id
stringlengths 36
57
| type
stringclasses 4
values | title
stringlengths 0
159
| context
stringlengths 121
17.2k
| questions
listlengths 1
584
|
|---|---|---|---|---|
7c44d828-1472-43a0-9aa9-6d7ba1ec25bd
|
인공물ED
|
NiO 게이트 산화막에 의한 AlGaN/GaN MOSHFET의 전기적 특성 변화
|
<h1>Ⅱ. 본론</h1><h2>1. 실험</h2><p>본 연구는 (그림 1)의 (a)와 같이 \( \mathrm{SiC} \) 기판 위에 MOCVD 방법으로 버퍼와 \( 2 \mathrm{um} \) 두께의 \( \mathrm{GaN} \), 그 위에 \( 25 \% \)의 \( \mathrm{Al} \)을 포함한 \( 20 \mathrm{nm} \) 두께의 \( \mathrm{AlGaN} \) 층, 표면 보호를 위해 \( 2 \mathrm{~nm} \) 두께의 \( \mathrm{GaN} \) 를 성장한 구조 이용하여 HEMT와 \( \mathrm{NiO} \) 산화막을 갖는 \( \mathrm{AlGaN} / \)\( \mathrm{GaN} \) MOSHFET를 제작하였다. 이와 같이 형성된 \( \mathrm{AlGaN} / \mathrm{GaN} \) 구조는 홀 측정 결과 \( 1.8 \times 10^{12} / \mathrm{cm}^{2} \) 의 면전하밀도와 \( 1320 \mathrm{cm}^{2} / \mathrm{V.S} \)의 전자이동도를 갖는 것으로 확인되었다. 준비된 기판은 먼저 (b)와 같이 포토리소그라피를 이용하여 활성영역을 선택적으로 구분하고 \( \mathrm{Cl}_{2} \)를 이용한 유도결합플라즈마식각 방법으로 \( 0.3 \mu \mathrm{m} \) 깊이로 기판을 식각한 다음 레지스트막을 제거하여 트랜지스터가 형성되는 영역을 제외하고 2-DEG 층이 남지 않도록 하였다. 이어서 저항성 금속이 접촉될 영역을 구분하여 \( \mathrm{Ti} / \mathrm{Al} / \mathrm{Ni} / \mathrm{Au} \) 다층금속을 전자선증착방법으로 증착하고 리프트-오프 방법으로 금속을 형성한 뒤 \( 850{ }^{\circ} \mathrm{C} \) 의 온도에서 60 초 동안 급속 열처리하여 금속의 접촉을 저항성접촉으로 변화시켰다. 이 후 샘플을 세 그룹으로 나누어 한 그룹은 \( \mathrm{Ni} / \mathrm{Au} \)의 게이트금속을 형성하여 게이트 아래 층간막을 갖지 않는 \( 1 \mu \mathrm{m} \)의 게이트길이를 갖는 HEMT 구조의 트랜지스터를 제작하였으며 다른 한 그룹은 플라즈마화학증착방법으로 \( 20 \mathrm{nm} \) 두께의 \( \mathrm{SiO}_{2} \) 박막을 증착한 뒤 게이트 금속을 형성하여 MOS 구조를, 또 다른 그룹은 전자선증착방법으로 \( \mathrm{Ni} \)을 \( 20 \mathrm{nm} \) 의 두께가 되도록 증착하고 산소분위기에서 \( 600{ }^{\circ} \mathrm{C} \) 의 온도로 5 분 동안 열처리하여 \( \mathrm{NiO} \) 박막을 형성한 뒤 게이트금속을 형성하여 MOS 구조의 트랜지스터를 제작하였다.</p><h2>2.Ni 산화에 따른 박막의 특성변화</h2><p>\( \mathrm{Ni} \)은 박막은 열산화를 통해 \( \mathrm{NiO} \) 로 변화되며 p-형 반도체의 특성을 나타내는 것으로 보고된 바 있다. (그림 2)는 \( \mathrm{Ni} \)을 증착한 샘플과 \( 600{ }^{\circ} \mathrm{C} \) 의 온도로 산소분위기에서 5 분 동안 열처리하여 \( \mathrm{NiO} \) 박막으로 변환된 샘플의 AES 분석 결과를 나타낸 것이다. 열처리 후 박막은 균일한 \( \mathrm{Ni} \) 과 \( \mathrm{O} \) 의 조성을 유지하여 적절히 산화되었음을 알 수 있다. 그러나 \( \mathrm{Ni} \) 과 \( \mathrm{O} \)의 분포를 보면 \( \mathrm{Ga} \) 과 혼재한 영역이 분포하여 산화과정에서 계면에서 \( \mathrm{Ga} \) 과 \( \mathrm{Ni}, \mathrm{O} \)이 확산되었음을 알 수 있다.</p><p>(그림 3)은 저항성접촉 특성을 평가하기 위해 간격이 다른 패드 사이의 저항을 측정한 결과로 \( 100 \mu \)\( \mathrm{m} \)의 채널 폭을 갖는 이 측정값의 기울기는 면저항을 나타낸다. 측정된 저항성 접촉은 \( 0.74 \sim 3.64 \times 10^{-5} \Omega-\mathrm{cm}^{2} \)의 접촉비저항 값을 나타냈으나 \( 534 \Omega\) / sq.의 면저항을 나타낸 \( \mathrm{AlGaN} / \mathrm{GaN} \) 구조는 \( \mathrm{SiO}_{2} \) 증착에 의해 \( 526 \Omega / \) sq.로 약간 감소하였으며 \( \mathrm{NiO} \) 박막의 형성으로 \( 564 \Omega \)/ sq.로 증가하였다. 이 저항의 증가는 \( \mathrm{Ni} \) 의 산화과정에서 계면에서 보이는 \( \mathrm{Ni}\), \(\mathrm{O} \)의 확산과 \( \mathrm{Ga} \) 의 이동으로 인해 나타난 것으로 보이며 트랜지스터의 특성에도 영향을 미친다.</p>
|
[
"MOSHFET의 \\( \\mathrm{AlGaN} / \\mathrm{GaN} \\) 면전하밀도의 크기는 얼마야?",
"MOSHFET의 \\( \\mathrm{AlGaN} / \\mathrm{GaN} \\) 전자이동도의 크기는 얼마야?",
"\\( \\mathrm{NiO} \\) 박막의 형성으로 인해 면저항이 증가한 이유는 뭐야?",
"트랜지스터의 저항값 변화는 트랜지스터 특성에 영향을 미칠까?",
"금속의 접촉을 저항성접촉으로 변화시키기 위해 얼마나 오래 열처리를 가했니?",
"MOCVD 방법으로 제작한 \\( \\mathrm{AlGaN} / \\)\\( \\mathrm{GaN} \\) MOSHFET를 제작하는데 쓰인 \\( \\mathrm{AlGaN} \\) 층의 두께는 얼마인가?",
"HEMT와 \\( \\mathrm{NiO} \\) 산화막을 갖는 \\( \\mathrm{AlGaN} / \\)\\( \\mathrm{GaN} \\) MOSHFET를 제작하는데 쓰인 \\( \\mathrm{AlGaN} \\) 층의 두께는 얼마야?",
"HEMT와 \\( \\mathrm{NiO} \\) 산화막을 갖는 \\( \\mathrm{AlGaN} / \\)\\( \\mathrm{GaN} \\) MOSHFET를 제작하는데 쓰인 \\( \\mathrm{AlGaN} \\) 층의 \\( \\mathrm{Al} \\)의 비율은 얼마야?",
"트랜지스터 기판을 제작할 때에 2-DEG 층이 남도록 만들었니?",
"열산화를 통해 \\( \\mathrm{NiO} \\) 로 변화되는 \\( \\mathrm{Ni} \\)은 박막은 n-형 반도체의 특성을 나타내니?"
] |
7f032bf1-bcb6-4477-8b19-ac32a03c1258
|
인공물ED
|
NiO 게이트 산화막에 의한 AlGaN/GaN MOSHFET의 전기적 특성 변화
|
<h1>요 약</h1><p>\( \mathrm{AlGaN} / \mathrm{GaN} \) 반도체 위에 금속이 접합된 HEMT와 \( \mathrm{SiO}_{2} \)와 \( \mathrm{NiO} \)를 게이트 층간막으로 갖는 MOSHFET를 제작하고 \( \mathrm{NiO} \) 박막에 따른 효과와 특성변화의 원인을 연구하였다. HEMT 구조에서 보인 \( -3.79 \mathrm{V} \)의 문턱전압은 \( \mathrm{SiO}_{2} \)를 층간막으로 했을 때 - \( 5.52 \mathrm{~V} \)로 - \( 1.73 \mathrm{V} \)의 음방향 변화를, \( \mathrm{NiO} \)를 층간막으로 했을 때 \( -2.76 \mathrm{V} \) 로 \( +1.03 \mathrm{V} \)의 양방향 변화를 나타냈다. 또 \( \mathrm{NiO} \) MOSFET의 경우 선형성이 증가하여 넓은 범위에 걸쳐 균일한 트랜스컨덕턴스 특성을 나타냈으며 \( 0 \mathrm{V} \)이상의 게이트 전압에서는 HEMT와 \( \mathrm{SiO}_{2} \) MOSHFET보다 더 높은 값을 보였다. 게이트에 입력된 펄스신호가 \( -5 \mathrm{V} \sim 0 \mathrm{V} \) 로 스윙할 때 HEMT의 포화 드레인 전류는 \( 0.1 \mathrm{Hz} \sim 10 \mathrm{~Hz} \)의 주파수에서 \( 20 \% \)의 감소를 보인 뒤 그 값을 유지하였으나, \( \mathrm{NiO}\) MOSHFET은 \( 10 \mathrm{Hz} \)에서부터 지속적으로 감소하여 서로 다른 응답특성을 보였다.</p>
|
[
"\\( \\mathrm{NiO} \\) MOSFET의 경우 넓은 범위에 걸쳐 균일한 트랜스컨덕턴스 특성을 나타낸 이유는 무엇인가요?",
"\\( \\mathrm{SiO}_{2} \\)와 \\( \\mathrm{NiO} \\)를 게이트 층간막으로 갖는 것은 뭐야?",
"펄스신호가 \\( -5 \\mathrm{V} \\sim 0 \\mathrm{V} \\) 로 스윙할 때, \\( \\mathrm{NiO}\\) MOSHFET은 어떤 주파수부터 지속적으로 감소했나요?",
"\\( \\mathrm{AlGaN} / \\mathrm{GaN} \\) 반도체 위에 금속이 접합된 것은 뭐야?",
"게이트에 입력된 펄스신호가 \\( -5 \\mathrm{V} \\sim 0 \\mathrm{V} \\) 로 스윙할 때, HEMT의 포화 드레인 전류는 \\( 0.1 \\mathrm{Hz} \\sim 10 \\mathrm{~Hz} \\)의 주파수에서 감소하는 경향을 보였나요?",
"\\( \\mathrm{NiO} \\) MOSFET는 \\( 0 \\mathrm{V} \\)이상의 게이트 전압에서 HEMT와 \\( \\mathrm{SiO}_{2} \\) MOSHFET보다 더 적은 값을 보였나요?"
] |
da3a81a1-cdaf-4324-84be-6bea5f471245
|
인공물ED
|
NiO 게이트 산화막에 의한 AlGaN/GaN MOSHFET의 전기적 특성 변화
|
<h1>Ⅰ. 서론</h1><p>\( \mathrm{AlGaN} / \mathrm{GaN} \) 이종접합을 이용한 트랜지스터는 \( 3.2 \mathrm{eV} \)의 넓은 에너지대간격과 물리적, 화학적인 안정성을 바탕으로 열악한 환경에서 동작하는데 유리하며, \( 10^{13} / \mathrm{cm}^{2} \)이상의 면전하밀도와 \( 2000 \mathrm{~cm}^{2} / \)\( \mathrm{V} . \mathrm{s} \) 에 달하는 전자이동도를 갖는 이차원전자층 (2-dimensional electron gas, 2-DEG)을 가져 최근 필요성이 급증하고 있는 고전력, 고주파회로에 적합하다. \( \mathrm{AlGaN} / \mathrm{GaN} \) 구조의 트랜지스터는 특성을 개선하기 위하여 \( \mathrm{AlN} \)를 비롯한 다양한 층간막이 연구되고 있으며 그 중 \( 3.7 \mathrm{eV} \) 의 에너지 갭을 갖는 \( \mathrm{NiO} \)박막은 p형 반도체의 특성을 지녀 문턱 전압을 양방향으로 변화시킬 수 있어 증가형(normally off) 트랜지스터 제작에 대한 가능성을 갖는다. 그러나 \( \mathrm{AlGaN} / \mathrm{GaN} \) 구조는 자발분극과 피에조전계효과로 전하가 생성되기 때문에 도전층이 에피층의 구조에 큰 영향을 받을 뿐 아니라 결정학적 결함으로 인한 트랩과 표면상태로 인해 \( \mathrm{AlGaN} / \mathrm{GaN} \) 구조를 이용하여 제작된 트랜지스터는 dc와 고전력, 또는 고주파 동작에서 예측되지 않은 특성 변화가 있을 수 있으며 \( \mathrm{AlGaN} / \mathrm{GaN} \) 구조 위에 형성되는 \( \mathrm{NiO} \) 박막도 이러한 특성 변화를 야기할 수 있다.</p><p>본 연구에서는 \( \mathrm{AlGaN} / \mathrm{GaN} \) 반도체 위에 금속이 접합된 HEMT(high electron mobility transistor)구조와 \( \mathrm{SiO}_{2}, \mathrm{NiO} \)를 게이트 금속과의 층간막으로 갖는 MOSHFET(metal oxide semiconductor hetero structure field effect transistor)를 제작하여 이들 박막에 의한 특성의 변화를 관찰하고 펄스에 따른 특성을 분석하여 \( \mathrm{NiO} \) 박막에 따른 효과를 분석하였다.</p>
|
[
"\\( \\mathrm{AlGaN} / \\mathrm{GaN} \\) 구조의 트랜지스터는 특성을 개선하기 위해 무엇을 연구하고 있나요?",
"\\( \\mathrm{NiO} \\)박막은 어떤 에너지 갭을 갖나요?",
"\\( \\mathrm{AlGaN} / \\mathrm{GaN} \\) 이종접합을 이용한 트랜지스터는 왜 열악한 환경에서 동작하는데 유리한가요?",
"\\( \\mathrm{AlGaN} / \\mathrm{GaN} \\) 구조는 어떤 효과로 전하가 생성되나요?",
"\\( \\mathrm{AlGaN} / \\mathrm{GaN} \\) 구조를 이용하여 제작한 트랜지스터의 경우 어떤 결함이 존재하나요?",
"HEMT(high electron mobility transistor)구조는 \\( \\mathrm{AlGaN} / \\mathrm{GaN} \\) 반도체 위에 무엇이 결합된 구조인가요?",
"문턱 전압을 양방향으로 변화시킬 수 있는 것은 무엇인가요?",
"증가형(normally off) 트랜지스터 제작을 가능케 하는 것은 뭐야?",
"\\( \\mathrm{AlGaN} / \\mathrm{GaN} \\) 이종접합을 이용한 트랜지스터는 어떤 특징을 갖는 이차원전자층을 가지고 있나요?"
] |
1fc6162a-6b2d-4f16-8963-282e38650dee
|
인공물ED
|
초음파를 이용한 가시광인식 수동형 트랜스폰더
|
<h1>2. 가시광인식 장치의 구조</h1><h2>2.1 시스템 구조</h2><p>본 논문에서 제작한 가시광인식장치의 구조는 Fig. 1과 같다. Fig. 1에서 왼쪽의 점선구간은 리더이며, 오른쪽의 점선 구간은 트랜스폰더를 나타낸다. 리더는 사용자의 컴퓨터에 부착하여 사용하고, 트렌스폰더는 관리 대상의 물체의 표면에 부착하여 사용한다. 리더는 가시광을 발생하는 LED array와 전류구동회로, 트랜스폰더의 응답신호를 검출하는 초음파수신소자, 그리고 마이크로프로세서로 구성되어 있다. 트랜스폰더는 리더의 가시광을 검출하는 솔라셀, 응답신호를 발생하는 마이크로프로세서, 그리고 응답신호를 전송하기 위한 초음파송신소자로 이루어진다.</p><p>리더와 트랜스폰더 사이의 동작과정은 다음과 같다. 리더의 마이크로프로세서에서 문의신호를 발생하면 이 신호에 따라 LED array에서 가시광이 발생하고 자유공간을 통하여 트랜스폰더 쪽으로 방사된다. 트랜스폰더에 설치된 솔라셀은 이 빛을 받아 전류를 생성한다. 솔라셀에서 발생한 전류 중에서 DC성분은 트랜스폰더 회로 전체에 전원을 공급하며, AC성분는 리더의 LED 출력광에 포함된 문의신호로서 이 신호가 트랜스폰더의 마이크로프로세서에 입력된다. 문의신호가 지정된 신호와 일치하는 경우 마이크로 프로세서는 응답신호(responding signal)를 발생한다. 응답신호는 트랜스폰더가 부착된 관리대상 물체에 관한 정보이며 초음파 송신소자에 인가되어 초음파를 발생한다. 트랜스폰더에서 발생한 초음파 응답신호는 다시 리더 쪽으로 방사되어 리더에 설치된 초음파 수신소자에서 검출된다. 초음파 수신소자의 전압은 복조기와 마이크로프로세서를 통하여 사용자 PC에 전달된다. 이와 같은 과정을 거쳐서 리더와 트랜스폰더 사이의 교신과정이 완료된다. 리더와 트랜스폰더의 회로구성 및 동작과정을 세부적으로 서술하면 다음과 같다.</p><h2>2.2 리더의 회로</h2><p>Fig. 2는 리더의 회로도를 나타넨다. 리더의 마이크로프로세서에서는 문의신호를 발생하여 FET의 게이트(gate)에 전달한다. 게이트 전압에 따라 변조된 FET 드레인(drain) 전류는 LED array에 공급되어 가시광을 발생한다. 따라서 LED array에서 출력되는 가시광은 리더의 문의신호에 따라 변조된 신호광이며 자유공간을 통하여 트랜스폰더 쪽으로 진행한다. 이 빛이 트랜스폰더의 솔라셀에서 수신되어 문의신호가 인식되면 응답신호가 생성되어 리더 쪽으로 방사된다. 트랜스폰더의 응답신호는 초음파로서 리더의 초음파 수신소자에서 검출되고ASK(amplitude shift keying) 복조기를 통과하면서 응답신호가 복구된다.</p><p>Fig. 2에서 점선으로 표기된 부분이 ASK 복조기를 나타내며, 이는 증폭기, 진폭검출기 (envelope detector), 판별회로 (threshold circuit) 로 구성된다. 복구된 응답신호는 마이크로프로세서를 통과하여 관리자의 컴퓨터로 전달된다.</p><p>실험에서 리더의 회로에 사용한 마이크로프로세서는 Atmega8, FET는 IRF540 이며, 광원으로 사용한 LED array는 백색의 \( 1 \mathrm{~W} \) LED 24개를 사용하여 6*4 배열구조로 제작하여 사용하였다. 초음파 수신소자는 동작 주파수가 \( 40 \mathrm{kHz} \) 인 MCUSR \( 16 \mathrm{P} 40 \mathrm{~B} \) 을 사용하였으며, 증폭기로는 LM2904 연산증폭기를 사용하였다. 진폭검출기는 다이오드와 RC 회로를 사용하여 구성하고, 판별회로는 비교기 (comparator) 를 사용하였다.</p>
|
[
"실험에서 리더의 회로에 사용한 마이크로프로세서는 무엇인가?",
"Fig. 1의 가시광인식장치 구조에서 왼쪽의 점선구간이 나타내는 것은 무엇인가?",
"Fig. 1의 가시광인식장치의 구조에서 오른쪽의 점선 구간이 나타내는 것은 무엇인가?",
"본 논문에서 제작한 가시광인식장치에서 리더는 어디에 부착하여 사용하는가?",
"본 논문에서 제작한 가시광인식장치의 트렌스폰더는 어디에 부착하여 사용하는가?",
"리더에서 트랜스폰더의 응답신호를 검출하는 것은 무엇인가?",
"리더에서 가시광을 발생하는 것은 무엇인가?",
"트랜스폰더에서 응답신호를 발생하게 하는 것은 무엇인가?",
"트랜스폰더에서 응답신호를 전송하는 역할을 하는 것은 무엇인가?",
"리더에서 문의신호를 발생하게 하는 역할을 하는것은 무엇인가?",
"솔라셀에서 발생한 전류 중에서 어떤 성분이 트랜스폰더 회로 전체에 전원을 공급하는가?",
"솔라셀에서 발생한 전류 중에서 리더의 LED 출력광에 포함된 문의신호는 무엇인가?",
"문의신호가 지정된 신호와 일치하는 경우 마이크로 프로세서는 어떤 신호를 발생하는가?",
"초음파 수신소자의 전압은 복조기와 마이크로프로세서를 통하여 어디로 전달되는가?",
"리더의 마이크로프로세서에서는 문의신호를 발생하여 어디로 전달하는가?",
"게이트 전압에 따라 변조된 FET 드레인(drain) 전류는 LED array에 공급되어 무엇을 발생하는가?",
"LED array에서 출력되는 가시광은 리더의 문의신호에 따라 변조된 신호광이며 자유공간을 통하여 어느 쪽으로 진행하는가?",
"Fig. 2에서 점선으로 표기된 부분이 나타내는 것은 무엇인가?",
"실험에서 리더의 회로에 사용한 백색의 \\( 1 \\mathrm{~W} \\) LED는 몇 개 인가?",
"실험에서 사용한 초음파 수신소자는 동작 주파수가 얼마인가?",
"실험에서 사용한 증폭기는 무엇인가?",
"트랜스폰더에서 리더의 가시광을 검출하는것은 무엇인가?",
"응답신호는 트랜스폰더가 부착된 관리대상 물체에 관한 정보이며 초음파 송신소자에 인가되어 무엇을 발생시키는가?",
"실험에서 리더의 회로에 사용한 FET는 무엇인가?"
] |
90d52dda-f792-4351-85af-df14ea4cb147
|
인공물ED
|
초음파를 이용한 가시광인식 수동형 트랜스폰더
|
<h1>4. 리더와 트랜스폰더 연동 실험</h1><p>리더와 트랜스폰더 사이의 교신과정을 확인하기 위하여 리더와 트랜스폰더를 각각 설치하고 정상 동작상태에서 송 수신파형을 관측하였다. 리더와 트랜스폰더 사이의 거리는 약 \( 3 \mathrm{~m} \) 이었으며, 리더에서는 문의신호로서 문자"Q"에 해당하는 NRZ 형태의 ASCII code를 발생하여 \( 80 \mathrm{~ms} \) 간격으로 반복 전송하였다. 리더에서 문의신호의 전송 데이터율은 \( 4.8 \mathrm{kbps} \) 를 사용하였다. 이 문의신호에 따라 LED array의 주입전류를 변조하여 LED출력광을 트랜스폰더 쪽으로 방사하였다. 트랜스폰더에 설치된 솔라셀은 LED빛을 받아서 전류를 생성하였으며, 솔라셀의 전류 중에서 DC 성분은 트랜스폰더에 설치된 마이크로프로세서의 전원으로 사용하였다. AC성분은 LED빛에 포함된 문의신호이므로 이를 인식하기 위해서 마이크로프로세서의 데이터 입력단자에 인가하였다. 마이크로프로세서에서는 리더의 문의신호를 인지하고 즉시 응답신호를 생성하였다. Fig. 8은 오실로스코프를 사용하여 트랜스폰더에서 관측한 전압파형이다.</p><p>Fig. 8(a) 는 앞의 Fig. 3에 보인 트랜스폰더 회로에서 캐퍼시터 \( {C}_{1} \) 을 통과한 후에 나타난 전압으로서 리더에서 보넨 문의 신호 " \( Q \) "에 대한 파형을 나타넨다. 이 신호가 트랜스폰더의 마이크로프로세서에 입력될 때 리더의 문의 신호"Q"가 인식되고 곧 바로 응답신호를 생성하였다.</p><p>Fig. 8(b) 는 트랜스폰더의 마이프로세서에서 생성된 응답신호를 나타낸다. 이 응답신호는 문자열 "TP1234\r\n”에 따라 \( 40 \mathrm{kHz} \) 캐리어 신호를 ASK 변조한 파형이다. 여기에서 \( 40 \mathrm{kHz} \) 캐리어 신호는 초음파 소자를 동작시키기 위한 주파수로서 마이크로프로세서에서 25 us주기를 가진 구형파를 생성하여 사용하였다. 이 ASK변조 신호가 초음파 송신소자에 인가되어 초음파를 생성하였으며, 리더 쪽으로 방사되었다.</p><p>Fig. 9는 Fig. 8의 관측파형에서 문의신호와 응답신호의 파형 구성을 좀더 자세히 관찰하기 위하여 오실로스고프의 시간 축을 \( 2 \mathrm{~ms} / \mathrm{div} \) 눈금으로 확대하여 관측한 파형이다.</p><p>Fig. 9 (a) 는 리더로부터 전달되어온 문의신호로서 문자 "Q"에 대한 전압파형을 나타넨다. 문자"Q"의 ASCII크드는 “01010001"이며, LSB부터 MSB순서로 전송하는 경우 앞 뒤로 순서가 바뀌어서 “10001010"가 된다. 이 비트열 앞에 start bit "0"과 비트열 뒤에 stop bit"1"을 추가하면 비트열이 "0100010101"이 된다. 비트"1"상태에서 "high"(H) 전압, 비트” 0 ”인 상태에서 "low"(L) 전압을 사용할 때 문의신호의 비트열은 "LHLLLHLHLH" 이 되어 Fig. 9(a) 와 같은 형태가 된다. Fig. 9(b) 는 트랜스폰더에서 발생한 응답신호 "TP1234\r\n"중에서 앞부분의 문자 "TP"에 해당하는 ASK전압파형이며, 검은색으로 표시되는 부분은 \( 40 \mathrm{kHz} \)의 캐리어신호를 나타낸다. 트랜스폰더에서 발생한 초음파 응답신호는 공기를 통하여 리더 쪽으로 전달되었다. Fig. 10은 리더 회로의 전압을 오실로스코프로 관측한 파형을 나타낸다.</p><p>Fig. 10(a) 는 리더에서 발생한 문의신호 " \( Q \) "에 대한 전압으로서 앞의 Fig. 8(a) 와 동일한 파형이다. Fig. 10(b) 는 트랜스폰더에서 발생한 초음파 응답신호를 리더의 초음파 수신소자에서 검출한 전압으로서 \( 40 \mathrm{kHz} \) 캐리어가 ASK 변조된 상태를 나타낸다. 트랜스폰더의 응답신호인 Fig. 8(b) 파형과 리더에서의 검출신호인 Fig. 10(b) 를 비교하면 약 \( 8.8 \mathrm{~ms} \) 정도의 지연시간이 발생하였다. 이것은 트랜스폰더에서 보넨 초음VK 응답신호가 \( 3 \mathrm{~m} \) 거리에 있는 리더까지 도달하는 데에 걸리는 시간이다.</p><p>공기 중에서 초음파의 진행속도는 약 \( 340 \mathrm{~m} / \mathrm{s} \) 이며, 트랜스폰더의 초음파 송신부와 리더의 수신부 사이의 거리가 약 \( 3 \mathrm{~m} \)이므로 송 수신부 사이에 발생하는 시간지연은 \( \Delta t=l / v=\frac{3}{340} \cong 8.8 \times 10^{-3}(\mathrm{sec})=8.8(\mathrm{~ms}) \)<caption>(1)</caption>이었다. Fig. 10(c) 는 리더의 수신신호가 ASK 복조기를 통과한 후 최종 복구된 파형으로서 트랜스폰더의 응답신호 "TP1234\r\n"에 대한 ASCII 코드에 해당하며, ASK 변조파형에서 \( 40 \mathrm{kHz} \) 의 캐리어가 제거되고 진폭이 검출된 상태를 나타낸다. 이와 같이 리더와 트랜스폰더 사이에서 정상적으로 교신되는 최대 인식거리는 솔라셀의 전류가 약 \( 4 \mathrm{~mA} \) 이상이 되는 구간인 \( 3.4 \mathrm{~m} \) 정도로 측정되었으며, 이것은 앞의 Fig. 4에서 점선으로 표기된 구간이다. 이 수신 파형을 컴퓨터에 연결하여 모니터상에 문자를 표시하였다. Fig. 11은 모니터에 표시되는 문자열을 관측한 화면이다.</p><p>Fig. 11의 문자열을 보면 트랜스폰더에서 생성한 데이터 "TP1234"가 정상적으로 잘 표시되고 있다. 트랜스폰더에서 보넨 응답신호 중에서 "\r" (carriage return)"과 "\n"(line feed) 는 모니터에서 문자열의 위치를 정하기 위한 특수 문자이므로 모니터상에는 나타나지는 않는다. Fig. 12는 실험에 사용한 리더회로의 외관을 나타낸다.</p><p>Fig. 12(a)는 리더에서 광원으로 사용된 6×4 LED array를 나타내며, Fig. 12(b) 는 초음파 수신소자를 포함한 초음파 ASK 복조회로이다. Fig. 12(c) 는 리더에서 사용한 마이크로프로세서 회로를 나타넨다. Fig. 13은 솔라셀과 초음파 송신소자를 포함한 트랜스폰더 회로를 나타낸다.</p><p>솔라셀의 중심부분에 수직으로 설치된 부분이 트랜스폰더의 마이크로표로세서와 초음파 송신소자를 연결하는 PCB 회로기판이다. 이와 같이 솔라셀과 초음파소자를 사용하여 트렌스폰더를 구성하면 LED조명을 이용하여 무선인식 시스템의 구현이 가능함을 실험적으로 확인하였다.</p>
|
[
"교신과정을 확인하기 위해 무엇을 각각 설치하나요?",
"리더와 트랜스폰더 사이의 무엇을 확인합니까?",
"Fig. 11의 문자열을 보면 트랜스폰더에서 생성한 데이터 \"TP1234\"가 정상적으로 잘 표시하고 있는가?",
"리더와 트랜스폰더를 각각 설치하고 정상 동작상태에서 무엇을 관측하였습니까?",
"리더에서는 문의신호로서 문자\"Q\"에 해당하는 NRZ 형태의 무엇을 발생하였는가?",
"리더와 트랜스폰더 사이의 거리는 약 \\( 몇 \\mathrm{~m} \\) 이었나?",
"Fig. 8은 무엇을 사용했나요?",
"어디에서 문의신호의 전송 데이터율은 \\( 4.8 \\mathrm{kbps} \\) 를 사용하였나?",
"트랜스폰더에 설치된 솔라셀은 무엇을 받아서 전류를 생성하였는가?",
"마이크로프로세서에서는 리더의 문의신호를 인지하고 즉시 무엇을 생성하였나요?",
"트랜스폰더의 마이크로프로세서에 입력될 때 리더의 문의 신호\"뭐\"가 인식되나요?",
"트랜스폰더에 설치된 솔라셀은 LED빛을 받아서 무엇을 생성하였나요?",
"AC성분은 무엇에 포함된 문의신호인가?",
"AC성분에 포함된 문의신호는 뭐야?",
"리더에서 문의신호의 전송 데이터율은 몇을 사용하였나요?",
"이 문의신호에 따라 무엇의 주입전류를 변조하였나?",
"마이크로프로세서에서는 리더의 문의무엇을 인지하였는가?",
"LED array의 주입전류를 변조하여 무엇을 트랜스폰더 쪽으로 방사하였나요?",
"NRZ 형태의 ASCII code를 발생하여 \\( 몇\\mathrm{~ms} \\) 간격으로 반복 전송하였는가?",
"솔라셀의 전류 중에서 DC 성분은 트랜스폰더에 설치된 무엇의 전원으로 사용하였나?",
"문자\"Q\"의 ASCII크드는 “01010001\"이며, LSB부터 어떠한 순서로 전송하는 경우 앞 뒤로 순서가 바뀌어서 “10001010\"가 되는가?",
"문자\"Q\"의 ASCII코드는 무엇인가?",
"여기에서 \\( 40 \\mathrm{kHz} \\) 캐리어 신호는 초음파 무엇을 동작시키기 위한 주파수인가요?",
"문자\"Q\"의 ASCII크드는 “01010001\"이며, LSB부터 MSB순서로 전송하는 경우의 ASCII코드의 경우 어떻게 변하는가?",
"이 응답신호는 문자열 \"TP1234\\r\\n”에 따라 \\( 40 \\mathrm{kHz} \\) 캐리어 무엇을 ASK 변조한 파형인가요?",
"어디에서 관측한 전압파형인가요?",
"이 신호가 트랜스폰더의 마이크로프로세서에 입력될 때 리더의 문의 신호\"Q\"가 인식되고 곧 바로 무엇을 생성하였나요?",
"문자\"Q\"의 ASCII크드는 “01010001\"인가?",
"트랜스폰더에서 발생한 초음파 응답신호는 공기를 통하여 리더 쪽으로 전달되는가?",
"트랜스폰더에서 발생한 초음파 응답신호는 소리를 통하여 리더 쪽으로 전달되는가?",
"Fig. 9(b) 는 트랜스폰더에서 발생한 응답신호 \"TP1234\\r\\n\"중에서 앞부분의 문자 \"TP\"에 해당하는 ASK전압파형인가?",
"Fig. 9(b) 는 트랜스폰더에서 발생한 응답신호 \"TP1234\\r\\n\"중에서 앞부분의 문자 \"TP\"에 해당하는 ASK전압파형이며, 검은색으로 표시되는 부분은 \\( 40 \\mathrm{kHz} \\)의 캐리어신호를 나타내는가?",
"검은색으로 표시되는 부분은 \\( 40 \\mathrm{kHz} \\)의 어떤 신호를 나타내는가?",
"Fig. 9(b) 는 트랜스폰더에서 발생한 응답신호 \"TP1234\\r\\n\"중에서 앞부분의 문자 \"TP\"에 해당하는 어떤 전압파형인가?",
"Fig. 10(c) 는 리더의 수신신호가 어떤 복조기를 통과한 후 최종 복구된 파형인가?",
"Fig. 12는 실험에 사용한 리더회로의 외관을 나타내는가?",
"Fig. 12(c) 는 리더에서 사용한 마이크로프로세서 회로를 나타내는가?",
"Fig. 13은 솔라셀과 초음파 송신소자를 포함한 트랜스폰더 회로를 나타내는가?",
"Fig. 12(b) 는 초음파 수신소자를 포함한 초음파 ASK 복조회로인가?",
"솔라셀의 중심부분에 수직으로 설치된 부분이 트랜스폰더의 마이크로표로세서와 초음파 송신소자를 연결하는 PCB 회로기판인가?",
"솔라셀의 중심부분에 수직으로 설치된 부분이 트랜스폰더의 마이크로표로세서와 초음파 송신소자를 연결하는 것은 어떤 회로기판인가?",
"트랜스폰더에서 보넨 응답신호 중에서 \"\\r\" (carriage return)\"과 \"\\n\"(line feed) 는 모니터에서 문자열의 무엇을 정하기 위한 특수 문자인가?",
"이와 같이 솔라셀과 초음파소자를 사용하여 트렌스폰더를 구성하면 LED조명을 이용하여 무선인식 시스템의 구현이 가능한가?",
"리더에서는 문자\"Q\"에 해당하는 NRZ 형태의 ASCII code를 발생시켜 \\( 8 \\mathrm{~ms} \\) 간격으로 반복 전송했는가?",
"송수신부 사이에서 \\( \\Delta t=l / v=\\frac{3}{340} \\cong 8.8 \\times 10^{-3}(\\mathrm{sec})=8.8(\\mathrm{~ms}) \\) 만큼의 시간이 지체되었는가?",
"트랜스폰더의 초음파 송신부와 리더의 수신부 간의 사이 거리는 약 ( 3 \\mathrm{~m} \\) 인가?",
"공기 중에서 초음파의 속도는 약 \\( 370 \\mathrm{~m} / \\mathrm{s} \\) 인가?",
"Fig. 9는 오실로스고프의 시간 축을 \\( 2 \\mathrm{~ms} / \\mathrm{div} \\) 눈금으로 증폭하여 관찰한 파형인가?",
"\"\\r\" (carriage return)\"과 \"\\n\"(line feed) 는 모니터를 통해 확인할 수 있는가?",
"리더와 트랜스폰더 간에 정상적으로 신호가 교환되는 최대 인식거리는 솔라셀의 전류가 약 \\( 40 \\mathrm{~mA} \\) 이상이 되는 구간인가?",
"Fig. 12(a)는 초음파 수신소자를 포함한 초음파 ASK 복조회로를 나타낸 것이고 Fig. 12(b) 는 리더에서 광원으로 사용된 6×4 LED array를 나타낸 것인가?",
"\\( 40 \\mathrm{kHz} \\) 캐리어 신호는 초음파 소자를 작동시키기 위한 주파수인가?",
"트랜스폰더에서 발생한 응답신호 \"TP1234\\r\\n\"중에서 흰색으로 나타나는 곳에서 \\( 40 \\mathrm{kHz} \\)의 캐리어신호가 발생되는가?"
