체 상태로 변할 때 냉매의 온도상승효과(온도구배)가 발생한다. 이와 같은 현상을 이용하면 열교환기의 열효율을 개선할 수가 있다. 하지만 비공비혼합냉매의 가장 큰 문제점은 \(2\)상 상태에서 냉매가 누설이 되는 경우 시스템에 남아 있는 혼합냉매의 조성비가 변한다는것이다, 냉매가 \(2\)상 상태에서 누설되었을 때 증기압이 높은성분이 먼저 누설되므로 새로운 조성비를 갖는 냉매가 시스템에 존재하게 된다. 따라서 냉매의 누설이 생겨 재충전 하는경우 시스템에 남아있는 냉매를 전량 회수한 후 새로이 냉매를 주입해야하는 단점이 생긴다. 비공비혼합냉매는 R4xx로 분류되고 주요 비공비혼합냉매에는 R404A, R407C, R410A등이 있지만 모두 wet한 작동유체이므로 고려대상에 포함하지 않았다.</p><p>공비혼합냉매는 서로 다른 두 개의 순수물질을 혼합하였는데도 등압의 증발 또는 응축 과정 중에 기체와 액체의 성분비가 변하지 않으며 온도가 변하지 않는 혼합 냉매이다. 즉 공비혼합냉매는 혼합냉매임에도 불구하고 순수냉매와 유사한특성을 지니고 있다. 공비혼합냉매의 증발 또는 응측온도는이 냉매를 구성하는 두개의 순수 냉매보다 낮은 경우가 대부분이고 공비혼합냉매는 R5xx로 분류되고 현재 사용하는 혼합 냉매는 R507A 등이 있으나 마찬가지로 wet한 작동유체이므로 이 또한 고려대상에 포함하지 않았다. 따라서 Table \(2\)는 \(11\)개 작동유체에 대한 물리적인 특성으로 임계압력(Pc),임계온도(Tc), 표준상태에서의 끓는 온도(Tbp)와 몰당 질량을보여주고 있다. 대체적으로 비슷한 수준의 임계압력과 임계온도를 보여주고 있으나 R-218의 경우가 가장 낮은 임계온도를 보여주고 있다. ORC의 작동온도를 \( 60^{\circ} \mathrm{C} \) 이하로 하는경우에 사이클은 모두 아임계 상태에서 작동하게 될 것임을알 수 있다</p>
|
[
"냉매의 안정성평가는 무엇을 확인해야해?",
"어떤 온도의 폐열을 활용하기 위해 적용 가능한 작동유체를 선정해?",
"어떤 작동 유체가 적절해?",
"작동유체 선정을 위해 친환경적인 부분을 평가하기 위해 어떤 지수를 파악해?",
"대부분의 작동 유체는 무엇으로 사용되고 있어?",
"냉매는 어떤 구조에 따라 CFC, HFC, HC, 혼합물로 나눠?",
"친환경적인 부분을 평가하기 위해 어떤 수명을 확인해?",
"CFC 계열의 냉매는 현재 전폐되었어?",
"CFC 계열의 냉매는 무엇을 파괴해?",
"염소원자의 단점을 해결하기 위해 무엇을 추가했어?",
"자연냉매가 운전할 때 어떤 압력이 필요해?",
"HFC 냉매는교토의정서의 규제 받을 가능성이 높아?",
"이산화탄소는 자연 냉매야?",
"현재 어떤 계열의 냉매를 대체하고 있어?",
"HFC 계열의 냉매는 무엇을 완전히 없앴어?",
"팽창기 입구에서 작동유체를 과열상태로 하면 팽창기 출구는 무슨 상태로 유지 돼?",
"탄화수소계 HC 냉매는 발화나 폭발에 유의해야해?",
"왜 전체적으로 시스템의 효율이 떨어져?",
"탄화수소계 HC 냉매는 비체적이 다른 냉매보다 크기 때문에 무엇이 감소해?",
"혼합냉매는 무슨 변화에서의 물질적 특징에 따라 분류되?",
"탄화수소계 HC 냉매는 어떤 지수가 전혀 없어?",
"ASHREA의 규정에 따라 냉매의 가연성은 몇 개로 분류되?",
"ASHREA의 규정에 따라 냉매의 유해성은 몇 개로 분류되?",
"\\( \\operatorname{wet}(\\mathrm{w}) \\) 으로 분류되는 작동유체는 왜 팽창기의 성능을 저하시켜?",
"냉매들을 혼합하여 다른 물질적 특성을 얻는 냉매는 뭐야?",
"탄화수소계 HC 냉매는 다른 냉매보다 무엇의 크기가 커?",
"작동유체는 무슨 변화에 따라 화학적으로 안정한지 평가해야해?",
"혼합냉매는 어떤 것으로 나눠져?",
"탄화수소계 HC 냉매는 작동유체의 대상에서 제외 돼?",
"시스템의 안정성 평가시 사이클이 어디에서 형성되는지 확인해야해?",
"작동유체는 다른 재질과의 무슨반응 하지 않는지 평가해야 돼?",
"비공비혼합냉매는 어떤 과정에서 조성비가 변해?",
"비공비혼합냉매는 몇 개이상의 냉매가 혼합되?",
"비공비혼합냉매는 등압에서 증발이 일어나면 무엇이 상승해?",
"비공비혼합냉매가 \\(2\\)상 상태에서 누설될 경우 무슨 성분부터 먼저 누설 돼?",
"공비혼합냉매는 구성되어 있는 두개의 순수 냉매보다 무엇이 낮아?",
"공비혼합냉매는 서로 다른 두 개의 순수물질이 혼합되었어?",
"비공비혼합냉매는 냉매가 어떻게 되는 경우 시스템에 남아 있는 혼합냉매의 조성비가 변해?",
"공비혼합냉매는 어떤 냉매와 유사한 특성을 가져?",
"등압의 증발 또는 응축 과정 중에 기체와 액체의 성분비와 온도가 변하지 않는 냉매는 뭐야?",
"무엇을 활용하면 열교환기의 열효율을 개선할수 있어?",
"비공비혼합냉매는 온도가 증가 또는 감소하는 무엇을 나타내는 냉매야?",
"비공비혼합냉매는 무슨 상태일 때 냉매가 누설되면 조성비가 변해?",
"비공비혼합냉매의 포화액체에서 포화기체로 변할 때 무엇이 발생해?",
"HFC 냉매는 몬트리올 의정서에 제약을 받아?",
"공비혼합냉매는 등압, 증발, 응축과정에서 기체와 액체의 성분비가 변해?",
"CFC, HCFC, HFC, HC와 혼합물은 냉매야?",
"CFC 계열 냉매는 무엇에 의해서 사용이 규제되었어?",
"CFC 계열의 냉매의 어떤 원자가 오존층을 파괴해?",
"비공비혼합냉매는 어느 과정에서 온도가 감소해?",
"팽창기의 성능 저감을 피하기 위해 팽창기 입구에서 작동유체는 어떤 상태로 있어야해?",
"\\( \\operatorname{wet}(\\mathrm{w}) \\) 으로 분류되는 작동유체는 팽창기에서 무엇을 포함해?",
"탄화수소계 HC 냉매는 무엇으로 구성되?",
"R-123가 다시 전폐를 고려하는 이유가 뭐야?",
"냉매의 누설이 생겨 재충전 하는경우 어떻게 한 후 새로 냉매 주입해야해?"
] |
8d8dcead-f0d5-43e7-9e21-8fc9af5f5062
|
인공물ED
|
저온 폐열을 이용하기 위한 유기랭킨 사이클의 작동유체 선정에 관한 연구
|
<h1>6. 결 론</h1><p>본 연구에서는 아주 낮은 온도를 갖는 열원을 기준으로 작동유체의 고온과 저온의 범위를 \( 60^{\circ} \mathrm{C} \) 와 \( 30^{\circ} \mathrm{C} \) 로 하여 이러한 작동조건에 알맞은 작동유체의 선정에 관한 연구를 수행하였다. 기존의 연구자에서 검토된 작동유체를 기준으로 작동유체가 갖추어야할 기본적인 조건을 바탕으로 고려하여할 작동유체를 선택하고, 다음으로 운전조건을 바탕으로 최종적으로 \(6\)종의 작동유체를 선정하였다. 선정된 작동유체를 기준으로 사이클 해석을 수행하여 효율이나 출력을 기준으로는 R-245fa가 가장 적절한 작동유체로 보여지며, 다음으로 R-134 a는 팽창기의 크기 등을 고려하면 적절한 작동유체가 될 것으로 판단된다.</p>
|
[
"본 연구에서는 작동유체의 온도를 고온으로 판단하는 기준온도가 몇 도야?",
"본 연구에서 작동유체를 선정할 때 온도에 관한 조건은 배제하고 연구를 진행했어?",
"본 연구에서는 작동유체의 온도를 저온으로 판단하는 기준온도가 몇 도야?",
"선정된 작동유체 중에서 실험적으로 가장 적절한 작동유체로 본 연구에서 선택한 것은 뭐야?",
"본문에서 다양한 조건 아래에서 최종적으로 총 몇종의 작동유체를 선정했어?"
] |
96115cce-f185-4c2e-967a-a7a4aa1375a9
|
인공물ED
|
잡음 제거 회로를 이용한 LDO 레귤레이터
|
<h1>Ⅱ. 본론</h1><h2>1. Low Drop-out 레귤레이터</h2><p>그림 1은 기본 LDO 레귤레이터의 블록 다이어그램이다. LDO 레귤레이터는 기준 전압 발생기와 오차증폭기, 패스 트랜지스터와 피드백 저항, 부하단으로 구성되어 있다. 기준 전압 발생기는 온도와 입력전압의 변화에 무관하게 특정 범위 내에서 일정한 전압을 제공한다. 기준 전압 발생기에서 발생한 전압은 오차 증폭기로 전달된다. 오차 증폭기는 출력에서 피드백 되는 전압과 기준 전압을 비교하여 패스 트랜지스터의 게이트로 전달하며 패스 트랜지스터를 스위치로서 동작하게 한다. 패스 트랜지스터는 저전압 강하를 일으켜(Low Drop) 부하로 일정한 전압을 제공하게 된다. 출력단의 커패시터는 LDO 동작의 안정도 를 확보하기 위해 수 마이크로패럿 단위의 값을 갖게 된다.</p><h2>2. 제안된 LDO 레귤레이터</h2><p>그림 2 는 본 논문에서 제안하는 LDO 레귤레이터의 블록 다이어그램이다. 기존 LDO 레귤레이터의 오차증폭기 출력단과 패스 트랜지스터 게이트 입력단 사이에 잡음 제거 회로를 추가하였다. LDO의 패스 트랜지스터는 부하 전류를 견뎌내기 위해 크기가 크게 설계된다. 그에 따른 기생 커패시터나 출력 임피던스 등에서 많은 문제점이 생기게 된다. 따라서 공급 전압 제거 비율에도 영향을 끼치게 되는데, 패스 트랜지스터에서의 노이즈를 줄이기 위해 잡음 제거 회로를 추가하였다.</p><p>그림 3은 제안한 잡음 제거 회로이다. 2 개의 NMOS와 3개의 PMOS로 구성되어 있으며 공급 전원 라인과 패스 트랜지스터 사이에서 작용한다. 패스 트랜지스터의 게이트-소스간 전압이 공급 전압 변화에 둔감하게 하여 공급 전압 제거비를 향상 시켰다. 그림 3 의 회로에서 공급 전압의 노이즈 때문에 1 번 노드의 전압이 상숭하면, 2 번 노드의 공통 게이트단의 전압이 상승한다. 그 뒤 3 번 노트는 공통 소스단의 영향으로 전압이 떨어지고, 감소한 전압은 4 번 노드에서 증가하게 된다.</p><p>결과적으로 패스 트랜지스터의 게이트-소스 간 전압이 안정적으로 유지되어 공급 전압 제거비가 향상 되었다.</p><p>2. 측정 결과</p><p>그림 4는 제안한 회로의 공급 전압 제거비 시뮬레이션 결과이다. 기존 저주파수에서 \( 40 \mathrm{~dB} \)을 \( 95 \mathrm{~dB} \)까지 약 \( 55 \mathrm{~dB} \)정도 향상시켰다. \( 1 \mathrm{Khz} \) 의 주파수에선 약 \( 30 \mathrm{~dB} \)정도가 향상된 것을 알 수 있다.</p><p>그림 5는 라인 레귤레이션 시뮬레이션 결과이다. 공급 전압을 \( 2 \mathrm{~V} \)에서 \( 3 \mathrm{~V} \)로 변화 시켰을 때 기존 LDO 레귤레이터는 \( 15 \mathrm{mV} \)의 출력 전압 변동률을 갖는 반면, 제안된 LDO 레귤레이터는 \( 0.8 \mathrm{mV} \)의 변동률을 갖는다. 이는 잡음 제거 회로가 라인 레귤레이션 특성에도 영향을 준다는 것을 알 수 있다. 그림 6은 로드 레귤레이션 시뮬레이션 결과이다. 부하 전류가 0에서 \( 100 \mathrm{~mA} \)까지 변화할 때 기존 LDO 레귤레이터의 출력 전압변동률은 \( 0.1 \mathrm{mV} \)이고 제안된 LDO 레귤레이터의 출력 전압 변동률은 \( 0.2 \mathrm{mV} \)로 기존의 LDO 레귤레이터 회로와 거의 동일한 동작을 하는 것을 알 수 있다.</p><h1>Ⅲ. 결론</h1><p>본 논문에서는 기존 LDO 레귤레이터의 오차증폭기 출력단과 패스 트랜지스터 게이트 입력단 사이에 잡음 제거 회로를 달아 공급 전원 제거비를 향상시킨 LDO 레귤레이터를 제안하였다. 시뮬레이션을 통하여 기존의 LDO 레귤레이터 보다 주요주파수에 대하여 PSRR이 개선되었으므로 제안된 회로가 잡음 제거에 효과적임을 알 수 있다. 그 결과 전원 변동에도 안정적인 동작을 할 수 있는 LDO 레귤레이터를 개발하였다.</p>
|
[
"LDO 레귤레이터는 4가지로 구성되어 있나요?",
"부하 전류를 견뎌내기 위해 고려되는 사항은 무엇인가요?",
"노이즈를 줄이기 위해 추가된 것은 무엇인가요?",
"잡음제거 회로는 3개의 NMOS로 구성되나요?",
"논문에서 PSRR이 개선된 주요 제안내용은 무엇인가요?",
"공급 전원 제거비 향상을 어떤 방법으로 수행하였나요?"