] |
5b640952-076c-4afd-973f-e0384c0e6033
|
인공물ED
|
초음파를 이용한 가시광인식 수동형 트랜스폰더
|
<h2>3.2 솔라셀 AC 수신대역폭</h2><p>트랜스폰더에는 리더의 가시광에 포함된 문의신호를 검출하기 위하여 별도의 광검출기를 사용하지 않고 솔라셀이 이 역할을 대신한다. 따라서 솔라셀을 사용하여 신호광을 검출 할 때 어느 정도의 주파범위까지 수신이 가능한지 알아보기 위하여 솔라셀의 AC 응답특성을 측정하였다. 광원인 LED array의 구동전류를 사인파 형테로 변조하는 상태에서 주파수를 증가하면서 솔라셀의 AC 검출전압을 측정하여 기록하였다. 검출전압의 최대값을 1 로 정규화한 AC 응답특성은 Fig. 5 와 같다.</p><p>Fig. 5의 곡선 (a), (b), (c) 에서 기호 ■, ●, ▲ 는 각각 솔라셀에 연견된 부하저항이 \( \mathrm{RL}=200 \Omega, 1 \mathrm{k} \Omega, 5 \mathrm{k} \Omega \) 일 때의 응답특성의 측정값을 나타낸다. 솔라셀도 포토다이오드와 유사하게 부하저항이 증가함에 따라 수신대역폭이 감소하는 특성을 보였다. 검출전압의 진폭이 \( 1 / \sqrt{2} \) 배로 줄이드는 \( 3 \mathrm{~dB} \) 수신 대역폭은 부하저항 \( \mathrm{RL}=200 \mathrm{~W} \) 일 때 약 \( 30 \mathrm{kHz} \) 로 측정되었다.</p><h2>3.3 초음파 소자의 방사패턴</h2><p>트렌스폰더의 응답신호 발생에 사용한 초음파소자의 전기적 특성을 알아보기 위하여 방사패턴과 검출전압을 차례로 측정하였다. 초음파 소자의 방사패턴을 측정하기 위하여 초음파 송신소자를 스텝모터의 회전축에 부착하고 신호발생기를 사용하여 진폭 \( 5 \mathrm{~V} \), 주파수 \( 40 \mathrm{kHz} \) 의 사인파를 인가하였다. 초음파 송신소자로부터 약 \( 1 \mathrm{~m} \) 의 거리에 초음파 수신소자를 설치하고, 스텝모터를 360도 회진하면서 초음파 수신소자에서 검출되는 전압을 연속적으로 기록하였다. 실험에 사용한 초음파 송신소자는 MCUST16P40B, 수신소자는 MCUSR16P40B이며, 동작 주파수는 모두 \( 40 \mathrm{kHz} \) 이었다. 초음파소자의 방사패턴을 측정한 결과는 Fig. 6과 같다.</p><p>Fig. 6 에서 최대방사방향은 초음파소자의 정면방향인 0 도 방향이며, 방사된 초음파의 FNBW (first null beam width) 는 약 50 도 정도로 측정되었다.</p><h2>3.4 초음파소자의 검출전압</h2><p>본 논문의 가시광인식장치에서 리더의 문의신호로는 LED의 가시광을 사용하고, 트랜스폰더의 응답신호로는 초음파를 사용한다. 따라서 초음파소자의 검출전압은 솔라셀의 전류와 함께 트랜스폰더의 인식거리에 영향을 줄 수 있는 중요한 요소 중 하나이다. 초음파 검출전압을 측정하기 위하여 초음파 송신소자에 신호발생기를 연결하고 \( 40 \mathrm{kHz} 5 \mathrm{Vpp} \) 의 전압을 인가한 상태에서 송x수신소자 사이의 거리를 증가시키면서 수신소자에 검출되는 전압을 기록하였다. 측정된 결과는 Fig. 7과 같다.</p><p>Fig. 7에서 기호(■)는 측정값을 나타낸다, 여기에서 보는 바와 같이 초음파 송 수신 소자 사이의 거리가 증가함에 따라 검출전압이 감소하는 경항을 보였다. 실험에서 초음파를 ASK 변조하여 데이터를 전송하였을 때 초음파 수신전압이 약 \( 20 \mathrm{mV} \)정도로 감소하는 약 \( 4 \mathrm{~m} \) 의 거리까지 정상적으로 변조신호의 복구가 가능하였다.</p>
|
[
"부하저항 \\( \\mathrm{RL}=200 \\mathrm{~W} \\) 일 때, 검출전압의 진폭이 \\( 1 / \\sqrt{2} \\) 배로 줄이드는 \\( 3 \\mathrm{~dB} \\) 수신 대역폭은 약 얼마로 측정되었는가?",
"초음파소자의 전기적 특성을 알아보기 위한 실험에서, 초음파 송신소자와 초음파 수신소자 사이의 거리는 약 얼마정도인가?",
"초음파 소자의 방사패턴을 측정하기 위한 실험에 사용한 수신소자의 종류는 무엇인가?",
"초음파 소자의 방사패턴을 측정하기 위한 실험에 사용한 초음파 송신소자와 수신소자의 동작 주파수 값은 서로 다르니?",
"초음파 소자의 방사패턴을 측정하기 위한 실험에 사용한 초음파 송신소자와 수신소자의 동작 주파수 값은 얼마니?",
"초음파소자의 방사패턴을 측정했을 때, 방사된 초음파의 FNBW는 약 몇 도인가?",
"트렌스폰더의 응답신호 발생에 사용한 초음파소자의 전기적 특성을 알아보기 위한 실험에서 인가한 신호발생기의 파동은 사인파이니?",
"솔라셀을 사용한 트랜스폰더는 리더의 가시광에 포함된 문의신호를 검출하기 위해 반드시 별도의 광검출기를 사용해야만 하는가?",
"솔라셀과 달리 포토다이오드는 부하저항이 증가함에 따라 수신대역폭이 증가하는 특성을 보이니?",
"방사패턴 측정 후에, 트렌스폰더의 응답신호 발생에 사용한 초음파소자의 전기적 특성을 알아보기 위하여 측정해야하는 값은 무엇인가?",
"초음파소자의 방사패턴을 측정했을 때, 최대방사방향은 초음파소자의 방향과 정반대인 180 도 방향이니?",
"가시광인식장치에서 리더의 문의신호로는 LED의 가시광을 사용하고 트랜스폰더의 응답신호로는 초음파를 사용했을 때, 초음파소자의 검출전압은 트랜스폰더의 인식거리에 영향을 주니?",
"초음파 소자의 방사패턴을 측정하기 위한 실험에 사용한 송신소자의 종류는 무엇인가?",
"초음파를 ASK 변조하여 데이터를 전송하였을 때, 정상적으로 변조신호의 복구가 가능한 거리는 약 얼마인가?",
"초음파 송신소자에 신호발생기를 연결하고 전압을 인가한 실험조건에서, 초음파 송 수신 소자 사이의 거리가 증가하면 검출전압도 증가하니?"
] |
48b8c0e8-e7fc-41fa-a097-4070d072ea37
|
인공물ED
|
초음파를 이용한 가시광인식 수동형 트랜스폰더
|
<h1>5. 결 론</h1><p>본 논문에서는 솔라셀과 초음파 소자를 사용하여 근거리 무선인식 시스템을 구현하였다. 트랜스폰더에서는 솔라셀을 사용하여 자체 전원을 생성하므로 외부의 전원이 없이 수동형으로 동작하며, 솔라셀이 광검출기의 역할을 동시에 수행하므로 별도의 광검출기 회로가 필요하지 않아 회로가 매우 간단해진다. 트랜스폰더의 응답신호로는 \( 40 \mathrm{kHz} \)의 초음파를 사용하였다. 초음파는 RF와 상호간섭이 없고 주변의 잡음광에 의한 간섭현상이 발생하지 않으며, 비교적 가격이 저렴하기 때문에 근거리 무선 인식 장치의 구현에 편리한 장점을 가지고 있다. 실험에서 트랜스폰더를 구성하기 위하여 솔라셀의 전류와 수신대역폭, 초음파 소자의 방사패턴, 검출전압을 각각 측정한 후, 리더와 트랜스폰더를 연동하여 상호 교신상태에서 송x수신파형을 관찰하였다. 리더에서 광원으로 6×4 LED array를 사용한 경우에 가시광인식장치의 최대인식거리는 약 \( 3.4 \mathrm{~m} \) 로 측정되었다.</p><p>이러한 무선인식장치는 보안성이 요구되는 출입문에서 통행자의 신원을 파악하거나, 톨게이트 또는 주차관리 시스템에서 LED조명을 이용하여 자동차 관련 정보를 무선인식하기 위한 센서 시스템의 구현에 많이 활용할 수 있다.</p>
|
[
"본문에서 근거리 무선인식 시스템은 무엇을 이용하여 구현하였나?",
"본문에서 근거리 무선인식 시스템을 구현할 떄 무엇을 사용했어?",
"본 논문에서는 솔라셀과 초음파 소자를 사용하여 무엇을 구현했니?",
"솔라셀과 초음파 소자를 이용하여 본 논문에서는 무엇을 구현했어?",
"트랜스폰더에서는 무엇을 사용하여 자체 전원을 생성하니?",
"트랜스폰더에서 자체 전원을 생성하는 것은 무엇을 활용한 거야?",
"트랜스폰더에서 왜 외부의 전원이 없이 수동형으로 동작할 수 있어?",
"트랜스폰더의 응답신호로 사용한 초음파는 무엇이야?",
"트랜스폰더에서 회로가 왜 간단해지나요?",
"회로가 트랜스폰더에서 왜 간단해지나요?",
"트랜스폰더에서는 솔라셀을 사용하여 자체 전원을 생성하므로 외부의 전원이 없이 동작할 수 있어?",
"초음파의 장점은 무엇이야?",
"무엇이 초음파의 장점이지?",
"초음파가 근거리 무선 인식 장치의 구현에 왜 편리해?",
"근거리 무선 인식 장치의 구현에 초음파가 왜 편리하지?",
"실험에서 트랜스폰더를 구성하기 위하여 무엇을 계측해?",
"트랜스폰더를 구성하기 위해 실험에서 계측하는 것은 뭐야?",
"무선인식장치는 어디에 많이 활용되니?",
"톨게이트 또는 주차관리 시스템에서 LED조명을 이용하여 자동차 관련 정보를 무선인식하기 위한 센서 시스템의 구현에 활용되는 장치는 무엇일까?",
"무엇의 응답신호로 \\( 40 \\mathrm{kHz} \\)의 초음파를 사용하였나?",
"리더에서 광원으로 6×4 LED array를 사용할 때 가시광인식장치의 최대인식거리는 대략 얼마일까?"
] |
2bdeb095-0079-46be-955a-cef15ec232c2
|
인공물ED
|
초음파를 이용한 가시광인식 수동형 트랜스폰더
|
<h1>1. 서 론</h1><p>최근에 들이 가시광을 발생하는 고출력의 발광다이오드 (light emitting diode; LED)의 제조기술이 크게 발전함에 따라 실내의 조명등, 실외의 가로등, 전광판, 자동차조명과 같은 거의 모든 분야의 조명시설이 LED로 빠르게 교체되고 있다. LED는 기존의 백열등이나 형광등에 비하여 수명이 길고 전력변환효율이 높으며, 크기가 작고 견고하여 취급하기에 편리한 장점을 가지고 있다. 또한 LED는 주입전류의 조절에 의한 조명제어가 용이하고 변조속도가 빨라 조명자체는 물론 조명과 통신을 겸하는 가시광통신 (visible light communication; VLC)에 많이 사용되고 있다. 가시광통신은 한 개의 광원을 사용하여 조명과 통신의 2가지 기능을 동시에 수행할 수 있는 구조로서, LED의 주입전류 제어에 의한 고속변조가 가능한 장점을 최대한 활용하여 LED기반의 조명시설에서 부가가치를 창출할 수 있는 새로운 융합 기술분야로 발전하고 있다.</p><p>가시광통신은 광섬유를 사용하지 않고 근거리에서 자유공간을 통하여 광원의 빛을 직접 광검출기로 검출하는 무선광통신과 유사하다. 그러나 기존에 적외선을 주로 사용하던 무선광통신과 달리 가시광통신은 LED조명광을 이용하기 때문에 데이터 전송과정에서도 깜박거림이 없는 안정된 조명상태를 유지하면서 퉁신이 가능하도록 설계하는 기술이 중요하다.</p><p>LED의 조명을 활용할 수 있는 또 하나의 신기술분야에 가시광 인식 (visible light identification; VLID) 이 있다. 가시광 인식은 수 m 이내의 근거리에서 관리대상물체의 정보를 무선으로 자동 인식할 수 있는 센서기술의 일종이다. 가시광 인식장치는 리더 (reader)와 트렌스폰더 (transponder)로 이루이지며 이 둘은 서로 마주 바라보는 구조이다. 리더는 관리자의 컴퓨터에 부착하여 사용하고, 트랜스폰더는 무선인식을 위한 관리대상 물체에 부착하여 사용한다. 리더에서 문의신호(interrogating signal)를 발생하면 트랜스폰더가 이에 자동 응답하는 구조로서 리더와 트랜스폰더 사이의 신호교환과정은 기존의 RFID (radio frequency identification)와 유사하다. 리더에서 문의 신호광을 발생하여 트랜스폰더에 쪼여주면, 트랜스폰더가 이를 검출하고 응답신호를 발생하여 리더 쪽으로 방사한다. 이러한 가시광인식장치의 트랜스폰더에 솔라셀을 사용하면, 별도의 외부 전원을 사용하지 않고 솔라셀의 전류만으로 동작하는 수동형(passive) 트랜스폰더를 구현할 수 있다. 가시광인식장치의 트랜스폰더에 솔라셀을 사용할 때 얻을 수 있는 또 하나의 이점은 솔라셀이 기존의 포토다이오드와 유사하게 신호광에 포함된 데이터를 검출할 수 있기 때문에 별도의 광검출기가 필요하지 않아 트랜스폰더의 회로 구성이 매우 간편해진다. 이와 같이 수동형 트랜스폰더에서는 솔라셀이 전원의 역할과 광검출기의 역할을 동시에 수행하며, 트랜스폰더에서 리더 쪽으로 보내는 응답신호를 발생하기 위해서는 가시광 LED 또는 RF모듈을 사용할 수 있다.</p><p>본 논문에서는 이러한 가시광인식장치의 트랜스폰더 응답신호로서 초음파를 세로이 사용하였다. 초음파는 기존의 RF와의 간섭이 없고 인접된 잡음광의 영향을 받지 않으며 가격이 저렴한 이점이 있다. 또한 실내에서 사용할 경우 트랜스폰더의 초음파 응답신호가 건물 밖으로 유출되지 않아 보안성을 유지하기에 편리하다. 따라서 본 논문의 구조를 이용하면 트랜스폰더의 응답신호를 리더로 전송하는 과정에서 더욱 안정된 시스템을 구현할 수 있다. 이와 같은 가시광인식 시스템은 보안성이 요구되는 출입문의 통행자 관리, 툴게이트 혹은 주차장에서 통행 차량의 정보관리를 자동적으로 수행하기 위한 무선센서 네트위크를 구축하는 데에 많이 활용할 수 있다.</p>
|
[
"최근에 들이 가시광을 발생하는 고출력의 발광다이오드의 제조기술이 크게 발전함에 따라 실내의 조명등, 실외의 가로등, 전광판, 자동차조명과 같은 거의 모든 분야의 조명시설이 무엇으로 교체되고 있나?",
"LED는 기존의 백열등이나 형광등에 비하여 어떤 장점이 있니?",
"LED는 주입전류의 조절에 의한 조명제어가 용이하고 변조속도가 빨라서 어떤 분야에 사용되고 있나?",
"가시광통신은 한 개의 광원을 사용하여 어떤 기능을 수행할 수 있어?",
"광섬유를 사용하지 않고 근거리에서 자유공간을 통하여 광원의 빛을 직접 광검출기로 검출하는 것은 무엇일까?",
"가시광 인식은 어떤 기술이니?",
"가시광 인식장치는 무엇으로 이루어져 있나?",
"무엇으로 가시광 인식장치는 이루어져 있지?",
"리더에서 문의신호를 발생하면 무엇이 이에 자동 응답하나?",
"무엇이 리더에서 문의신호를 발생하면 자동 응답하나?",
"리더와 트랜스폰더 사이의 신호교환과정과 유사한 것은 무엇이지?",
"무엇으로 리더와 트랜스폰더 사이의 신호교환과정과 유사하지?",
"수동형 트랜스폰더에서 전원의 역할과 광검출기의 역할을 동시에 수행는 것은 무엇일까?",
"기존의 RF와의 간섭이 없고 인접된 잡음광의 영향을 받지 않으며 가격이 저렴한 이점이 있는 것은 무엇이니?",
"초음파는 기존의 RF와의 간섭이 없고 인접된 잡음광의 영향을 받지 않으며 가격이 비싼 단점이 있니?",
"가시광인식 시스템은 어디에 활용될까?",
"가시광통신은 광섬유를 사용하지 않고 근거리에서 자유공간을 통하여 광원의 빛을 직접 광검출기로 검출하는 점에서 무엇과 비슷한가?",
"무선광통신의 정의는 무엇일까?",
"수 m 이내의 근거리에서 관리대상물체의 정보를 무선으로 자동 인식할 수 있는 센서기술은 무엇이니?",
"가시광인식장치의 트랜스폰더에 솔라셀을 사용할 때 얻을 수 있는 이점은 뭐야?",
"기존의 백열등이나 형광등에 비하여 수명이 길고 전력변환효율이 높으며, 크기가 작고 견고하여 취급하기에 편리한 장점을 가진 것은 무엇일까?",
"리더 (reader)와 트렌스폰더 (transponder)로 구성되는 인식장치는 무엇이야?",
"인식장치로 리더 (reader)와 트렌스폰더 (transponder)로 구성되는 것은 무엇이야?",
"트랜스폰더에서 리더 쪽으로 보내는 응답신호를 발생하기 위해서 무엇을 사용할까?",
"무엇이 트랜스폰더에서 리더 쪽으로 보내는 응답신호를 발생하기 위해 사용할까?",
"본문에서 가시광인식장치의 트랜스폰더 응답신호로서 무엇을사용하였니?",
"초음파의 이점은 무엇일까?"
] |
2254ea21-ceab-4e9c-ba18-5bb84d876988
|
인공물ED
|
초음파를 이용한 가시광인식 수동형 트랜스폰더
|
<h2>2.3 트랜스폰더의 회로</h2><p>Fig. 3는 트랜스폰더의 회로도를 나타낸다.</p><p>트랜스폰더의 솔라셀은 리더로부터 방사된 신호광을 수신하여 전류를 발생한다. 솔라셀의 양단전압 중에서 캐퍼시터 \( {C}_{1} \)을 통과한 AC전압 Vac는 마이크로프로세서의 입력단자에 전달되어 리더의 문의신호를 인식한다. 솔라셀 전류의 일부는 캐퍼시터 \( {C}_{2} \) 에 축적되어 DC전압 Vdc를 생성하며, 이 DC 전압은 마이크로프로세서를 구동하기 위한 전원으로 사용된다. 마이크로프로세서에서는 AC전압 Vac 를 읽어 들여 리더의 문의신호를 인식하며, 이 신호가 지정된 문자 " Q”와 일치하는 경우에는 응답신호를 생성한다. 마이크로프로세서에서 출력되는 응답신호는 초음파소자의 동작주파수에 일치하도록 \( 40 \mathrm{kHz} \) 의 캐리어 주파수를 가지며, 응답신호의 ASCII코드로 진폭이 변조된 ASK변조신호이다. 이 응답신호가 초음파 송신소자에 전달되어 초음파를 발생하며, 자유공간을 통하여 리더 쪽으로 전달된다. 실험에서 사용한 솔라셀은 M165110-9V 2개를 병렬로 연결하여 사용하였으며, 마이크로프로세서는 ATtiny24, 초음파 송신소자는 동작 주파수가 \( 40 \mathrm{kHz} \) 인 MCUST16P40B을 사용하였다.</p><h1>3. 트랜스폰더 주요 소자의 특성 측정</h1><p>트랜스폰더를 이루고 있는 주요부품은 리더의 가시광을 검출하는 솔라셀과 응답신호를 발생하는 초음파 소자이다. 따라서 리더와 트랜스폰더 사이의 교신과정을 실험하기 전에 이 두 소자의 전기적 특성을 먼저 측정하였다.</p><h2>3.1 솔라셀 전류</h2><p>트랜스폰더에 설치된 솔라셀은 리더의 신호광을 받아 전류를 생성하여 트랜스폰더 회로에 전원을 공급함과 동시에 리더의 신호광에 포함된 데이터를 검출하는 광검출기 역할을 동시에 수행한다. 따라서 리더와 트랜스폰더 사이에 교신이 가능한 최대인식거리를 결정하는 중요한 소자이므로 솔라셀의 전류와 수신 대역폭을 각각 측정하였다. 실험에서 사용한 솔라셀은 엘레파츠사의 M165110-9V 2개를 병렬로 연결하여 사용하였다. 솔라셀에 입사하는 가시광을 생성하기 위하여 백색의 1W LED 24개를 사용하여 \( 6 \times 4 \) 의 평면배열 구조의 LED array를 제작하고 이를 광원으로 사용하였다. LED array로부터 거리를 증가시키면서 솔라셀 전류를 측정하였다. 각 LED에는 방사각이 30도인 렌즈를 부착하여 사용하였다. 솔라셀의 전류를 측정한 결과는 Fig. 4 와 같다.</p><p>Fig. 4에서 기호(■)는 측정값을 나타낸다. 여기에서 보는 바와 같이 광원으로부터의 거리가 증가함에 따라 솔라셀의 전류는 감소하는 경향을 보였다. 뒤에 서술된 제4절의 리더와 트랜스폰더간의 연동실험에서 솔라셀의 전류가 약 \( 4 \mathrm{~mA} \) 이상이 되는 범위에서 트랜스폰더가 정상적으로 응답하였으며, 그 거리는 최대인식거리로서 약 \( 3.4 \mathrm{~m} \) 정도로 측정되었다.</p>
|
[
"트랜스폰더에 설치된 솔라셀의 역할 중 첫번째는 트랜스폰더 회로에 무엇을 공급하는가?",
"리더와 트랜스폰더 사이에 교신이 가능한 최대인식거리를 결정하는 중요한 소자는 무엇인가?",
"본 논문에서 제작된 LED array 구조는 무엇인가?",
"본 논문에서 Fig. 3가 표현하는 것은 무엇인가?",
"무엇을 본 논문에서 Fig 3이 표현하나요?",
"트랜스폰더의 회로에서 리더로부터 방사된 신호광을 수신하여 전류를 발생시키는 것을 무엇이라 하는가?",
"무엇이 트랜스폰더의 회로에서 리더로부터 방사된 신호광을 수신하여 전류를 발생시키는 것이야?",
"솔라셀의 AC전압 Vac는 어떤 신호를 인식하는가?",
"어떤 신호를 솔라셀의 AC전압 Vac가 인지하는거야?",
"솔라셀 전류 중 캐퍼시터 \\( {C}_{2} \\) 에 축적된 전류는 어떤 전압을 생성하는가?",
"어떤 전압을 솔라셀 전류 중 캐퍼시터 \\( {C}_{2} \\) 에 축적된 전류가 발생하나요?",
"솔라셀 전류 중 마이크로프로세서의 전원으로 사용되는 것은 무엇인가?",
"무엇이 솔라셀 전류 중 마이크로프로세서의 전원으로 사용되는 것이야?",
"트랜스폰더 솔라셀의 Vac는 마이크로프로세서의 입력단자에 전달되어 어떤 신호를 인식하는가?",
"어떤 신호를 트랜스폰더 솔라셀의 Vac는 마이크로프로세서의 입력단자에 전달되어 인지하나요?",
"문의신호가 지정된 어떤 알파벳과 일치하는 경우 응답신호를 생성하는가?",
"마이크로프로세서에서 나오는 응답신호의 주파수는 얼마인가?",
"얼마가 마이크로프로세서에서 나오는 응답신호의 주파수인가요?",
"어떤것이 마이크로프로세서에서 출력되는 응답신호 인가요?",
"마이크로프로세서에서 출력되는 응답신호는 뭐야?",
"ASK변조신호는 초음파 송신소자에 전달되어 무엇을 만들게 되나요?",
"무엇이 ASK변조신호가 초음파 송신소자에 전달되어 생성되지?",
"응답신호가 초음파를 발생시킨 후 어디를 통하여 리더로 전달되는가?",
"어디를 통하여 응답신호가 초음파를 발생시킨 후 리더로 전달되나요?",
"본 논문의 연구에 이용된 솔라셀은 무엇인가?",
"무엇이 본 논문의 연구에 사용된 솔라셀일까?",
"본 논문에서 실험에 사용한 마이크로프로세서는 무엇인가?",
"무엇이 본 논문에서 실험에 사용한 마이크로프로세서 인가요?",
"본 논문의 실험에서 사용한 초음파 송신소자는 무엇인가?",
"무엇이 본 논문의 실험에서 사용한 초음파 송신소자인가요?",
"본 논문의 트랜스폰더를 구성하는 두가지 핵심부속은 무엇인가?",
"무엇이 본 논문의 트랜스폰더를 구성하는 두가지 핵심부속인가요?",
"트랜스폰더에 설치된 솔라셀의 역할 중 전원 공급외 어떤 것이 있어?",
"전원 공급외 어떤 것이 트랜스폰더에 설립된 솔라셀의 역할이야?",
"실험에서 이용된 솔라셀은 어떤 회사의 제품인가?",
"어떤 회사의 제품이 실험에서 사용된 솔라셀일까?",
"가시광을 생성하기 위하여 제작된 LED array에 사용된 LED는 몇 개 인가?",
"몇 개의 LED가 가시광을 생성하기 위하여 제작된 LED array에 사용된거야?",
"솔라셀 실험에서 LED array로부터 어떤 값을 올리면서 전류를 계측하였는가?",
"어떤 값을 올리면서 솔라셀 실험에서 LED array로부터 전류를 계측하였어?",
"LED array에는 방사각이 몇 도인 렌즈를 추가하여 활용하였는가?",
"방사각이 몇 도인 렌즈를 추가하여 LED array에 이용하였나?",
"Fig. 4에서 기호(■)는 무엇을 표시하는가?",
"무엇이 Fig 4에서 기호(■)가 나타내는 것이야?",
"본 논문의 실험결과 솔라셀의 전류는 광원으로부터의 거리와 반비례하는가?",
"솔라셀의 전류는 광원으로부터의 거리와 반비례한다는 것이 본 논문의 실험결과인가요?",
"얼마로 표시된 것이 리더와 트랜스폰더간의 연동실험에서 최대인식거리인가?",
" 리더와 트랜스폰더간의 연동실험에서 최대인식거리는 얼마야?"