] |
6126216a-6a63-4704-bd28-5dc122a65d9e
|
인공물ED
|
잡음 제거 회로를 이용한 LDO 레귤레이터
|
<h1>요 약</h1><p>본 논문에서는 잡음 제거 회로를 이용하여 공급 전원 제거 비를 향상시킨 LDO(Low drop-out) 레귤레이터를 제안하였다. LDO 레귤레이터 내부의 오차증폭기와 패스 트랜지스터 사이에 잡음 제거 회로를 두어 전압 라인에서 들어오는 노이즈에 패스 트랜지스터가 받는 영향을 줄일 수 있게 설계하였으며, 기존의 LDO 레귤레이터와 동일한 레귤레이션 특성을 갖도록 했다. 제안한 회로는 \( 0.18 \mathrm{um} \) 공정을 사용하였고 Cadence의 Virtuoso, Spectre 시뮬레이터를 사용하였다.</p><h1>Ⅰ. 서 론</h1><p>최근의 스마트폰, 노트북, 웨어러블 기기 등과 같은 배터리 기반 휴대용 전자기기의 사용이 증가하면서, PMIC(Power Management IC)의 중요성이 높아지고 있다. 아날로그 시장에서 PMIC의 차지하는 비율 또한 증가함에 따라 그에 대한 연구도 증가하고 있다. 배터리를 기반으로 하는 휴대용 전자기기들은 한정된 배터리로 안정적인 동작을 제공해야하기 때문에, PMIC의 안정도에 대한 많은 연구개발이 이뤄지고 있다. PMIC는 동작방식에 따라 스위칭형 레귤레이터와 선형 레귤레이터로 구분할 수 있다. 스위칭형 레귤레이터는 효율이 좋고 발열이 적으며 승압, 강압, 부전압의 변환이 가능하다는 장점이 있지만, 필요한 외장 부품이 많고, 설계가 복잡하며, 노이즈가 심한 단점이 있다. 이에 선형 레귤레이터는 간단한 구조와 작은 면적을 갖으며 노이즈가 작은 장점이 있다. 대다수의 공급 전압은 노이즈를 가지고 있으며 이를 제거해주기 위해 본 논문에서는 기존 선형 레귤레이터와 동일한 동작성능을 보이며 공급 전원 제거비를 향상시킨 선형 레귤레이터를 제안한다.</p>
|
[
"PMIC 스위칭형 레귤레이터의 단점은 무엇이 있어?"
] |
7dc3e9c5-a029-4ed1-a873-3bf3cda8a82e
|
인공물ED
|
Te를 이용한 상온 동작형 \(NO_{2}\) 센서 제작 및 감응 특성
|
<h1>1. 서론</h1><p>대기오염이 현 산업사회의 심각한 환경문제로 대두 됨에 따라 대기 중 각종 유해 가스성분을 연속적으로 측정하여, 대기환경을 관리하는 일이 큰 관심사가 되고 있다. 대기 중에 함유된 유해가스 성분으로는 NOx, SOx, HC, CO 및 \( \mathrm{O}_{3} \) 등이 있으며 이 중 NOx 는 SOx와 더불어 가장 유해한 가스로 알려져 있다. NOx 는 인간의 호흡기와 신경계통에 치명적인 손상을 입히며 식물세포의 파괴뿐만 아니라 광학적 스모그와 산성비의 원인이 된다. 이에 따라 대기 또는 실내 환경에서 그 농도의 연속적인 측정은 매우 중요한 일이 아닐 수 없다. SOx 가스를 연속적으로 측정하기 위해서 현재 사용되고 있는 측정 방법은 반도체식, 고체 전해질식, 유기재료를 이용한 방식 등이 있다.</p><p>유해 대기환경 가스인 NOx 를 감지하는 반도체식 가스센서는 저렴한 가격에 감도가 좋으며, 비교적 구조가 단순하고, 저전력으로도 동작이 가능하기 때문에 가장 널리 이용되고 있다. 현제 가장 일반적으로 사용되고 있는 감지막인 \( \mathrm{SnO}_{2} \) 감도는 좋으나, 선택성이 좋지 않고, 약 \( 200^{\circ} \mathrm{C} \) 이상의 동작온도를 필요로 하므로 전력소모가 크다. 또한, 응답속도가 수 십분 내외로 길다. Pd, Pl 또는 Au 를 촉매로 사용한 \( \mathrm{WO}_{3} \) 기반의 센서는 감도는 줗으나 역시 \( 150\sim200^{\circ} \mathrm{C} \) 의 동작온도를 가진다. 응답속도가 짧은 \( \mathrm{MoO}_{3} \) 기반의 \( \mathrm{NO}_{2} \) 센서도 \( 200\sim400^{\circ} \mathrm{C} \) 의 동작 온도가 필요하다․ Zircon과 \( \mathrm{CdCr}_{2} \mathrm{O}_{4} \) 를 기반으로 한, 전기화학식 \( \mathrm{NO}_{2} \) 가스센서는 응답속도가 \(30\) 초로 매우 짧으나 동작온도가 \( 500\sim600^{\circ} \mathrm{C} \) 의 고온을 필요로 한다.<p>본 연구에서는 알루미나 기판에 형성된 Pt 감지전극 위에 Te 감지막을 증착하여 상온 동작형 가스센서를 제작하여 가스에 대한 감응 특성을 조사하였다.</p>
|
[
"대기오염이 환경문제로 대두 됨에 따라 관심사가 되고 있는 것이 뭐야?",
"대기 중에 함유된 유해가스 성분 중 가장 유해한 가스로 알려진게 뭐야?",
"대기환경을 관리하는 방법이 뭐야?",
"대기 중에 함유된 유해가스 성분 중 가장 유해한 가스로 알려진게 뭐야?",
"대기 중에 함유된 가장 유해한 가스가 NOx인 것이 옳아?",
"스모그와 산성비의 원인이 되는 유해가스가 뭐야?",
"NOx가 인간에게 끼치는 영향이 뭐야?",
"스모그와 산성비의 원인이 되는 유해가스가 뭐야?",
"NOx가 기상에 어떤 영향을 줘?",
"유호가스 농도의 연속적인 측정이 중요한 것이 옳아?",
"현재 사용 되는 SOx 가스측정 방법들이 뭐야?",
"반도체식 가스센서는 저렴한 것이 옳아?",
"반도체식 가스센서는 비교적 단순한 구조를 가지는 것이 옳아?",
"반도체식 가스센서는 감도가 좋은 것이 옳아?",
"반도체식 가스센서는 가장 널리 이용되는 센서가 맞아?",
"현재 일반적으로 사용되는 감지막이 뭐야?",
"\\( \\mathrm{SnO}_{2} \\)의 감도가 좋지않은 것이 옳아?",
"\\( \\mathrm{SnO}_{2} \\)감지막은 선택성이 좋은 것이 옳아?",
"\\( \\mathrm{SnO}_{2} \\)은 약 \\( 200^{\\circ} \\mathrm{C} \\) 이상의 동작온도가 필요해?",
"\\( \\mathrm{SnO}_{2} \\)은 전력소모가 작은 것이 옳아?",
"\\( \\mathrm{SnO}_{2} \\)는 몇 \\(^{\\circ}\\)이상의 동작온도가 필요해?",
"\\( \\mathrm{SnO}_{2} \\)의 응답속도가 오래걸리는 것이 옳아?",
"Pd, Pl 또는 Au 를 촉매로 사용한 \\( \\mathrm{WO}_{3} \\) 기반의 센서는 감도가 좋은 것이 옳아?",
"Pd, Pl 또는 Au 를 촉매로 사용한 \\( \\mathrm{WO}_{3} \\) 기반의 센서는 \\( 150\\sim200^{\\circ} \\mathrm{C} \\)의 동작온도를 가지는 것이 옳아?",
"Pd, Pl 또는 Au 를 촉매로 사용한 \\( \\mathrm{WO}_{3} \\) 기반의 센서는 몇\\( ^{\\circ} \\mathrm{C} \\)의 동작온도는 가지고 있어?",
"\\( \\mathrm{NO}_{2} \\)센서는 응답 속도가 짧은 것이 옳아?",
"\\( \\mathrm{NO}_{2} \\) 센서는 \\( 200\\sim400^{\\circ} \\mathrm{C} \\) 의 동작 온도가 필요한 것이 옳아?",
"\\( \\mathrm{NO}_{2} \\) 센서는 몇 \\( ^{\\circ}\\mathrm{C} \\) 의 동작온도가 필요해?",
"Zircon과 \\( \\mathrm{CdCr}_{2} \\mathrm{O}_{4} \\)기반의 \\( \\mathrm{NO}_{2} \\) 가스센서는 응답속도가 짧은 것이 옳아?",
"Zircon과 \\( \\mathrm{CdCr}_{2} \\mathrm{O}_{4} \\)기반의 \\( \\mathrm{NO}_{2} \\) 가스센서는 응답속도가 몇초야?",
"Zircon과 \\( \\mathrm{CdCr}_{2} \\mathrm{O}_{4} \\)를 기반으로 한 \\( \\mathrm{NO}_{2} \\) 가스센서는 고온의 동작온도가 필요한 것이 옳아?",
"Zircon과 \\( \\mathrm{CdCr}_{2} \\mathrm{O}_{4} \\) 기반의 \\( \\mathrm{NO}_{2} \\) 가스센서는 동작온도가 \\( 500\\sim600^{\\circ} \\mathrm{C} \\) 인 것이 옳아?",
"Zircon과 \\( \\mathrm{CdCr}_{2} \\mathrm{O}_{4} \\) 기반의 \\( \\mathrm{NO}_{2} \\) 가스센서는 몇 \\( ^{\\circ} \\mathrm{C} \\)의 동작온도가 필요해?",
"반도체식 가스센서는 저전력으로 동작이 가능해?"
] |
0da10ecb-f34c-46db-a7bd-1a8ff0030c5c
|
인공물ED
|
Te를 이용한 상온 동작형 \(NO_{2}\) 센서 제작 및 감응 특성
|
<h1>3. 실험결과 및 고찰</h1><h2>3.1. \( \mathrm{NO}_{2} \) 에 대한 감응특성</h2><p>그림 \(3\)은 SEM 을 이용하여 열처리 한 후, 표면은 관찰한 사진이다. \( 100^{\circ} \mathrm{C} \) 에서 grain를이 형성되기 시작되어서 \( 200^{\circ} \mathrm{C} \) 에서 grain들이 조밀하게 형성되어 있는 모습을 볼 수 있다. \( 300^{\circ} \mathrm{C} \) 에서는 \( 200^{\circ} \mathrm{C} \) 에서 보다 grain 들이 줄어든 것을 확인 할 수 있다. 따라서 \( 100^{\circ} \mathrm{C} \) 와 \( 200^{\circ} \mathrm{C} \) 에서 열처리 했을 때 가스의 흡착이 가장 많이 일어날 것으로 예상이 된다.</p><p>\( \mathrm{NO}_{2} \) 기스를 각가 5,10,20 ppm 에서, 감지막의 두께, 열처리 시 분위기 가스 및 열처리 온도에 따른 가스 감응특성은 파악하기 위해 실험을 진행하였다.</p><p>그림 \(4\)에서 부터 감지막인 Te 의 \( \mathrm{NO}_{2} \) 20 ppm 에서의 응답시간을 보여주고 있다. 응답시간은 수 초 내에 이루어짐을 알 수 있다. 하지만 회복시간은 수 분 이상으로 일반적인 \( \mathrm{NO}_{2} \) 감지센서보다 느림을 확인 할 수 있었다. 이는 Te 박막과 \( \mathrm{NO}_{2} \) 분자 간에 화학적 결합을 하고 있으므로 이들이 결합을 해체하기 위해서는 일정의 온도가 필요함을 암시한다.</p><p>Tellurium film과 \( \mathrm{NO}_{2} \) 의 반응 메커니즘을 설명하기 위하여 그림 \(5\) 에 tellurium film에 \( \mathrm{NO}_{2} \) 의 주입효과 이해를 위한 그림을 나타내었다. 그림 \(5\) 에 tellurium grain과 흡착분자인 \( \mathrm{O}_{2} \) 와 \( \mathrm{TeO}_{2} \) 그리고 기타불순물들의 흡착관계를 확인 할 수 있다. 실제로 grain에는 산소분자가 상당부분을 차지하게 된다. Tellurium의 녹는점이 \( 450^{\circ} \mathrm{C} \)이기 때문에 열처리 온도가 녹는점 이상의 온도에서 산화가 이루어지기 때문에 \( 100^{\circ} \mathrm{C} \) 나 \( 200^{\circ} \mathrm{C} \) 에서 열처리를 한 tellurium film에서는 거의 \( \mathrm{TeO}_{2} \) 를 볼 수 없다.</p><p>Tellurium grain에 흡착된 \( \mathrm{O}_{2} \) 분자는 tellurium보다 상대적으로 전자친화력이 높기 때문에 grain boundary와 intergrain 영역에서 전자를 포획하게 된다. 마치 \( \mathrm{O}_{2} \)가 억셉터의 역할을 하게 되어 산소 분자는 음전하로 대전이 되고 grain boundary와 intergrain 영역에서 정공의 농도는 증가하게 된다. 따라서 정공의 전도도가 증가하게 되고 tellurium film의 저항값은 감소하게 된 다. \( \mathrm{NO}_{2} \) 또한 \( \mathrm{O}_{2} \) 를 포함한 전자친화력이 높은 가스이므로 이의 메커니즘과 같은 방식으로 전자의 포획 및 주입이 이루어짐을 알 수 있다.</p><p>\( 200^{\circ} \mathrm{C} \) 에서의 열처리 시간번 tellurium film의 XRD 분석 결과를 그림 \(6\) 에서 나타내었다. 열처리 시간은 각각 \( 0.5,1,2 \mathrm{~h} \) 로 설정을 하였다. 결과에서 보면 알 수 있듯이 열처리 시간이 시간이 증가 할수록 Te의 피크가 높이 나타남을 알 수 있다.</p><p>그림 \(6\)과 \(7\)의 결과에서 알 수 있듯이 열처리시 주입한 가스의 종류에 따라서 감도에 많은 영항을 끼치는 것으로 나타났다. 특히 aging process의 효과를 알아보기 위하여 열처리시 주입한 가스들 중 \( \mathrm{O}_{2} \) 가 tellurium film의 안정화에 많은 영향을 주었음을 실험으로 알 수 있었으며 또한 aging온도가 \( 200^{\circ} \mathrm{C} \) 일 때 sensitivity가 가장 좋은 것으로 보아 동작온도인 상온보다 온도가 높은 \( 200^{\circ} \mathrm{C} \) 에서 aging을 하는 것이 tellurium film과 \( \mathrm{NO}_{2} \)의 반응이 잘 일어난다는 것을 실험의 결과를 통해 알 수 있었다. 특히 SEM image에서도 볼 수 있었듯이 \( 200^{\circ} \mathrm{C} \) 에서 grain들이 가장 많이 형성되었음을 확인할 수 있었다.</p>
|
[
"그림 \\(3\\)은 SEM으로 열처리하고 표면을 관찰한 사진인가?",
"grain 들은 \\( 200^{\\circ} \\mathrm{C} \\) 보다 \\( 300^{\\circ} \\mathrm{C} \\) 에서 증가하나요?",
"grain들은 몇 \\(^{\\circ} \\mathrm{C} \\)에서 만들어지기 시작했나요?",
"몇 \\(^{\\circ} \\mathrm{C} \\)에서 grian들이 만들어지기 시작해?",
"무엇을 사용하여 열처리하고 표면을 관찰한 사진이 그림 \\(3\\)이야?",
"grain들은 \\( 200^{\\circ} \\mathrm{C} \\) 에서 조밀하게 형성되었어?",
"가스의 흡착은 몇 \\(^{\\circ} \\mathrm{C} \\)에서 열처리 했을 때 가장 많이 일어나니?",
"각각 몇 ppm에서 \\( \\mathrm{NO}_{2} \\) 기스를 실험했어?",
"그림 \\(4\\)는 무엇을 보여주고 있나요?",
"응답시간은 1분 이상 소요되니?",
"회복시간은 \\( \\mathrm{NO}_{2} \\) 감지센서보다 빠릅니까?",
"\\( \\mathrm{NO}_{2} \\) 분자와 화학적 결합을 하고 있는 것은 무엇인가?",
"무엇이 \\( \\mathrm{NO}_{2} \\) 분자와 화학적 결합을 하고 있나요?",
"\\( \\mathrm{O}_{2} \\) 와 \\( \\mathrm{TeO}_{2} \\) 는 어떤 분자야?",
"Te 박막과 \\( \\mathrm{NO}_{2} \\) 분자의 결합을 해제하려면 일정한 온도가 필요하니?",
"회복시간은 어느 정도 걸리나요?",
"그림 \\(5\\) 에서는 tellurium grain과 \\( \\mathrm{O}_{2} \\), \\( \\mathrm{TeO}_{2} \\), 기타불순물들의 흡착관계를 살펴볼 수 있나요?",
"어떤 분자가 grain의 상당부분을 차지하는가?",
"grain의 상당부분을 차지하는 분자는 무엇인가요?",
"Tellurium은 몇 \\(^{\\circ} \\mathrm{C} \\)가 녹는점인가?",
"산화는 언제 일어나나요?",
"\\( 100^{\\circ} \\mathrm{C} \\) 나 \\( 200^{\\circ} \\mathrm{C} \\) 에서 열처리를 한 tellurium film에서는 \\( \\mathrm{TeO}_{2} \\) 를 확인하기 힘드니?",
"Tellurium grain에 흡착돼있고 tellurium보다 상대적으로 전자친화력이 높은 분자는 무엇인가?",
"Tellurium grain에 붙어있는 \\( \\mathrm{O}_{2} \\) 분자가 grain boundary와 intergrain 영역에서 포획하는건 전자인가요?",
"Tellurium grain에 흡착된 \\( \\mathrm{O}_{2} \\) 분자는 어느 영역에서 전자를 포획하는가?",
"산소 분자가 음전하로 대전되면 grain boundary와 intergrain 영역에서 정공의 농도는 감소하니?",
"\\( \\mathrm{O}_{2} \\)가 억셉터의 역할을 하게 되면서 음전하가 되는 분자는 뭐야?",
"tellurium film 안정화에 많은 영향을 준 가스는 무엇입니까?",
"열처리 시 가스는 왜 주입한거야?",
"sensitivity는 aging온도가 \\( 200^{\\circ} \\mathrm{C} \\) 일 때 가장 좋았어?",
"그림 \\(6\\)과 \\(7\\)에 의하면 감도에 영향을 끼치는 건 무엇인가?",
"\\( \\mathrm{NO}_{2} \\)는 전자친화력이 높은 가스니?",
"열처리 시간이 증가하면 Te의 피크가 높아지니?",
"\\( \\mathrm{NO}_{2} \\) 분자와 Te 박막은 어떤 결합을 하고 있니?",
"몇 \\(^{\\circ} \\mathrm{C} \\)에서 aging할 때 tellurium film과 \\( \\mathrm{NO}_{2} \\)의 반응을 잘 볼 수 있어?",
"grain들이 가장 많이 형성되는 온도는 \\( 300^{\\circ} \\mathrm{C} \\) 입니까?",
"\\( \\mathrm{NO}_{2} \\)와 \\( \\mathrm{O}_{2} \\)은 무엇이 높다는 특징을 가진 가스인가요?"
] |
0cc2b531-7921-466e-ae31-db79cc5e2204
|
인공물ED
|
Te를 이용한 상온 동작형 \(NO_{2}\) 센서 제작 및 감응 특성
|
<h2>3.2. 기타 대기환경가스의 감응특성</h2><p>제작된 센서의 선택성을 알아보기 위해 대기중에 존재 가능한 여러가지 대기환경가스들과 비교분석을 하였다. 특히 인체에 해로운 대기환경가스인 암모니아 \( \left(\mathrm{NH}_{5}\right) \), 일산화탄소 (\(\mathrm{CO}\)), 아세톤 \( \left(\mathrm{CH}_{3} \mathrm{COCH}_{3}\right) \) 그리고 톨루엔 \( \left(\mathrm{C}_{7} \mathrm{H}_{8}\right) \) 과 비교를 하였다. 아세톤과 톨루엔은 대표적인 VOCs(Volatile Organic Compounds, 휘발성유기화합물) 가스를로서, 대기 중에서 NOx 와 공존하면 햇빛의 작용으로 광화학반응을 일으켜 오존 및 PAN (Peroxyacetyl Nitride)등 광화학 산화성 물질을 생성시켜 광화학 스모그를 유발하는 물질을 통틀어 일컫는 말이다. 발암성을 지난 독성 화학물질로서 광화학산화물의 전구물질이기도 하며 지구온난화의 원인물질이며 악취를 일으키는 유해 물질이다. 이러한 가스들은 제각기 따로 대기 중에 존재하는 것이 아니라 산발적으로 같이 존재를 한다. 따라서 \( \mathrm{NO}_{2} \) 만 검출하는 기술은 반드시 필요한 기술이다. 제작한 tellurium film 센서의 선택성을 조사하기 위하여 열처리 실시 유무에 따른 선택도 변화를 조사하였다.</p><p>열처리가 감도와 선택성에 어떠한 영항을 미치는지 알아보기 위하여 앞선 실험의 데이터에 의거하여 가장 감도가 좋은 조건 ( Te 500 Å, \(\mathrm{O}_{2}\) 에서 \( 200^{\circ} \mathrm{C}, 1 \mathrm{~h} \) 열처리)과 열처리전 센서의 \( \mathrm{NO}_{2} \) 에 대한 감응 특성을 조사하였다.</p><p>그림 \(8\)에서 보면 tellurium film 열처리 전과 열처리 후의 감도 변화차이를 확실하게 알 수있다. 열처리를 실시하지 않은 순수한 tellurium film은 aging에 의한 안정화가 되지 않아 열처리를 실시한 tellurium film보다 전자의 포획 및 주입에 의한 산화 - 환원반응이 적기 일어난다고 할 수 있다. 하지만 회복속도에서는 열처리를 하지 않은 tellurium film이 빠른 회복시간을 보여준다.</p><p>그림 \(9\)은 \( \mathrm{NH}_{3} \) 에 대한 감응특성을 나타내었다. \( \mathrm{NH}_{3} \)는 TWA(time-weighted average) 노출 한계치 이하인 10 ppm 에서 감도를 측정을 하였다. 결과에서 열처리를 하지 않은 센서는 \( 18.5 \% \) 의 감도를 나타내고 있다. 이는 \( \mathrm{NOx} \) 10 ppm 에서의 감도 \( (20 \%) \) 와 비슷한 수준의 감도를 보인다. 하지만 열처리를 실시한 센서의 감도는 낮은 수준의 감도를 보여주고 있다. \( \mathrm{NH}_{3} \) 전차 친화성 가스이므로 표면에서 tellurium grain boundary내의 전자와 쉽게 결합하여 tellurium의 전도도를 높여주나 \( 200^{\circ} \mathrm{C} \) 에시 열처리를 한 tellurium film은 \( \mathrm{O}_{2} \) 에 대한 안정성을 확보한 상태이므로 열처리를 실시하면 선택성이 좋아짐을 알 수 있었다.</p><p>\( \mathrm{NO}_{2}, \mathrm{NH}_{3}\), \(\mathrm{CO}\) 및 VOCs 에 대한 선택성 실험에 대한 결과를 그림 \(10\) 에서 볼 수 있다. VOCs 와 CO 에 대해서는 열처리 전과 열처리 후 반응성이 거의 없었으며, \( \mathrm{NO}_{2} \) 와 \( \mathrm{NH}_{3} \) 만 반응을 하였다. 특히 열처리 전과 열 처리후를 비교하면 열처리를 실시한 센서가 열처리전의 센서보다 \( \mathrm{NO}_{2} \) 에 대한 감도가 뛰어난 것으로 나타 났으며, 선택성 또한 열처리후의 센서가 열처리전의 센서보다 더 좋은 선택성을 가짐을 알 수 있었다.</p>
|
[
"대기 중에서 NOx 와 공존하면 햇빛의 작용으로 광화학반응을 일으켜 광화학 산화성 물질을 생성시켜 광화학 스모그를 유발하는 물질을 통틀어 일컫는 말은 뭐야?",
"그림 \\(8\\)을 보면 tellurium film 열처리 전후의 감도 변화차이는 없는것을 알 수 있어?",
"가장 감도가 좋은 조건은 어떻게 돼?",
"열처리를 실시한 tellurium film은 aging에 의한 안정화가 되지 않은것을 알 수 있어?",
"그림 \\(9\\)은 무엇에 대해 감응특성을 나타냈어?",
"그림 10에서 무엇에 대한 선택성 실험결과를 볼 수 있었어?",
"제작된 센서의 선택성을 알아보기 위해 무엇을 했어?",
"지문에서 말하는 인체에 해로운 대기환경가스는 뭐가 있어?",
"지문에서 말하는 대표적인 VOCs 가스는 뭐야?",
"열처리 실시 유무에 따른 선택도 변화를 조사한 이유는 뭐야?",
"회복속도에서는 열처리를 수행한 tellurium film이 빠른 회복시간을 보여줘?"