] |
64551cc1-8eab-4429-bb94-795c97de65fc
|
인공물ED
|
얼굴 랜드마크 거리 특징을 이용한 표정 분류에 대한 연구
|
<h1>Ⅱ. 본론</h1><h2>1. 관련 연구</h2><p>표정 인식에 대한 분석 및 연구는 인간과 컴퓨터의 상호작용(Human Computer Interaction)뿐만 아니라 컴퓨터 과학, 심리학, 산업 공학, 인간 공학, 로봇 비전 등 다양한 곳에서 주요한 연구 주제로 활발히 연구되고 있다. 또한 표정에 대한 연구는 이미 많은 산업 필드에 적용되고 있다.</p><p>텍스트, 이미지, 영상 등 얼굴을 이용한 실험은 다양하다. 최근까지도 본 논문의 실험과 유사한 형태로써 이미지를 이용하여 표정을 분류한 실험이 수행되었다. [10]에서 수행된 실험에서는 이미지 분류 성능에서 우수한 Convolutional Neural Network CNN을 사용하였다. 데이터를 7 가지의 표정으로 분류 했으며 Local Binary Pattern(LBP) feature와 attention 메커니즘을 결합하여 여러 데이터 셋을 사용해 분류 정확성을 입증하였다. 또 다른 연구에서는 연속적인 데이터로 즉각적인 표정을 인식하여 실험을 수행하였으며 새로운 multi-level hidden Markov models(HMMs)을 제안하였다.</p><h2>2. 데이터</h2><p>모바일 3D graphics 소프트웨어 개발 회사로부터 획득된 이미지를 이용하였다. 모든 데이터는 네이버, 구글, 플릭커, 카카오, Unsplash, Qwant에서 얻었으며 총 48260개의 이미지가 실험에 사용되었다. 라벨링 과정은 대학생 혹은 대학을 졸업한 40명의 성인이 참여했다. 관측자들은 각 이미지를 보고 분노, 행복, 중립, 슬픔, 놀람, 얼굴 아님 중 하나를 선택하였다.</p><p>데이터의 신뢰도는 [12]의 논문의 GLAD(Generative model of Labels, Abilities and Difficulties)를 사용해 각 관측자의 전문성, 이미지의 난이도, 각 이미지의 레이블에 대한 신뢰도를 추출했다. 관측된 레이블 결과는 \( L_{i j} \) (i는 표정 인덱스, j는 이미지 인덱스) 이고, 이미지의 라벨 신뢰도는 \( Z_{j} \), 관측자의 전문성 값은 \( \alpha_{i} \), 이미지의 난이도 값은 \( 1 / \beta_{j} \) 이다. 신뢰도 도출을 위해 Expectation-Maximization(EM)을 사용하여 매개 변수의 최대 가능성 추정치를 도출했다. EM알고리즘의 실행에서 이미지의 라벨 신뢰도 \( Z_{j} \) 의 초기 값은 5 개의 라벨에 각각 0.125로 설정하고, 관측자의 전문성과 이미지 난이도에서 사용하는 \( a i \)와 \( \beta j \)의 초기 값은 1 로 설정했다.</p><p>EM알고리즘은 Expectation 단계인 E-Step과 Maximization 단계인 M-Stem으로 구성된다. E-Step에서는 이미지 j에 대해 주어진 모든 레이블 값과 이전 단계의 \( \alpha_{i}, \beta_{j} \) 값으로 이미지 라벨의 신뢰도 \( Z_{j} \in\{0,1\} \)를 계산한다. M-Step 은 unconstrained minimization을 사용하여 E-Step에서 계산된 \( Z_{j} \) 값으로 \( \alpha_{i}, \beta_{j} \)의 값을 산출한다. \( \alpha_{i}, \beta_{j}, Z_{j} \) 값이 수렴할 때까지 E-Step과 M-Step을 반복했다. 관측자 전문성 결과값 a값은 양의 무한대 \( (+\infty) \) 일 경우 관측자가 항상 올바르게 레이블을 지정한다는 의미이고, 음의 무한대 \( (-\infty) \) 일 경우 관측자가 항상 잘못된 레이블을 지정한다는 의미이다. 신뢰도 결과 값이 0 인 경우 라벨러가 클래스를 구별 할 수 없음을 의미한다. 관측 영상 신뢰도 결과 \( 1 / \beta_{j} \) 값은 양의 무한대 \( (+\infty) \) 일 경우 이미지를 판단하기 매우 모호함을 의미하고, 0 일 경우 이미지를 판단하기 매우 쉬운 값을 의미한다. 관측 레이블 신뢰도 결과 값은 관측자들이 각 이미지에 대해 분노, 행복, 중립, 슬픔, 놀람, 얼굴 아님에 따라 입력한 값에 대해서 0 에서 1 사이로 정규화된 신뢰도 값을 의미한다. 따라서 각 이미지의 통계값의 최댓값이 해당 이미지의 카테고리가 되었다. 얼굴 아님 카테고리로 분류된 이미지는 없었다. 그리고 통계의 정규화된 신뢰도가 너무 낮다면 그 데이터는 분류의 명확성을 제시할 수 없기 때문에 실험에 사용하지 않았다. 이러한 이유들로 우리는 10128개의 분노, 13320개의 행복, 13105개의 중립, 6493개의 슬픔, 5214개의 놀람, 총 5 개로 라벨링된 결과를 얻을 수 있었다.</p>
|
[
"데이터를 몇 가지의 표정으로 분류했어?",
"인간과 컴퓨터의 상호작용(Human Computer Interaction)뿐만 아니라 컴퓨터 과학, 심리학, 산업 공학, 인간 공학, 로봇 비전 등 다양한 곳에서 주요한 연구 주제로 활발히 연구되고 있는 것은 무엇인가?",
"HMMs의 약자의 뜻은 무엇인가?",
"데이터를 7 가지의 표정으로 분류 했으며 Local Binary Pattern(LBP) feature와 무엇을 결합하여 여러 데이터 셋을 사용해 분류 정확성을 입증하였어?",
"연속적인 데이터로 즉각적인 표정을 인식하여 실험을 수행하였으며 새로운 무엇을 제안하였는가?",
"데이터의 신뢰도는 무엇을 사용하여 관측자의 전문성, 이미지의 난이도, 각 이미지의 레이블에 대한 신뢰도를 추출할 수 있었는가?",
"모든 데이터는 어디에서 얻었는가?",
"GLAD 약자의 뜻은 무엇인가?",
"표정 인식에 대한 분석 및 연구는 인간과 컴퓨터의 상호작용뿐만 아니라 어느 분야에서도 활발히 연구되고 있는가?",
"GLAD를 사용해 각 관측자의 무엇을 추출할 수 있었는가?",
"무엇들을 통해 얼굴을 이용한 실험들을 할 수있어?",
"Expectation 단계인 E-Step과 Maximization 단계인 M-Stem으로 구성되는 알고리즘은 무엇인가?",
"이미지 분류에서 성능이 우수한 무엇을 사용하였는가?",
"EM알고리즘은 Expectation 단계인 E-Step과 Maximization 단계인 M-Stem으로 구성되는가?",
"모든 데이터는 네이버, 구글, 플릭커, 카카오, Unsplash, Qwant에서 얻었으며 총 몇 개의 이미지가 실험에 사용되었는가?"
] |
7f6733fe-7715-4cec-8ab8-6cd43b3908e1
|
인공물ED
|
얼굴 랜드마크 거리 특징을 이용한 표정 분류에 대한 연구
|
<h2>3. 제안 방법</h2><h3>(1) 얼굴 탐지</h3><p>표정을 인식하려면 먼저 사람의 얼굴을 감지해야 한다. 얼굴 감지를 위해 C++ 라이브러리인 dlib를 사용했다. 그림 1 처럼 얼굴이 인지된 부분을 원본 이미지 위에 직사각형으로 표시해 성공적으로 얼굴을 발견했다는 것을 알 수 있었다.</p><h3>(2) 랜드마크 추출</h3><p>표정을 표현하는 부위는 크게 눈, 코, 입이다. 따라서 Dlib를 사용해 눈, 코, 입, 얼굴 윤곽에 찍히는 68 개의 랜드마크가 획득 되었다. 감정에 따라 달라지는 표정을 통해 랜드마크들의 거리 관계를 특징으로 사용하기 위해 모든 랜드마크들을 좌표로 변환하였다.</p><h3>(3) 특징 추출</h3><p>각 이미지 마다 추출된 68 개의 좌표를 사용해 거리를 계산했다. 랜드마크 사이의 거리는 유클리디안 거리로 계산되었다. 유클리디안 거리 계산식은 식 (1)과 같다.</p><p>\( d(x, y)=\sqrt{\sum_{i=1}^{n}\left(y_{i}-x_{i}\right)^{2}} \)<caption>(1)</caption></p><p>모든 랜드마크들은 그림 4처럼 하나의 랜드마크를 기준으로 기준이 되는 랜드마크와 이미 계산한 랜드마크를 제외한 다른 랜드마크와 거리를 계산할 수 있다. 계산된 모든 거리들은 표정 분류에 기반이 되는 특징이며 총 2278 개의 특징이 추출 되었다.</p><h3>(4) 특징 선택</h3><p>2278 개의 특징은 랜드마크의 거리의 정보를 가지고 있다. 분류의 정확도를 높이고자 모든 특징들을 사용하지 않고 유의미한 특징을 선별했다. 특징 선택은 유전알고리즘을 사용했다. 유전 알고리즘에서 gene은 0 과 1 중 하나이다. 0은 해당 인덱스의 특징이 선택되지 않는다는 뜻이고 1은 해당 인덱스의 특징이 선택된다는 뜻이다. 각각의 데이터 세트에 대해서 분류기로 사용되는 Artificial Neural Network (ANN) 테스트를 시행하여 fitness를 구한다. 하나의 generation 과정은 다음과 같다. 두 개의 데이터 세트를 one-point crossover로 연산한다. 분류에 효과적인 특징들로 구성돼 있을 때 fitness가 높기 때문에 적합도가 높은 chromosome은 크로스오버의 비율을 낮춘다. 데이터 세트에 대한 큰 변동을 주지 않기 위해서, Roulette Wheel 방식은 사용하지 않았다. mutation은 0과 1을 바꾸어 진행한다. 이를 100 번 반복하여 최적의 특징 선택과 가장 좋은 적합도를 구한다.</p><p>많은 연구들에서 광범위하게 사용된 ANN을 분류기로 사용하였다. 다양한 실험을 통해 증명된 ANN의 성능이 본 실험의 효율적인 학습을 위해 사용되었다.</p><h2>3. 실험 및 결과</h2><p>학습 데이터와 테스트 데이터의 비율은 각 카테고리마다 랜덤으로 7:3으로 나누어 실험에 사용하였다. 사용된 데이터 세트를 토대로 CNN을 적용했을 때 \( 74.4 \% \)의 분류 정확도를 얻었다. 그러나 본 논문에서 제안한 좌표 거리 기반 특징을 사용한 분류 방식은 \( 87.6 \% \)의 정확도를 얻었다. 그림 5는 68개의 랜드마크의 위치를 나타낸다.</p><p>더 높은 정확도에 기여한 특징 들은 총 90 개 이다. (45to47, 39to41, 38to42, 44to48, 21to41, 24to48, 20to42, 25to47, 21to40, 24to43, 22to40, 20to41, 25to48, 23to43, 62to63, 10to55, 67to68, 21to42, 62to64, 8to49, 51to53, 66to68, 45to48, 53to64, 51to62, 63to64, 61to65, 39to42, 66to67, 24to47, 44to47, 38to41, 22to28, 65to68, 61to66, 51to52, 23to28, 10to65, 61to67, 9to65, 65to67, 9to61, 8to61, 9to55, 9to49, 34to63, 58to59, 52to63, 52to53, 9to56, 62to65, 57to59, 9to60, 65to66, 49to65, 55to61, 56to61, 60to65, 61to68, 59to65, 57to58, 54to62, 10to56, 22to41, 57to61, 21to39, 8to60, 50to65, 49to66, 61to64, 55to68, 56to59, 58to65, 50to64, 20to37, 54to61, 24to44, 58to61, 31to63, 34to52, 23to48, 49to67, 57to60, 56to60, 55to67, 19to42, 63to65, 50to54, 26to47, 49to56) 유전자 알고리즘을 통해 분류에 기여가 상대적으 로 낮은 특징을 줄임으로써 실행 속도와 정확도 향상의 성과를 보였다. 본 알고리즘과 CNN을 비교하여 본 알고리즘이 CNN의 분류 정확도보다 향상됨을 보였다.</p>
|
[
"표정을 표현하는 부위로 알맞은 것은 무엇인가?",
"사람의 얼굴을 감지하면 무엇을 인식할 수 있는가?",
"얼굴 감지를 위해서는 어떤 라이브러리를 거쳐야 하는가?",
"표정은 무엇에 따라 달라지는가?",
"랜드마크들을 좌표로 변환하면 어떤 관계를 특징으로 사용할 수 있게 되는가?",
"Dlib를 사용해 획득할 수 있는 랜드마크들의 부위로 알맞은 것은 무엇인가?",
"랜드마크 사이의 거리를 추정하기 위해 거쳐야 할 계산법은 무엇인가?",
"랜드마크에 의해 계산된 거리들은 무엇에 기반하는 특징인가?",
"랜드마크에 의해 추출된 특징들은 어떤 정보를 가지고 있는가?",
"generation 과정은 어떤 연산법을 거치는가?",
"데이터 세트에 대해서 분류기로 사용되는 테스트의 약자로 알맞은 것은?",
"Roulette Wheel 방식은 무엇에 대한 변동을 일으키는가?",
"좋은 적합도와 최적의 특징 선택을 위해서는 연구의 어떤 특성과 관련이 있는가?",
"분류 정확도를 얻기 위해서 적용해야 할 것은 무엇인가?",
"유전자 알고리즘을 사용하여 얻는 장점으로 알맞은 것은 무엇인가?",
"C++ 라이브러리인 dlib는 무엇을 위해 사용되는가?",
"분류기로서 많은 연구에 광범위하게 사용되어 온 방법의 이름은 무엇인가?",
"실행 속도와 정확도 향상의 성과를 내기 위해서 어떤 알고리즘을 사용해야 하는가?",
"크로스오버의 비율을 낮추기 위해서 분류에 어떤 특징들이 구성되어 있어야 하는가?",
"표정은 감정과 무관하게 변화하는가?",
"분류에 효과적인 특징들로 구성돼 있으면 크로스오버의 비율이 낮춰지는가?",
"dlib는 얼굴 감지를 위해 사용되는 C++ 라이브러리인가?",
"눈, 코, 입은 표정을 표현할 수 없는 부위인가?",
"Dlib를 사용하면 랜드마크를 획득할 수 없는가?",
"랜드마크에 의해 추출된 특징들은 거리에 대한 정보를 가지고 있는가?",
"유전 알고리즘에서 0은 해당 인덱스의 특징이 선택된다는 뜻인가?",
"유전 알고리즘에서 1은 해당 인덱스의 특징이 선택되지 않는다는 뜻인가?",
"크로스오버의 비율을 높이기 위해서 chromosome의 적합도가 높아야 하는가?",
"generation 과정은 데이터 세트를 연산하는 방법과 관련이 없는가?",
"Roulette Wheel 방식은 데이터 세트에 변화를 주지 않는 방식인가?",
"ANN의 성능은 다양한 실험을 통해 증명되지 않았는가?",
"ANN은 효율적인 학습을 위해 적합하지 않은 방법인가?",
"더 향상된 분류 정확도를 얻기 위해 CNN이 가장 적합한 방법인가?",
"랜드마크를 통해 계산된 거리들에서 특징을 추출할 수 있는가?",
"최적의 특징 선택과 가장 좋은 적합도를 구하기 위해서는 한 번만 반복하면 되는가?",
"ANN은 분류기로서 많은 연구들에 광범위하게 사용되는가?",
"데이터 세트에 대한 큰 변동을 주기 위해서 Roulette Wheel 방식은 적합한가?",
"더 향상된 분류 정확도를 얻기 위해 CNN보다 유전자 알고리즘이 더 적합한 방법인가?"
] |
49fce0c1-bd5d-4989-bf59-a8fef7176e73
|
인공물ED
|
얼굴 랜드마크 거리 특징을 이용한 표정 분류에 대한 연구
|
<h1>Ⅲ. 결론</h1><p>본 논문에서는 표정 분류를 위해 얼굴 랜드마크의 거리 계산을 기반으로 특징을 추출하였고 유전자 알고리즘을 이용하여 학습 정확도를 향상시킬 수 있는 특징들을 선택하여 학습을 수행하였다. 본 논문에서 제안한 방식은 CNN과 비교했을 때 \( 13.2 \% \)의 정확도 향상을 보여주었다. 주로 눈과 입에 위치한 거리들이 특징으로 선택되었으며 이는 다섯가지의 표정을 분류하는데 가장 효과적이었던 특징이라는 것을 의미한다.</p><p>이 실험의 결과는 컴퓨터 과학을 전공하지 않는 심리학, 사회학, 인문학 등 여러 분야에도 함께 융합적 결합 연구가 될 수 있는 가능성을 가지고 있다. 본 논문의 제안 기법은 이미지 뿐만 아니라 컴퓨터가 충분히 인지가 가능한 얼굴의 영상 혹은 real-time data가 주어져도 적용 가능할 것이라 기대한다.</p>
|
[
"표정 분류를 위해 무엇을 기반으로 특징을 추출하였는가?",
"무엇을 위해 얼굴 랜드마크의 거리 계산을 기반으로 특징을 추출하였고 유전자 알고리즘을 이용하여 학습 정확도를 향상시킬 수 있는 특징들을 선택하여 학습을 수행하였는가?",
"표정 분류를 위해 얼굴 랜드마크의 종류를 기반으로 특징을 추출하였는가?",
"얼굴 랜드마크의 거리 계산을 기반으로 특징을 추출하고 유전자 알고리즘을 이용하여 학습정확도를 향상시킬 수 있는 특징들을 선택한 학습 방식은 CNN과 비교했을 때 정확도가 얼마나 높은가?",
"무엇을 하기 위해 얼굴 랜드마크의 거리 계산을 기반으로 특징을 추출하였고 유전자 알고리즘을 이용하여 학습 정확도를 향상시킬 수 있는 특징들을 선택하여 학습을 수행하였는가?",
"표정 분류를 위해 얼굴 랜드마크의 거리 계산을 기반으로 특징을 추출하고 유전자 알고리즘을 이용하여 학습 정확도를 향상시킬 수 있는 특징들을 선택한 학습방식은 어느 방송망에 비해 정확도가 향상되었는가?",
"다섯가지의 표정을 분류하는데 가장 효과적이었던 특징은 무엇인가?",
"눈과 입에 위치한 거리는 몇 가지 표정을 분류하는데 가장 효과적인 특징인가?",
"표정 분류를 위해 얼굴 랜드마크의 거리와 유전자 알고리즘을 이용한 방식은 어떤 자료가 주어져도 적용 가능할 것으로 기대되는가?",
"표정 분류를 위해 얼굴 랜드마크의 거리와 유전자 알고리즘을 이용한 방식은 어떤 가능성을 시사하는가?",
"표정 분류를 위해 얼굴 랜드마크의 거리 계산을 기반으로 특징을 추출하고 유전자 알고리즘을 이용하여 학습 정확도를 향상시킬 수 있는 특징들을 선택하여 학습을 수행한 방식은 CNN과 비교했을 때 정확도가 낮은가?",
"무엇을 이용하여 학습 정확도를 향상시킬 수 있는 특징들을 선택하였는가?"
] |
64a880b9-9bda-4f7a-9030-3cf94bbf120f
|
인공물ED
|
얼굴 랜드마크 거리 특징을 이용한 표정 분류에 대한 연구
|
<h1>Ⅰ. 서론</h1><p>다윈은 표정 연구를 통해 분노, 기쁨 등의 정서는 동서양을 막론하고 인간이 공통으로 가지고 있는 감정이라는 것을 밝혔다. 표정은 그러한 인간의 감정을 두드러지게 혹은 미세하게 표현하는 요소 중 하나이다. 인간은 상대방의 표정을 인식하기 위해 수학적 계산이나 오랜 시간의 분석을 필요로 하지 않는다. 눈, 코, 입 등의 위치나 목소리 등 여러 가지 요소를 통해 바로 파악할 수 있다. 하지만 컴퓨터는 즉각적인 인식이 아닌 누적된 학습을 기반으로 표정을 인식한다. 높은 분류 정확도를 위해 분류에 도움이 되고 의미 있는 특징들을 선택하는 것은 많은 분석과 시간을 필요로 한다.</p><p>특징을 추출하고 선택하는 것은 인공지능을 활용한 분류 작업에서 중요하다. 따라서 많은 분류 혹은 예측 연구에서 데이터의 분석에 따른 특징 추출과 선택이 진행된다. 새로운 데이터를 적용해도 예측하는 능력이 향상되기 위해서는 적절한 특징을 추출하는 것이 중요한 역할을 한다. 하지만 추출된 특징 또한 분류에 악영향을 미칠 수 있기 때문에 분석 및 평가를 통해 유의미한 특징을 선별하는 것은 중요하다.</p><p>본 연구에서는 명확한 감정을 알 수 있는 표정을 분석하며 입 가장자리 끝의 위치, 눈의 면적, 눈 가장자리 끝의 위치, 광대의 위치 등이 표정 분류에 정확성을 높이는데 기여한다고 분석했다. 이 과정이 임의의 경로를 통해 획득된 모든 얼굴 이미지에 적용될 수 있도록 실험 데이터는 비교적 쉽게 구할 수 있는 일반적인 다양한 인종, 나이, 성별을 가진 얼굴 이미지를 사용하여 실험을 수행하였다.</p>
|
[
"본 연구에서는 어떻게 획득한 얼굴 이미지를 모든 얼굴이미지에 적용했어?",
"인간의 감정을 두드러지게 표현하는 요소 중 하나는 무엇인가?",
"특징을 추출하고 선택하는 것은 인공지능을 활용한 분류 작업에서 중요한가?",
"다윈에 의하면 정서는 서양에서만 가지고 있는 감정인가?",
"다윈은 어떤 연구를 통해 분노, 기쁨 등의 정서는 인간이 공통으로 가지고 있는 감정이라고 밝혔는가?",
"본 연구에서 표정 분류에 정확성을 높이는데 분석되는 요소는 무엇인가?",
"표정은 인간의 감정을 미세하게 표현하는 요소가 아니야?",
"인간은 어떤 요소를 통해 상대방의 표정을 바로 파악할 수 있는가?",
"컴퓨터는 무엇을 기반으로 표정을 인식하는가?",
"무엇을 위해 데이터의 분석에 따른 특징 추출과 선택이 진행되는가?",
"인간은 상대방의 표정을 인식하기 위해 오랜 시간의 분석이 필요한가?",
"컴퓨터는 높은 분류 정확도를 위해 의미 있는 특징들을 선택하는데 많은 분석과 시간을 필요로 하는가?",
"인간은 어떻게 상대방의 표정을 바로 파악하지?",
"어떻게 인간이 상대방의 표정을 바로 파악하지",
"실험 데이터는 일반적인 다양한 인종, 나이, 성별을 가진 얼굴 이미지를 사용하여 수행되었는가?"
] |
b1bf1c7d-222d-42c6-ab8e-4c970658dee8
|
인공물ED
|
얼굴 랜드마크 거리 특징을 이용한 표정 분류에 대한 연구
|
<h1>요 약</h1><p>표정 인식은 다양한 분야에서 지속적인 연구의 주제로서 자리 잡아 왔다. 본 논문에서는 얼굴 이미지 랜드마크 간의 거리를 계산하여 추출된 특징을 사용해 각 랜드마크들의 관계를 분석하고 5가지의 표정을 분류한다. 다수의 관측자들에 의해 수행된 라벨링 작업을 기반으로 데이터와 라벨 신뢰도를 높였다. 또한 원본 데이터에서 얼굴을 인식하고 랜드마크 좌표를 추출해 특징으로 사용하였으며 유전 알고리즘을 이용해 상대적으로 분류에 더 도움이 되는 특징을 선택하였다. 본 논문에서 제안한 방법을 이용하여 표정 인식 분류를 수행하였으며 제안된 방법을 이용하였을 때가 CNN을 이용하여 분류를 수행하였을 때보다 성능이 향상됨을 볼 수 있었다.</p>
|
[
"본 논문에서는 무엇을 계산하여 추출된 특징을 사용하는가?",
"얼굴 이미지 랜드마크 간의 거리를 계산하여 추출된 특징을 사용해 어떤 것들의 관계를 분석하는가?",
"얼굴 이미지 랜드마크 간의 거리를 계산하여 추출된 특징을 사용해 각 랜드마크들의 관계를 분석하고 몇 가지의 표정을 분류하는가?",
"얼굴 이미지 랜드마크 간의 거리를 계산하여 5가지의 무엇으로 나누는가?",
"얼굴을 어디로부터 인식하는가?",
"원본 데이터에서 얼굴을 인식하고 무엇을 추출하는가?",
"무엇을 이용하여 상대적으로 분류에 더 도움이 되는 특징을 선택하였는가?",
"유전 알고리즘은 상대적으로 어디에 더 도움이 되었는가?",
"유전 알고리즘을 이용하면 더 유용한 특징을 선별할 수 있는가?",
"본 논문에서 제안한 방법을 이용하여 무엇을 수행하였는가?",
"제안된 방법이 비교적 무엇에 비해 더 나은 성능을 보여주었나?",
"다수의 관측자들이 어떤 작업을 수행하였는가?",
"높은 데이터와 라벨 신뢰도의 기반이 된 라벨링 작업은 여러 명의 어떤 사람들이 수행하였는가?",
"다수의 관측자들에 의해 수행된 라벨링 작업을 기반으로 무엇을 높였는가?",
"본 논문에서 제안한 방법이 CNN보다 더 나은 성능을 보여주었는가?",
"표정 인식은 다양한 분야에서 지속적인 연구의 주제로 사용되어 왔는가?",
"특징을 추출하기 전에 먼저 무엇을 해야하는가?",
"표정 인식은 특정 분야에서만 지속적인 연구의 주제로서 자리 잡아 왔는가?",
"관측자 한 명이 라벨링 작업을 수행하여 데이터와 라벨 신뢰도를 높였는가?",
"CNN을 이용하여 분류를 할 수 있는가?"