] |
c6e4a0e1-0767-4afd-a7e5-f37533c27286
|
인공물ED
|
Te를 이용한 상온 동작형 \(NO_{2}\) 센서 제작 및 감응 특성
|
<h1>2. 실험 방법</h1><p>알루미나 \( \left(\mathrm{Al}_{2} \mathrm{O}_{3}\right) \) 기판 전면에 PR (AZ 1512) coat-ing, mask #1을 이용하여 photolithography 작업 후, IDT (inter-digit)구조의 감지전극을 형성하였다. 전극으로는 DC sputter로 Pt를 증착하였으며 선폭 및 선간간격은 각각 \( 2 \mathrm{~mm} \) 이다. 알루미나 기판을 사용한 이유는 silicon wafer나 유리기판보다 surface rough가 뛰어나기 때문에 tellurium을 보다 안정하게 증착하여 기판과 결합시킬 수 있기 때문이다.</p><p>IDT 패턴의 경화를 위해 \( 600^{\circ} \mathrm{C}, \mathrm{N}_{2} \) 분위기에서 2 시간 동안 열처리를 하였다. 그 다음, 감지막을 헝성하기 위해, shadow mask(mask #2)를 이용하여 tellurium short (Aldrich사, \( 99.99 \% \) )을 thermal evaporator로 각각 \( 0.05 \mathrm{~g}, 0.1 \mathrm{~g}, 0.2 \mathrm{~g} \) 을 열증착하여 형성하였나. 감지막의 두께 및 열처리에 따른 감응특성을 조사하기 위해 표 1에서와 같이 두께와 열처리 조건을 변화시켜 측정 하였다. 그림 1 은 제작된 센서의 단면도와 센서의 사진을 나타내었다.</p><p>제작된 소자의 가스감지 특성을 조사하기 위하여 가스측정 system을 제작하였다. 시험대상 가스로는 \( \mathrm{NO}_{2} \)가스를 사용하였고, 2개의 MFC(mass flow controller)를 이용하여 농도를 조절하였으며 air를 반송가스로 사용하였다.</p><p>주입된 가스의 농도에 따른 센서의 저항변화분을 DAQ (data acquisition board)를 이용하여 취득하고, LabVIEW로 실시간 모니터링하였다. 감도(sensitivity) 는 식 (1)과 같이 정의하였다.</p><p>\( S( \)sensitivity,\( \%)=\frac{R_{\text {gas }}-R_{\text {air }}}{R_{\text {air }}} \times 100 \)<caption>(1)</caption></p><p>여기서 \( S \) 는 감도를 의미하며, \( R_{a i r} \) 와 \( R_{gas} \) 는 각각 공기 중의 센서저항과 가스 반응 시의 센서저항을 나타낸다. \( 90 \% \) 의 감도라 하면 공기 중의 저항보다 가스 반응시의 저항이 \(10\) 배 감소한 것을 의미한다. 통상적으로 가스 반응시, 저항이 작아지면 \( S \) 는 음의 값은 가지나 본 실험에서는 편의상 양의 값으로 표현을 하였다.</p>
|
[
"알루미나 기판 전면에 photolithography 작업 후, IDT 구조의 무엇을 형성하였는가?",
"전극의 선폭 및 선간간격은 각각 몇 밀리미터인가?",
"알루미나 기판을 사용한 이유는 무엇인가?",
"IDT 패턴의 경화를 위해 몇 시간 동안 열처리를 해야 하는가?",
"감지전극 형성 실험 때 어떤 기판을 사용하는가?",
"감을특성을 조사하기 위해 두께와 열처리 조건을 변화시켜 측정해야 하는가?",
"DAQ를 이용하여 무엇을 취득하였는가?",
"감도를 의미하는 기호는 무엇인가?",
"무엇이 감도를 뜻하는 기호일까?",
"가스측정 system을 제작한 목적이 무엇인가?",
"감지막을 형성하기 위해 텔루륨 쇼트를 열 증발기로 각각 열증착하는가?",
"90% 의 감도는 공기 중의 저항보다 가스 반응시의 저항이 몇 배 감소한 것인가?",
"감도 식으로 옳은 것은?"
] |
422e0725-a2a8-4c99-866f-21b15003fac5
|
인공물ED
|
Te를 이용한 상온 동작형 \(NO_{2}\) 센서 제작 및 감응 특성
|
<h1>4. 결론</h1><p>Te 를 이용한 센서를 제작한 후 \( \mathrm{NO}_{2} \) 에 대해서 두께, 열처리 온도, 열처리 시 주입가스에 따른 상온에서의 감도를 측정해 보았다. 응답속도는 수 초 내로 이루어 졌으며 회복 속도는 수 분 이상 필요하다는 점을 확인하였다. 상온에서도 \( \mathrm{NO}_{2} \) 를 감지하여 센서로서의 역할을 함을 알 수 있었으며 기존의 가스센서에 내장되는 히티를 사용하지 않아 저전력으로 센서를 동작시킬 수가 있었다. 하지만 회복속도를 조금 더 개선하기 위하여 화학적 결합을 해체시키는 열에너지가 필요하다는 점을 확인할 수 있었다. 열처리 온도가 \( 200^{\circ} \mathrm{C} \) 일 때, 그리고 두께는 500Å 일 때, \( \mathrm{O}_{2} \) 분위기에서 열처리를 하였을 때 가장 감도가 우수하게 나타났다. 그리고 선택성 역시 열처리후의 센서가 열처리를 하지 않은 센서보다 우수한 특성을 가짐을 알 수 있었으며 열처리 후 감도 역시 우수해짐을 알 수 있었다. 또한, 가스를 감지하였을 때 흡착가스에 의하여 가전자 대역의 전자를 포획함으로써 전기 전도도가 높아지고 전기 저항이 작아짐으로써 tellurium이 P형 반도체의 특성을 가짐을 확인하였다.</p>
|
[
"지문에서 무엇을 이용해서 센서를 만들었어?",
"무엇을 이용해서 센서를 제작했지?",
"열처리를 한 센서가 감도가 우수한가?",
"선택성의 경우 열처리를 하지 않은 센서가 열처리후 센서보다 우수한 특성을 가지는가?",
"가장 감도가 우수하게 나타나는 경우는 어떤 방법으로 했어?",
"어떤 방법으로 했을 때 가장 감도가 우수하게 나타나지?",
"회복속도를 조금 더 개선하기 위해서 필요한 것은 뭐야?",
"무엇이 회복속도를 조금 더 개선하기 위해서 필요하지?",
"\\( \\mathrm{NO}_{2} \\) 에 대해서 무엇에 따른 상온에서의 감도를 측정했어?",
" 무엇에 따른 상온에서의 감도를 \\( \\mathrm{NO}_{2} \\) 에 대해 측정했어?",
"측정후에, 응답속도는 수 분 이상 필요하고 회복 속도는 수 초 내로 이루어지는 것을 확인했어?",
"상온에서 \\( \\mathrm{NO}_{2} \\)를 감지하여 센서로서의 역할은 할 수 없어?"
] |
a368a35e-b0b3-4dd7-be34-2380900628c8
|
인공물ED
|
반도체/LCD PR 제거용 EC의 재이용 기술에 관한 연구
|
<h1>II. EC에 의한 PR 박리공정</h1> <p>반도체 회로 및 LCD 평판 제조 공정에 사용되는 정밀가공 공정의 대부분은 노광에 의한 마스크 형상이 형성되어 절연막, 유전체막 또는 금속막을 미세 가공하는 식각(etching) 공정에 의해 이루어진다. 노광공정의 전반부에는 감광물질의 도포, 식각공정 후에는 감광물질의 제거 공정을 수반한다. 즉, 식각공정 후에는 마스크 물질로 사용된 PR 물질을 제거하여야 한다. 일반적으로 PR은 용해억제(dissolution inhibition resist)형 감광작용을 하는 PAC(photo active compound) 및 물리적 형상(physical image)을 형성하는 폴리머(polymer)로 구성되는 2 성분계이며, 점도 조절을 위한 솔벤트및 염료(dye)가 추가로 첨가된다. 폴리머는 물리적 형상을 유지하는 역할을 하고 유기물(organic) 솔벤트 또는 수계 용액(aqueous base solution)에 용해되며 기판과의 접착력을 유지한다. PAC는 광감응 반응에 의해서 잠재적 형상(latent image)을 형성한다. 노광 전의 PAC는 수계 용액에 용해되지 않는 억제제(inhibitor)특성을 가지며 PR 속에 약 15～20 \(\%\)\(\mathrm{wt}\) 함유된다. 노광에 의하여 용해 억제제가 화학반응을 거쳐 현상액에잘 녹는 화합물로 변하며, 빛을 받은 지역은 현상액에 녹고 빛을 받지 않은 지역에는 용해 억제제가 그대로 존재하여 패턴을 형성하게 된다. 노광 및 에칭 공정을 거쳐서 공정 목적 종료한 뒤에는 PR을 제거 및 세정하는 공정이 진행 된다. 종래의 대량 생산 공정에 적용되는 습식 PR 박리 세정 공정의 일반적인 약액은 약 4종류가 알려져 있다. 각 박리 약액의 특성 및 단점은 다음과 같다.</p> <p>1. 황산(\(\mathrm{H_{2}SO_{4}}\)) +과산화수소(\(\mathrm{H_{2}O_{2}}\))</p> <p>- 폐가스, 폐수의 다량 발생으로 환경 부하가 크고처리 비용 고가, 황산의 재이용 효율 낮음.</p> <p>- 이온주입(ion-implant ) 처리를 수행한 PR은 간단하게 박리 하지 못하며, 기판 금속에 영향을 주지않는 플라즈마 에싱(ashing) 공정이 필요</p> <p>2. 유기용제(아민계, NMP계등 )</p> <p>- 약액 코스트가 비싸고, 직접 접촉 시 위험물</p> <p>- 박리 속도가 가장 빠르게 작용하나, PR 박리 후초순수에 의한 세정 이전 공정에서 용제 치환을 위해 배수 처리를 필요로 하므로 경제성이 나쁨</p> <p>3. 오존수</p> <p>- PR 박리 속도가 용존 오존의 농도에 좌우되고, 고농도 오존화 초순수의 제조에 장치비가 소요</p> <p>- 기판의 배선 금속에 영향을 줌(산화)</p> <p>4. 오존 + 초산액</p> <p>- 비교적 빠른 PR 박리 속도를 보이나, 초산은 위험물로 분류</p> <p>- \(\mathrm{Cu}\) 패턴 배선에 영향을 줌</p> <p>본 연구는 위 공정들의 단점을 개선하기 위한 EC를기반으로 하는 PR 박리 세정 공정에 관한 것이다. EC는 강력한 PR 박리 세정용 유기용제로써, 분자식은 \(\mathrm{C_{3}H_{4}O_{3}}\)이고 비중은 1.321이며 물성 및 안전성은 표 1에 나타난 바와 같다. 본 연구에서는 이 같은 특성을이용하여 EC를 반도체/LCD PR 제거 및 세정 공정에사용한 다음, 오존의 선택적 PR 제거 반응을 이용하여박리 세정장비 내에서 직접 EC 내에 존재하는 PR을 소멸시켜 EC를 재생시켜 재사용하는 방법을 개발하고자 한다.</p> <table border><caption>표 1. PR 박리 용제 비교표</caption> <tbody><tr><td></td><td>MEAmonoethanolamin</td><td>NMPN.methylpyrrolidon</td><td>ECethylene carbona</td></tr><tr><td>비점(°C)</td><td>171</td><td>204</td><td>240</td></tr><tr><td>융점(°C)</td><td>11</td><td>-23</td><td>36</td></tr><tr><td>증기압</td><td>6.7(mmHg)</td><td>4.0(mmHg)</td><td>0.5(mmHg)</td></tr><tr><td>취기(실온</td><td>아민계</td><td>강한 아민계</td><td>무취</td></tr><tr><td>인화점(°C)</td><td>93</td><td>91</td><td>152</td></tr><tr><td>소방법</td><td>4류제3석유류</td><td>제4류제3석유류</td><td>해당 없음</td></tr><tr><td>독극물분류</td><td>극물</td><td>해당 없음</td><td>해당 없음</td></tr><tr><td>오존반응성</td><td>반응</td><td>반응</td><td>반응 거의 없음</td></tr></tbody></table>
|
[
"표 1. PR 박리 용제 비교표에서 무엇이 비점이 가장 높은가?",
"PR에서 점도를 컨트롤하기 위해 어떻게 해야하는가?",
"표 1. PR 박리 용제 비교표에서 아무 냄새가 안 나는 것은 무엇인가?",
"표 1. PR 박리 용제 비교표에서 MEAmonoethanolamin의 비점은 몇 도인가?",
"표 1. PR 박리 용제 비교표에서 독극물이 있는 것은 무엇인가?",
"본 논문에 따르면 식각공정 다음에는 어떻게 해야한다고 하는가?"
] |
e920eb2f-d43c-4f50-b78f-01657d7488dc
|
인공물ED
|
금속 이온이 다중기포 Sonoluminescence 스펙트럼에 미치는 영향 연구
|
<h1>IV. 결과 및 분석</h1> <h2>4.1. 증류수에서의 SL에 대한 고찰</h2> <p>수용액에서 발생되는 SL을 헤석하기에 앞서, 증류수에서 발생하는 SL을 먼저 고찰하였다. 증류수에서의 SL도 조건에 따라 많이 달라지는데, 용존 기체는 중요한 인자 중의 하나이다. 그림 2에 증류수를 받아온 상태와, 아르곤 가스를 충전하였을 때와 가열하여 물속에 녹아있는 기체를 제거하였을 때와 그리고 기체를 제거한 다음 아르곤 가스를 충전하였을 때 얻어자는 SL을 나타내었다. 아르곤 가스는 물의 용해도가 낮아 쉽게 캐비테이션을 발생시키기 때문에 SL 관찰을 위해 널리 사용되는 충진 가스이다. 그림 2 (b)는 그림 2 (a)에 비해 좀더 밝고 푸른색이 눈에 띄는 것을 할 수 있다. 그림 2 (c)는 녹아있는 기체가 없기 때문에 캐비테이션이 잘 발생되지 않이 보다 어둡지만 분명한 공진 마디들을 관측할 수 있었다. 특히 이 겅우에는 녹아있는 기체가 없어서 초음파를 잘 흡수하지 않아 공진이 잘 일어나며, 초음파의 세기가 커지면 공진이 크게 일어나 물이 튀어 오르는 것을 관측할 수 있었다. 마지막으로 그림 2 (d)는 기체를 제거한 후에 아르곤가스를 충전한 경우에 얻어지는 SL 사진이다.</p> <h2>4.2. 금속 이온이 SL의 색에 미치는 영향</h2> <p>금속 이온 수용액에서의 SL의 색과 불꽃 반응색의 사진을 그림 3과 그림 4에 각각 나타내었다. 이사진으로부터 금속 이온 수용액에서의 SL의 색은 그림 2 (d)의 증류수에서의 SL의 색에 대응되는 금속 이온의 불꽃 반응 색이 더혜진 것으로 보인다는 것을 육안으로 알 수 있다. 금속이온에서의 SL의 색이 증류수에서의 SL색과 불꽃반응색의 합성으로 나타내어질 수 있을 것으로 판단하였다. 이를 보다 정량적으로 검증하기 위해 금속 이온 수용액에서의 SL의 색, 증류수에서의 SL 색, 금속 이온 스펙트럼과 불꽃 반응 색을 비교하였다.</p> <p>두 빛이 섞이면, 두 빛의 RGB 성분이 시로 더해진다고 가정하였다. 따라서 두 빛 \( K_{1} \) 과 \( K_{2} \) 이 섞여서 만들어진 빛 \( P \)는 \( K_{1} \) 과 \( K_{2} \) 의 선형결합으로 다음과 같이 표시된다.</p> <p>\( P=K_{1} \alpha+K_{2} \beta \)<caption>(1)</caption></p> <p>이 관계를 이용하여 증류수에서의 SL, 금속 이온 수용액에서의 SL, 불꽃 반응 색과 선 스펙트럼의 RGB 성분을 비교하여 금속 이온에서의 SL의 색깔 변화의 과정을 설명하였다. 각각의 이미시에서의 RGB 성분은 사진에서 5개의 점을 갈라 RGB 성분을 추출하여 평균을 하여 구하였다. 그리고 선 스펙트림에 해당하는 RGB 성분은 단색광 파장과 RGB 성분 사이의 대응 표를 이용하여 얻었다.</p> <h2>4.3. 금속 이온 수용액에서의 SL의 색상 분석</h2> <p>주어진 빛은 해당하는 RGB값을 성분으로 하는 하나의 벡터라 할 수 있다. 어떤 빛이 식 (1)과 같이 두 빛의 선형결합으로 표시된다면 이들 세 빛 벡터는 한 평면위에 존재해야 한다. 따라서, 두 빛이 섞여 다른 빛이 만들어진다면 가장 큰 각은 나머지 두각의 합과 깉아야 한다. 그리고 이렇게 각의 차이가 없을 경우 이 세 빛은 식 (1)을 만족하여 선형결합으로 표현된다.</p> <p>그림 5-8은 대표적으로 리튬과 스트론튬에 대해서 각각 선스펙트럼 (L)과 불꼿반응색 (F)을 금속이온 수용액의 SL (S), 증류수의 SL (W)과 비교한 것을 나타내었다. 리튬과 선스펙트럼에 대해 각각의 각도를 정리하여 표 1과 표 2에 나타내었다. 그 결과로 리튬은 불꽃색과 선스펙트럼 두 경우 모두가 두각의 합이 나머지 한 각으로 일치하였지만, 스트론튬에서는 불꽃색의 경우에서는 일치하지만 선스펙트럼의 경우에는 맞지 않는다는 사실을 알 수 있었다. 이것은 리튬의 SL 색이 증류수에서의 SL색과 불꽃반응색의 선형결합으로 표현되지만 선스폑트럼에서 강한 initensity를 보이는 색과는 합성되지 않음을 나타낸다. 이것은 리튬의 경우에는 선 스펙트럼 색과 불꽃 반응색이 크게 다르지 않아 둘 다 일치하는 것으로 보이고, 스트론튬의 경우에는 리튬과 달리 선 스펙트럼 색과 불꽃 반응색이 달라 어느 한쪽 (불꽃 반응색)에서는 일치하나 다른 한쪽 (선 스펙트럼색) 에서는, 일치하지 않는 것으로 볼 수 있다.</p> <table border><caption>표 1. 리튬 RGB 벡터 사이 각</caption> <tbody><tr><td></td><td>각 WOF</td><td>각 WOS</td><td>각 SOF</td></tr><tr><td>불꽃반응 비교</td><td>\( 45.59^{\circ} \)</td><td>\( 17.93^{\circ} \)</td><td>\( 27.99^{\circ} \)</td></tr><tr><td></td><td>각 WOL</td><td>각 WOS</td><td>각 LOS</td></tr><tr><td>선 스펙트럼 비교</td><td>\( 54.26^{\circ} \)</td><td>\( 17.93^{\circ} \)</td><td>\( 36.36^{\circ} \)</td></tr></tbody></table> <table border><caption>표 2. 스트론튬 RGB 벡터 사이 각</caption> <tbody><tr><td></td><td>각 WOF</td><td>각 WOS</td><td>각 SOF</td></tr><tr><td>불꽃반응 비교</td><td>\( 44.53^{\circ} \)</td><td>\( 36.38^{\circ} \)</td><td>\( 8.89^{\circ} \)</td></tr><tr><td></td><td>각 WOL</td><td>각 WOS</td><td>각 LOS</td></tr><tr><td>선 스펙트럼 비교</td><td>\( 45.66^{\circ} \)</td><td>\( 36.38^{\circ} \)</td><td>\( 54.03^{\circ} \)</td></tr></tbody></table> <p>또한 다양한 종류의 금속에 대혜서 분석한 결과로 다음과 같은 사실을 알 수 있다. 리튬이나 나트륨과 같은 알칼리 금속 이온 수용액의 SL은 증류수의 SL과 불꽃 반응색이나 선스펙트럼의 합성으로 표시가 가능하였다. 반면에 칼슘과 스트론튬과 같은 알칼리 토금속 이온 수용액의 SL은 증류수의 SL과 불꽃 반응 색의 합성으로 표시가 가능하였지만 선스펙트럼의 합성으로는 표시되지 않았다. 그러나 예외적으로 마그네슘의 SL의 색은 마그네슘의 선 스펙트럼 색과 비슷하게 나타났는데. 이는 마그네슘의 SL의 색과 선 스펙트럼 색이 둘 다 모든 색의 합성인 흰색으로 나타나기 때문일 것으로 생각된다.</p> <p>아러한 현상은 SL이 발생되는 환경의 온도 때문으로 추측된다. 불꽃 반응 실험 환경의 온도는 선 스펙트럼 관측 실험 환경의 온도에 비해 상대적으로 낮기 때문에 짧은 파장의 빛은 불꽃 반응 색에서 관측되기 어렵다. 알칼리 금속의 경우는 선 스펙트럼에서 가장 밝은 색이 붉은색 계열로 불꽃반응 색과 유사한 반면에 알칼리 토금속의 경우는 선 스펙트럼에서 가장 밝은 색이 푸른 색 계열로 불꽃 반응 실험의 붉은 색 계열과는 다르다. 이상을 종합하여 고찰하여 우리는 SL의 온도가 불꽃 반응 실험 환경과 비슷한 온도일 것이라고 추론하였고 이는 다른 연구결과와 유사하다.</p>
|
[
"선 스펙트림에 해당하는 RGB 성분을 어떻게 얻었어?",
"금속 이온에서의 SL의 색깔 변화의 과정의 설명을 어떻게 했어?",
"리튬은 불꽃색과 선스펙트럼 두 경우 모두가 두각의 합이 나머지 한 각으로 일치하는 것을 바탕으로 알 수 있는 것은 어떻게 돼?",
"선 스펙트럼에서 각 WOS일 때의 값은 어떻게 돼?",
"세 빛의 벡터는 어떻게 존재해야해?",
"선 스펙트럼 비교에서 각 SOF의 값은 뭐야?",
"수용액에서 발생되는 SL을 헤석하기에 앞서 진행한 것은 어떻게 돼?",
"리튬의 불꽃반응 비교실험에서 각이 WOS라면 값은 뭐가돼?",
"증류수에서의 중요한 인자는 어떻게 돼?",
"그림 2(c)에서 캐비테이션이 잘 발생되지 않이 보다 어둡지만 분명한 공진 마디들을 관측할 수 있는 이유는 어떻게 돼?",
"아르곤 가스를 충전하였을 때 얻어자는 SL을 나타내기전에 진행한 실험은 어떻게 돼?",
"선 스펙트럼 비교에서 각 LOS일때의 값은 뭐야?",
"아르곤 가스가 SL 관찰을 위해 널리 사용되는 가스인 이유는 어떻게 돼?",
"초음파의 세기가 커지게 되면 나타나는 현상은 어떻게 돼?",
"리튬은 불꽃색과 선스펙트럼에 대한 결과는 어떻게 나왔어?",
"실험을 진행할때 가정한것은 어떻게 돼?",
"리튬 실험 중 각WOF에서 \\( 54.26^{\\circ} \\)이 나왔다면 불꽃반응비교와 선 스펙트럼 비교 중 어떤 것에 관한 결과일까?",
"리튬의 불꽃반응 비교에서 각 WOF에서의 값은 어떻게 나왔어?",
"녹아있는 기체가 없는 경우에 나타나는 현상은 어떻게 돼?",
"불꽃반응 비교에서 값이 \\( 8.89^{\\circ} \\)이 나왔다면 이때의 각은 뭘까?",
"두 빛이 섞여 다른 빛이 만들어진다면 가장 큰 각은 어떻게 되어야해?",
"\\( 27.99^{\\circ} \\)의 값은 불꽃반응실험에서 각을 어떻게 설정했을 때의 값이야?",
"스트론튬에 대한 실험 결과는 어떻게 나왔어?",
"정량적으로 검증하기 위해서 어떻게 했어?",
"불꽃반응 비교에서 각 WOF일때 값이 \\( 44.53^{\\circ} \\)로 나왔다면 이것은 어떤 것에 대한 실험의 결과야?",
"불꽃반응 비교에서 각 WOS일 때의 값은 어떻게 나왔어?"