] |
8cd0076e-d2c5-4f7e-acd5-b32a3e960607
|
인공물ED
|
위상 배열안테나 급전부를 포함한 반사판 안테나의 빔포밍 특성
|
<h1>Ⅱ. 위상 배열 급전부를 포함한 반사판 안테나 형상 및 성능</h1> <p>그림 1 은 제안된 위상 배열 급전부를 포함한 반사판 안테나 형상을 나타낸다. 제안된 안테나는 배열안테나로 이루어진 급전부와 \( 5 \mathrm{~m} \) 의 직경 (D) 을 갖는 반사판으로 구성되어 있으며, 반사판과 급전부의 거리는 F, 배열안테나의 배열 반경은 2 r 로 이루어져 있다. 제안된 안테나의 전기적 빔조향이 가능하도록 급전부의 배열소자는 각각 위상 천이기와 연결되어 있다. 제안된 안테나의 \( F / D \) 값에 따라 적절한 2 r, 배열안테나의 소자 개수를 도출하기 위해 FEKOEM 시뮬레이터를 이용하여 변수변화에 따른 안테나 특성을 조사하였다.</p> <p>그림 2는 제안된 안테나의 \( F / D \) 값이 0.6, 0.8, 1.0 일 때 제안된 안테나의 빔포밍 특성을 보여준다. \( F / D \) 가 0.6 인 경우, 반사판을 맞고 형성되는 빔의 조향 각도(actual reflected steering angle)는 급전부에 인가되는 빔의 각도 (steering angle of the array feeder) 가 \( 30^{\circ} \) 일 때 최대 \( 0.7^{\circ} \) 까지 도출되며, 안테나의 최대이득은 약 \( 32 \mathrm{dBi} \) 로 유지되는 것을 확인할 수 있다. 그림 2 (b) 는 \( F / D \) 가 0.8 일 때 빔포밍 특성을 보여주며, 최대 조향각은 \( 1.7^{\circ} \) 로 증가하며, 제안된 안테나의 최대이득은 \( 32.6 \mathrm{dBi} \) 에서 \( 28.8 \mathrm{dBi} \) 로 약 \( 3.8 \mathrm{~dB} \) 감소하는 경향을 보인다. \( F / D \) 가 1.0 인 경우 제안된 안테나의 최대 조향각은 \( 2.3^{\circ} \) 로 \( F / D \) 가 0.8 에 비해 약 \( 0.6^{\circ} \) 증가하는 경향을 보이지만 안테나의 이득이 \( 25.8 \mathrm{dBi} \) 로 감소하고, \( 1^{\circ} \) 이상의 조향각을 가질 때 빔의 왜곡이 발생한다.</p> <p>그림 3(a)는 \( F / D \) 값과 actual reflected steering angle 특성과의 상관관계를 보여준다. Actual reflected steering angle의 경우, \( F / D \) 가 증가함에 따라 \( 0.7^{\circ} \) 에서 \( 2.5^{\circ} \) 까지 변하는 것을 확인할 수 있다. 그림 3 (b) 는 \( F / D \) 값이 0.6 에서 1.5 까지 변화할 때 제안된 안테나의 이득 및 소자수의 특성을 나타내었다. \( F / D \) 가 증가함에 따라 제안된 안테나의 이득 특성을 약 \( 32 \mathrm{dBi} \) 로 유지되는 경향을 보이며, 급전부 배열안테나의 소자개수의 경우 \( F / D \) 가 1.5 일 때 32 개로 확인된다. 이와같이 \( F / D \) 가 증가함에 따라 배열안테나의 소자 개수가 증가하는 원인은 반사판 안테나의 taper efficiency와 spillover efficiency를 고려하여 급전부의 배열안테나의 배열 반경 및 배열 소자수가 결정되어야 하며, 급전부 배열안테나의 빔폭은 좁고 고이득 특성을 도출하기 위해 배열 소자수가 증가하는 경향을 보인다. 따라서 위상 배열안테나 급전부를 포함한 반사판 안테나 설계 시 시스템의 중량, 최대 빔 조향각(maximum actual reflected steering angle), 반전력 빔폭(half power beamwidth) 등에 대한 고려가 필요하며, 특히 \( F / D \) 와 최대 조향각, 안테나 이득, 급전부 배열 소자개수에 대한 상관관계에 대한 분석이 필수적임을 알 수 있다.</p> <table border><caption>표 1. 위상 배열 급전부를 포함한 반사판 안테나 변수 및 성능 비교</caption> <tbody><tr><td>Number of elements</td><td>2r</td><td>F/D</td><td>Gain</td></tr><tr><td>4</td><td>\( 0.2 \lambda \)</td><td>0.6</td><td>32.0</td></tr><tr><td>6</td><td>\( 0.5 \lambda \)</td><td>0.8</td><td>32.6</td></tr><tr><td>6</td><td>\( 0.6 \lambda \)</td><td>1.0</td><td>32.2</td></tr><tr><td>8</td><td>\( 0.6 \lambda \)</td><td>1.2</td><td>32.1</td></tr></tbody></table> <p>제안된 위상 배열안테나 급전부를 포함한 반사판 안테나의 빔포밍 특성을 확인하기 위해 직경 \( 1.5 \mathrm{~m} \) 의 반사판, 급전부의 배열안테나의 개별소자로 LPDA(log periodic dipole array) 안테나를 사용하여 제안된 안테나의 빔포밍 성능을 측정하였다. 개별소자로 사용된 LPDA 안테나의 동작 주파수는 \( 1 \mathrm{GHz} \) 에서 \( 2.8 \mathrm{GHz} \) 까지이며, 안테나의 길이는 \( 280 \mathrm{~mm} \), 안테나의 평균 전면 방향 이득은 \( 7.4 \mathrm{dBi} \) \( 12.8 \mathrm{GHz} \)이다. 급전부의 배열 반경 2 r 은 \( 280 \mathrm{~mm}(0.8 \lambda \) ), 급전부 배열 소자수는 4 개로 설계되었다.</p> <p>그림 4는 제안된 위상 배열안테나 급전부를 포함한 반사판 안테나의 측정을 위한 실험실 및 측정결과를 보여주며, 반사판의 직경은 \( 1.5 \mathrm{~m}, F / D \) 는 0.4, 급전부의 배열반경 2 r 은 \( 280 \mathrm{~mm} \) 로 설계되었다. 각 소자의 위상값이 \( 0^{\circ} \) 으로 인가될 때 제안된 안테나는 전면방향을 지향하며, 안테나의 전면방향이득의 측정값은 \( 20.7 \mathrm{dBi} \), 시뮬레이션은 \( 19.9 \mathrm{dBi} \) 의 값을 갖는다. 또한 위상값의 차이가 \( 30^{\circ} \) 일 때 \( 5^{\circ} \) 의 빔조향 특성을 갖는 것을 확인하였다. 그 결과, 제안된 위상 배열안테나 급전부를 포함한 반사판 안테나를 이용하여 전기적 빔조향이 가능함을 확인하였다.</p>
|
[
"급전부 배열 소자수가 4개일 때 급전부 배열 반경 2r 값은 뭐야?",
"급전부 배열 소자수가 4개일 때 이득 값은 뭐야?",
"급전부 배열 소자수가 8개일 때 F/D 값은 얼마야?",
"가장 적은 값의 2r이 갖는 소자수는 얼마인가?",
"F/D가 정수값인 소자수는 얼마인가?",
"이득값이 가장 큰 소자수의 2r 값은 얼마지?",
"2r \\( 0.5 \\lambda \\)의 F/D 값은 얼마지?",
"F/D가 최소값인 소자수의 이득은 얼마인가?"
] |
1e8a7a95-b3a1-4a05-9617-42be52f2c9e8
|
인공물ED
|
OLED 마이크로 디스플레이 기술 동향
|
<h1>2. 마이크로 디스플레이</h1><h2>2.1. 마이크로 디스플레이 기술</h2><p>마이크로 디스플레이는 화면 크기 1 인치 이하의 디스플레이에 광학계를 통한 영상 정보를 전달하는 기술을 뜻한다. 그림 1에서는 가장 널리 활용되는 액정을 이용한 마이크로 디스플레이 (Liquid Crystal on Silicon, LCoS)의 구성도를 나타내었다.</p><p>마이크로 디스플레이의 경우 고해상도를 매우 작은 영역에 구현해야 하기 때문에, 기존의 유리 기반 백플레인이 아닌 \(\mathrm{Si}\) wafer 기판의 Complementary metal - oxide - semiconductor (CMOS) 백플레인을 사용하게 된다. LCoS 도 \(\mathrm{Si}\) wafer를 사용하므로 하부 기판이 투명하지 않아 백라이트 (Back light unit BLU가 일반적인 LCD 와 같이 기판 뒤에 있지않고, 디스플레이 모듈 바깥에 존재하게 된다. BLU 에서 나온 적, 녹, 청의 빛이 LCoS 에서 반사되어 거울과 반투과 반사판 등을 통해 영상을 볼 수 있게 된다.</p><p>마이크로 디스플레이는 동작 방식에 따라 반사형 (Reflective), 투사형 (Transmissive), 그리고 자체발광형 (Emissive)로 분류할 수 있다. 반사형은 반사면의 특성 (굴절율, 투과도 등)을 변화시켜 가면서 외부로부터 입사되는 광을 변조시켜 광원이 마이크로 디스플레이 패널 앞쪽에 존재하여 이미지를 반사시켜서 보는 형태로 LCoS 와 digital micromirror device (DMD)가 대표적이다. 투과형 마이크로 디스플레이는 입사되는 광이 패널을 통과하면서 변조되는 방식을 이용하는 것으로 광원이 디스플레이 뒤쪽에 있게 되는 형태로 기존의LCD 와 거의 동일한 구조를 가지고 있다. 자체 발광형 마이크로 디스플레이는 스스로 빛을 생성하여 별도의 광원이 불필요한 형태로 OLED 마이크로 디스플레이가 가장 대표적이다. \(\mathrm{Si}\) 기판에 제작된 OLED 마이크로 디스플레이는 OLED on \(\mathrm{Si}\) (OLEDoS)라고도 한다. [표 1]에 마이크로 디스플레이 종류에 따른 특징을 나타내었다.</p><p>위의 표에서 OLED 마이크로 디스플레이는 다른 디스플레이 모드에 비해 많은 장점을 가지고 있음을 알 수 있다. LCoS 대비하여 우수한 화질과 빠른 응답속도를 가지며 백라이트를 사용하지 않기 때문에 부피 및 무게가 작고 이로 인해 광학계 역시 더 간단해질 수 있다. 뿐만 아니라, 액정보다 사용 가능 온도 범위가 넓어 대부분의 군용 마이크로 디스플레이는 LCoS 가 아닌 OLED 마이크로 디스플레이가 적용된다. 그래서, 기존에 LCOS 등을 생산하던 주요 마이크로 디스플레이 업체들도 OLED 를 활용하고자 하는 개발을 진행하고 있으며 최근 다수의 시제품을 선보이고 있다.</p><table border><caption>표 1. 마이크로 디스플레이 종류별 주요 특징</caption><tbody><tr><td>종류</td><td>성숙도</td><td>화질</td><td>전력효율</td><td>최대밝기</td><td>부피및무게</td><td>응답속도</td></tr><tr><td>HIPS LCD</td><td>High</td><td>Low-Med</td><td>Med</td><td>High</td><td>Med</td><td>Low</td></tr><tr><td>LCos/DMD</td><td>High</td><td>Low-Med</td><td>Low</td><td>Very High</td><td>Low</td><td>Med</td></tr><tr><td>마이크로LED</td><td>Low</td><td>?</td><td>?</td><td>High</td><td>High</td><td>?</td></tr><tr><td>OLEDoS</td><td>Med-High</td><td>High</td><td>High</td><td>Med-High</td><td>High</td><td>High</td></tr></tbody></table>
|
[
"HIPS LCD 종류에서 Low를 가지고 있는 파트는 무엇인가?",
"마이크로 디스플레이란 무엇인가?",
"그림 1에서는 가장 널리 활용되는 액정을 이용한 무엇을 나타내었나?",
"고해상도를 매우 작은 영역에 구현해야 하기 때문에, 기존의 유리 기반 백플레인이 아닌 \\(\\mathrm{Si}\\) wafer 기판의 Complementary metal - oxide - semiconductor (CMOS) 백플레인을 사용하게 되는 이것은 무엇인가?",
"기존의 유리 기반 백플레인이 아닌 \\(\\mathrm{Si}\\) wafer 기판의 Complementary metal - oxide - semiconductor (CMOS) 왜 백플레인을 사용하게 되는가?",
"CMOS의 약자는 무엇인가?",
"백라이트 Back light unit BLU가 어디에 있는가?",
"LCoS 도 이것을 사용하므로 하부 기판이 투명하지 않아 백라이트 Back light unit BLU가 일반적인 LCD 와 같이 기판 뒤에 있지않고, 디스플레이 모듈 바깥에 존재하게 된다 이것은 무엇인가?",
"BLU 에서 나온 적, 녹, 청의 빛이 LCoS 에서 반사되어 무엇을 통해 영상을 볼 수 있게 되는가?",
"영상을 볼 수 있는 것은 BLU 에서 나온 적, 녹, 청의 빛이 LCoS 에서 반사되어 거울과 반투과 반사판 등을 통해서인가?",
"마이크로 디스플레이는 동작 방식에 따라 어떻게 분류하나?",
"DMD의 약자는 무엇인가?",
"\\(\\mathrm{Si}\\) 기판에 제작된 OLED 마이크로 디스플레이는 무엇이라고도 하는가?",
"반사형은 반사면의 특성 (굴절율, 투과도 등)을 변화시켜 가면서 외부로부터 입사되는 광을 변조시켜 광원이 마이크로 디스플레이 패널 앞쪽에 존재하여 이미지를 반사시켜서 보는 형태로 무엇이 대표적인가?",
"동작 방식에 따라 반사형 (Reflective), 투사형 (Transmissive), 그리고 자체발광형 (Emissive)로 분류할 수 있는 것은 무엇인가?",
"화면 크기 1 인치 이하의 디스플레이에 광학계를 통한 영상 정보를 전달하는 기술을 뜻하는 이것은 무엇인가?",
"OLED 마이크로 디스플레이는 무엇을 가지고 있음을 알 수 있나?",
"다른 디스플레이 모드보다 OLED 마이크로 디스플레이가 더 많은 장점을 가지고 있나?",
"LCoS 대비하여 우수한 화질과 빠른 응답속도를 가지며 백라이트를 사용하지 않기 때문에 부피 및 무게가 작고 이로 인해 광학계 역시 더 간단해질 수 있는 이것은 무엇인가?",
"LCoS 대비하여 무엇을 가지고있나?",
"대부분의 군용 마이크로 디스플레이는 LCoS 가 아닌 OLED 마이크로 디스플레이가 적용되는 것은 액정보다 사용 가능 온도 범위가 넓어서인가?",
"표 1. 마이크로 디스플레이 종류별 주요 특징에서 성숙도가 Low에 해당하는 것은 어떤 종류가 있는가?",
"표 1. 마이크로 디스플레이 종류별 주요 특징에서 전력효율이 High에 해당하는 종류는 무엇인가?",
"HIPS LCD의 화질은 어떠한가?",
"표 1. 마이크로 디스플레이 종류별 주요 특징에서 마이크로LED의 전력효율은 어떻게 표시가 되어있나?",
"표 1. 마이크로 디스플레이 종류별 주요 특징에서 Very High를 가지고 있는 종류는 무엇인가?",
"표 1. 마이크로 디스플레이 종류별 주요 특징에서 OLEDoS 종류의 응답속도는 무엇인가?"
] |
fac537b6-7770-45bd-800e-e2e2e28a1136
|
인공물ED
|
OLED 마이크로 디스플레이 기술 동향
|
<h2>2.2. OLED 마이크로 디스플레이 기술</h2><p>OLED 마이크로 디스플레이는 일부 구조 및 공정 측면에서 차이를 제외하고는 기존의 OLED 기술을 대부분 활용한다. 먼저, 화소 크기에서 기존 OLED 보다 \( 1 / 10 \) 정도로 작다. TV 와 스마트폰에 사용되는 OLED 패널의 화소 크기는 약 \( 40 \sim 300 \mu \mathrm{m} \) 인 반면, OLED 마이크로 디스플레이는 약 \( 4 \sim 20 \mu \mathrm{m} \) 수준이다. 이를 위하여 글라스 기반의 OLED 디스플레이는 low-temperature-poly-silicon (LTPS) 또는 Oxide TFT를 사용하는 반면, OLED 마이크로 디스플레이는 상부 발광형 구조로서 Si-wafer 기반의CMOS 공정을 사용한다. 컬러 구현을 위해서는 스마트폰과 동일한 상부 발광형 구조이지만 작은 화소 크기로 인하여 적, 녹, 청 발광층을 fine metal mask (FMM)을 이용할 수가 없어 컬러필터 소재를 미세 패터닝 하여 제작하게 된다. 여기서 대형 OLED TV에서도 백색 OLED + 컬러필터 구조를 활용하지만 배면 발광인 TV 는 수분, 산소, 고온 공정 등 컬러필터 형성이 OLED 에 영향을 주지 않지만 OLED 마이크로 디스플레이는 OLED에 컬러필터를 구성하여야 하는 고난도 기술이 요구된다. 여기에는 OLED 를 보호하는 완벽한 박막봉지와 100도 이하의 컬러필터 소재 기술이 필수적이다. 그림 2에는 풀 컬러 OLED 마이크로 디스플레이의 일반적인 구조를 나타내었다.</p><h2>2.3. 국내외 OLED 마이크로 디스플레이 기술 동향</h2><h3>2.3.1. Fraunhofer</h3><p>Fraunhofer는 OLED 마이크로 디스플레이 관련 연구를 꾸준히 진행해 왔다. 제품 생산보다는 OLED 마이크로 디스플레이 관련 다양한 기술 서비스를 제공하고 있다. 예를 들어, CMOS 설계, OLED 제조 공정, 시스템 설계, 파일럿 공정, 테스트 키트 개발 등이 있다. Fraunhofer에서 발표한 시제품의 주요 스펙을 아래 [표 2]에 정리하였다. Fraunhofer는 초기 단색의 저 소비전력 OLED 마이크로 디스플레이를 주로 선보였으나 최근 풀 HD 급의 초고해상도 full color 패널을 선보여 OLED 마이크로 디스플레이 관련 다양한 기술을 축적한 것으로 보인다.</p><table border><caption>표 2. Fraunhofer의 OLED 마이크로 디스플레이의 스펙</caption><tbody><tr><td>종류</td><td>해상도</td><td>픽셀 피치</td><td>색상</td><td>휘도</td><td>명암비</td><td>소비전력</td></tr><tr><td>0.6" Bi-directional</td><td>\( 800 \times 600 \)</td><td>\( 16 \mu \mathrm{m} \times 16 \mu \mathrm{m} \)</td><td>\(24\mathrm{bit}\), Full color(RGBW)</td><td>\( 250 \mathrm{cd} / \mathrm{m}^{2} \)</td><td>-</td><td>-</td></tr><tr><td>0.19" utra-low power</td><td>\( 304 \times 256 \)</td><td>\(12 \mu\mathrm{m} \times 12\mu \mathrm{m}\)</td><td>\(4\mathrm{bit}\), Monochrome green</td><td>\( >1,000 \mathrm{cd} / \mathrm{m}^{2} \)</td><td>\( >10,000: 1 \)</td><td>\(1-3 \mathrm{mW}\) typ.</td></tr><tr><td>0.16" ulra-low Dower</td><td>\( 304 \times 128 \)</td><td>\( 12 \mu \mathrm{m} \times 12 \mu \mathrm{m} \)</td><td>\(4\mathrm{bit}\). Monochrome green</td><td>\( >1,000 \mathrm{cd} / \mathrm{m}^{2} \)</td><td>>\( >10,000: 1 \)</td><td>\(1-3 \mathrm{mW}\) typ.</td></tr><tr><td>0.15" ulra-low power</td><td>\( 720 \times 256 \)</td><td>\( 5 \mu \mathrm{m} \times 5 \mu \mathrm{m} \)</td><td>\(1\mathrm{bit}\), Monochrome green</td><td>\( >1,000 \mathrm{cd} / \mathrm{m}^{2} \)</td><td>>\( >10,000: 1 \)</td><td>\(1-3 \mathrm{mW}\) typ.</td></tr><tr><td>1"WQXGA</td><td>\(1920 \times 1200\) (\(+\)20 exra lines& colums)</td><td>\( 11 \mu \mathrm{m} \times 11 \mu \mathrm{m} \)</td><td>\(24\mathrm{bit}\)(\(32 \mathrm{bit}\) indl. white) Fulloolor (RGBW)</td><td>\( 300 \mathrm{cd} / \mathrm{m}^{2} \)</td><td>>\( 100,000: 1 \)</td><td>\( 200 \mathrm{mW} \) (at \( 300 \mathrm{~cd} / \mathrm{m}^{2} \) )</td></tr></tbody></table>
|
[
"일부 구조 및 공정 측면에서 차이를 제외하고는 기존의 OLED 기술을 대부분 활용하는 이것은 무엇인가?",
"OLED 마이크로 디스플레이는 일부 구조 및 공정 측면에서 차이를 제외하고는 기존의 어떤 기술을 대부분 활용하는가?",
"화소 크기에서 기존 OLED 얼마 정도 더 작아?",
"OLED 패널의 화소 크기는 약 \\( 40 \\sim 300 \\mu \\mathrm{m} \\) 인 것은 어디에 사용되는 것인가?",
"low-temperature-poly-silicon은 약자로 어떻게 나타낼 수 있어?",
"OLED 마이크로 디스플레이는 상부 발광형 구조로서 무엇을 사용하는가?",
"fine metal mask은 약자로 어떻게 나타낼 수 있어?",
"OLED 마이크로 디스플레이는 어떤 기술이 요구되나?",
"초기 단색의 저 소비전력 OLED 마이크로 디스플레이를 주로 선보였던 것은 무엇인가?",
"최근 풀 HD 급의 초고해상도 무엇을 선보여 OLED 마이크로 디스플레이 관련 다양한 기술을 축적한 것으로 보이는가?",
"색상에서 \\(24\\mathrm{bit}\\)(\\(32 \\mathrm{bit}\\) indl. white) Fulloolor (RGBW)를 포함하고 있는 종류는 무엇인가?",
"0.6\" Bi-directional의 해상도는 어떻게 되는가?",
"0.15\" ulra-low power의 소비전력은 어떻게 되는가?",
"적, 녹, 청 발광층을 fine metal mask (FMM)을 이용할 수가 없어 무엇을 미세 패터닝 하여 제작하게 되는가?",
"픽셀 피치에 가장 낮은 \\( \\mu \\mathrm{m} \\)은 얼마인가?",
"1\"WQXGA의 휘도는 무엇인가?",
"0.19\" utra-low power의 해상도는 어떻게 되는가?"
] |
8eecc98d-177f-48a9-bfa2-814fd7fb7f4a
|
인공물ED
|
OLED 마이크로 디스플레이 기술 동향
|
<h1>1. 서론</h1><p>최근 디스플레이에서도 4 차 산업혁명이 가장 큰 화두로 떠오르고 있다. 특히, 정보통신기술 (Information and Communications Technologies(ICT)) 분야에서 디스플레이의 역할이 크게 증가하고 있으며 여기에 가상/증강현실 (Virtual Reality/ Augmented Reality (VR/AR)) 기술이 큰 축으로서 관심도가 급격히 증가하고 있다. 해외에서는 구글, 마이크로소프트, 애플, 페이스북, 인텔 등 거대 소프트웨어 기업들을 중심으로 경쟁이 치열하며, 국내에서도 삼성전자, LG 전자, SK, KT 와 같은 대기업 뿐만 아니라 여러 중소기업 및 벤처기업에서 다양한 관련 기술을 선보이고 있다. 특히 대한민국은 세계 최고의 디스플레이 기술을 기반으로 하드웨어/소프트웨어 기술을 융합하는 연구/개발이 시작되고 있다. 가상/증강현실 관련 Digi-Capital의 전망에 따르면, 2022년 글로벌 가상/증강현실 분야의 예상 시장 규모는 약 1,050억 달러이며, 특히 증강현실은 가상현실의 6배 이상 성장이 전망되고 있다.</p><p>가상/증강현실 기술은 크게 하드웨어와 소프트웨어 분야로 나눠질 수 있다. 초실감의 가상/증강현실 구현을 위해서는 고성능의 하드웨어와 다양한 서비스 및 콘텐츠 기술이 필요하다. 특히, 사용자의 몰입감을 증가시키기 위해서는 다감각 자극 경험을 제공하고 상호 작용할 수 있는 하드웨어가 필수적이다. 여러 감각 중에 시각은 가장 많은 정보를 사용자에게 제공하기에 대부분의 가상/증강현실 기기는 시각 정보 제공에 초점을 두고 있다. 이를 위해 기기는 두부 장착형(Head-mounted display (HMD)) 또는 안경 형태로 개발되고 있다. 이러한 기기의 사용자들은 디스플레이 패널에서 나온 영상을 직접 보지 않고, 광학계를 통해 확대하여 보게 된다. 따라서 영상 정보를 제공하는 디스플레이 패널의 성능이 기존의 텔레비전이나 모바일 기기보다 훨씬 더 우수해야 한다. 2012년도에 발표된 오큘러스 리프트를 시작으로 현재까지 다양한 가상/증강현실 기기가 판매되고 있으나, 아직까지 스마트폰만큼 대중화가 되지 못한 이유 중 하나 역시 디스플레이의 성능이 높지 않아 사용자의 피로도를 증가시키고 멀미 등을 유발하는 등 다양한 기술 개발 이슈들이 발생하고 있기 때문이다.</p><p>본고에서는 가상/증강현실을 구현할 수 있는 디스플레이 디바이스 중 하나인 마이크로 디스플레이에 대해 간단히 설명한 후, 마이크로 디스플레이 분야에서 현재 많은 관심을 받고 있는 organic light-emitting diodes (OLED) 마이크로 디스플레이의 국내외 기술 동향에 대해 살펴보고자 한다.</p>
|
[
"본 논문에서 설명하는, 대부분의 가상/증강현실 기기가 시각 정보 제공에 초점을 맞추는 이유는 무엇인가?",
"본 논문에 따르면 대부분의 가상/증강현실 기기는 시각 정보 제공에 초점을 두기 때문에 기기는 두부 장착형 혹은 이 형태로 개발된다. 이 형태의 이름은 무엇인가?",
"대부분의 가상/증강현실 기기는 시각 정보 제공에 초점을 두고 있는데, 그 때문에 기기는 안경, 혹은 이 형태로 개발된다. 이 형태의 이름은 무엇인가?",
"두부 장착형 혹은 안경 형태의 가상/증강현실 기기의 사용자들은 디스플레이 패널에서 나온 영상을 직접 보지 않고, 이것을 통해 보는데 이것은 무엇인가?",
"가상/증강현실 기기를 사용하는 사용자들은 이 곳에서 나온 영상을 광학계를 통해 확대하여 보게 되는데 이 곳은 어디인가?",
"본 논문에서 말하고 있는, 디스플레이 분야에서 역시 큰 화두로 떠오르고 있는 것은 무엇인가?",
"본 논문에서 2022년 글로벌 가상/증강현실 분야의 예상 시장 규모를 예측한 곳은 어디인가?",
"본 논문에서 소개하고 있는 세계 최고의 디스플레이 기술을 기반으로 하드웨어/소프트웨어 기술을 융합하는 연구/개발이 시작되고 있는 나라는 어디인가?",
"본 논문에서 제시한바에 따르면 가상/증강현실 관련 Digi-Capital은 2022년 글로벌 가상/증강현실 분야의 예상 시장 규모를 얼마로 예상했는가?",
"본 논문에서 제시한바에 따르면 가상/증강현실 관련 Digi-Capital은 2022년 글로벌 가상/증강현실 분야의 예상 시장 규모를 약 2,000억 달러로 예상했는가?",
"본 논문에 따르면 가상/증강현실 관련 Digi-Capital은 2022년 글로벌 가상/증강현실 분야의 예상 시장 규모를 어느정도로 예상했는가?",
"본 논문에서 제시한바에 따르면 가상/증강현실 관련 Digi-Capital은 2022년 증강 현실은 가상현실의 몇 배 이상 성장할 것이라고 판단했는가?",
"본 논문에서 제시한바에 따르면 가상/증강현실 관련 Digi-Capital은 2022년 증강 현실은 가상현실의 7배 이상 성장할 것이라고 판단한게 맞는가?",
"본 논문에서 제시한바에 따르면 가상/증강현실 관련 Digi-Capital은 2022년 증강 현실의 성장 규모는 가상현실의 몇 배 이상인가?",
"고성능의 하드웨어와 다양한 서비스 및 콘텐츠 기술은 가상/증강 현실의 이것을 위해 필요한데, 이 때 이것은 무엇일까?",
"본 논문에 따르면 가상/증강 현실은 크게 두 가지 분야로 나눌 수 있는데, 소프트웨어가 아닌 다른 한 가지는 무엇인가?",
"가상/증강현실 기기에서 영상 정보를 제공하는 디스플레이 패널의 성능이 기존의 텔레비전이나 모바일 기기보다 훨씬 더 우수해야 하는 이유는 무엇인가?",
"본 논문에서 말하고 있는 가상/증강현실 기기가 대중화 되지 못한 이유 중 하나는 디스플레이의 성능이 높지 않아 사용자의 이것을 증가시키는 것인데, 이것은 무엇인가?",
"본 논문은 가상/증강 현실은 크게 두 가지 분야로 나누는데, 하드웨어가 아닌 다른 한 가지는 무엇인가?",
"가상/증강현실을 구현할 때 다감각 자극 경험을 제공하고 상호 작용할 수 있는 하드웨어가 필요한 이유는 무엇인가?",
"본 논문에서는 마이크로 디스플레이에 대한 설명과 이에 대한 무엇을 추가적으로 더 살펴보았는가?",
"초실감의 가상/증강현실을 구현하여 사용자의 몰입감을 증가시키기 위해서는 사용자에게 이것을 제공하는게 중요한데, 이 때 이것은 무엇인가?",
"본 논문에서 지적하고 있는, 가상/증강현실 기기가 아직 스마트폰만큼 대중화가 되지 못한 이유는 무엇인가?",
"본 논문에서 주목하고 있는, 디스플레이의 역할이 크게 증가하고 있는 분야는 어디인가?",
"본 논문에서 간단하게 설명하는 것은 무엇인가?"