] |
3b2b35cc-0561-432a-84fc-853fdbc945b6
|
인공물ED
|
움직임 벡터에 의한 관심영역 기반의 HEVC 고속 부호화 유닛 결정 방법
|
<h1>III. 실 험</h1> <p>표 4에 명시한 시스템 환경에서 시뮬레이션을 수행하였다. HM과 제안하는 알고리즘의 성능비교를 위해 영상별 BDBR 값과 부호화 시간을 계산하였다.</p> <p>\( TS(\%)=\frac{\mathrm{T}_\text{ref}-\mathrm{T}_\text{prop}}{\mathrm{T}_\text{ref}} \times 100 ~~~\)<caption>(7)</caption></p> <p>\( \mathrm{T}_\text{ref} \)는 HM의 부호화 시간이고 \( \mathrm{T}_\text{prop} \)는 제안하는 알고리즘의 부호화 시간으로 식 (7)에 근거하여 HM 대비 본 알고리즘의 시간 감소율을 백분율로 계산하였다. 양자화 매개변수를 달리해서 시뮨레이션 한 4개의 측정값의 BDBR과 TS값을 구한 뒤 평균값을 구하여 표 5에 결과를 입력 하였다. 영상 각각의 평균값에 대해 다시 평균을 계산하여 전체 평균값을 계산해 알고리즘의 전체 성능을 구하여 타 논문과의 성능 및 영상별 시뮬레이션 견과 비교가 원활히 이루어질 수 있도록 하였다. 실험 결과로 HM 14.0 대비 최대 \( 55.6 \% \), 최소 \( 40.5 \% \) 평균 약 \( 44.8 \% \)의 부호화 시간 감소를 이루어 냈다. 타 논문들과 비교해볼 때 \( { }^{[7]} \)에서 최대 \( 64.0 \% \), 최소 \( 30.8 \%\), \({ }^{[8]} \)에서 최대 \( 39.9 \% \), 최소 \( 12.7 \%\), \({ }^{[9]} \)에서 최대 \( 65.6 \% \), 최소 \( 21.2 \% \)의 성능을 가진다. 제안하는 알고리즘의 시간감소율의 최대, 최소 편차가 \( 15.1 \% \) 이며 타 논문의 편차인 \( 33.2 \% \), \( 27.2 \%\), \(44.4 \%\)에 비해 다소 낮은 수치로 고속 부호화기 성능의 안정적인 동작을 보증한다.</p> <table border><caption>표 5. 제안하는 알고리즘의 시뮬레이션 결과</caption> <tbody><tr><td rowspan=2 colspan=2></td><td colspan=2>Proposed</td><td colspan=2>\( [7] \)</td><td colspan=2>\( [8] \)</td><td colspan=2>\( [9] \)</td></tr><tr><td>BDBR (\(\%\))</td><td>TS (\(\%\))</td><td>BDBR (\(\%\))</td><td>TS (\(\%\))</td><td>BDBR (\(\%\))</td><td>TS (\(\%\))</td><td>BDBR (\(\%\))</td><td>TS (\(\%\))</td></tr><tr><td rowspan=3>\( 1920 \times 1080 \)</td><td>BQTerrace</td><td>0.7</td><td>55.6</td><td>1.3</td><td>42.7</td><td>0.3</td><td>21.5</td><td>0.3</td><td>47.5</td></tr><tr><td>Cactus</td><td>1.6</td><td>43.0</td><td>0.5</td><td>43.5</td><td>0.3</td><td>19.2</td><td>2.2</td><td>48.0</td></tr><tr><td>Kimano</td><td>1.9</td><td>43.6</td><td>0.8</td><td>38.0</td><td>0.5</td><td>26.5</td><td>0.8</td><td>47.9</td></tr><tr><td>\( 1280 \times 720 \)</td><td>FourPeople</td><td>1.9</td><td>50.7</td><td>1.1</td><td>64.0</td><td>0.0</td><td>16.2</td><td>1.6</td><td>65.6</td></tr><tr><td rowspan=3>\( 832 \times 480 \)</td><td>PartyScene</td><td>2.6</td><td>40.5</td><td>1.0</td><td>40.0</td><td>0.2</td><td>13.9</td><td>0.4</td><td>33.0</td></tr><tr><td>RaceHorsesC</td><td>3.4</td><td>40.7</td><td>1.0</td><td>34.1</td><td>0.4</td><td>15.9</td><td>1.1</td><td>26.1</td></tr><tr><td>BasketballDrill</td><td>2.0</td><td>42.0</td><td>1.9</td><td>44.0</td><td>0.1</td><td>14.2</td><td>2.0</td><td>37.0</td></tr><tr><td rowspan=3>\( 416 \times 240 \)</td><td>RaceHorses</td><td>4.7</td><td>44.9</td><td>0.7</td><td>30.8</td><td>0.4</td><td>39.9</td><td>0.7</td><td>21.2</td></tr><tr><td>BasketballPass</td><td>3.6</td><td>43.2</td><td>1.5</td><td>35.4</td><td>0.1</td><td>12.7</td><td>1.2</td><td>27.7</td></tr><tr><td>BlowingBubbles</td><td>3.0</td><td>44.1</td><td>2.2</td><td>39.7</td><td>0.3</td><td>12.7</td><td>0.3</td><td>31.5</td></tr><tr><td colspan=2>Average</td><td>2.5</td><td>44.8</td><td>1.2</td><td>41.2</td><td>0.3</td><td>19.3</td><td>1.1</td><td>38.6</td></tr></tbody></table> <p>측정한 BDBR 값에 대해서는 평균적으로 \( 2.5 \% \)의 증가율을 보이는데 낮은 해상도의 \( 416 \times 240 \) WQVGA 크기의 영상에서 \( 4.7 \% \)까지 나왔지만 해상도가 커질수록 BDBR 수치가 점점 좋아져 가장 큰 해상도인 \( 1920 \times 1980 \) Full-HD 사이즈에서 최대 \( 0.7 \% \)까지 성능이 향상되었다. 본 알고리즘의 특성상 정적인 부분이 많은 영상에서 성능이 좋게 측정되기 때문에 고해상도 영상이 가지는 특징 중 넓은 배경영역으로 인한 정적인 부분이 많이 존재하는 성질로 해상도가 높은 영상의 BDBR 성능이 타 논문과 비교했을 때 좋아지는 것을 확인하였다.</p>
|
[
"[9] 방법에서 Cactus 영상의 부호화 시간 감소율은 얼마니?",
"어떤 방법의 Kimano 영상의 BDBR 증가율이 [9] 방법과 동일한 값을 가지니?",
"[7] 방법에서 최소값의 부호화 시간 감소율을 가진 \\( 832 \\times 480 \\) 크기의 영상은 무엇인가?",
"\\( 1920 \\times 1080 \\) 크기 영상에서 Proposed 방법의 부호화 시간 감소율이 최소인 영상은 뭐야?",
"\\( 1920 \\times 1080 \\) 크기의 어떤 영상이 [7] 방법에서 BDBR 증가율이 가장 적니?",
"\\( 1920 \\times 1080 \\) 크기 영상에서 [8] 방법의 BDBR 증가율이 최대치인 영상은 무엇이야?",
"BQTerrace 영상의 BDBR 증가율이 가장 높은 방법은 어떤 것이야?",
"\\( 1920 \\times 1080 \\) 크기 영상에서 [8] 방법의 BDBR 증가율이 BQTerrace와 같은 영상은 어떤거야?",
"[9] 방법에서 BQTerrace 영상의 BDBR 증가율은 얼마인가?",
"BQTerrace 영상의 BDBR 증가율이 [8] 방법과 같은 방법은 무엇일까?",
"어떤 방법이 Cactus 영상의 BDBR 증가율이 두 번째로 클까?",
"어떤 방법이 Cactus 영상의 부호와 시간 감소율이 최대인가?",
"Kimano 영상의 가장 적은 부호화 시간 감소율은 얼마니?",
"FourPeople의 영상 크기는 얼마야?",
"FourPeople 영상의 BDBR 증가율이 0인 방법은 어떤 것이냐?",
"FourPeople 영상의 부호화 시간 감소율이 두 번째로 적은 방법은 어떤거니?",
"Proposed 방법에서 BDBR 증가율이 가장 높은 \\( 832 \\times 480 \\) 크기의 영상은 무엇이야?",
"Proposed 방법에서 부호화 시간 감소율이 최고인 \\( 832 \\times 480 \\) 크기의 영상은 어떤 것이니?",
"[7] 방법에서 BDBR 증가율이 RaceHorsesC 영상과 같은 \\( 832 \\times 480 \\) 크기의 영상은 어떤거야?",
"[8] 방법에서 어떤 \\( 832 \\times 480 \\) 크기 영상의 BDBR 증가율이 두 번째로 적을까?",
"\\( 1920 \\times 1080 \\) 크기 영상에서 Proposed 방법의 BDBR 증가율이 가장 큰 영상은 어떤거야?",
"Kimano 영상의 가장 큰 BDBR 증가율은 얼마인가?",
"FourPeople 영상이 최대의 BDBR 증가율을 가지는 방법은 뭐야?",
"[8] 방법에서 어떤 \\( 832 \\times 480 \\) 크기 영상의 부호화 시간 감소율이 이 두 번째로 크니?",
"[9] 방법에서 부호화 시간 감소율이 33.0인 \\( 832 \\times 480 \\) 크기 영상은 무엇일까?",
"[9] 방법에서 BDBR 증가율이 1.1인 \\( 832 \\times 480 \\) 크기 영상은 무엇이야?",
"어떤 방법에서 PartyScene 영상의 BDBR 증가율이 두 번째로 작을까?",
"어떤 방법에서 PartyScene 영상의 부호화 시간 감소율이 최소치를 가질까?",
"RaceHorsesC 영상의 BDBR 증가율이 [7] 방법과 차이가 가장 적은 방법은 어떤거지?",
"BasketballDrill 영상의 BDBR 증가율이 Proposed 방법과 동일한 방법은 뭐야?",
"BasketballDrill 영상의 부호화 시간 감소율이 [9] 방법 보다 적은 크기를 가진 방법은 어떤 것이니?",
"\\( 416 \\times 240 \\) 크기 영상에서 Proposed 방법의 최저치 BDBR 증가율은 얼마지?",
"\\( 416 \\times 240 \\) 크기 영상에서 Proposed 방법의 최고치 부호화 시간 감소율은 얼마지?",
"\\( 416 \\times 240 \\) 크기 영상에서 [7] 방법의 BDBR 증가율이 2.2인 영상은 무엇인가?",
"RaceHorsesC 영상의 부호화 시간 감소율이 40.7인 방법은 무엇이지?",
"어떤 방법의 RaceHorsesC 영상의 부호화 시간 감소율이 40.7인가?",
"\\( 416 \\times 240 \\) 크기 영상에서 [8]방법의 BDBR 증가율이 BasketballPass 영상과 차이가 가장 큰 영상은 어떤거지?",
"\\( 416 \\times 240 \\) 크기 영상에서 [8]방법의 부호화 시간 감소율이 BlowingBubbles 영상과 동일한 영상은 무엇이냐?",
"표 5을 보면 어떤 영상이 \\( 416 \\times 240 \\) 크기 영상에서 [8]방법의 부호화 시간 감소율이 BlowingBubbles 영상과 같지?",
"\\( 416 \\times 240 \\) 크기 영상에서 [9]방법의 최대치 BDBR 증가율과 가장 가까운 값을 가진 영상은 무엇이야?",
"\\( 416 \\times 240 \\) 크기 영상에서 [9]방법의 최대치 부호화 시간 감소율과 차이가 가장 큰 영상은 어떤거니?",
"RaceHorses 영상에서 어떤 방법의 BDBR 증가율이 [7] 방법과 같으니?",
"RaceHorses 영상에서 어떤 방법의 부호화 시간 감소율이 최소값을 가지고 있어?",
"BlowingBubbles 영상의 어떤 방법에서 부호화 시간 감소율이 두 번째로 높을까?",
"BasketballPass 영상에서 어떤 방법의 BDBR 증가율이 [9] 방법 보다 적을까?",
"Proposed 방법에서 BDBR 증가율이 가장 큰 영상은 뭐야?",
"표 5를 보명 어떤 영상이 Proposed 방법에서 BDBR 증가율이 가장 크지?",
"BasketballPass 영상에서 어떤 방법의 부호화 시간 감소율이 [7] 방법 보다 더 클까?",
"Proposed 방법에서 부호화 시간 감소율이 두 번째로 큰 영상의 크기는 얼마지?",
"[9] 방법의 BDBR 증가율 평균값은 얼마야?",
"BDBR 증가율의 평균값이 가장 적은 방법은 어떤 것이니?",
"[7] 방법에서 BDBR 증가율이 가장 적은 영상은 어떤거야?",
"어떤 방법의 BDBR 증가율 평균값이 가장 높을까?",
"부호화 시간 감소율 평균값이 [9] 방법 보다 적은 방법은 어떤거니?",
"어떤 방법의 부호화 시간 감소율 평균값이 최대치를 가질까?",
"[9] 방법에서 BDBR 증가율이 평균값과 동일한 \\( 832 \\times 480 \\) 크기 영상은 뭐야?",
"[9] 방법에서 부호화 시간 감소율이 두 번째로 적은 영상의 크기는 얼마나 되니?",
"[7] 방법에서 부호화 시간 감소율이 최소치를 가지는 영상은 무엇이야?",
"[8] 방법에서 부호화 시간 감소율이 평균값과 차이가 가장 적은 영상은 무엇이니?",
"[7] 방법의 부호화 시간 감소율 평균값은 어떻게 되나?",
"BlowingBubbles 영상의 어떤 방법에서 BDBR 증가율이 [8] 방법과 같을까?",
"\\( 1920 \\times 1080 \\) 크기의 어떤 영상이 [7] 방법에서 부호화 시간 감소율이 가장 크나?",
"[8] 방법에서 BDBR 증가율이 평균값과 같은 \\( 416 \\times 240 \\) 크기의 영상은 어떤 것이야?"