] |
5802bc69-dd73-4ae9-8ecc-1e7d62ef7bf5
|
인공물ED
|
OLED 마이크로 디스플레이 기술 동향
|
<h3>2.3.4. Kopin</h3><p>Kopin은 웨어러블 헤드셋 관련 다양한 제품 및 기술을 개발하는 미국 업체로 백플레인 설계에 강점을 가지고 있다. 기존에 LCoS 사업 기반으로 OLED 마이크로 디스플레이 관련 연구도 진행하고 있다. Kopin의 OLED 마이크로 디스플레이의 주요 스펙을 아래 [표 5]에 정리하였다.</p><table border><caption>표 5. Kopin OLED 마이크로 디스플레이의 주요 스펙</caption><tbody><tr><td>종류</td><td>해상도</td><td>픽셀 피치</td><td>색상</td><td>휘도</td><td>명암비</td><td>소비전력</td></tr><tr><td>0.99" \(2 \mathrm{K} \times 2 \mathrm{K} \)</td><td>\( 2048 \times 2048 \)</td><td>\( 2.88 \mu \mathrm{m} \times 8.64 \mu \mathrm{m} \)</td><td>Full color</td><td>\( 150 \mathrm{~cd} / \mathrm{m}^{2} \)</td><td>\( >3,000: 1 \)</td><td>\(<500 \mathrm{~mW} \)</td></tr></tbody></table><p>Kopin은 최근 중국의 OLiGHTEK, BOE, Goertek 회사와 협력을 진행하고 있으며 OLED 마이크로 디스플레이용 FAB을 위해 중국 Kunming에 \( \$ 200 \mathrm{M} \) 을 투자할 계획이다. Kopin은 2019년에 \( 2.6 \mathrm{K} \times 2.6 \mathrm{K}(2,800 \mathrm{ppi})\), 2020년에는 \( 3 \mathrm{K} \times \) \( 3 \mathrm{K} \) 패널을 개발할 예정이라고 발표하고 있다.</p><h3>2.3.5. 국내 기업 및 기관</h3><p>국내에는 마이크로 디스플레이 관련 업체가 많지 않다. 라온텍이 국내에서 거의 유일하게 \( \mathrm{LCoS} \) 사업을 진행하고 있고, OLED마이크로 디스플레이 사업을 진행하는 기업은 국내에 없는 실정이다. 삼성에서는 2011년도에 IDW 학회에서 full color OLED 마이크로 디스플레이를 발표하기도 하였으나 양산화하지 않았다. 한양대에서도 마이크로 디스플레이 관련 연구를 1990년대 후반부터 지속적으로 해오고 있다. ETRI 는 1994년부터 진행하고 있는 OLED 관련 연구를 기반으로 2016년 군사용 OLED 마이크로 디스플레이 개발 과제를 수행하면서 2018년에 국내 최초로 SXGA 급 단색 OLED 마이크로 디스플레이를 SID2018 및 IMID2018 전시회에 전시하였다. 최근 LG Display에서 SID2019에서 OLED 마이크로 디스플레이 시제품을 전시하였다. 국내 OLED 마이크로 디스플레이의 주요 스펙을 아래 [표 6]에 정리하였다.</p><table border><caption>표 6. 국내 OLED 마이크로 디스플레이의 주요 스펙</caption><tbody><tr><td>종류</td><td>해상도</td><td>픽셀 피치</td><td>색상</td><td>휘도</td><td>명암비</td><td>소비전력</td></tr><tr><td>0.6" XGA (Samsung)</td><td>\( 1024 \times 768 \)</td><td>\( 12 \mu \mathrm{m} \)</td><td>Full color</td><td>\( 235 \mathrm{~cd} / \mathrm{m}^{2} \)</td><td>-</td><td>\(<500 \mathrm{~mW} \)</td></tr><tr><td>0.7" SXGA (ETRI)</td><td>\( 1280 \times 1024 \)</td><td>\( 3.6 \mu \mathrm{m} \times 10.8 \mu \mathrm{m} \)</td><td>Monochrome green</td><td>\( 460 \mathrm{~cd} / \mathrm{m}^{2} \)</td><td>\( 25935.3: 1 \)</td><td>\( 232 \mathrm{~mW} \) (at \( 400 \mathrm{~cd} / \mathrm{m}^{2} \) \( 60 \mathrm{~Hz} \) )</td></tr></tbody></table><p>그리고 아래 그림은 IMID 2019에서 ETRI가 최근 개발한 OLED 마이크로 디스플레이의 CMOS Si 기판과 시제품 이미지이다. 백색의 마이크로 디스플레이는 개발을 완료하였으며 풀 컬러가 적용된 패널 개발을 진행하고 있다.</p>
|
[
"백플레인 설계에 강점을 가지고 있는 미국 업체는 어디인가?",
"어떤 미국 업체가 백플레인 설계에 강점을 가지고 있어?",
"Kopin은 무엇을 설계하는데 강점을 가진 업체인가?",
"Kopin OLED 마이크로 디스플레이의 주요 스펙에서 0.99\" \\(2 \\mathrm{K} \\times 2 \\mathrm{K} \\)의 해상도는 얼마인가?",
"Kopin이 2019년에 개발할 예정인 패널은 무엇인가?",
"어떤 패널을 kopin이 2019년에 개발하려 하나요?",
"Kopin이 2020년에 개발할 예정이라고 발표한 패널은 무엇인가?",
"ETRI에서 군사용 OLED 마이크로 디스플레이 개발 과제를 수행한 연도는 언제인가?",
"ETRI에서 국내 최초로 SXGA 급 단색 OLED 마이크로 디스플레이를 전시회에 전시한 것은 몇 년도인가?",
"ETRI에서 2018년 국내 최초로 SID2018 및 IMID2018 전시회에 전시한 OLED 마이크로 디스플레이는 어떤 것인가?",
"Kopin OLED 마이크로 디스플레이의 주요 스펙에서 0.99\" \\(2 \\mathrm{K} \\times 2 \\mathrm{K} \\)의 색상은 흑백인가?",
"국내 OLED 마이크로 디스플레이의 주요 스펙중, 0.7\" SXGA (ETRI)의 휘도는 얼마인가?",
"Kopin OLED 마이크로 디스플레이의 주요 스펙에서, 0.99\" \\(2 \\mathrm{K} \\times 2 \\mathrm{K} \\)의 소비전력은 \\(500 \\mathrm{~mW} \\)보다 낮은가?",
"Kopin OLED 마이크로 디스플레이의 주요 스펙에서 0.99\" \\(2 \\mathrm{K} \\times 2 \\mathrm{K} \\)의 픽셀 피치는 얼마인가?",
"Kopin OLED 마이크로 디스플레이의 주요 스펙에서, 0.99\" \\(2 \\mathrm{K} \\times 2 \\mathrm{K} \\)의 휘도는 얼마인가?",
"Kopin OLED 마이크로 디스플레이의 주요 스펙에서 0.99\" \\(2 \\mathrm{K} \\times 2 \\mathrm{K} \\)의 휘도는 얼마인가?",
"국내 OLED 마이크로 디스플레이의 주요 스펙중, 0.6\" XGA (Samsung)의 해상도는 얼마인가?",
"국내 OLED 마이크로 디스플레이의 주요 스펙중, 0.6\" XGA (Samsung)의 휘도는 얼마인가?",
"국내 OLED 마이크로 디스플레이의 주요 스펙중, 0.6\" XGA (Samsung)는 흑백인가?",
"국내 OLED 마이크로 디스플레이의 주요 스펙중, 0.6\" XGA (Samsung)의 소비전력은 \\(500 \\mathrm{~mW} \\) 보다 낮은가?",
"국내 OLED 마이크로 디스플레이의 주요 스펙중, 0.7\" SXGA (ETRI)의 해상도는 얼마인가?",
"국내 OLED 마이크로 디스플레이의 주요 스펙중, 0.7\" SXGA (ETRI)의 픽셀 피치는 얼마인가?",
"국내 OLED 마이크로 디스플레이의 주요 스펙중, 0.7\" SXGA (ETRI)는 컬러화면인가?",
"국내 OLED 마이크로 디스플레이의 주요 스펙중, 0.7\" SXGA (ETRI)의 명암비는 얼마인가?",
"국내 OLED 마이크로 디스플레이의 주요 스펙중, 0.7\" SXGA (ETRI)가 0.6\" XGA (Samsung)에 비해 휘도가 높은가?",
"국내 OLED 마이크로 디스플레이의 주요 스펙에서, 0.6\" XGA (Samsung)와 0.7\" SXGA (ETRI) 모두 Monochrome green인가?",
"국내 OLED 마이크로 디스플레이의 주요 스펙에서, 0.6\" XGA (Samsung)는 0.7\" SXGA (ETRI)에 비해 해상도가 큰가?",
"국내 OLED 마이크로 디스플레이의 주요 스펙에서, 0.6\" XGA (Samsung)와 0.7\" SXGA (ETRI) 모두 같은 휘도를 가지는가?",
"국내 OLED 마이크로 디스플레이의 주요 스펙중, 0.6\" XGA (Samsung)의 픽셀피치는 얼마인가?",
"국내 OLED 마이크로 디스플레이의 주요 스펙에서, 0.6\" XGA (Samsung)와 0.7\" SXGA (ETRI) 모두 해상도가 같은가?",
"Kopin OLED 마이크로 디스플레이의 주요 스펙에서 0.99\" \\(2 \\mathrm{K} \\times 2 \\mathrm{K} \\)의 명암비는 \\( 3,000: 1 \\)보다 높은가?"
] |
4377e37a-2cb2-4c2b-9476-53ad37edf0d4
|
인공물ED
|
OLED 마이크로 디스플레이 기술 동향
|
<h1>3. 결론</h1><p>가상/증강현실 기술은 향후 ICT 시장을 혁신할 수 있는 4 차 산업혁명 시대의 핵심 기술이며 디스플레이 강국인 대한민국이 새롭게 진출할 수 있는 주요 기술이다. 가트너의 'Top 10 Strategic Technology For 2018'은 차세대 디지털 비즈니스 생태계 구축을 위한 핵심 미래 기술에도 가상/증강현실이 포함되어 있다. 가상/증강현실 기술은 전 세계의 주요 IT 기업들이 관련 연구에 집중하는 미래를 위해 매우 중요한 기술이다. 여기에 핵심 디스플레이 부품 중 하나로 마이크로 디스플레이 역시 지속적인 기술 발전이 필요하기에 주요 마이크로 디스플레이 업체들은 OLED 마이크로 디스플레이에 대한 기술 개발을 진행하고 있다.</p><p>안타깝게도 국내에서는 세계 최고의 OLED 및 반도체 기술을 가지고 있음에도 아직까지 OLED 마이크로 디스플레이를 사업화 한 사례가 없다. 따라서 4차 산업혁명 시대의 핵심 영역 및 핵심 동력인 가상/증강현실의 핵심 부품인 OLED 마이크로 디스플레이에 대한 관심과 투자가 집중된다면, 이 분야에서도 우리나라가 독보적인 위치에 오를 수 있을 것이다. 이를 통해 신규 시장 및 일자리 창출에 기여할 수 있을 것으로 기대된다.</p>
|
[
"'Top 10 Strategic Technology For 2018'은 어떤 내용을 포함합니까?",
"저자는 향후 OLED 마이크로 디스플레이에 대해 어떻게 전망하고 있습니까?",
"가상/증강현실 기술의 연구 집중은 누가 하나요?",
"OLED 마이크로 디스플레이를 사업화 한 한국 기업은 어디입니까?",
"차세대 디지털 비즈니스 생태계 구축을 위한 핵심 미래 기술에 무엇이 포함되어 있습니까?",
"전 세계의 주요 IT 기업들이 연구하는 가상/증강현실 기술에 무엇을 결합하여 기술 개발을 진행하고 있나요?",
"안타깝게도 국내에서는 세계 최고의 OLED 및 반도체 기술을 가지고 있음에도 어떤 것을 사업화 한 사례가 없어?",
"마이크로 디스플레이는 지속적인 기술 발전이 필요합니까?",
"국내는 세계 최고의 OLED 및 반도체 기술을 소유하고 있나요?",
"핵심 부품인 OLED 마이크로 디스플레이에 대한 발전은 어디에 기여 할 수 있다고 사료됩니까?",
"주요 마이크로 디스플레이 업체들은 무엇에 대한 기술 개발은 진행합니까?",
"국내에서 OLED 마이크로 디스플레이 사업화 사례가 없음을 어떻게 극복하고자합니까?",
"어떻게 OLED 마이크로 디스플레이에 대한 위치를 확보하고자 제안합니까?",
"4차 산업혁명 시대에서 가상/증강현실은 어떤 의미를 지니고 있어?",
"가상/증강현실 기술은 시장 측면에서 어떤 평가를 받고 있나요?",
"가상/증강현실 기술은 왜 특히 대한민국에서 중요합니까?",
"'Top 10 Strategic Technology For 2018은' 어디서 출판하였습니까?",
"가트너의 'Top 10 Strategic Technology For 2018'에서 서술한 가상/증강현실은 어떤 기술입니까?",
"대한민국의 주요 제조 산업은 무엇인가요?"
] |
ccd4d345-1ed6-4667-8214-1a4b4c1f0604
|
인공물ED
|
OLED 마이크로 디스플레이 기술 동향
|
<h3>2.3.2. Sony</h3><p>Sony는 OLED 마이크로 디스플레이 개발 관련 매우 뛰어난 성능을 자랑하는 시제품을 전시회 등에 출품하고 있다. Sony에서 발표한 시제품의 주요 스펙을 아래 [표 3]에 정리하였다.</p><table border><caption>표 3. Sony OLED 마이크로 디스플레이 스펙</caption><tbody><tr><td>종류</td><td>해상도</td><td>픽셀 피치</td><td>색상</td><td>휘도</td><td>명암비</td><td>소비전력</td></tr><tr><td>0.5'' QVGA</td><td>\( 1280 \times 960 \)</td><td>\( 2.6 \mu \mathrm{m} \times 7.8 \mu \mathrm{m} \)</td><td>Full color</td><td>\( 1,000 \mathrm{~cd} / \mathrm{m}^{2} \)</td><td>\( >100,000: 1 \)</td><td>\(310 \mathrm{mW}\) (at 60\( \mathrm{~fps} 200 \mathrm{~cd} / \mathrm{m}^{2} \) )</td></tr><tr><td>1.25" WQXGA} \)</td><td>\( 2560 \times 1600 \)</td><td>\( 3.5 \mu \mathrm{m} \times 10.5 \mu \mathrm{m} \)</td><td>Full color</td><td>\( 200 \mathrm{~cd} / \mathrm{m}^{2} \)</td><td>\( >100,000: 1 \)</td><td></td></tr><tr><td>0.5 UXGA</td><td>\( 1600 \times 1200 \)</td><td>\( 6.3 \mu \mathrm{m} \)</td><td>Full color</td><td>\( 2,000 \mathrm{~cd} / \mathrm{m}^{2} \)</td><td>\( >100,000: 1 \)</td><td>\(310 \mathrm{mW}\) (at 60\( \mathrm{~fps} 200 \mathrm{~cd} / \mathrm{m}^{2} \) )</td></tr></tbody></table><p>Sony는 1.25 인치급 대형에서 0.5 인치의 소형까지 다양한 패널 크기와 높은 해상도를 가지는 시제품을 선보이고 있음을 알 수 있다. 이는 CMOS 백플레인 공정과 OLED를 적용하는 기술에서 높은 완성도를 보여주고 있다.</p><h3>2.3.3. eMagin</h3><p>eMagin은 1996년에 설립되었고 OLED 마이크로 디스플레이 분야를 꾸준히 연구해온 미국의 기업이다. 다양한 마이크로 디스플레이 개발 제품군을 가지고 있고, 주로 군용으로 관련 제품을 판매하고 있다. eMagin의 OLED 마이크로 디스플레이의 주요 스펙을 아래 [표 4]에 정리하였다.</p><p>eMagin은 기존의 OLED 마이크로 디스플레이와 다르게 적, 녹, 청 OLED 발광층을 직접 패턴 하여 칼라 필터 없이도 Full color를 구현하였다. 칼라 필터가 없기 때문에 더 높은 휘도를 낼 수 있고, 효율도 증가시킬 수 있다. 이는 OLED 마이크로 디스플레이의 가장 큰 문제 중 하나인 휘도 문제를 개선할 수 있는 중요한 결과로 판단된다. 이는 eMagin이 출원한 초미세 패턴을 할 수 있는 마스크 및 증착 관련 특허를 통해 예상할 수 있다.</p><table border><caption>표 4. eMagin OLED 마이크로 디스플레이의 주요 스펙</caption><tbody><tr><td>종류</td><td>해상도</td><td>픽셀 피치</td><td>색상</td><td>휘도</td><td>명암비</td><td>소비전력</td></tr><tr><td>0.47" VGA</td><td>\( 640 \times 480 \)</td><td>\( 15 \mu \mathrm{m} \)</td><td>Fulloolor</td><td>\( 750-800 \mathrm{~cd} / \mathrm{m}^{2} \)</td><td>\( >10,000: 1 \)</td><td>\(<125\mathrm{mW}\)</td></tr><tr><td>0.61" SVGA\(+\)</td><td>\( 852 \times 600 \)</td><td>\( 15 \mu \mathrm{m} \)</td><td>Fulloolor</td><td>\( 200 \mathrm{~cd} / \mathrm{m}^{2} \)</td><td>\( >300: 1 \)</td><td>\(<200\mathrm{mW}\)</td></tr><tr><td>0.77" SXGA</td><td>\( 1280 \times 1024 \)</td><td>\( 12 \mu \mathrm{m} \)</td><td>Fulcolor</td><td>\( 150 \mathrm{~cd} / \mathrm{m}^{2} \)</td><td>\( >10,000: 1 \)</td><td>\(<180\mathrm{mW}\)</td></tr><tr><td>0.86" WUXGA</td><td>\( 1920 \times 1200 \)</td><td>\( 9.6 \mu \mathrm{m} \)</td><td>Fulcolor</td><td>\( 150 \mathrm{~cd} / \mathrm{m}^{2} \)</td><td>\( >10,000: 1 \)</td><td>\(<350 \mathrm{mW}\)</td></tr><tr><td>1.06" \(2\mathrm{K} \times 2 \mathrm{K} \)</td><td>\( 2048 \times 2048 \)</td><td>\( 9.3 \mu \mathrm{m} \)</td><td>Ful color</td><td>\( 500 \mathrm{~cd} / \mathrm{m}^{2} \)</td><td>\( >10,000: 1 \)</td><td>-</td></tr></tbody></table>
|
[
"소비전력이 \\(310 \\mathrm{mW}\\) (at 60\\( \\mathrm{~fps} 200 \\mathrm{~cd} / \\mathrm{m}^{2} \\) )인 것의 종류는 뭐야?",
"0.5'' QVGA의 해상도는 어떻게 돼?",
"\\( 200 \\mathrm{~cd} / \\mathrm{m}^{2} \\)의 휘도를 갖는 것은 어떤 종류야?",
"\\( 2560 \\times 1600 \\)의 해상도를 갖는 것은 어떤 종류야?",
"0.5 UXGA는 얼마의 소비전력을 가지고 있니?",
"0.47\" VGA는 얼마의 명암비를 가지고 있어?",
">0.61\" SVGA\\(+\\)는 어떤 색상을 지원해?",
"\\(<180\\mathrm{mW}\\)의 소비전력을 가지고 있는 것은 어떤 종류일까?",
"\\( 1920 \\times 1200 \\)의 해상도를 지원하는 것은 어떤 종이야?",
"1.06\" \\(2\\mathrm{K} \\times 2 \\mathrm{K} \\)는 몇의 휘도를 나타내니?"
] |
97d25ea6-9429-4c20-aea7-b9368b189ffc
|
인공물ED
|
직류 스퍼터링법에 의해 제막된 \(\mathrm{SnO_{2}}/mathrm{AI}/\mathrm{Ag}/\mathrm{AI}/\mathrm{SnO_2}\)구조열선반사유리의 열적안정성
|
<h1>2. 실험방법</h1><h2>2.1. 제막방법</h2><p>본 실험에 사용된 코팅장치는 Fig. 1 과 같이 1개의 반응실에 3개의 cathode가 장착된 장치이며, 기판은 두께 \( 2 \mathrm{~mm} \) 의 soda-lime silicate glass를 사용하였다.</p><p>산화물을 제막할 경우는 cathode에 \( 1 \mathrm{kw} \) 정도의 power를 인가하고 기판을 1 회 왕복(즉, 2 pass)하여 코팅하였으며, 금속막의 경우는 필요한 층의 두께가 매우 얇기 때문에 인가전력을 낮추어 제막하였다. 제막시의 반응실내 압력은 \( 4 \sim 6 \times 10^{-3} \mathrm{torr} \) 였다. 대표적인 세막조건은 Table 1 과 같으며, 각 단층막의 두께 변화에 대해서는, 금속박막의 경우는 sputter전력을 바꿔가며 두께를 조절하였고 산화물 박막의 경우는 conveyor speed에 의해 두께를 조절하였다.</p><h2>2.2. 열처리</h2><p>코팅 후 열처리에 따른 박막의 특성변화를 조사하기 위하여 \( 650^{\circ} \mathrm{C} \) 로 유지된 선기로 속에 코팅된 유리를 투입하여 5분간 유지시킨 후 대기중에서 냉각시켰다.</p><h2>2.3. 제막된 박막의 특성 시험방법</h2><h3>2.3.1. 분광투과반사을</h3><p>광학적 특성 즉, 가시광선 투과율과 적외선 반사율은 UV-VIS-NIR spectro-photometer(Perkin Elmer사, Lambda 9)를 사용하여 \( 300 \sim 2,500 \mathrm{~nm} \) 의 파장범위를 측정하였다.</p><h3>2.3.2. Emissivity</h3><p>Low-E유리의 특성을 좌우하는 emissivity의 측정은 FT-IR spectro photometer(Perkin Elmer사, 1850)를 사용하여 코팅면에 대해 \( 2.5 \sim 25 \mu \mathrm{m} \) 파장범위의 반사율을 측정한 후 KSL-2514에 따라 계산하였다.</p><h3>2.3.3. 면저항</h3><p>제막된 막의 면지항은 열처리 전, 후에 걸처 4 point probe method를 사용하여 측정하였다.<h3>2.3.4. ESCA depth profile</h3><p>제막된 막의 열처리 전,후의 막구조를 확인하기 위해 ESCA(Vacuum Generation, ESCALab 200-D)를 사용하여 코팅막의 depth profile을 행하였다.</p>
|
[
"본 실험에 사용된 코팅장치는 어떻게 구성되어 있어?",
"어떻게 본 실험에 이용된 코팅장치가 조직되지?",
"산화막을 어떻게 제막하였어?",
"어떻게 산화막을 제거했어?",
"산화물을 제막할 경우는 cathode에 \\( 1 \\mathrm{kw} \\) 정도의 power를 인가한 후, 어떻게 했어?",
"금속박막의 두께를 어떻게 조절하였어?",
"어떻게 금속박막의 두께를 조절했지?",
"산화물 박막은 어떻게 두께를 조정하였어?",
"코팅 후 열처리에 따른 박막의 특성변화를 조사하기 위하여 어떻게 실험을 했어?",
"코팅면에 대해 \\( 2.5 \\sim 25 \\mu \\mathrm{m} \\) 파장범위의 반사율을 측정한 후 그 다음 계산은 어떻게 했어?",
"Low-E유리의 특성을 좌우하는 emissivity의 측정은 어떻게 했어?",
"전, 후의 막구조 비교는 어떻게 했어?",
"면저항은 어떻게 처리했어?",
"어떻게 면저항을 처리했지?",
"가시광선 투과율과 적외선 반사율을 어떻게 측정하였어?"
] |
f3c605db-b9df-475a-aff1-64784de9e404
|
인공물ED
|
직류 스퍼터링법에 의해 제막된 \(\mathrm{SnO_{2}}/mathrm{AI}/\mathrm{Ag}/\mathrm{AI}/\mathrm{SnO_2}\)구조열선반사유리의 열적안정성
|
<h1>1.서론</h1><p>Low emissivity coating(low-E coating 또는 heat mirror)유리는 건축물의 냉난방비용을 절감할 수 있는 대표적인 건축재료이다. 이 재료는 높은 가시광선 투과 특성과 열선반사 특성을 나타내는 박막물질을 유리나 폴리에스터와 같은 투명한 기판위에 코팅하여 만들 수 있다. 이상적인 low-E코팅의 경우 맑은유리와 마찬가지로 가시광선영역(\(380\)~ \(780\) \( \mathrm{nm} \) )의 고투과 특성 외에도 적외선(IR: InfraRed)영역에서의 반사율도 \( 90 \% \) 이상을 나타낸다.</p><p>이러한 코팅유리는 유전체/금속/유전체와 같이 다층구조로 되어 있으며, 금속층은 열선을 반사시키는 층이며 금속층 상하의 유전체충은 금속층의 반사를 낮추고 내구성을 증진시키는 역활을 한다. 그러나 이 구조의 low-E coating유리는 유리를 bending 또는 강화시킬 수 있는 \( 350^{\circ} \mathrm{C} \) 이상의 온도에서는 내구성이 없다는 단점이 있다. 통상의 3층 low-E유리가 열처리시 변질되는 이유는 열처리를 할 경우에 열선반사막인 \( \mathrm{Ag} \) 층이 응집 또는 산화되거나 주위 박막과 glass층으로 확산되어 colloid 형태로 존재하게 되기 때문이다. 이 결과 코팅유리는 yellowish color를 나타내게 되고 전기전도성이 소멸되어 IR 반사특성을 잃게 된다. 따라서 열적 안정성을 높이기 위해서는 열처리시 \( \mathrm{Ag} \) 층의 변화 즉, 자체적인 agglomeration, 산화, 유리로의 확산 등이 일어나지 않도록 해야 한다.</p><p>이를 위한 여러 연구중 대표적인 방법이 \( \mathrm{Ag} \) 층의 상하에 수십 \( \mathring{A} \) 의 얇은 다른 금속층을 형성시켜 열처리시에 \( \mathrm{Ag} \) 층을 보호하는 것이다. 이 금속충은 열처리시 최외층의 산화물층을 통해 확산되어 들어온 산소와 결합하여 치밀한 산화물층을 형성하기 때문에 산소의 침투를 막아 \( \mathrm{Ag} \) 가 산화되는 것을 방지해 준다. 또한 \( \mathrm{Ag} \) 자체의 응집과 유리층으로의 이동을 억제하여 열처리 후에도 금속 \( \mathrm{Ag} \) 층이 유지될 수 있게 한다. 이와 같은 방법에 의해 제조된, 강화, 곡면가공 등의 열처리가 가능한 low-E유리는 제막 직후에는 보호충으로 삽입한 금속층으로 인하여 가시광선 투과율이 낮지만 열처리후에는 통상의 low-E와 동일한 광학적 특성을 나타내게 된다.</p><p>본 연구는 이상과 같이 열처리가 가능하도록 금속 보호층을 삽입한 다층막 구조의 low-E유리를 제조할 경우 각 박막의 두께에 따른 열처리시 특성변화를 조사하였다.</p>
|
[
"Low emissivity coating유리는 어떻게 만들 수 있는가?",
"어떻게 Low emissivity coating유리가 제작될 수 있지"
] |
622a20bb-2277-4df0-b7d7-93c5f1844ef7
|
인공물ED
|
타일형 프로젝터를 이용한 저주파 능동 반향음 감소 기법
|
<h1>II. 구성요소</h1> <h2>2.1 능동 임피던스 정합</h2> <p>능동 임피던스 정합은 본 연구에서 저주파 반향음 제어를 구현하기 위한 핵심 요소로서, 물체 표면의 음향 임피던스를 능동적으로 매질의 임피던스와 일치시켜 반사가 일어나지 않도록 하는 기법이다. Fig.1(a) 는 밀도 \( \rho_{0} \), 음속 \( c_{0} \) 을 갖는 매질 내에서 음압 \( P^{+} \)를 갖는 입사파가 물체 표면에 입사하는 상황을 도시하고 있다. 매질의 고유 음향 임피던스 \( Z_{0} \)과 물체 표면의 음향 임피던스 \( Z_{n} \) 의 차이에 의해 반사계수\( R_{n} \)을 갖는 경우, 반향음의 음압 \( P^{-} \)와 입자 속도 \( U^{-} \)는 다음과 같다.</p> <p>\( P^{-}=R_{n} \cdot P^{+} \), \( U=-R_{n} \cdot U^{+} \).</p> <caption>(1)</caption> <p>Fig. 1(b)는 표면의 액츄에이터가 동작하여 제어음 \( P^{A} \) 가 추가되는 경우를 나타내고 있다. 액츄에이터와 표면의 음향 특성이 모두 고려된 유효 반사계수를 \( R_{e} \)라고 할 때, 반향음의 음압 \( P^{-} \)와 입자속도 \( U^{-} \)는 다음과 같다.</p> <p>\( P^{-}=R_{e} \cdot P^{+} \), \( U=-R_{e} \cdot U \).<caption>(2)</caption></p> <p>제어음 \( P^{A} \)를 함께 고려한 액츄에이터 표면에서의 전체 음압 \( P_{\text {total }} \)과 전체 입자속도 \( U_{\text {total }} \), 그리고 이에 따른 전체 음향 임피던스 \( Z_{n} \)은 다음과 같다.</p> <p>\( \begin{aligned} P_{\text {total }} &=P^{+}+P^{-}+P^{A} \\ &=P^{+}+R_{e} \cdot P^{+}+P^{A} \\ &=\left(1+R_{e}\right) \cdot P^{+}+P^{A} \end{aligned} \),<caption>(3)</caption></p> <p>\( \begin{aligned} U_{\text {total }} &=U^{-}-U-U^{A} \\ &=\frac{P^{+}}{\rho_{0} c_{0}}-\frac{R_{e} \cdot P^{+}}{\rho_{0} c_{0}}-\frac{P^{A}}{\rho_{0} c_{0}} \\ &=\frac{1}{\rho_{0} c_{0}}\left[\left(1-R_{e}\right) \cdot P^{+}-P^{A}\right] \end{aligned} \),<caption>(4)</caption></p> <p>\( \begin{aligned} Z_{n} &=\frac{P_{\text {total }}}{U_{\text {total }}} \\ &=\rho_{0} c_{0} \frac{\left(1+R_{e}\right) \cdot P^{+}+P^{A}}{\left(1-R_{e}\right) \cdot P^{+}-P^{A}} \end{aligned} \),<caption>(5)</caption></p> <p>대표적인 몇 가지 제어음 \( P^{A} \) 값에 따른 표면에서의 전체 음압 \( P_{\text {total }} \)과 전체 음향 임피던스 \( Z_{n} \)을 Table 1에 나타내었다. Table 1 에서와 같이 제어음 \( P^{A} \)의 값에 따라 표면에서의 음향 임피던스가 0 에서 무한대까지 변화함을 볼 수 있다. 특히 \( P^{A}=-R_{e} \cdot P^{+} \)인 경우, 전체 음압 \( P_{\text {total }} \)은 입사표 \( P^{+} \)와, 경계면에서의 음향 임피던스 \( Z_{n} \) 은 매질의 음향 임피던스 \( \rho_{0} c_{0} \) 와 동일한 값을 가지게 된다. 즉, 능동 임피던스 정합 시 반향음이 0이 되는 효과를 얻게 된다.</p> <table border><caption>Table 1. Total acoustic pressure and termination impedance as functions of control sound \( P^{A} \).</caption> <tbody><tr><td>\( P^{A} \)</td><td>\( P_{total} \)</td><td>\( Z_{n} \)</td></tr><tr><td>\( -R_{\varepsilon} \cdot P^{+} \)</td><td>\( P^{+} \)</td><td>\( \rho_{0} c_{0} \) (lmpedance matched)</td></tr><tr><td>\( \left(1-R_{\varepsilon}\right) \cdot P^{+} \)</td><td>\( 2P^{+} \)</td><td>\( \infty \) (Rigid)</td></tr><tr><td>\( -\left(1+R_{\varepsilon}\right) \cdot P^{+} \)</td><td>0</td><td>0 (Pressure release)</td></tr></tbody></table> <h2>2.2 타일형 프로젝터</h2> <p>본 연구에서는 실선 대면적 적용에 적합한 능동 반향음 감소용 소자로서 타일형 프로젝터를 고려한다. 이와 유사한 형상 및 구조를 갖는 능동 타일이 제안 된 바 있으나, 제작되어 성능 시험까지 수행된예는 보고된 바 없다. 타일형 프로젝터는 물과 유사한 음향 임피던스를 갖는 rho-c고무를 기질(matrix)로 하고 그 내부에 다수의 단위 액츄에이터를 배열함으로써 마치 하나의 대형 프로젝터처럼 작동하는 구조를 갖는다. 타일형 기질은 해수와 유사한 고유 음향 임피던스를 가지고 있어 반향음의 고주파 성분을 감쇠하며, 저주파 성분의 제어는 액츄에이터를 이용한 능동 임피던스 정합을 통하여 이루어진다. 이러한 구조는 기존의 수동 무반향 타일의 두께를 유지하면서도 저주파를 포함한 광대역의 반향음을 제어할 수 있다는 장점을 갖는다. 나아가 다수의 타일형 프로젝터를 선체 표면에 2차원적으로 부착함으로써 대면적 반향음 감소 효과를 거둘 수 있을 것으로 예상한다.</p>
|
[
"Total acoustic pressure and termination impedance as functions of control sound \\( P^{A} \\)의 표에서 \\( -R_{\\varepsilon} \\cdot P^{+} \\)의 \\( P_{total} \\)는 뭐야?"