] |
45be9b50-0fb4-45a1-b2f8-70a937075168
|
인공물ED
|
적응형 임계값을 이용한 오차확산 방법
|
<h1>III. 실 험</h1> <p>제안된 알고리즘을 바탕으로 기존의 알고리즘(FS, \( \mathrm{SF}, \mathrm{JJN}, \mathrm{ST} \) 그리고 \( \mathrm{LPS}) \) 과 비교 평가한다. 실험에 사 용된 입력 영상은 \( 256 \times 256 \) 크기의 계조영상이며, Lenna 영상 외에 그림 19의 9가지의 영상(Airfield, Airplane, Baboon, Bridge, Couple, Crowd, Girl, Man 및 Peppers) 을 대상으로 실험하였다.</p> <h2>1. 실험 결과의 비교</h2> <p>원영상과 결과 영상 간의 평균 제곱 오차 (mean square error : MSE)와 영상의 최대 신호 대 잡음비 (Peak Signal to Noise Ratio : PSNR)를 사용해서 오차 확산된 영상의 성능을 평가했다. 일반적으로 \( \mathrm{MSE} \) 는 원 영상과의 오차 값이므로 작을수록 화질이 좋고, PSNR은 영상의 화질을 평가하는 기준으로 높은값(큰 값)이 좋다. 예를 들어 원영상 자신과의 PSNR은 무한대의 값으로 나온다. 이와 같이 화질이 좋은 영상의 경우 화질이 좋지 않은 영상에 비해 큰 PSNR 값을 가진다. 원영상과 결과 영상 간의 MSE와 PSNR은 식(4)와 식(5)로 표현된다.</p> <p>\( M S E=\frac{1}{N} \sum_{i=1}^{N}\left(A_{i}-B_{i}\right)^{2} \)<caption>(4)</caption></p> <p>\( P S N R=10 * \log _{10}\left(\frac{255^{2}}{M S E}\right) d B \)<caption>(5)</caption></p> <p>표1과 표2는 오차확산의 기본적인 알고리즘인 FS, JJN, ST, SF 및 LPS 알고리즘에 대해서 그림 19 의 영상을 오차확산을 수행하여 MSE, PSNR을 비교한 결과이다.</p> <p>결과를 살펴보면 5가지 알고리즘의 데이터 중에서 단연 LPS 알고리즘이 다른 결과와 비교해서 MSE 수치가 낮고, PSNR 수치가 높은 것을 알 수 있듯이 일반적인 커널보다 대칭형 커널이 좋은 결과를 얻었다.</p> <p>전체적인 커널의 성능을 살펴보면 단연 \( \mathrm{LPS}>\mathrm{JJN} \) \( >\mathrm{ST}>\mathrm{FS}>\mathrm{SF} \) 순으로 나타났다. 이는 커널의 특성을 나타낼 수 있는데 JJN은 FS를 개선하여 더 좋은 결과를 나타내고, ST의 경우는 경계점을 잘 찾아내기 위해서 가중치를 더 주었기 때문이다.</p> <table border><caption>표 1. 오차확산 실험 결과(MSE)</caption> <tbody><tr><td>Image</td><td>TS</td><td>JZN</td><td>ST</td><td>SF</td><td>LPS</td></tr><tr><td>Airfied</td><td>13072</td><td>11572</td><td>11752</td><td>13606</td><td>9046</td></tr><tr><td>Aimlane</td><td>16201</td><td>10337</td><td>10552</td><td>17003</td><td>7614</td></tr><tr><td>Baboon</td><td>12794</td><td>10633</td><td>11160</td><td>13464</td><td>8685</td></tr><tr><td>Bridge</td><td>13456</td><td>1677</td><td>11904</td><td>14150</td><td>9519</td></tr><tr><td>Couple</td><td>14267</td><td>13003</td><td>13366</td><td>14525</td><td>11443</td></tr><tr><td>Crowd</td><td>15162</td><td>10855</td><td>11344</td><td>16847</td><td>8882</td></tr><tr><td>Girl</td><td>17228</td><td>11125</td><td>11515</td><td>11796</td><td>10225</td></tr><tr><td>Lenna</td><td>13576</td><td>12536</td><td>12840</td><td>14003</td><td>10275</td></tr><tr><td>Man</td><td>13953</td><td>12552</td><td>12960</td><td>14441</td><td>10260</td></tr><tr><td>Peppers</td><td>13408</td><td>12491</td><td>12755</td><td>13802</td><td>9811</td></tr></tbody></table> <table border><caption>표 2. 오차확산 실험 결과(PSNR)</caption> <tbody><tr><td>lmage</td><td>RS</td><td>JJN</td><td>ST</td><td>SF</td><td>LPS</td></tr><tr><td>Airfield</td><td>6.967</td><td>7.496</td><td>7.429</td><td>6.793</td><td>8565</td></tr><tr><td>Airplane</td><td>6.035</td><td>7.986</td><td>7.897</td><td>5.825</td><td>9.314</td></tr><tr><td>Baboon</td><td>7.060</td><td>7.864</td><td>7.654</td><td>6.839</td><td>8.742</td></tr><tr><td>Bridge</td><td>6.841</td><td>7.457</td><td>7.373</td><td>6.623</td><td>8.344</td></tr><tr><td>Couple</td><td>6.587</td><td>6.990</td><td>6.870</td><td>6.59</td><td>7.545</td></tr><tr><td>Crowd</td><td>6.323</td><td>7.774</td><td>7.583</td><td>5.865</td><td>8.645</td></tr><tr><td>Girl</td><td>5.768</td><td>7.667</td><td>7.518</td><td>7.413</td><td>8.021</td></tr><tr><td>Lema</td><td>6.803</td><td>7.149</td><td>7.045</td><td>6.668</td><td>8012</td></tr><tr><td>Man</td><td>6.683</td><td>7.143</td><td>7.004</td><td>6534</td><td>8.019</td></tr><tr><td>Peppers</td><td>6.856</td><td>7.164</td><td>7.073</td><td>6.731</td><td>8213</td></tr></tbody></table> <h2>2. 성능 평가</h2> <p>기존의 오차확산 알고리즘과 본 논문에서 제안하는 새로운 알고리즘의 평가에 있어 위의 실험 결과를 분석하며, 성능이 우수한 LPS 알고리즘을 이용한 결과를 중점적으로 확인한다. 먼저 적응형 임계값으로 처리된 오차확산방법의 실험 결과를 알아보고, 고정형 임계값으로 처리된 오차확산방법과 비교 하겠다.</p> <p>그림 20은 일반적인 임계값과 적응형 임계값의 결과 영상이다. (a)와 (b)의 경우는 임계값이 거의 차이가 없는 영상으로 차이가 없지만 (c)와 (d)의 경우는 적응형 임계값이 높은 수치를 가지는 경우이기 때문에 밝은 부분에 픽셀이 많고, (e)와 (f)의 경우는 임계값이 낮은 수치를 가지는 경우로 어두운 부분에 대한 표현에 대해 적은 수의 픽셀을 사용했다. 2의 고정형 임계값으로 오차확산된 영상들의 결과보다 표 3과 표 4의 결과는 적응형 임계값을 사용한 오차확산의 결과 영상의 MSE와 PSNR을 보여준다. 표 1과 표 전체적으로 성능이 향상되었다.</p> <p>표 5에서는 LPS 알고리즘에 대한 일반적인 방법과 적응형 임계값이 적용된 결과를 비교한 것으로 적응형 임계값이 좋은 견과를 나타낸다. Airplane이나. Girl 영상의 결과에서는 급격한 수치의 변화가 있는데, 이들 영상이 한쪽으로 치우쳐진 히스토그램을 갖는다는 공통점을 가진다. 이러한 영상에 대해서 적응형 임계값이 효과적이다.</p> <table border><caption>표 3. 적응형 알고리즘의 성능 평가(MSE)</caption> <tbody><tr><td>lmage</td><td>FS</td><td>JJN</td><td>ST</td><td>SF</td><td>LPS</td></tr><tr><td>Airfied</td><td>12668</td><td>10171</td><td>10706</td><td>12829</td><td>8532</td></tr><tr><td>Airplane</td><td>11359</td><td>8063</td><td>8829</td><td>11822</td><td>5374</td></tr><tr><td>Baboen</td><td>12502</td><td>9550</td><td>10246</td><td>12416</td><td>8365</td></tr><tr><td>Bridge</td><td>13197</td><td>10598</td><td>11262</td><td>13382</td><td>9265</td></tr><tr><td>Couple</td><td>14125</td><td>12675</td><td>12911</td><td>14328</td><td>11393</td></tr><tr><td>Crowd</td><td>12047</td><td>9159</td><td>10080</td><td>12857</td><td>6841</td></tr><tr><td>Girl</td><td>11848</td><td>9141</td><td>9910</td><td>11796</td><td>7564</td></tr><tr><td>Lenna</td><td>13399</td><td>11362</td><td>11927</td><td>13297</td><td>10178</td></tr><tr><td>Man</td><td>13650</td><td>11590</td><td>12210</td><td>13948</td><td>10105</td></tr><tr><td>Peppers</td><td>13365</td><td>11469</td><td>11958</td><td>13533</td><td>9706</td></tr></tbody></table>
|
[
"본 논문은 오차 확산된 영상의 기능을 검토하기 위해 어떻게 하였는가?",
"LPS는 어떤 이미지에서 값이 5374로 나오는가?",
"JZN에서 어떤 이미지가 가장 수가 적게 나왔는가?",
"표 1. 오차확산 실험 결과(MSE)에서 Airfied의 TS는 몇인가?",
"Baboon은 ST에서 얼마가 나오는가?",
"SF에서 무슨 이미지가 제일 수가 많이 나왔는가?",
"Bridge를 살펴볼 때 SF의 값은 어떠한가?",
"SF에서 Airplane는 오차확산 수가 얼마인가?",
"JJN에서 제일 적은 수가 나온 이미지는 어떤 것인가?",
"SF에서 Man의 수는 뭐야?",
"LPS를 살펴볼 때 Peppers에서 몇이 나오는가?",
"Man은 어느 경우게 값이 13650으로 나오는가?",
"Aimlane의 JZN의 값은 무엇인가?",
"Couple은 LPS에서 얼마라고 나오는가?",
"표 3. 적응형 알고리즘의 성능 평가(MSE)에서 SF에서 12829가 나온 이미지는 무엇인가?",
"Peppers는 어느 케이스에서 가장 수가 적게 나왔는가?",
"표 2. 오차확산 실험 결과(PSNR)에서 LPS에서 Airfield의 수는 얼마인가?",
"ST에 있어 Baboon은 어떤 값이 나오는가?",
"RS에서 두 번째로 수가 높은 이미지는 무엇인가?",
"ST는 무슨 이미지에서 수가 9910이 되는가?"
] |
910b65d8-a8a6-4e0b-91ef-58d1dc90ad3b
|
인공물ED
|
퍼블릭 워터마킹에서 영상 블록의 유효성에 대한 연구
|
<h1>Ⅴ. 실험 결과</h1> <table border><caption>표 1. "Lena" 이미지에서 \( \alpha \)값의 변화에 따른 블록의 유효성 (총 블록 수=1,296)</caption> <tbody><tr><td>Value of \(\alpha\)</td><td>Vaid blocks</td><td>Invalid blocks</td><td>Correted blacks</td></tr><tr><td>2.0</td><td>1,262</td><td>34</td><td>16</td></tr><tr><td>2.2</td><td>1,273</td><td>23</td><td>1</td></tr><tr><td>2.4</td><td>1,273</td><td>23</td><td>0</td></tr><tr><td>2.6</td><td>1,275</td><td>21</td><td>o</td></tr><tr><td>2.8</td><td>1,280</td><td>16</td><td>1</td></tr><tr><td>3.0</td><td>1,282</td><td>14</td><td>1</td></tr><tr><td>3.2</td><td>1,286</td><td>10</td><td>2</td></tr><tr><td>3.4</td><td>1,289</td><td>7</td><td>2</td></tr><tr><td>4.0</td><td>1,290</td><td>6</td><td>6</td></tr></tbody></table> <table border><caption>표 2. "Lena" 이미지에서 \( gap \)에 따른 블록들의 분포 (경계값 \(=2 \alpha, \alpha=2.8 \) )</caption> <tbody><tr><td></td><td>\( 0 \leq gap<0.5 \alpha \)</td><td>\( 0.5 \alpha \leq gap<1\alpha\)</td><td>\( 1 \alpha \leq gap<1.5\alpha\)</td><td>\( 1.5 \alpha \leq gap<2\alpha\)</td><td>\( 2 \alpha \leq gap<2.5\alpha\)</td><td>\( 2.5 \alpha \leq gap<3\alpha\)</td><td>\( 3 \alpha \leq gap<3.5\alpha\)</td><td>\( 3.5 \alpha \leq gap<4\alpha\)</td><td>\( 4 \alpha \leq gap<4.5\alpha\)</td><td>\( 4.5 \alpha \leq gap<5\alpha\)</td></tr><tr><td>Number of blccks (onginal image)</td><td>1,190</td><td>90</td><td>11</td><td>4</td><td>1</td><td>0</td><td>0</td><td>0</td><td>0</td><td>0</td></tr><tr><td>Number of blocks (watermarked image)</td><td>2</td><td>487</td><td>781</td><td>0</td><td>0</td><td>1</td><td>13</td><td>2</td><td>o</td><td>o</td></tr></tbody></table> <p>실험들을 위해서 사용한 원본 이미치들은 \( 288 \times 288 \) 크기의 그레이 이미지이며, "Iena" 이미지와 Adobe사의 Photoshop 패키지에 포함되어 있는 샘플 파일들을 변환하여 사용하였다. 워터 마크는 \( 64 \times 64 \)의 이진 이미지들을 사용하였다. 그림 6은 "Lena" 이미지에서 블록의 유효성에 대한 결과이며, 표 1은 \( \alpha \) 값의 변화에 따른 결과이다.</p> <p>표 1에서 보듯이 큰 \( \alpha \) 롤 사용하면 무효 블록 수가 줄어들지만. 다양한 원본 이미지들에서 평균적으로 \( \alpha \)가 2.8일 경우에 가장 좋은 성능을 보였기 때문에 실험의 결과들을 \( \alpha \)값이 2.8일 경우로 설정하여 나타내었다. 이 실험에서, 에러 보정을 가정한 원본 이미지와 워터마크 된 이미지 사이의 유효 블록들이 동일함을 확인하였다. 이 결과는 원본 이미지나 워터마크 정보 없이 워터마크 된 이미지만으로 워터마크의 추출이 가능하다는 것을 입증한다.</p> <p>표 2에서는 "Lena" 이미지에서 gap에 따른 블록들의 분포를 보였다. 이 테이블에서는 대다수의 블록이 작은 \( gap \)을 가지며 경계값 이하로 집중됨을 볼 수 있다</p> <p>그림 7은 "Lena" 이미지에서 워터마크를 삽입하고 추출한 결과에 대한 것이며, 원본 이미지와 워터마크된 이미지 사이에서 눈으로 식별할 수 있는 차이를 발견할 수 없었다.</p> <p>그림 8은 워터마크된 이미지를 위조하여 실험한 결과들이다. 이 실험에서 워터마크된 "Lena" 이미지의 눈 분만을 sharpening 하였으며, 워터마크된 "Waterskier" 이미지는 "COUNTERFEITED"라는 문자열을 삽입하는 방법으로 위조하였다.</p> <p>위조된 영역에 포함된 유효 블록이 무효 블록으로 인식되거나 무효 블록이 유효 블록으로 인식될 수 있으며 유효 블록이 유효 블록으로 인식되더라도 정확한 워터마크의 추출이 불가능하다. 결과적으로, 그림 8의 (b)와 (e)처럼 추출된 워터마크들은 식별할 수는 있지만 왜곡되어 나타나게 된다. 그리고 위조된 위치를 정확하게 판별하려면 원본 이미지나 워터마크 정보가 추가로 필요하게 될 것이다.</p>
|
[
"\\(\\alpha\\)가 2.6에서 Invalid blocks 수는 얼마야?",
"가장 큰 \\(\\alpha\\) 값은 얼마야?",
"표1의 어디에서 총 블록 수를 알 수 있나?",
"Valid blocks 수가 \\(\\alpha\\) 2.2와 같은 수인 \\(\\alpha\\)는 무엇이니?",
"Invalid blocks가 16일 때 Valid blocks 수는 얼마니?",
"\\(\\alpha\\)가 2.2에서 Valid blocks\t수는 얼마인가?",
"Invalid blocks 수가 \\(\\alpha\\) 3.2의 수와 가장 가까운 수를 가진 \\(\\alpha\\)는 어떤거니?",
"\\(\\alpha\\)이 3.4일 때 얼마의 Correted blocks 수를 가지나?",
"어떤 \\( \\alpha \\) 값의 Invalid blocks 수가 \\( \\alpha \\)가 3.4일 때 보다 적을까?",
"어떤 \\(\\alpha\\) 값이 가장 적을까?",
"최고치의 Invalid blocks 수는 얼마일까?",
"Valid blocks의 수가 가장 많은 \\(\\alpha\\) 값은 어떤거니?",
"Valid blocks의 수가 \\(\\alpha\\)가 2.2 보다 적은 \\(\\alpha\\)는 어떤 것이지?",
"Invalid blocks수 21과 Correted blocks 수가 같은 Invalid blocks수는 얼마인가?",
"가장 많은 수의 Correted blocks 값은 얼마지?",
"Correted blocks 수가 6인 Valid blocks 수는 얼마일까?",
"\\(\\alpha\\) 3.0과 같은 수의 Correted blocks수를 가진 \\(\\alpha\\)중에 가장 큰 Invalid blocks 수를 가진 \\(\\alpha\\)는 무엇인가?",
"가장 큰 값의 Correted blocks 수는 얼마일까?",
"\\(\\alpha\\) 값은 표의 어느 항목에서 알 수 있어?",
"가장 많은 개수를 가진 onginal image 불록수는 얼마일까?",
"onginal image 블록수가 90인 분포는 뭐야?",
"\\( 3.5 \\alpha \\leq gap<4\\alpha\\) 분포의 watermarked image 블록수는 얼마니?",
"\\( 0 \\leq gap<0.5 \\alpha \\) 분포의 watermarked image 블록수와 같은 블록수를 가진 분포는 어떤걸까?",
"onginal image 블록수가 \\( 1.5 \\alpha \\leq gap<2\\alpha\\) 분포와 가장 가까운 수를 가진 분포는 무엇인가?",
"어떤 분포에서 가장 큰 값의 watermarked image 블록수를 가져?",
"Invalid blocks 수와 Valid blocks 수가 같은 \\(\\alpha\\)는 어떤 값이니?",
"어떤 \\(\\alpha\\) 값이 세번째로 큰 수의 Valid blocks 수를 가질까?",
"Valid blocks 수가 \\(\\alpha\\) 2.8일 때의 수와 차이가 가장 적은 수는 얼마인가?",
"\\( 1 \\alpha \\leq gap<1.5\\alpha\\) 분포의 onginal image 블록수는 얼마야?",
"어떤 분포가 1개의 watermarked image 블록수를 가질까?",
"두번째로 watermarked image 블록수가 많은 분포는 무엇이니?"