] |
b4b59e6e-721b-4ec0-87e4-544cfd733c77
|
인공물ED
|
유한요소법을 이용한 선형유도전동기의 횡방향 모서리 효과 분석
|
<h1>2. 선형 유도전동기의 형방향 모서리 효과</h1> <p>선형유도전동기의 1 차측과 2 차측의 상대 운동에 의해 2차 측 리액션 플레이트 상에는 그림 1(a)과 같은 고리 모양의 와전류들이 유도된다. 1차측 이동자가 \( \mathrm{x} \) 방향으로 진행하고 1 차측에 의한 이동자계가 \( \mathrm{y} \) 성분만을 가지고 있다고 가정하면 2차측 리액션 플레이트에 유도되는 와전류는 그림 1(a)에서와 같이 \( \mathrm{z} \) 방향 성분과 \( \mathrm{x} \) 방향 성분만을 가지게 된다.</p> <p>그림 1(b)는 1차측 위쪽에서 위와 같은 현상을 바라봤을 때의 와전류의 경로를 나타내고 있다. 그림 1(b)에 회색으로 표시된 부분은 1 차측 코어와 2 차측 리액션 플레이트가 겹쳐지는 영역으로 본 논문에서는 이를 코어 영역이라고 명명한다. 이 코어 영역에서의 2 차측 와전류의 \( z \) 방향 성분과 이동자계의 \( \mathrm{y} \) 방향 성분이 상호작용하여 추력이 발생한다. 만약 코어 영역에서의 와전류가 \( \mathrm{z} \) 방향 성분 외에 \( \mathrm{x} \) 방향 성분을 가지게 되면 \( \mathrm{y} \) 방향 성분의 이동자계와의 상호작용을 통해 편심력을 발생시킬 뿐만 아니라 자속을 왜곡시키고 2차측 리액션 플레이트의 등가 저항을 증가시키는 등의 성능 저감을 발생시킨다. 이와 같은 현상을 선형유도전동기의 횡방향 모서리 효과라 하며 선형유도전동기의 성능 특성 해석 시 이에 대한 고려가 필수적으로 이루어져야 한다.</p> <p>그림 1(b)에서도 나타나 있듯이 선형유도전동기에서 발생하는 횡방향 모서리 단부효과를 고려하기 위해서는 코어 영역 상의 와전류의 분포를 정확하게 계산할 수 있어야 한다. 이는 곧 \( \mathrm{y} \) 방향의 자속과 이로 인해 유도되는 \( \mathrm{x}, z \) 방향의 와전류 모델링이 가능한 3 차원 해석이 필요함을 의미한다.</p> <h2>2.1 선형유도전동기의 사양</h2> <p>본 논문에서는 도표 1에 표시된 사양의 선형유도전동기를 이용하여 횡방향 효과를 고려하기 위한 유한요소해석을 수행하였다.</p> <table border><caption>표 1 선형유도전동기 사양</caption> <tbody><tr><td>항목</td><td>단위</td><td>값</td></tr><tr><td>Rated Thrust</td><td>kN</td><td>18.4</td></tr><tr><td>Rated speed</td><td>m/s</td><td>8.333</td></tr><tr><td>Number of poles</td><td>-</td><td>8</td></tr><tr><td>Number of phase</td><td>-</td><td>3</td></tr><tr><td>Pole pitch</td><td>mm</td><td>252</td></tr><tr><td>Slot pitch</td><td>mm</td><td>21</td></tr><tr><td>Height of primary core</td><td>mm</td><td>56</td></tr><tr><td>Width of primary core</td><td>mm</td><td>250</td></tr><tr><td>Tooth width</td><td>nm</td><td>13.5</td></tr><tr><td>Slot depth</td><td>mm</td><td>44</td></tr><tr><td>Physical air gap</td><td>mm</td><td>9</td></tr><tr><td>Thickness of secondary reaction plate</td><td>mm</td><td>5</td></tr><tr><td>Material of secondary reaction plate</td><td>-</td><td>aluminum</td></tr></tbody></table> <p>그림 2는 표 1 에 나타나 있는 선형유도전동기의 유한요소 해석을 위한 3 차원 모델을 나타내고 있다.</p>
|
[
"표 1에서, Width of primary core의 단위는 얼마인가?",
"표 1에서, Material of secondary reaction plate의 값은 얼마를 나타내는가?",
"표 1에서, 선형유도전동기 사양 중 Rated speed의 값은 얼마로 나타나고 있는가?",
"표 1에서, 선형유도전동기 사양 중 Pole pitch 의 단위는 얼마인가?",
"표 1에서, Number of phase의 값은 얼마로 나타나고 있는가?",
"표 1에서, Number of poles의 값은 얼마일까?",
"표 1에서, Slot pitch의 값이 얼마로 나타나고 있는가?",
"표 1에서, Pole pitch의 값은 얼마인가?",
"선형유도전동기 사양을 나타내고 있는 표 1에서 Height of primary core의 값은 얼마를 보이고 있는가?",
"표 1에서, 선형유도전동기 사양 중 Height of primary core의 단위는 얼마인가?",
"표 1에서, 선형유도전동기 사양 중 Width of primary core 의 값은 얼마일까?",
"표 1에서, Tooth width의 값은 얼마인가?",
"표 1에서, 선형유도전동기 사양 중 Slot depth 의 값은 얼마인가?",
"표 1에서, Physical air gap의 단위는 얼마인가?",
"선형유도전동기 사양을 보여주는 표 1에서 Physical air gap의 값은 얼마인가?",
"표 1에서, 선형유도전동기 사양 중 Thickness of secondary reaction plate 의 단위는 얼마인가?",
"표 1에서, Rated Thrust의 값은 얼마인가?",
"표 1에서, 선형유도전동기 사양 중 Rated speed 의 단위는 얼마인가?",
"표 1에서, Rated Thrust의 단위는 얼마인가?",
"표 1에서, Tooth width의 단위는 얼마인가?",
"표 1에서, Thickness of secondary reaction plate의 값은 몇 mm인가?"
] |
e8e479f3-71ef-41cb-be22-f37f1b268866
|
인공물ED
|
임피던스 튜브 내에 설치된 이중 평판의 음파투과연구
|
<p>Reference [6]에서는 정사각형 클램프지지 판의 모드를 다음과 같이 가정하여 Ritz 방법을 사용하여 고유진동수와 계수 \( a_{m n} \) 을 구하였다.</p><p>\(\tilde{\xi}=\sum_{m=1}^{6} \sum_{n=1}^{6} a_{m n} \psi_{m}(x) \psi_{n}(y),\)<caption>(14)</caption></p><p>여기서 \( \psi_{m}(x) \) 는 x 의 함수로 주어지는 클램프 지지된 보의 m 번째 모드이며 j모드의 고유진동수는 파라메터 \( \lambda_{j} \) 를 사용하여 다음과 같이 정의된다.</p><p>\(\omega_{j}=\frac{\lambda_{j} h}{L^{2}} \sqrt{\frac{E}{12 \rho_{p}\left(1-\nu^{2}\right)}} .\)<caption>(15)</caption></p><table border><caption>Table 1. Values of the coefficient \(a_{mn}\) in Eq.(14) from Reference [6].</caption><tbody><tr><td>Mode 1</td><td>Mode 2</td><td>Mode 3</td></tr><tr><td>\(a_{11}\)=1.0000</td><td>\(a_{12}\)=1.0000</td><td>\(a_{22}\)=1.0000</td></tr><tr><td>\(a_{13}\)=0.0142</td><td>\(a_{14}\)=0.0101</td><td>\(a_{24}\)=0.0326</td></tr><tr><td>\(a_{15}\)=0.0020</td><td>\(a_{16}\)=0.0020</td><td>\(a_{26}\)=0.0073</td></tr><tr><td>\(a_{31}\)=0.0142</td><td>\(a_{32}\)=0.0406</td><td>\(a_{42}\)=0.0326</td></tr><tr><td>\(a_{33}\)=-0.0031</td><td>\(a_{34}\)=-0.0022</td><td>\(a_{44}\)=-0.0019</td></tr><tr><td>\(a_{35}\)=-0.0009</td><td>\(a_{36}\)=-0.0007</td><td>\(a_{46}\)=-0.0010</td></tr><tr><td>\(a_{51}\)=0.0020</td><td>\(a_{52}\)=0.0070</td><td>\(a_{62}\)=0.0073</td></tr><tr><td>\(a_{53}\)=-0.0009</td><td>\(a_{54}\)=-0.0011</td><td>\(a_{64}\)=-0.0010</td></tr><tr><td>\(a_{55}\)=-0.0004</td><td>\(a_{56}\)=-0.0005</td><td>\(a_{66}\)=-0.0006</td></tr></tbody></table><table border><caption>Table 2. Simplified expression of the mode shape \(\psi_j\) for a clamped square and parameter \(\lambda_j\)</caption><tbody><tr><td>j</td><td>\(\psi_j\)</td><td>\(\lambda_j\)</td></tr><tr><td>1</td><td>\(\psi_1^x\psi_1^y\)</td><td>35.99</td></tr><tr><td>2</td><td>\(\psi_1^x\psi_2^y\)</td><td>73.41</td></tr><tr><td>3</td><td>\(\psi_2^x\psi_2^y\)</td><td>108.27</td></tr><tr><td>4</td><td>\(\psi_1^x\psi_3^y\)-\(\psi_3^x\psi_1^y\)</td><td>131.64</td></tr><tr><td>5</td><td>\(\psi_1^x\psi_3^y\)+\(\psi_3^x\psi_1^y\)+0.1267\(\psi_3^x\psi_3^y\)</td><td>132.25</td></tr><tr><td>6</td><td>\(\psi_3^x\psi_2^y\)</td><td>161.25</td></tr></tbody></table><p>Reference [6]에서 인용한 처음 3 개의 모드에 대한 계수 \( a_{m n} \) 값을 Table 1에 나타냈으며 \( \lambda_{j} \) 는 Table 2 에 보였다. Table 1 에서 mode 1 의 계수를 보면 \( a_{11} \) 에 비해 다른 계수는 대략 \( 1 \% \) 이하의 크기를 보이므로 근사적으로 \( \Phi_{1} \approx \psi_{1}(x) \psi_{1}(y) \) 로 표현할 수 있다. 마찬가지로 \( \Phi_{2} \approx \psi_{1}(x) \psi_{2}(y), \Phi_{3} \approx \psi_{2}(x) \psi_{2}(y) \) 로 나타낼 수 있다. Table 2에는 기여도가 미미한 계수를 무시한 \( \Phi_{j} \) 를 나타냈으며 또한 고유진동수 계수 \( \lambda_{j}^{[6]} \) 도 나타냈다.</p><p>Table 2 에서 \( \psi_{m}^{x} \) 은 \( \psi_{m}(x) \) 를 의미한다. j=1, 2, 3, 6 의 경우는 \( \Phi_{j}(x, y) \) 를 Eq.(11)처럼 두 방향의 모드의 곱으로 나타낼 수 있으나 j=4,5 의 경우는 \( \Phi_{j}(x, y) \neq \) \( \psi_{m}(x) \psi_{n}(y) \) 가 됨을 알 수 있다. Table 2에 주어진 \( \Phi_{j} \) 를 Eqs. (9)와 (10)에 대입하고 양 변에 \( \Phi_{j} \) 를 곱하고 단면에 대해 적분하고 모드의 직교성을 이용하면 결과는 다음과 같이 주어진다.</p>
|
[
"Table 1 에서 mode 1 의 계수 \\(a_{mn}\\)을 보면 \\( a_{11} \\)의 크기는 1.0000으로 \\( 1 \\% \\) 이하의 크기를 보이는 다른 계수는 어떻게 표현할 수 있지?",
"고유진동수와 계수 \\( a_{m n} \\)은 정사각형 클램프지지 판의 모드를 가정한 후 어떻게 구했지?",
"정사각형 클램프지 지 판의 모드를 고유진동수와 계수를 통해 어떻게 구했어?",
"j모드의 고유진동수의 정의인 \\(\\omega_{j}=\\frac{\\lambda_{j} h}{L^{2}} \\sqrt{\\frac{E}{12 \\rho_{p}\\left(1-\\nu^{2}\\right)}} .\\)는 어떻게 했지?",
"고유진동수와 계수 \\( a_{m n} \\)을 도출하기 위한 Ritz 방법을 사용하기 위해서 정사각형 클램프지지 판의 모드를 어떻게 가정했지?",
"x 의 함수로 주어지는 클램프 지지된 보의 m 번째 모드는 \\( \\psi_{m}(x) \\)이며 파라메터 \\( \\lambda_{j} \\) 를 이용하여 j모드의 고유진동수는 어떻게 정의되지?",
"Table 1에서 \\( a_{m n} \\) 값 중 \\( {m n} \\) 값이 제일 큰 건 어떤 모드에 있지?",
"어떤 모드가 Table 1에서 \\( a_{mnn} \\) 값 중 크지?",
"mode 1 의 계수로써 Table 1 에서 다른 계수가 이것에 비해서 대략 \\( 1 \\% \\) 이하의 크기를 보이는 계수는 무엇이지?",
"Table 1 에서 Mode 1 의 계수로써 다른 경향이 이것에 비해 대략 \\( 1 \\% \\) 아래의 크기를 보이는데 이것은 뭐야?",
"처음 3 개의 모드에 대한 계수 \\( a_{m n} \\) 값을 Reference [6]에서 인용하여 Table1에 기입했으며 그 중 \\(a_{24}\\)의 값은 얼마지?",
"고유 진동 계수를 Table 2에서 어떻게 나타냈지?",
"Table 2에서 고유 진동 계수를 어떻게 나타냈어?",
"\\( \\psi_{m}^{x} \\)는 Table2에서 \\( \\psi_{m}(x) \\) 를 의미하지만 j=4,5 의 경우는 \\( \\Phi_{j}(x, y) \\neq \\) \\( \\psi_{m}(x) \\psi_{n}(y) \\) 가 되는 것을 보이는 j=4의 값은 얼마이지?",
"\\( \\Phi_{j}(x, y) \\)를 Table2에서 j=1, 2, 3, 6 일 경우 어떻게 나타낼 수 있지?",
"Table 2 에서 j1은 어떻게 나타낼 수 있지?",
"고유진동수 계수 \\( \\lambda_{3} \\)의 값은 얼마지?",
"Table 1에서 첫번째 Mode 1 계수의 \\(a_{11} \\)는 얼마일까?",
"mode 1 의 계수를 Table 1 에서 확인했을 때 \\( a_{11} \\) 은 근사적으로 \\( \\Phi_{1} \\approx \\psi_{1}(x) \\psi_{1}(y) \\) 와 또 어떻게 표현할 수 있지?",
"\\( \\psi_{m}^{x} \\)는 Table 2에서 \\( \\psi_{m}(x) \\)를 의미하지만 j=4,5는 \\(\\psi_1^x\\psi_3^y\\)-\\(\\psi_3^x\\psi_1^y\\), \\(\\psi_1^x\\psi_3^y\\)+\\(\\psi_3^x\\psi_1^y\\)+0.1267\\(\\psi_3^x\\psi_3^y\\)을 나타내며 관계를 어떻게 나타낼 수 있지?"
] |
09f7c8bf-a96c-4d97-83bf-eda48ea61bd1
|
인공물ED
|
축구 영상 시퀀스로부터 물체 이동거리와 속도 측정
|
<h1>Ⅵ. 실험결과</h1> <h2>1. 실험 A</h2> <p>물체의 이동 거리와 속도 추정 정확도를 정량적으로 평가하기 위해 \( 720 \times 486 \)의 해상도를 갖는 축구 영상을 Adobe Photoshop 과 3D Studio Max 2.5를 이용하여 합성하였다. 합성된 축구 경기장은 그림 3과 같은 국제 경기용 표준 규격이다. 합성한 축구 영상의 예를 그림 4에 나타내었다.</p> <p>합성한 축구 영상으로부터 알 수 있는 물체의 실제 이동 거리 및 속도와 알고리듬에 의해 추정한 이동 거리 및 속도간의 오차는 식 (10)에 의해 측정하였다.</p> <p>\( e=\frac{\mid \text {실제값 }-\text { 추정값| }}{\text { 실 제값 }} \times 100(\%) \)<caption>(10)</caption></p> <p>표 1에는 물체의 이동 거리와 속도를 추정한 결과를 보였다. 실험에서 사용된 1번 합성 영상은 그림 4(a)와 같이 센터링을 하는 장면이고, 2, 3번 합성영상은 그림 4(b)와 같이 슈팅을 하는 장면이다.</p> <table border><caption>표 1. 합성영상별 추정 오차</caption> <tbody><tr><td></td><td>번호</td><td colspan=2>이동 거리(\(\mathrm{m}\))</td><td>e(\(\%\))</td><td colspan=2>속도(\(\mathrm{km} / \mathrm{h} \))</td><td>e(\(\%\))</td></tr><tr><td rowspan=6>합성영상</td><td rowspan=2>1</td><td>실제</td><td>46.2</td><td rowspan=2>8.9</td><td>실제</td><td>50.4</td><td rowspan=2>8.5</td></tr><tr><td>추정</td><td>50.3</td><td>추정</td><td>54.7</td></tr><tr><td rowspan=2>2</td><td>실제</td><td>13.8</td><td rowspan=2>2.2</td><td>실제</td><td>45.0</td><td rowspan=2>2.4</td></tr><tr><td>추정</td><td>14.1</td><td>추정</td><td>46.1</td></tr><tr><td rowspan=2>3</td><td>실제</td><td>32.1</td><td rowspan=2>2.2</td><td>실제</td><td>66.3</td><td rowspan=2>2.7</td></tr><tr><td>추정</td><td>31.4</td><td>추정</td><td>68.1</td></tr></tbody></table> <h2>2. 실험 B</h2> <p>그림 5는 슈팅이나 센터링을 하는 경우의 실사 축구 영상시퀀스에 본 논문에서 제안한 알고리듬을 적용한 결과영상들이다. 실험 A에서와 달리 겅기장에서의 공의 위치를 정확히 알 수 없으므로 공의 이동거리와 속도에 대한 정확도의 정량적 분석은 어려우며 국제 표준 경기장을 기준으로 사람이 주관적으로 추정한 이동 거리와 큰 차이가 없는 것으로 판단된다.</p> <p>실험 A, B에서 구한 물체 이동 거리와 속도의 오차는 알고리듬에 의해 구한 경기장에서의 물체위치에 존재하는 오차 때문이며 그 원인은 다음과 같다. 첫째는 축구 영상과 경기장간의 위치 변환관계를 구하기 위해 영상 E에서 추출하는 특징점의 위치에 존재하는 오차이다. 축구 영상에 존재하는 특징점들은 주로 경기장 선들의 교차점으로, 경기장 선들은 카메라의 패닝 등에 의해 번지거나 흐리기 때문에 영상처리에 의해서 정확히 구하기 어려운 경우가 많으며 사용자가 지정하더라도 역시 오차가 존재한다. 따라서, 오차를 포함한 영상에서의 특징점 위치와 그에 대응되는 경기장 모델상의 특징점 위치에 의해 위치 변환 계수를 구하게 되고 이 위치 변환 계수에 의해 추정한 경기장에서의 위치에 오차가 발생하게 된다. 둘째는 인접 영상 간에 존재하는 패닝, 확대/축소 계수의 오차 때문에 영상 S에서의 물체 위치 \( \mathrm{P}_{\mathrm{S}} \)를 카메라의 이동, 확대/축소를 반영하여 영상 E에서의 물체 위치 \( \mathrm{P}_{\mathrm{S}} \)로 변환할 때 오차가 발생한다. 이 경우 오차를 포함한 \( \mathrm{P}_{\mathrm{S}}{ }^{\prime} \)를 겅기장에서의 위치로 변환하게 되므로 추정한 경기장에서의 물체 위치에 오차가 발생하게 된다. 이외에도 영상 E의 선택가능한 10개의 특징점 중 어느 네 특징점을 선택하는가에 따라 영상 E와 경기장 모델간의 위치 변환 계수에 차이가 존재할 수 있으므로 그에 따라 물체의 경기장에서의 위치에 차이가 생길 수 있다.</p>
|
[
"표 1. 합성영상별 추정 오차에서 센터링 하는 1번의 추정 이동거리는 얼마 입니까?",
"표 1. 합성영상별 추정 오차에서 슈팅하는 3번의 실제 이동거리는 얼마 입니까?",
"표 1에서 실제 속도가 제일 큰 것은 합성영상 몇 번이야?",
"표 1. 합성영상별 추정 오차에서 추정 이동거리에서 가장 작은 거리는 얼마야?",
"표 1에서 1번 합성영상의 e(\\(\\%\\))는 얼마야?",
"표 1에서 이동 거리(\\(\\mathrm{m}\\))가 13.8인 값의 실제 속도(\\(\\mathrm{km} / \\mathrm{h} \\))는 얼마야?",
"표 1. 합성영상별 추정 오차에서 속도의 e(\\(\\%\\))가 2.4인 합성영상은 몇 번이야?",
"물체의 이동 거리와 속도 추정 정확도를 정량적으로 평가하기 위해 어떻게 했어?",
"표 1에서 합성영상 1번의 실제 속도는 얼마야?"
] |
6e1928d1-63d7-4e83-9615-8dbb6cc72554
|
인공물ED
|
수생태계 부영양화 분석을 위한 비색법 기반의 광학식 센서 신호처리회로(ROIC)구현
|
<h1>1. 서 론</h1><p>\(4\)차 산업역명 시대에 접어들면서 모든 사물, 인간, 건물 등에 센서를 설치 또는 부착하여 필요한 정보를 취득하고, 취득된 정보를 실시간으로 송/수신하게 되었다. 따라서, 고성능의 스마트 센서 개발에 대한 수요가 점점 높아지고 있으며 우리나라뿐만 아니라 전 세계적으로 고성능의 스마트 센서 개발을 위해 많은 노력을 하고 있다. 스마트 센서는, 단순히 물리/화학적 신호를 감지하는 재래식 센서와는 달리, 감지된 신호를 분석 및 판단하고 이를 신속하게 전송하는 기능까지 통합되어 있는 것이 일반적이다.<p>일반적으로 흔히 사용회는 비광학식 센서는 감지 대상물질과 직/간접적으로 반응하는 물질의 특성 변화를 통해 물리/화학적신호의 변화를 감지하게 된다. 이러한 비광학식 센서는 감지 대상 물질과 반응하는 물질이 지속적으로 소모되기 때문에 수명이 비교적 짧으며 잦은 유지 및 보수비용이 발생할 뿐반 아니라 불필요한 물질 간섭 현상에 취약하여 선택도 (Selectivity)가 낮은 단점이 있다.</p><p>반면 광학식 센서는 비광학식 센서에 비해 선택도 및 민감도 (Sensitivity)가 월등히 우수하며 광원 및 광디텍터(Photodetector)가 고장 나지 않는 이상 수명이 반영구적이어서 기존 비광학식 센서를 완벽히 대체할 수 있는 센서로 각광반고 있다. 고성능의 광학식 센서를 개발하기 위해 반도체 공정, MEMS (Micro Electro Mechanical System), 적외선 분광법(Infrared spectroscopy), 비색법(Colorimetric) 등의 다양한 첨단기술들이 활용되고 있다. 최근에는 센서 소자(Device) 자체의 성능을 개선할 뿐만 아니라 취득된 신호를 가공하는 신호처리회로(ROIC, Read-Out Integrated Circuit)의 개선을 통해 고성능 스마트 센서 개발을 가속화하기 위한 연구 또한 활발히 수행되고 있다.</p><p>본 논문에서는 광학식 센서의 측정방식 중, 가장 일반적인 방법 중 하나인 비색법 기반 광학식 센서를 수생태계의 부영양화(Eutrophication)를 분석할 수 있는 홍인(Total-Phosphorus) 및 총 질소(Total-Nitrogen) 분석법에 적합하게 적용할 수 있는 신호처리회로를 구현하였다. 제안한 신호처리회로에서는 이중광학통로(Dual Optical Path)를 적용하여 온도 변화에 따른 광학식 센서의 특성변화를 자동보정 하였으며, 그 출력을 측정단에 피드백 제어(Feedback Control)하여 측정단의 전류를 제어함으로써 분해능을 높이고 동적영역(Dynamic Range)을 확장시켰다. 제안한 회로를 실구현하고 대표적인 비색법 기반 분석법 중 하나인 총인분석법에 적용하여 테스트한 결과 넓은 온도범위에서 안정적인(Stable) 특성이 보임을 확인하였다.</p>
|
[
"광학식 센서보다 비광학식 센서가 각광받고 있습니까?",
"스마트 센서는 단순히 물리,화학적 신호를 감지하는 재래식 센서를 말합니까?",
"고성능의 광학식 센서를 개발하기 위해 어떤 첨단기술이 사용되고 있습니까?",
"물리/화학적신호의 변화를 감지하기 위해 감지 대상물질과 직,간접적으로 반응하는 물질의 특성 변화를 파악하는 것은 무엇입니까?",
"감지된 신호를 판단, 분석하고 신속 정확하게 전송하는 기능을 가지고 있는 것은 스마트 센서가 맞습니까?",
"광원과 광디텍터가 고장 나지 않는 이상 수명이 반영구적이고 민감도와 선택도가 우수한 센서는 무엇입니까?",
"감지된 신호를 판단하고 분석하며 신속 정확하게 전송하는 기능을 가지고 있는 것을 무엇이라 합니까?",
"비색법 기반 광학식 센서를 수생태계의 부영양화를 분석할 수 있는 총 질소, 홍인 분석법에 맞는 비색법 기반 광학식 센서를 신호처리회로에 어떻게 구현했나요?",
"광학식 센서의 특징으로 맞는 것은 무엇입니까?"
] |
537e842c-c581-4f10-9feb-a1cf495eb1d2
|
인공물ED
|
수생태계 부영양화 분석을 위한 비색법 기반의 광학식 센서 신호처리회로(ROIC)구현
|
<h1>3. 결과 및 고찰</h1><p>제안한 신호처리회로의 성능을 평가하기 위해, 온습도 시험기는 경상북도 영천시에 소재한 항공전자시험평가센터의 H1500(KOLAS)와 대구광역시 달서구에 위치한 나노융합실용화센터의 SH-\(100\)모델(삼흥기계공사)을 사용하였다.</p><p>먼저 측정단의 시료농도를 기준단의 농도와 동일하도록 시료가 없는 공기매질에서 \( -10 \sim 50{ }^{\circ} \mathrm{C} \) 범위에서 온도를 \( 5{ }^{\circ} \mathrm{C} \) 씩 변화시켜가며 측정단의 LED 출력전류를 측정하였다. 측정에 사용한 기준단의 LED 입력전류는 \( 1 \mathrm{~mA} \) 로 설정하였으며 두 SiPM 역바이어스 전압은 \( 30 \mathrm{V} \) 로 설정하였다.</p><p>온도 특성의 경우, 일반적인 신호치리 회로와 제안한 신호처리 회로를 동시에 온습도 시험기에 넣고 동일환경에서 평가하였다. LED의 입력전류 \( \left(\mathrm{I}_{\text {ref }}\right) \) 를 \( 1 \mathrm{~mA} \) 로 설정하고SiPM의 출력전류 \( \left(\mathrm{I}_{5 \mathrm{SS1} }\right) \) 와 측정단의 출력전류 \( \left(\mathrm{I}_{\mathrm{out}}\right) \) 를 동시에 측정하였다. 측정된 온도 특성을 그림 5 에 나타내었는데 온도 변화에 따른 출력전류 \( \left(\mathrm{I}_{\mathrm{SS1}}\right) \) 의 변화가 일반직인 신호치리 회로의 경우 상온을 기준으로 약 \( \mp 100 \% \) 매우 높았던 반면, 제안한 신호처리 회로에서는 출력전류 \( \left(\mathrm{I}_{\mathrm{out}}\right) \)의 변화가 약 \( \mp 20 \% \) 로 크게 개선됨을 보였다. 실제 사용환경온도라고 볼 수 있는 \( 10\sim40{ }^{\circ} \mathrm{C} \) 범위에서 는 출력 전류의 변화가 \( \mp 8 \% \) 로 다소 미미하였다. 이 오차는 두 SiPM의 특성과 광경로의 불일치로 인해 발생되는 것으로 판단되며 온도특성 실험결과가 이상적으로 출력되지 않은 짐은 추후 보완해야 할 짐으로 보이지만 전반적으로는 좋은 특성을 보였다.</p><p>다음으로 제안한 회로에서 기준단의 LED 입력전류 변화에 따른 측정단의 LED출력전류 변화를 시료가 없는 공기매질에서 측정하였다. 측정을 위한 온도는 \( 25{ }^{\circ} \mathrm{C} \) 로 설정하고, 두 SiPM의 역바이어스전압은 각각 \( 30 \mathrm{~V} \) 로 고정하였다. 기준단의 입력전류는 \( 2 \mathrm{~mA} \) 에서 \( 20 \mathrm{~mA} \) 까지 \( 2 \mathrm{~mA} \) 단위로 증가시키면서 측정하였다. 기준단의 LED 입력전류에 대한 측정단의 LED 출력전류 특성은 그림6의 짐선과 같이 전 영역에서 선형성을 유지하였다. 일반 신호치리 회로에서 LED의 입력전류의 변화에 따른 SiPM의 출력전류의 변화를 공기매질에서 측정하였다. 측정을 위한 온도는 \( 25{ }^{\circ} \mathrm{C} \) 로 설정하고, SiPM의 역바이어스전압은 \( 30 \mathrm{~V} \) 로 고정하였다. LED의 입력전류는 \( 2 \mathrm{~mA} \) 에서 \( 20 \mathrm{~mA} \) 까지 \( 2 \mathrm{~mA} \) 단위로 증가시키면서 측정하였다. 그림 \(6\)의 실선과 같이 LED 의 입력전류가 증가(시료의 농도가 감소)하면 SiPM의 출력전류의 변화율이 감소하는데 이는 시료의 농도가 낮은 영역에서는 분해능이 낮아짐을 알 수 있다. 즉 측정 시료의 농도를 높은 영역으로 증대하기 위해서는 LED의 입력전류를 증가시켜야 하며 이는 낮은 농도에서 시료의 분해능을 감소시킨다.</p>
|
[
"제안한 신호처리회로의 성능을 평가하기 위해, 온습도 시험기는 경상북도 영천시에 소재한 항공전자시험평가센터의 어디입니까?",
"제안한 신호처리회로의 성능을 평가하기 위해, 대구광역시 달서구에 위치한 나노융합실용화센터의 어떤 모델을 사용하였습니까?",
"제안한 신호처리회로의 성능을 평가하기 위해 본문에서는 어떻게 했나요?",
"제안한 신호처리회로의 성능을 평가하기 위해 LED 출력전류를 어떻게 측정했어?",
"일반 신호치리 회로에서 LED의 입력전류의 변화에 따른 SiPM의 출력전류의 변화를 공기매질에서 어떻게 측정했어?",
"제안한 회로에서 기준단의 LED 입력전류 변화에 따른 측정단의 LED출력전류 변화를 시료가 없는 공기매질에서 어떻게 측정했어?",
"온도 특성을 보면 제안한 신호처리 회로와 일반적인 신호치리 회로를 동시에 온습도 시험기에 넣고 동일환경에서 어떻게 평가했어?",
"측정에 사용한 기준단의 LED 입력전류는 무엇입니까?"
] |
b5d0e3d8-2cd2-47eb-a521-27a60ae555f3
|
인공물ED
|
수생태계 부영양화 분석을 위한 비색법 기반의 광학식 센서 신호처리회로(ROIC)구현
|
<p>마지막으로 제안한 회로에서 측정단의 시료 농도 변화에 따른 측정단의 출력전류 테스트를 진행하였다. 측정을 위한 온도 및 두SiPM의 역바이어스전압은 \( 25^{\circ} \mathrm{C} \) 및 각각 \( 30 \mathrm{~V} \) 로 위와 동일하게 하고 기준단의 LED입력전류는 \( 1 \mathrm{~mA} \) 로 설정하였다.</p><p>농도변화에 따른 출력전류 측정실험에서는 시료 농도 \(0\sim2\) mg/ \( 500 \mathrm{ml} \) 범위에 대해 \( 0.845\sim7.359 \mathrm{~mA} \) 의 출력변화를 보였는데, 그 결과를 그림\(7\)에 나타내었다. 그림 \(6\)에서 보인 바와 같이 제안한 회로에서의 입출력 특성(짐선)이 일반 신호처리 회로(실선)와 달리 선형적인 특성을 잘 보이고 있으며, 이는 그림\(7\)에 보인 총인 농도 변화에 따른 출력 특성이 Beer-Lambert의 법칙을 잘 따르고 있음을 알 수 있다</p><p>앞서 언급하였듯, 총인의 농도는 수생태게의 부영양화를 판단하는 기준으로 사용되고 있다. 환경부에서 고시한 부영양화의 기준은 상수원, 하폐수처리장, 방류수(공공폐수처리시설), 농업 용수 등 적용되는 분야에 따라 조금씩 상이하다. 본 논문에서 제안된 광학식 수질센서는 공공폐수치리시설 방류수의 부영양화를 신속히 판단하기 위해 제안되었으며, 방류수에 포함된 총 인의 농도가 \( 1 \mathrm{mg} / 500 \mathrm{ml} \) 이상일 경우, 부영양화가 일어날 수 있는 '위험'상태로 판단한다(공공폐수치리시설의 방류수 수질기준 제 \(26\) 조 참조).</p><h1>4. 결 론</h1><p>\(4\)차 산업혁명 시대에 접어들면서, 고성능의 스마트 센서 개발에 대한 수요가 점점 높아지고 있다. 특히, 비광학식 센서에 비해 선택도 및 민감도가 우수하며 수명이 반영구적인 광학식 센서 개발에 대한 수요가 높아지고 있다. 고성능의 광학식 센서를 개발하기 위해서는 센서 소자 자체의 성능 개선도 중요하지만 취득된 신호를 가공하는 신호치리회로의 성능 개선도 필수적이다.</p><p>본 논문에서는, 비색법 기반의 광학식 센서 구동에 적합한 신호처리회로를 제안하였으며, 제안된 신호처리회로를 평가하기 위해 총인분석법을 활용하였다. 제안된 신호처리회로는 이중광학통로 및 피드백 제어 회로가 적용되었다. 이중광학통로를 적용하여 온도변화에 따른 광학식 센서의 투성변화를 자동보정함과 동시에 피드백 제어 회로를 통해 측정단의 전류를 제어함으로씨 분해능을 높이고 동적영역을 확장시켰다. 최종적으로 제안된 신호처리회로를 활용하여 \(0\sim2 \mathrm{mg} / 500 \mathrm{ml} \) 농도 범위를 가지는 총인 시료를 분석하였으며 총인 시료의 능도 변화에 따라 전류가 로그 스케일(Log Scale)에서 선형적으로 출력됨을 확인하였다.</p>
|
[
"본 논문에서 수생태계의 부영양화를 판단하는 기준은 무엇이라 언급합니까?",
"총 인의 농도가 방류수에 얼마 이상 포함되면 부영양화가 일어납니까?",
"센서 소자 자체의 성능 개선만 집중하면 고성능의 광학식 센서를 개발하는데 효과적입니까?",
"제안한 회로에서 측정단의 시료 농도 변화에 따라 측정단의 출력전류를 어떻게 출력했나요?",
"고성능의 스마트 센서 개발에 대한 요구가 높아지는 시기는 \\(3\\)차 산업혁명 이후 부터 입니까?",
"부영양화의 위험상태로 판단되는 수치는 얼마 입니까?",
"수생태계의 부영양화를 판단하는데 필요한 기준은 로그 스케일입니까?",
"수생태계의 부영양화를 판단하는데 총인의 농도를 사용합니까?",
"총 인의 농도가 \\( 12\\mathrm{mg} / 500 \\mathrm{ml} \\) 이상으로 방류수에 포함되면 부영양화가 일어나는게 맞나요?"
] |
6f3da31f-43c5-4e6a-bb0c-83e87262f438
|
인공물ED
|
회전속도 변화에 따른 유도발전기의 특성 해석
|
<h1>3. 해석 모델의 특성 분석</h1> <p>해석에 사용된 유도전동기의 사양은 표 1과 같다. 이 유도전동기를 슬립의 변화에 따라 전동기와 발전기 영역에서운전할 경우 전압, 자화전류, 토크 및 전력의 변화를 해석하였다. 이와 같은 전동기를 발전기로 사용하는 경우가 많기때문에 전동기 파라미터를 가지고서 동기속도 이상으로 운전할 경우 어떤 결과가 나타나는지 확인할 필요가 있다.</p> <p> <table border><caption>표 1 유도기 사양</caption> <tbody><tr><td>parameter</td><td>\( 380[\mathrm{~V}] \), \( 4 \mathrm{p} \), \( 100 \mathrm{HP} \)</td></tr><tr><td>stator resistance, \( r_{s} \)</td><td>\( 0.024136[\Omega] \)</td></tr><tr><td>rotor resistance, \( r_{r} \)</td><td>\( 0.048039[\Omega] \)</td></tr><tr><td>stator leakage inductance, \( L_{l s} \)</td><td>\( 0.000386[\mathrm{H}] \)</td></tr><tr><td>rotor leakage inductance, \( L_{r r} \)</td><td>\( 0.000386[\mathrm{H}] \)</td></tr><tr><td>mutual inductance, \( L_{m} \)</td><td>\( 0.007813[\mathrm{H}] \)</td></tr><tr><td>power factor</td><td>0.8</td></tr><tr><td>efficiency</td><td>0.95</td></tr><tr><td>slip</td><td>\( 3 \% \)</td></tr></tbody></table></p> <p>그림3은 표1의 파라미터를 가지고서 그림1과 같은 등가회로에 적용하여 발전기와 전동기로 운전할 경우에서 슬립에 따른 전력변화를 나타낸 것이다. 전동기 \( (0<\mathrm{s}<1) \)로 운 전할 경우 유효전력 \( (\diamond) \)은 정 \( (+) \) 값을 나타내지만, 발전기 \( (-1<\mathrm{s}<0) \)로 운전할 경우 출력전력인 유효전력 \( (\diamond) \)은 전동기와 반대로 부(-)값을 나타내고 있다. 회전자계를 발생하는데 필요한 무효전력( \( \square) \)은 전동기로 운전하는 경우보다 발전기로 운전하는 경우 더 높은 값을 나타냄을 알 수 있다. 유도기에서 필요한 피상전력 \( (\triangle) \)의 경우 전동기로 운전하는 영역에서보다 발전기로 운전하는 영역에서 더 높은 값이 필요 함을 알 수 있다. 그러나 실제 운전 영역에 가까운 슬립범위에서는 발전기와 전동기의 토크 크기에는 큰 차이가 나나 타지 않고 있지만, 유효 및 무효전력은 발전기 운전영역에서 의 값이 전동기 운전영역보다 약간 높은 편이다.</p> <p>그림 4는 전동기와 발전기로 운전 가능한 영역에서의 전력과 토크 특성을 나타낸 것이다. 전동기 운전영역에서의전력 및 토크가 발전기 영역에서는 반전됨을 알 수 있다. 또한 크기의 변화에서도 전동기 운전영역보다는 발전기 운전영역에서 약간 크기 폭이 넓어지므로 입력 대 출력 비율의 차로 나타내는 효율 특성은 발전기가 전동기에 비해 떨어지게 된다.</p> <p>전동기의 정동토크와 발전기의 push-over 토크는 서로다르게 나타나는데 발전기의 최대 토크가 전동기의 최대 토크보다 약간 높은 것을 알 수 있다. 그러나 실제 운전하고있는 낮은 슬립 범위에서의 전동기와 발전기 각 값에는 약간의 차이만 존재한다. 그림4에서 최대 토크가 발생하는슬립 영역에서 전동기는 유효전력에 대한 출력의 비율로 나타내어지는 효율과 발전기의 경우 최대 토크 출력에서 유효전력으로 변환되는 효율 비교시 발전기로 운전하는 경우가효율이 떨어짐을 알 수 있다.</p> <p>그림5는 전동기와 발전기로 운전할 경우 고정자 전류,회전자 전류 및 자화전류의 변화를 나타낸 것이다. 전동기의 경우 기동시에 높은 전류는 전압강하를 일으킬 수 있고발전기의 경우 계통에 연계할 경우 과도전류 발생으로 시스템의 불안정을 초래할 수 있다. 따라서 이 기동시간을 가능한 짧게 하기 위해서는 별도의 저감용 설비가 필요하다. 그림5에서 발전기나 전동기의 운전영역에 가까워질수록 고정자와 회전자 전류를 줄어들지만, 자화전류를 반대로 약간 증가함을 알 수 있다.</p> <p>그림5에서 알 수 있듯이 전동기의 경우 기동시에 높은전류를 나타내지만, 운전영역에 가까운 속도에서는 고정자와회전자 전류가 줄어드는 반면 자화전류는 전동기나 발전기의 운전영역에 가까운 곳에서 약간 높아짐을 알 수 있다. 발전기의 경우도 전동기와 같은 변화를 나타내고 있다. 그림5에서 슬립이 0인 곳에서 고정자 전류는 제로가 되지않지만, 회전자 전류가 0로 나타나는 것은 동기속도에서는유도기가 에너지 변환이 전혀 이루어지지 않는다는 것을 의미하고 있다.</p> <p>그림6은 발전기와 전동기로 운전할 경우 고정자에 인가되거나 고정자에 나타나는 전압이 일정할 경우 공극에서의전압 그리고 자화전류에 대한 것을 나타낸 것이다. 전동기로 운전하거나 발전기로 운전하더라도 단자에 나타나는 전압이 일정하다고 할 경우 공극에 나타나는 전압과 자화전류는 회전수에 따라 대칭관계의 전압과 전류분포 특성을 가지지만, 실제 전동기로 운전하는 슬립영역에서는 공극전압과자화전류가 발전기로 운전할 경우보다 약간 높은 값을 나타내고 있다. 실제 기동시에 비해 슬립이 0에 가까운 운전영역에서 공급전압과 자화전류가 높게 나타나고 있다.</p> <p>자화전류는 실제로 전동기의 출력에는 관여하지 않지만, 회전하는데 필요한 자속을 발생시키는데 필요한 역할을 하는 것으로서 전동기나 발전기를 여자시키는데 필요한 자화 전류는 정격 전부하 전류의 \( 20 \sim 60 \% \) 범위이다.</p> <p>슬립이 \( 3 \% \)로 운전하는 전동기 운전영역에서 자화전류는 약 \( 120[\mathrm{~A}] \)로서 이때 전동기의 역률을 \( 80[\%] \)에서 \( 95[\%] \)로 높이기 위해 \( 60[\mu \mathrm{F}] \)의 콘덴서를 설치할 경우 49.6[A]로 41.37[\%]로 권장허용범위 \( 60[\%] \)로 운전됨을 알 수 있다.</p> <p>그림 7은 전동기 및 발전기로 운전하는 영역에서의 자화전류와 무효전력의 관계를 나타낸 것이다. 발전기로 운전할경우의 자화전류 및 무효전력이 전동기로 운전할 경우보다약간 높은 값을 나타내고 있다. 전동기의 경우 기동시 자화전류는 낮지만, 정격운전에 가까운 영역에서는 전류가 증가하지만 무효전력도 전류의 변화와 반대로 정격운전에서는작은 값을 필요로 한다.</p>
|
[
"본문의 표 1 유도기 사양에서 power factor의 사양은 어느 정도인가?",
"power factor의 사양은 본문의 표 1 유도기 사양에서 얼마지",
"본문의 표 1 유도기 사양에서 efficiency의 사양은 어느 정도일까?",
"efficiency의 사양은 본문의 표 1 유도기 사양에서 얼마지",
"본문의 표 1에서 사양의 값이 \\( 3 \\% \\)인 항목은 뭐가 있어?",
"사양의 값이 \\( 3 \\% \\)인 항목은 본문의 표 1에서 어떤 것이야",
"본문의 표 1에서 사양의 값이 0.95인 항목은 뭐가 있는가?",
"사양의 값이 0.95인 항목은 본문의 표 1에서 어떤 것이야",
"본문의 표 1에서 사양의 값이 \\( 0.007813[\\mathrm{H}] \\)인 항목은 뭐가 있지?",
"사양의 값이 \\( 0.007813[\\mathrm{H}] \\)인 항목은 본문의 표 1에서 무엇이야",
"본문의 표 1에서 사양의 값이 \\( 380[\\mathrm{~V}] \\), \\( 4 \\mathrm{p} \\), \\( 100 \\mathrm{HP} \\)인 항목은 무엇인가?",
"사양의 값이 \\( 380[\\mathrm{~V}] \\), \\( 4 \\mathrm{p} \\), \\( 100 \\mathrm{HP} \\)인 항목은 본문의 표 1에서 어떤 것이지",
"본문의 표 1 유도기 사양에서 slip의 사양은 얼마의 값을 가져?",
"slip의 사양은 본문의 표 1 유도기 사양에서 어떻게 되지",
"본문의 표 1에서 사양의 값이 0.8인 항목은 뭐가 있을까?",
"사양의 값이 0.8인 항목은 본문의 표 1에서 무엇이지",
"본문의 표 1에서 사양의 값이 \\( 0.048039[\\Omega] \\)인 항목은 뭐야?",
"사양의 값이 \\( 0.048039[\\Omega] \\)인 항목은 본문의 표 1에서 무엇이지",
"본문의 표 1에서 사양의 값이 \\( 0.024136[\\Omega] \\)인 항목은 무엇이지?",
"사양의 값이 \\( 0.024136[\\Omega] \\)인 항목은 본문의 표 1에서 어떤 것이지",
"본문의 표 1 유도기 사양에서 parameter의 사양은 얼마인가?",
"parameter의 사양은 본문의 표 1 유도기 사양에서 어떤 값을 가지지",
"본문의 표 1 유도기 사양에서 rotor resistance, \\( r_{r} \\)의 사양은 얼마야?",
"rotor resistance, \\( r_{r} \\)의 사양은 본문의 표 1 유도기 사양에서 무엇이지",
"본문의 표 1 유도기 사양에서 rotor leakage inductance, \\( L_{r r} \\)의 사양은 어느 정도야?",
"본문의 표 1 유도기 사양에서 mutual inductance, \\( L_{m} \\)의 사양은 어느 정도지?",
"mutual inductance, \\( L_{m} \\)의 사양은 본문의 표 1 유도기 사양에서 얼마지",
"본문의 표 1 유도기 사양에서 stator resistance, \\( r_{s} \\)의 사양은 얼마일까?",
"stator resistance, \\( r_{s} \\)의 사양은 본문의 표 1 유도기 사양에서 어떤 값이지",
"본문의 표 1 유도기 사양에서 stator leakage inductance, \\( L_{l s} \\)의 사양은 얼마지?",
" stator leakage inductance, \\( L_{l s} \\)의 사양은 본문의 표 1 유도기 사양에서 어떤 값이 되지"
] |
21a4b31f-5deb-4a97-8d2b-cd49f2677638
|
인공물ED
|
Si3N4 립-광도파로의 두-수평모드 파워결합과 소산파 기반 집적광학 바이오센서 설계
|
<h1>1. 서 론</h1><p>현재 대부분의 임상 진단 검사는 절차가 복잡하고, 특수 훈련을 받은 직원이 조작하는 정교한 장비가 필요하기 때문에 많은 비용이 소요된다. 더군다나 이러한 테스트에는 종종 측정 할 대상인 바이오 물질에 형광 또는 화학적 발광 마커를 부착하는 시간 소모적인 레이블링(labelling) 과정이 요구된다. 한편 소산파 (evanescent wave) 원리를 기반으로 하는 집적광학 (integrated optic) 광도파로에 마이크로 유체 (micro fluidics) 시스템과 결합시켜 구성되는 바이오센서들은 이러한 단점들을 극복하고, 저렴한 비용으로 현장 진단 (point of care) 시스템을 가능하게 하는 유망한 방법으로 인식되어왔다.</p><p>이러한 집적광학 바이오센서를 활용해서 생체 분자들을 측정할 경우 고감도로 온라인 측정과 좁은 장치공간에서 빠르고, 레이블 없이 측정이 가능하고, 그리고 단일 칩에서 많은 수의 바이오센서들을 집적화시켜 높은 수준의 통합 및 병렬 측정을 가능하게 한다.</p><p>소산파를 활용하는 집적광학 바이오센서를 구현하기 위해서 오래 동안 연구되어져 왔으며, 다양한 구조들이 제안되었고 이들 중에서 일부는 시제품 또는 상용화 수준까지 개발되었다. 예를 들면 \( \mathrm{TiO}_{2} \) (titanium dioxide) 격자센서, \( \mathrm{SiON} \) (siliconoxynitride) 기반 마하젠더 (MZI: Mach-Zehnder interferometer), SOI(silicon on insulator)의 링 공진기 그리고 두-모드 간섭기 등이 이 범주에 해당회며, 이러한 소자들 제작에는 서브마이크론 미세패턴이 가능하고, 안정적인 제작 플랫폼을 제공하는 집적회로 표준 반도체 공정기술을 사용하는 것이 일반적이다. 폴리머 기술도 저비용 대량 생산을 위한 효율적인 수단을 제공하기 때문에 검토되었다.</p><p>그림 1과 같이 커버 (cover)/코어 (core)/기판 (substrate) 으로 구성되는 광도파로에 입사된 광파의 대부분은 코어를 따라 진행되며, 광파의 매우 작은 일부분이 커버, 기판 영역에 나타나데 이러한 광파를 소산파라 일컨는다. 광학(광파)기술들을 활용하는 다양한 바이오센서들 중에서 본 연구에서 제안된 소산파 집적광학 바이오센서는 커버에 존재하는 소산파와 표적 분자물질들과의 상호작용할 경우 코어를 따라 진행하고 있는 광파의 유효굴절률 (effective refractive index)이 영향을 받게 되며, 이로 인해 출력되는 광파의 위상(phase), 세기 (intensity) 등이 궁극적으로 변하게 되는데, 이러한 광파들의 물리적 양들을 모니터링 할 경우 표적 분석 분자물질의 존재 유무, 양 등을 감지할 수 있게 된다.</p><p>Lechuga 교수 연구그룹은 채널 립-광도파로에서 도파되는 두 -모드 간섭현상을 기반으로 해서 두-모드 간섭형 바이오 센서를 \( \sim 10 \) 여년 전에 제안하고, 시연했다. 기존 MZI에서는 2 개의 공간적으로 분리 된 단일모드 광도파로의 광은 두 경로 사이에 위상 차의 함수로서 간섭기의 출력 광파워를 변조시킨다. 한편 Lechuga 교수가 제안한 두-모드 간섭기에서는 두-모드 광도파로 영역에서 기본 모드와 수직으로 제 1 고차모드 간에 상호 간섭을 이용하였다. 두 모드 간에 상이한 모드필드 패턴 때문에 각 모드들의 유효굴절률은 바이오 빈자가 감지도파로의 표면과 결합 할 경우 각 모드들이 서로 다르게 영항을 받는다. 참고문헌 [8,9]에서 제안된 구조에 따르면 입사광은 수직 단일모드 입력 광도파로에 입사되고, 일정 길이를 진행한 후 광도파로 코어 두께를 증가시켜서 구현된 감지(sensing) 광도파로 영역에서 두 -모드 (즉 기본모드와 제 1 고차모드)로 진화되어 도파된다. 궁극적으로 두-모드 광도로로 출력은 두-모드 간에 간섭패턴으로 생성되어, 두 분할 포토다이오드에 의해 측정된다. 두-모드 간섭기 구성은 원칙적으로 표준 단일 모드 광도파로를 이용하는 MZI에 비해 몇 가지 장점을 제공하지만, 단일 립-광도파로 기반 모드 변환기에는 피할 수 없는 단점들이 있다. 모드 전환 지점에서 광도파로 코어 단면의 급격한 변화는 동일한 전력으로 두 모드를 모두 자극 할 수 없으며 또한 모드 변환 인터페이스에서 산란 손실 및 반사파가 발생한다. 단일모드와 두-모드 광도파로는 립-코어의 두께를 조절해서 구현되기 때문에 두 번 이상의 에칭 공정과 추가 패턴 공정이 필요로해서 공정절차가 복잡해진다.</p><p>따라서 본 논문에서는 \( \mathrm{Si}_{3} \mathrm{~N}_{4} \) 립-광도파로 구조에서 두-수평모드 간의 파워 결합과 두 출력 단으로 구성된 구조로 \( 0.63 \mu \mathrm{m} \) 파장에서 동작하는 바이오센서를 제안하였다. II장에서 \( \mathrm{Si}^{2} / \mathrm{SiO}_{2} \) / \( \mathrm{Si}_{3} \mathrm{~N}_{4} / \mathrm{SiO}_{2} \) 다층 구조로 구성된 광도파로의 립-두께, 립-폭 그리고 코어-두께가 각 도퐈모드들의 유효굴절률에 미치는 영항을 "Photon Design"사의 FIMMWAVE, FIMMPROP 소프트웨어 기반의 전산해석을 이용해서 도출된 결과들을 검토하였다. 이어서 III장에서는 두-모드 간에 파워 결합 헌상을 이용하는 바이오센서 구조를 전산해석을 통해서 동작 특성 및 성능들을 검증하였으며, IV장에서 결론으로 마무리 하였다.</p>
|
[
"이러한 집적광학 바이오센서를 활용해서 생체 분자들을 측정할 경우 무엇을 가능하게 하는가?",
"한편 무엇을 기반으로 하는 집적광학 (integrated optic) 광도파로에 마이크로 유체 (micro fluidics) 시스템과 결합시켜 구성되는 바이오센서들은 이러한 단점들을 극복하였습니까?",
"저렴한 비용으로 무엇을 가능하게 하는 유망한 방법으로 인식되어왔습니까?",
"한편 소산파 (evanescent wave) 원리를 기반으로 하는 무엇과 결합시켜 구성되는 바이오센서들은 이러한 단점들을 극복합니까?",
"저비용 대량 생산을 위한 효율적인 수단을 제공하기 때문에 검토되었던 기술은 무엇인가?",
"\\( \\mathrm{TiO}_{2} \\) (titanium dioxide) 격자센서, \\( \\mathrm{SiON} \\) (siliconoxynitride) 기반 마하젠더 (MZI: Mach-Zehnder interferometer), SOI(silicon on insulator)의 링 공진기 그리고 두-모드 간섭기 등이 이 범주에 해당회며, 이러한 소자들 제작에는 무엇이 가능한가?",
"광파의 매우 작은 일부분이 커버, 기판 영역에 나타나데 이러한 광파를 무엇이라 일컨는가?",
"소산파를 활용하는 집적광학 바이오센서를 구현하기 위해서 오래 동안 연구되어져 왔으며, 다양한 구조들이 제안되었고 이들 중에서 일부는 어디까지 개발되었나?",
"두-모드 간섭기에서는 두-모드 광도파로 영역에서 기본 모드와 수직으로 제 1 고차모드 간에 상호 간섭을 이용하였다는 것을 누가 제안 했는가?",
"본 연구에서 제안된 소산파 집적광학 바이오센서는 커버에 존재하는 소산파와 표적 분자물질들과의 상호작용할 경우 코어를 따라 진행하고 있는 무엇이 영향을 받게 되나?",
"본 논문에서는 \\( \\mathrm{Si}_{3} \\mathrm{~N}_{4} \\) 립-광도파로 구조에서 두-수평모드 간의 파워 결합과 두 출력 단으로 구성된 구조로 얼마의 \\( \\mu \\mathrm{m} \\) 파장에서 동작하는 바이오센서를 제안하였나?"