] |
7eb7115f-2032-41fb-a4e5-f59930aa7edf
|
인공물ED
|
블루 노이즈 마스크와 분산 CMY 디더링을 이용한 하프토닝
|
<h1>Ⅳ. 실험 및 고찰</h1> <h2>1. 톤 곡선 측정</h2> <p>톤 곡선을 얻기 위한 \(\mathrm{CIEL}*\mathrm{a}*\mathrm{b}*\)값 측정을 위해서 분광 광도계 Minolta CM3600d를 사용하였으며, 프린터는 300dpi의 HP 895C를 사용하였다. 분광 광도계로 그레이 레벨 171에서 255까지의 85개의 패치를 CMY의 조합으로 출력하여 \(\mathrm{CIEL}*\mathrm{a}*\mathrm{b}*\) 색좌표 값을 측정하였다. 0에서 255까지의 모든 그레이 레벨에 대해서는 \( \mathrm{K} \)를 사용하여 256개의 패치를 만들어서 \( \mathrm{CIEL} * \mathrm{a} * \mathrm{b} * \) 값을 측정 하였다.</p> <h2>2. 영상의 객관적 평가를 위한 RMS 낟알 무늬</h2> <p>영상의 화질의 평가를 위한 객관적인 판단 기준은 출력된 영상에서 평가되어져야 한다. Miyata는 디지털 영상 자체의 데이터로부터 RMS 낟알무늬 (granularity)를 계산하였다. 그러나 제안한 방법에서는 기존의 블랙 도트로만 출력했을 때와 CMY 도트를 흩어서 출력했을 때의 휘도값만의 비교만으로는 평가할 수 없기 때문에 \( \mathrm{CIEL} * \mathrm{a} * \mathrm{b} * \) 좌표계에서 \( \mathrm{L} *, \mathrm{a}^{*}, \mathrm{b} * \) 값을 동시에 고려한다. 이는 인간 시각이 색도 값보다는 휘도 값에 더 민감한 특성을 가지기 때꾼이다. 따라서 Miyata가 단지 혹백의 이진 영상에서 휘도값만을 고려했던 것과는 달리 제안한 방법에서는 색도값 보다는 휘도값에 더 큰 가중치를 준 값을 RMS 낟알 무늬를 계산하는 데 이용하였다.</p> <p>\( D=(1-\alpha) L+\alpha C \)<caption>(10)</caption></p> <p>여기서 \( \mathrm{D} \)는 휘도 대 색도 비를 나타내며 \( \mathrm{L} \)은 휘도값, \( \mathrm{C} \)는 색도값, \( \alpha \)는 상수값이다. 인간시각 특성에서 휘도값과 색도값의 비가 \( 4: 1 \)의 관계에 있기 때문에 \( \alpha \)의 값을 \( 0.2 \)로 정하였다. 따라서 색도값 \( \mathrm{C} \)는 아래의 식과 같이 계산된다.</p> <p>\( C=\sqrt{a^{2}+b^{2}} \)<caption>(11)</caption></p> <p>\( R_{g}=\sqrt{\frac{1}{M N} \sum_{i=0}^{M} \sum_{j=0}^{1-1}\left(D m_{i j}-D_{i j}\right)^{2}} \)<caption>(12)</caption></p> <p>식 (12)에서 \( 9 \times 9 \)의 원도우를 원영상에 마스크 씌워서 국부 영역의 평균값 \( D m_{i j} \)을 구한 후에 현재 화수의 휘도 대 색도비 \( D_{i j} \)와의 RMS 낟알무늬 값을 계산하였다. \( D_{i j} \) 값은 식(10)을 사용하여 윈도우 마스크 내의 화소가 \( \mathrm{C}, \mathrm{M}, \mathrm{Y}, \mathrm{K}, \mathrm{W} \) 중의 어떤 값을 가지는지를 비교해서 각 화소의 값을<표 2>에 있는 \( \mathrm{D} \)값으로 선택한다.<표 2>는 \( \mathrm{C}, \mathrm{M}, \mathrm{Y}, \mathrm{K}, \mathrm{W} \) 각각의 \( \mathrm{L} *, \mathrm{a}^{*}, \mathrm{~b}^{*} \) 값과 아래의 식 \( \left\{\begin{array}{ll}D_{C}, & \text { if } D_{i j}=C \\ D_{M}, & \text { if } D_{i j}=M \\ D_{Y}, & \text { if } D_{i j}=Y \\ D_{K}, & \text { if } D_{i j}=K \\ D_{W}, & \text { if } D_{i j}=W\end{array}\right. \)<caption>(13)</caption>에서 구한 \( \mathrm{D} \)값을 나타낸다. 기존의 블랙 도트로만 출력 했을 때와 제안한 방법의 비교를 위해서 RMS 낟알무늬를 사용하였다. 이것은 출력했을 때의 점들이 인간 시각에 얼마나 두드러지게 나타나는가를 평가하는 기준이 된다.</p> <table border><caption>표 2. \( \mathrm{C}, \mathrm{M}, \mathrm{Y}, \mathrm{K}, \mathrm{W} \)에 대한 \( \mathrm{L}^{*}, \mathrm{a}^{*}, \mathrm{~b} *, \mathrm{D} \) 값</caption> <tbody><tr><td></td><td>\( \mathrm{L}^{*}\)</td><td>\(\mathrm{a}^{*}\)</td><td>\(\mathrm{b}^{*}\)</td><td>\(\mathrm{D} \)</td></tr><tr><td>\( \mathrm{C}\)</td><td>69.2049</td><td>31.8651</td><td>35.0469</td><td>63.2373</td></tr><tr><td>\( \mathrm{M}\)</td><td>55.3168</td><td>49.8423</td><td>-22.2771</td><td>60.8322</td></tr><tr><td>\( \mathrm{Y}\)</td><td>87.1605</td><td>2.8101</td><td>63.3097</td><td>82.4028</td></tr><tr><td>\( \mathrm{K}\)</td><td>19.4096</td><td>0.4468</td><td>1.1680</td><td>15.7777</td></tr><tr><td>\( \mathrm{W}\)</td><td>93.1294</td><td>2.7670</td><td>-9.6726</td><td>76.5156</td></tr></tbody></table> <p>기존 방법과 제안한 방법에서 식 (12)를 사용한 RMS 낟알무니는<표 3>에서와 같이 BNM는 25.14, 보이드-클러스터 방법은 24.35, Shiau의 오차 확산법은 22.82이며 제안한 방법은 17.56이다. RMS 낟알 무늬값이 작을수록 밝은 영역에서 점의 분포가 고르게 나타나서 인간 시각에 좋은 결과를 나타낸다. 따라서 제안한 방법이 기존 방법보다 RMS 낟알 무늬값이 작기 때문에 밝은 영역에서 점의 분포가 고르다는 것을 알 수 있다.</p>
|
[
"표2에서 \\( \\mathrm{M}\\)에 대한 \\( \\mathrm{L}^{*}\\)의 값은 뭐야?",
"표에서 \\( \\mathrm{C}\\)의 \\(\\mathrm{b}^{*}\\)의 값은 얼마지?",
"표에서 \\( \\mathrm{M}\\)의 \\(\\mathrm{b}^{*}\\)의 값은 얼마지?",
"\\( \\mathrm{C}, \\mathrm{M}, \\mathrm{Y}, \\mathrm{K}, \\mathrm{W} \\)에 대한 \\( \\mathrm{L}^{*}, \\mathrm{a}^{*}, \\mathrm{~b} *, \\mathrm{D} \\) 값을 나타낸 표에서 \\( \\mathrm{M}\\)의 \\(\\mathrm{a}^{*}\\)값은 얼마지?",
"\\( \\mathrm{C}\\)에 대한 \\(\\mathrm{D} \\)의 값은 뭐지?",
"표2에서 \\( \\mathrm{M}\\)에 대한\\(\\mathrm{D} \\)의 값은 뭐야?",
"\\( \\mathrm{C}, \\mathrm{M}, \\mathrm{Y}, \\mathrm{K}, \\mathrm{W} \\)에 대한 \\( \\mathrm{L}^{*}, \\mathrm{a}^{*}, \\mathrm{~b} *, \\mathrm{D} \\) 값을 나타낸 표에서 \\( \\mathrm{Y}\\)의 \\(\\mathrm{a}^{*}\\)값은 얼마지?",
"표2에서 \\( \\mathrm{Y}\\)에 대한 \\( \\mathrm{b}^{*}\\)의 값은 뭐야?",
"표에서 \\( \\mathrm{Y}\\)의 \\(\\mathrm{b}^{*}\\)의 값은 얼마지?",
"표2에서 \\( \\mathrm{K}\\)에 대한 \\( \\mathrm{a}^{*}\\)의 값은 뭐야?",
"표에서 \\( \\mathrm{K}\\)의 \\(\\mathrm{L}^{*}\\)의 값은 얼마지?",
"표에서 \\( \\mathrm{K}\\)의 \\(\\mathrm{D} \\)의 값은 얼마지?",
"\\( \\mathrm{C}, \\mathrm{M}, \\mathrm{Y}, \\mathrm{K}, \\mathrm{W} \\)에 대한 \\( \\mathrm{L}^{*}, \\mathrm{a}^{*}, \\mathrm{~b} *, \\mathrm{D} \\) 값을 나타낸 표에서 \\( \\mathrm{Y}\\)의\\(\\mathrm{D} \\)값은 얼마지?",
"\\( \\mathrm{C}, \\mathrm{M}, \\mathrm{Y}, \\mathrm{K}, \\mathrm{W} \\)에 대한 \\( \\mathrm{L}^{*}, \\mathrm{a}^{*}, \\mathrm{~b} *, \\mathrm{D} \\) 값을 나타낸 표에서 \\( \\mathrm{K}\\)의 \\(\\mathrm{b}^{*}\\)값은 얼마지?",
"표2에서 \\( \\mathrm{C}\\)에 대한 \\( \\mathrm{L}^{*}\\)의 값은 뭐야?",
"\\( \\mathrm{C}, \\mathrm{M}, \\mathrm{Y}, \\mathrm{K}, \\mathrm{W} \\)에 대한 \\( \\mathrm{L}^{*}, \\mathrm{a}^{*}, \\mathrm{~b} *, \\mathrm{D} \\) 값을 나타낸 표에서 \\( \\mathrm{C}\\)의 \\(\\mathrm{a}^{*}\\)값은 얼마지?",
"표2에서 \\( \\mathrm{W}\\)에 대한 \\( \\mathrm{L}^{*}\\)의 값은 뭐야?",
"표2에서 \\( \\mathrm{W}\\)에 대한 \\(\\mathrm{D} \\)의 값은 뭐야?",
"\\( \\mathrm{C}, \\mathrm{M}, \\mathrm{Y}, \\mathrm{K}, \\mathrm{W} \\)에 대한 \\( \\mathrm{L}^{*}, \\mathrm{a}^{*}, \\mathrm{~b} *, \\mathrm{D} \\) 값을 나타낸 표에서 \\( \\mathrm{W}\\)의 \\(\\mathrm{a}^{*}\\)값은 얼마지?",
"표에서 \\( \\mathrm{W}\\)의 \\(\\mathrm{b}^{*}\\)의 값은 얼마지?"
] |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.