] |
1258a055-d213-42bd-81dd-2e21fbd5ea9d
|
인공물ED
|
Si3N4 립-광도파로의 두-수평모드 파워결합과 소산파 기반 집적광학 바이오센서 설계
|
<h1>2. \( \mathrm{Si}_{3} \mathrm{~N}_{4} \) 립-광도파로의 모드 해석</h1><h2>2.1 \( \mathrm{Si}_{3} \mathrm{~N}_{4} \) 립-광도파로 구조</h2><p>고 굴절률-차(High Index Contrast, HIC) 광도파로 플랫폼을 구현하기 위해 다양한 물질들이 검토되었으며, 적외선 파장 영역의 경우 SOI 기술을 사용하는 실리콘 광-도파로가 널리 활용되지만, 가시광선 영역에서는 \( \mathrm{Ta}_{2} \mathrm{O}_{5}, \mathrm{TiO}_{2} \) 및 실리콘 질화막 \( \left(\mathrm{Si}_{3} \mathrm{~N}_{4}\right) \) 들도 사용 가능하다. 특히 표준 반도체공정라인과의 호환 (compatibility), 가시광선 영역에서의 돞은 투과성, 저 손실, 낮은 흡수성 그리고 고-굴절률-차 특성을 보이는 \( \mathrm{Si}_{3} \mathrm{~N}_{4} \) 가 근래에 널리 활용되고 있다. 가시광선영역에서 약 \( 2.0 \) 의 굴절률을 보이는 \( \mathrm{Si}_{3} \mathrm{~N}_{4} \) 와 \( \mathrm{SiO}_{2} \) (n-1.46)간에 고-굴절률-차는 적은 점유면적 (footprint)으로 통합된 기능을 구헌 가능하게 하고, 이것은 굴절률 대비가 낮은 물질구조에서는 어렵다. 따라서 \( \mathrm{Si}_{3} \mathrm{~N}_{4} \) 플랫폼을 사용하여 선형 및 비선형 집적광학에서 다양한 응용 연구들이 진행되고 있다. 더군다나 \( \mathrm{Si}_{3} \mathrm{~N}_{4} \) 플랫폼을 위한 파운드리서비스를 최근 몇 년 전부터 상업적으로 이용 가능하게 되었다. 따라서 2장에서는 \( \mathrm{Si}_{3} \mathrm{~N}_{4} \) 립-광도파로의 소산파를 활용하는 집적광학 바이오센서 구현에 있어서 핵심적인 역할을 수행하는 광도파로의 기하학적 제원에 따른 도파모드 특성들을 체계적으로 검토하였고, 특히 광파의 파장, 립-두께(thickness), 립-폭(width) 및 코어-두께들이 기본모드 및 고차모드의 유효굴절률과 모드패턴에 미치는 영향을 다양한 수치해석적 전산 방법을 적용해서 검토하였다.</p><p>그림 2 구조에서 가운데에 위치한 립-광도파로와 양 옆의 슬라브 (slab) 광도파로는 적어도 1개 이상의 모드들을 전송하고, 특히 슬라브 광도파로는 단일모드로 제한하지 않는다는 가정 하에 유효굴절률방법 (EIM)을 적용해서 단일모드 전송을 보장하는 기하학적 비율, \( h_{e d f} H_{e f f} \) 가 아래 식(1)과 같이 유도뇌었다. 여기서 \( \mathrm{h}_{\mathrm{eff}}, \mathrm{H}_{\mathrm{eff}}, \mathrm{W}_{\mathrm{eff}}{ }^{2} \) 그림 2 에 표시된 \( \mathrm{h}, \mathrm{H}, \mathrm{W} \) 에 "Goos-Hahnchen shift'를 적용해서 수직 밋 수경으로 침투깊이 (penetration depth)가 고려된 유효 폭 및 두께들이다.</p><p>립-광도파로의 단일모드 조건은 슬라브 광도파로의 단일모드 조건과 동일하지 않다는 것은 Soref 등에 의해서 밝혀졌음을 앞서 언급하였다. 립광도파로 구조에서 수평방향으로 단일모드일지라도, 수직방향으로 고차모드들이 존재할 수 있으며, 이러한 고차모드들의 세기분포는 수직방향으로 두 개 이상의 피크(peak)를 갖는 형태가 일반적이다. 이런 경우-에 고차모드의 피크들 중에서 하나가 립-광도파로 주변에 위치한 슬래브 광도파로의 기본모드와 결합되어 결국 리크 (leak) 모드로 변환되어 궁극적으로 손실된다. 따라서 립-구조의 폭(w)과 높이( H) 비율을 적절히 조절할 경우 단일모드 도파 특성을 얻을 수 있다.</p>
|
[
"유효굴절률방법의 영어 약자는 무엇인가?",
"\\( \\mathrm{h}_{\\mathrm{eff}}, \\mathrm{H}_{\\mathrm{eff}}, \\mathrm{W}_{\\mathrm{eff}}{ }^{2} \\) 그림 2 에 표시된 \\( \\mathrm{h}, \\mathrm{H}, \\mathrm{W} \\) 에 무엇을 적용했어?",
"슬라브 광도파로는 유효굴절률방법을 적용해서 단일모드 전송을 보장하는 무슨 비율, \\( h_{e d f} H_{e f f} \\) 가 유도되었어?",
"가운데에 위치한 립-광도파로와 양 옆의 슬라브 광도파로는 적어도 몇 개 이상의 모드들을 전송하는가?",
"어느 영역에서는 \\( \\mathrm{Ta}_{2} \\mathrm{O}_{5}, \\mathrm{TiO}_{2} \\) 및 실리콘 질화막들도 사용 가능해?",
"광파의 파장, 립-두께, 립-폭 및 코어-두께들이 기본모드 및 고차모드의 유효굴절률과 모드패턴에 미치는 영향을 다양한 무엇을 적용해서 검토했는가?",
"표준 반도체공정라인과의 호환, 가시광선 영역에서의 돞은 투과성, 저 손실, 낮은 흡수성 그리고 고-굴절률-차 특성을 보이는 무엇이 근래에 널리 활용되고 있어?",
"적외선 파장 영역의 경우 SOI 기술을 사용하는 무엇이 널리 활용되어지고 있어?",
"광파의 파장, 립-두께(thickness), 립-폭(width) 및 코어-두께들이 기본모드 및 고차모드의 유효굴절률과 무엇에 미치는 영향을 검토하였는가?",
"무엇의 광도파로 플랫폼을 구현하기 위해 다양한 물질들이 검토했어?",
"HIC는 무엇의 약자인가?",
"슬라브 광도파로는 어떤모드로 제한하지 않는다는 가정을 했어?",
"립-광도파로의 단일모드 조건은 슬라브 광도파로의 단일모드 조건과 동일하지 않다는 것은 무엇에 의해서 밝혀졌어?",
"립광도파로 구조에서 수평방향으로 단일모드일지라도, 수직방향으로 무엇들이 존재할 수 있는가?",
"고차모드의 피크들 중에서 하나가 립-광도파로 주변에 위치한 슬래브 광도파로의 기본모드와 결합되어 결국 무슨 모드로 변환되는가?",
"립-구조의 폭과 높이 무엇을 적절히 조절할 경우 단일모드 도파 특성을 얻을 수 있는가?",
"적외선 파장 영역의 경우 SOI 기술을 사용하는 실리콘 광-도파로가 널리 활용되는가?",
"가시광선영역에서 약 \\( 2.0 \\) 의 굴절률을 보이는 \\( \\mathrm{Si}_{3} \\mathrm{~N}_{4} \\) 와 \\( \\mathrm{SiO}_{2} \\) 간에 고-굴절률-차는 적은 점유면적으로 어떻게된 기능 구현이 가능한가?",
"슬라브 광도파로는 단일모드로 제한하지 않는다는 가정 하에 유효굴절률방법을 적용했는가?",
"침투깊이의 영어의 뜻은?",
"립-광도파로의 단일모드 조건은 무엇의 단일모드 조건과 동일하지 않은가?",
"립-광도파로의 단일모드 조건은 슬라브 광도파로의 단일모드 조건과 동일한가?",
"고차모드들의 세기분포는 어느방향으로 두 개 이상의 피크를 갖는 형태가 일반적인가?",
"립광도파로 구조에서 수평방향으로 단일모드일지라도, 수직방향으로 고차모드들이 존재할 수 있는가?",
"고차모드의 피크들 중에서 하나가 립-광도파로 주변에 위치한 슬래브 광도파로의 기본모드와 결합되어 결국 리크모드로 변환되어 어떻게 되는가?",
"립-구조의 폭과 높이 비율을 적절히 조절할 경우 단일모드 도파 특성을 얻을 수 있는가?"
] |
40fca0d5-c8a3-461b-a53a-a23f20c27399
|
인공물ED
|
Si3N4 립-광도파로의 두-수평모드 파워결합과 소산파 기반 집적광학 바이오센서 설계
|
<h2>2.2 립-공도파로 제원이 모드특성에 미치는 영향</h2><p>그림 2의 립광도파로 단면에서 코어의 두께 \( (-\mathrm{H}) \) 를 \( 150 \mathrm{~nm} \) 로 설정하고, \( 5,10,15 \mathrm{~nm} \) 립-두께 \( (-\mathrm{T}) \) 각각에 대해서 립-폭 \( (-\mathrm{W}) \) 을 1 10 \( \mu \mathrm{m} \) 값으로 변화시키면서 수행된 전산해석으로부터 도출된 각 모드들의 유효굴절률 값들은 그림 3과 같다. \( \mathrm{T}=5 \mathrm{~nm} \) 에서 기본 도파모드는 \( \mathrm{W}=1 \mu \mathrm{m} \) 에서 관찰되었지반, 두 번째, 세 번 째 고차모드들은 \( \mathrm{W}=2 \mu \mathrm{m}, 5.6 \mu \mathrm{m} \) 에서 각각 나타나고 있음을 그림 2(a)에서 보여주고 있다. 한편 립-두께를 \( 10,15 \mathrm{~nm} \) 로 증가시킬 경우 두 번째 고차모드들이 립-폭 약 \( 1.4 \mu \mathrm{m}, 1 \mu \mathrm{m} \) 에서 나타나기 시작되기 때문에 립-두께가 증가됨에 따라 모드들이 생성되는 립-폭은 짐짐 줄어드는 현상을 그림 2(b), (c)에서 알 수 있다. 또한 기본모드(TE00)는 립-두께 변화에 따른 굴절률 변화가 고차모드(TE01, TE02 \( \cdots \) )들과 비교해서 변화가 크지 않으며, 비교적 완만하게 변화됨을 알 수 있다.</p><p>립-광도파로 두께가 도파모드들의 유효굴절률에 미치는 영향을 확인하기 위해서, 립-폭 \( (-\mathrm{W}) \) 을 \( 2,4,6 \mu \mathrm{m} \) 각각 설정하고, 립-두께 \( (-\mathrm{T}) \) 를 2~14 nm 구간으로 변화시켜서 그림 4와 같은 전산해석 결과들을 언었다. 각 모드들의 유효굴절률은 립-두께가 증가할수록 일정한 기울기로 증가하는 경항을 보이고 있는데, 이는 립-두께가 증가할수록 각 모드들이 클래딩의 굴절률과 비교해서 상대적으로 굴절률이 높은 립-광도파로 코어에 포함되어 있는 부분들이 많아지기 때문에 충분히 예상할 수 있는 결과들이다. 따라서 고차모드들은 립-두께와 폭이 증가할수록 굴절률이 낮은 상부 클래딩 물질과 접촉되는 부분이 더 많아지게 되고, 립-광도파로 내부-에서 구속력이 약해져서 유효굴절률이 기본모드와 비교해서 완반하게 증가하는 경향을 보여주고 있는 것으로 해석될 수 있다.</p><p>코어-두께 \( (-\mathrm{h}) \) 가 도파모드의 유효굴절률에 미치는 영항을 검토하기 위해서 립-폭 \( (-\mathrm{W}) \) 과 두께 \( (=\mathrm{T}) \) 를 \( (4 \mu \mathrm{m} 5 \mathrm{~nm}),(4 \mu \mathrm{m} \) \( 1.5 \mathrm{~nm} \) )로 설정하고, 코어-두께를 \( 50\sim500 \mathrm{~nm} \) 구간으로 변화시키면서 유효굴절률에 대한 전산해석을 수행하였다. 그림 5 에서 알 수 있듯이 립-폭과 두께 변화에 관계없이 코어-두께가 유효 굴절률에 미치는 영향은 거의 없다. 또한 기본모드와 고차모드간에 변화도 거의 없는 것으로 입증되었다. 즉 립-광도파로의 도파모드들은 립 바로 아래 및 주변에 분포하기 때문에 코어-두께는 유효굴절률에 거의 영항을 미치지 못하는 것으로 해석된다.</p>
|
[
"립-두께를 얼마로 증가시킬 경우 두 번째 고차모드들이 립-폭 약 \\( 1.4 \\mu \\mathrm{m}, 1 \\mu \\mathrm{m} \\) 에서 나타나기 시작해?",
"립-두께 변화에 따른 굴절률 변화가 고차모드들과 비교해서 변화가 크지 않게 나타나는 모드는 뭐야?",
"코어-두께가 무엇에 미치는 영향을 검토하고자 했어?",
"그림 2는 어디에서 코어의 두께를 \\( 150 \\mathrm{~nm} \\) 로 설정하였어?",
"립관도파로 단면에서 코어의 두께를 얼마로 설정했어?",
"유효굴절률 값들은 무엇을 수행하여 도출되었어?",
"립-폭은 얼마의 값으로 변화시켰어?",
"\\( \\mathrm{W}=1 \\mu \\mathrm{m} \\)는 T값이 얼마일 때 관찰되었어?",
"두 번째, 세 번째 고차모드들은 W 값이 각각 얼마에서 나타나고 있어?",
"기본모드는 무엇의 변화가 고차모드들과 비교해서 크지 않았어?",
"기본모드는 립-두께 변화에 따른 굴절률 변화가 고차모드들과 비교했을때 어떻게 변화돼?",
"립-폭은 각각 얼마로 설정했어?",
"립-두께를 변화시키는 구간의 값은 얼마야?",
"도파모드들의 유효굴절률에 무엇이 영향을 미치는지 확인하고자 했어?",
"각 모드들의 유효굴절률은 무엇이 증가할수록 일정한 기울기로 증가하는 경향을 보이고 있어?",
"립-광도파로 코어와 상대적으로 비교해서 낮은 굴절률을 가지고 있는 것은 뭐야?",
"각 모드들의 유효굴절률은 립-두께와 양의 상관관계를 가지고 있어?",
"고차모드들은 립-두께와 폭이 증가할수록 립-광도파로 내부에서 무엇이 약해져?",
"고차모드들은 립-두께와 폭이 증가할수록 유효굴절률이 어떤 모드와 비교해서 완만하게 증가해?",
"립-폭과 두께 변화에 관계없이 유효 굴절률에 영향을 미치지 못하는 것은 뭐야?",
"코어-두께를 변화시킨 구간의 값은 얼마야?",
"립-두께가 증가됨에 따라 모드들이 생성되는 립-폭도 점점 증가돼?",
"고차모들은 립-두께와 폭이 증가할수록 어떤 물질과 접촉되는 부분이 많아지게 돼?",
"상부 클래딩은 굴절률이 높아?",
"코어-두께가 도파모드의 유효굴절률에 미치는 영향을 검토하기 위해서 립-폭과 두께를 각각 얼마로 설정했어?",
"코어-두께를 \\( 50\\sim500 \\mathrm{~nm} \\) 구간으로 변화시키면서 무엇에 대한 전산해석을 수행했어?",
"립-광도파로의 도파모드들은 어디에 분포하고 있어?",
"립 두께의 각각 얼마에 대해서 릭-폭을 1 10 \\( \\mu \\mathrm{m} \\) 값으로 변환시켰어?",
"기본모드보다 고차모드에서 코어-두께가 유효 굴절률에 미치는 영향이 더 커?"
] |
aa443150-9bca-4f72-8f37-9b181386bcce
|
인공물ED
|
Si3N4 립-광도파로의 두-수평모드 파워결합과 소산파 기반 집적광학 바이오센서 설계
|
<h1>3. 두-모드 파워결합 기반의 바이오센서</h1><h2>3.1 바이오센서 구조 및 도파모드 해석</h2><p>그림 6 은 본 언구에서 제안된 \( \mathrm{Si}_{3} \mathrm{~N}_{4} \) 립-광도파로 기반의 바이오센서 구조의 레이아웃이다. 입출력 광도파로의 립-폭, 립-두께 그리고 코어 두께는 각각 \( 2 \mu \mathrm{m}, 5 \mathrm{~nm}, 175 \mathrm{~nm} \) 로 설정하였으며, 두모드 간섭영역의 폭은 \( 4 \mu \mathrm{m} \) 로 고정하고, 길이는 바이오 분석물질의 굴절률 측정 범위에 따라 가변적으로 설정할 수 있도록 설계하였다.</p><p>그림 6 구조의 두-모드 영역에서 파워결합이 일어나는지 확인하기 위해서 전산해석을 수행하였다. 그림 7은 전산해석에 적용된 구조의 구체적인 제원과 두-모드 영역에서 TE00, TE01 모드들이 도파되고 있음을 보여주고 있다. 측정하고자 하는 바이오 물질에 해당되는 두-모드 영역의 상부 클래딩 굴절률을 \( 1.33 \) 로 설정하고 BPM 전산해석을 수행했는데, 예상한대로 두-모드 영역에서 그림 8(a)(b)와 같이 두-모드간에 파워결합이 일어났으며, 두-모드 영역의 길이에 따라 두 출력 광도파로 중에서 한 곳으로 파워가 출력됨을 확인할 수 있었다. 그림 8(c)와(d)는 Pout 2 출력단으로 광이 진화되면서 출력되는 것을 보여주고 있다.</p><h2>3.2 바이오센서의 설계 및 감지도 평가</h2><p>제안된 그림 6 의 바이오센서 설게에서 핵심은 측정하고자 하는 바이오 물질의 굴절률 범위(n1 n2)에 적절한 두-모드 영역의 길이를 결정하는 것이다. 먼저 \( \mathrm{n} 1 \) 클래딩 굴절률에서 두-모드의 위상 차가 \( 2 \pi \) 의 정수 배이면 두-모드 간에 위상 변화가 없기 때문에 두 출력 광도파로 중 하나로 출력된다. 그러나 위상 차가 \( \pi \) 의 정수 내 만큼 차이가 나면 전자와 다른 출력 단으로 출력되기 때문에 굴절률 \( n 1 \) 에 대해서 \( 2 \pi \) 의 정수 배, 굴절률 \( n 2 \) 에 대해서는 \( \pi \) 의 정수 배로 가정하고, 아래와 같은 수식으로 나타낼 수 있다.</p><p>\( \kappa \cdot \Delta n_{e f f}(n 1) \cdot L=m \cdot(2 \pi) \)<caption>(2-1)</caption></p><p>\( \kappa \cdot \Delta n_{e f j}(n 2) \cdot L=(2 \cdot m+1) \cdot \pi \)<caption>(2-2)</caption></p><p>여기서 \( \mathrm{m} \) 은 \( 0,1,2 \cdots \) 정수이고, \( \mathrm{k}=\lambda / 2 \pi \) 는 전파상수 (propagation constant)이다. 위 두 식의 차로부터 두-모드 영역 길이 \( \mathrm{L} \) 은 아래와 같은 식으로 도출된다.</p><p>\( \mathrm{L}=\frac{1}{2} \cdot \frac{\lambda}{\left|\Delta n_{e f j}(n 1)-\Delta n_{e f j}(n 2)\right|} \)<caption>(3)</caption></p><p>따라서 1.33 1.46과 1.39 1.41 굴절률 범위에 대해서 식 (3) 을 적용해서 두-모드 영역의 길이들이 \( 3841.46 \mu \mathrm{m}, 26250 \mu \mathrm{m} \) 로 각각 계산되었는데, 이 값들을 도출하기 위해서 분석물질에 해당되는 클래딩의 굴절률이 \( 1.33,1,46,1.39 \) 그리고 \( 1.41 \) 로 각각 설정하고, 도파모드 분석을 통해서 두 모드들의 유효굴절률을 계산하였고, 표 1 에 요약하였다. 굴절률 변화에 따른 두 출력의 광파워 변화에 대한 전산해석을 수행하였으며, 궁극적으로 그림 9 와 같은 결과를 얻었다.</p><p>그림 9(a)와 (b)는 특히 1.36 ~ 1.43 그리고 1.398~1.410 굴절률 구간에서는 매우 선형적인 출력파워의 증감을 보이고 있다. 따라서 두 선형 구간에 대해서 두-모드 영역의 길이는 일정하게 유지하고 전산해석을 다시 수행해서, 그림 10 과 같이 예상한대로 매우 선형직인 특성 결과를 얻을 수 있었다.</p><p>한편 센서의 성능은 감지도(sensitivity)로서 경가할 수 있는데 그림 10 에서 정규화된 광파워의 기울기에 해당되며, 아래의 수식으로 나타낼 수 있다.</p><p>\( \mathrm{S}=\left|\frac{\Delta P_{\text {out }}}{\Delta n}\right|=\frac{\left(\frac{P_{\text {out } 1}-P_{\text {oul } 2}}{P_{\text {out } 1}+P_{\text {our } 2}{ }_{n 1}}-\left(\frac{P_{\text {out } 1}-P_{\text {oul } 2}}{P_{\text {oul } 1}+P_{\text {oul } 12}}\right)_{n 2}\right.}{n_{1}-n_{2}} \)<caption>(4)</caption></p><p>따라서 그림 10(a), (b)로 부터 감지도를 게산하기 위해서 두 광출력의 차, \( \left|{P}_{\text {out1 } }-P_{\text {out2 }}\right| \) 를 그림 11과 같이 얻었다. 전반적으로 선형적인 특성을 보이고 있지만 시작과 끝부분에서 기울기 다소 감소되는 비선형 특성이 나타나고 있다. 다시 이들 그래프에 대해서 식 (4)을 적용해서 미분할 경우, 최종적으로 감지도는 그림 12(a), (b)와 같이 얻을 수 있었다. 1.36~1.43과 1.398~1.41 두 굴절률 구간에 대해서 감지도는 12~23[au/RIU], 65~165[au/RIU] 편차를 각각 보이고 있으며, 앞서 지적했듯이 두 출력 광파워 차에서 나타나는 미세한 비선형 특성 때문인 것으로 해석된다.</p><p>제안된 바이오센서 구조는 두-모드 영역의 상부 클래딩 층에 해당되는 바이오 분석물질의 굴절률이 두 출력 광파워에 매우 민감하게 영향을 미치고 있음을 전산해석을 통해서 확인되었으며, 굴절률 측정 구간을 좁게 설정해서 두-모드 영역의 길이를 조절할 경우 감지도의 편차를 현저하게 줄일 수 있을 것이다.두 광출력의 차를 이용하기 때문에 레이저에 동반되는 잡음을 제거할 수 있으며, 제안된 소자는 실리콘 포토닉스 공정에 기반하고 있기 때문에 두 광검파기와 신호처리 전자회로를 집적화할 경우 훨씬 개선된 성능을 기대할 수 있다.</p>
|
[
"두-모드 영역의 길이에 따라 두 출력 광도파로 중 파워가 한 곳으로 출력됩니까?",
"측정하고자 하는 바이오 물질의 굴절률 범위(n1 n2)에 적절한 두-모드 영역의 길이를 결정하는 것은 무엇을 설계하는데 핵심입니까?",
"바이오센서 설게에서 핵심은 측정하고자 하는 바이오 물질의 굴절률 범위(n1 n2)에 적절한 두-모드 영역의 무엇을 결정하는 것입니까?",
"도파모드 분석을 통해 두 모두들의 어떤 특성을 계산할 수 있습니까?",
"\\( \\mathrm{k}=\\lambda / 2 \\pi \\) 는 무엇입니까?",
"\\( \\mathrm{n} 1 \\) 클래딩 굴절률에서 두-모드의 어떤 특성 차가 \\( 2 \\pi \\) 의 정수 배이면 두-모드 간에 위상 변화가 없기 때문에 두 출력 광도파로 중 하나로 출력됩니까?",
"감지도의 편차를 현저하게 줄이기 위해 두-모드 영역의 길이를 조절하는데, 굴절률 측정 구간을 어떻게 설정해야 합니까?",
"그림 9(a)와 (b)는 특히 1.36 ~ 1.43 그리고 1.398~1.410 굴절률 구간에서는 어떤 형태의 출력 파워 증감을 보여주고 있습니까?",
"측정하고자 하는 바이오 물질에 해당되는 두-모드 영역의 상부 클래딩 굴절률을 \\( 1.33 \\) 로 설정하고 BPM 전산해석을 수행하면, 두-모드 영역에서 그림 8(a)(b)와 같이 두-모드간에 어떤 결합이 일어나는가?",
"그림 10(a), (b)로 부터 감지도를 계산하기 위해서 두 광출력을 어떻게 계산합니까?",
"센서의 성능은 무엇으로 평가할 수 있는가?",
"전산해석을 통해 확인한 결과, 제안된 바이오센서 구조에서 두-모드 영역의 상부 클래딩 층에 해당되는 바이오 분석물질의 굴절률이 무엇에 매우 민감하게 영향을 미치고 있습니까?",
"레이저에 동반되는 잡음을 제거할 수 있는 이유는 무엇을 이용하기 때문입니까?",
"센서의 성능은 감지도(sensitivity)로서 경가할 수 있는데 그림 10 에서 어떤 부분에 해당합니까?",
"두 광출력의 차를 이용하기 때문에 레이저에서 동반되는 어떤 부분을 제거할 수 있습니까?",
"바이오센서 구조는 두-모드 영역의 어떤 층에 해당되는 바이오 분석물질의 굴절률이 두 출력 광파워에 매우 민감하게 영향을 미치고 있음을 확인하였습니까?",
"본 연구에서 제안된 소자는 어떤 공정에 기반하고 있습니까?",
"\\( \\mathrm{n} 1 \\) 클래딩 굴절률에서 두-모드의 위상 차가 무엇의 정수 배이면 두-모드 간에 위상 변화가 없습니까?"
] |
1e4e94c9-aa01-4794-b86d-0333b516afdb
|
인공물ED
|
Si3N4 립-광도파로의 두-수평모드 파워결합과 소산파 기반 집적광학 바이오센서 설계
|
<h1>4. 결 론</h1><p>\( \mathrm{Si}(\mathrm{wafer}) / \mathrm{SiO}_{2} / \mathrm{Si}_{3} \mathrm{~N}_{4} / \mathrm{SiO}_{2} \) 다층 박막에 형성된 립-광도파로의 소산파와 두-모드 파워결합 기반으로 \( 0.63 \mu \mathrm{m} \) 파장에서 동작하는 집적광학 바이오센서 구조를 제안하였다. FIMMWAVE 전산해석을 통해서 립-광도파로 제원에 따른 도파모드 분석 수행하였다. 립-광도파로의 폭, 두께 그리고 코어의 두께 등이 도파모드의 유효굴절률에 미치는 영향을 체계적으로 검토하였다.FIMMPROP 소프트웨어 기반의 전산해석 프로그램을 적용해서 두-모드 영역에서 파워 결합 현상을 관찰하였으며, 두-모드 영역 길이에 따라 두 광출력 간에 파워가 분산됨을 확인하였다. 두-모드 영역의 상부 클래딩(즉 바이오 분석물질에 해당됨) 굴절률 두 구간, 즉 1.36 ~ 1.43, 1.398~1.41에서, 굴절률에 변화에 따른 정규화된 두 출력 광파워의 그래프를 도출하였으며, 이로부터 12~23[au/RIU], 65~165[au/RIU] 감지도가 각각 계산되었다. 비록 두 굴절률 구간에서 감지도 편차가 확인되었지만, 제안된 구조의 최적화를 통해서 편차를 줄일 경우 충분히 바이오센서로 구현뎔 수 있음을 확인하였다. 특히 제안된 구조의 제원과 박막 층의 두께, 두 출력 광도파로 간의 간섭 등을 개선할 경우 더 우수한 바이오 센서 특성을 보일 것으로 기대된다.</p><p>현재 silicon-photonics foundry 글로벌 업체들이 제공하고 있는 MPW(multi project wafer)를 통해서 본 연구에서 제시된 바이오센서 구현이 가능하다.</p>
|
[
"다층 박막에 형성된 립-광도파로의 소산파와 두-모드 파워결합 기반으로 동작하는 어떤 구조를 제안하였는가?",
"립-광도파로 제원에 따른 도파모드 분석 수행을 위해 무엇을 해석하였는가?",
"IMMPROP 소프트웨어 기반의 전산해석 프로그램을 적용해서 두-모드 영역에서 관찰한 현상은 무엇인가?",
"더 우수한 바이오 센서 특성을 보이려면 제안된 구조의 제원과 박막 층의 두께, 두 출력 광도파로 간의 간섭 등을 개선해야 하는가?",
"두-모드 영역에서 파워 결합 시, 두 광출력 간에 파워가 무엇에 따라 분산되는가?",
"FIMMWAVE 전산해석을 통해서 립-광도파로 제원에 따라 무엇을 분석 수행하였는가?",
"본 연구에서 제시된 바이오센서가 글로벌 업체들이 제공하는 무엇을 통해서 구현이 가능한가?",
"도파모드의 유효굴절률에 립-광도파로의 폭, 두께 그리고 코어의 두께 등이 영향을 미치는가?"
] |
75e3b6db-5728-4488-9218-69f64ae8db34
|
인공물ED
|
방호시설에 설치된 HEMP 필터의 전도성 PCI 검증시험을 위한 디커플러 설계 및 제작
|
<h1>Ⅲ. PCI 검증시험 실험 및 결과</h1> <h2>3-1 디커플러의 성능시험</h2> <p>PCI 제너레이터를 사용하여 실제 제작된 디커플러 입력부에 \( 2,500 \mathrm{~A} \) 첨두치 전류를 갖는 HEMP E1 펄스를 주입한 후 출력부로 나오는 잔류전류를 측정했다. 실제 측정은 그림 7과 같고, 측정결과는 표 3 및 그림 8과 같다. 주입전류 교정값과 인수시험 때의 주입전류 측정결과를 비교해 보면, 첨두치 전류의 크기는 일치함을 확인했지만, 파형의 형태에는 차이가 있다. HEMP E1 펄스를 모의하는 PCI 제너레이터의 주입전류는 \( 2,500 \mathrm{~A} \), 상승시간 \( 20 \mathrm{~ns} \) 이하, 펄스폭 \( 500 \sim 550 \mathrm{~ns} \) 이하의 펄스형태로, 케이블의 길이 변화와 케이블과 접지평면 거리에 따라 파형의 차이가 발생하게 되고, 인수시험을 측정할 때, 케이블 길이가 길어지고 접지평면으로부터 멀어지기 때문에, 첨두치 펄스영역에서 형태 차이가 발생한다. 잔류전류의 경우 \( 5.62 \mathrm{~A} \)가 측정되었으며, 시뮬레이션보다 \( 1.61 \mathrm{~A} \) 작게 측정이 되었고, 제한 기준치 \( 10 \mathrm{~A} \) 이하를 만족했다. 개발된 디커플러가 제한 기준치를 만족했기 때문에 검증시험에서 디커플러를 통과한 잔류전류가 전원공급장비에 미치는 영향은 없을 것으로 판단할 수 있다.</p> <table border><caption>표 3. 디커플러의 PCI 인수시험 결과</caption> <tbody><tr><td colspan = "4">Injection pulse</td></tr><tr><td>Contents</td><td>Peak current(\( \mathrm{A} \)) \( >2,500 \)</td><td>Rise time \( \leq 20 \mathrm{~ns} \)</td><td>FWHM(pulse width) \( 500 \sim 550 \mathrm{~ns} \)</td></tr><tr><td>Sumulated result</td><td>2,500</td><td>16.33</td><td>532.00</td></tr><tr><td>Measured result</td><td>2,550</td><td>19.67</td><td>512.94</td></tr><tr><td colspan = "4">Residual current</td></tr><tr><td>Contents</td><td>Peak current(\( \mathrm{A} \)) \( (<10 \mathrm{A} )\)</td><td>Peak rate of rise \( (\mathrm{A} / \mathrm{s}) \) \(<1 \times 107 \)</td><td>Root action \(\quad(\mathrm{A} \sqrt{\mathrm{s}})<1.6 \times 10^{-1}\)</td></tr><tr><td>Sumulated result</td><td>7.23</td><td>\( 16.87 \times 10^{-3} \)</td><td>\( 11.88 \times 10^{-3} \)</td></tr><tr><td>Measured result</td><td>5.62</td><td>\( 21.87 \times 10^{-3} \)</td><td>\( 6.88 \times 10^{-3} \)</td></tr></tbody></table> <h2>3-2 디커플러를 이용한 검증시험 결과</h2> <p>인수시험 조건을 만족한 유럽 M사의 HEMP 전원용 필터를 차폐벽에 설치해서 HEMP 방호시설 내.외부와 유사한 테스트 베드 환경을 구축했고, 그림 9와 같다. 실험은 제작된 디커플러를 설치한 상태에서 진행했다. PCI 검증시험의 경우, 전원용 HEMP 필터를 PoE(point of entry)를 이용해 차폐벽면에 설치 후, 이를 통해 내부 장비에 전원을 인가하여 동작시킨다. 이때, PCI 제너레이터는 HEMP 필터의 입력선에 인덕티브 커플러(inductive coupler) 를 통해 연결했다. 전류주입을 위한 커플러 사용은 고주파의 HEMP 펄스전류를 주입하는 동시에 저주파인 상용전원을 이용하는 장비에 영향을 주지 않기 위해 필요하다. 또한, PCI 제너레이터의 펄스가 전원공급단 소스(source)로 흘러 전원공급 장비에 피해를 주지 않도록 하기 위해 제작된 디커플러를 연결했다. 주입 및 잔류전류를 측정하기 위한 전류센서는 필터의 입력선 및 출력선에 설치를 하고, 접지선과 함께 측정을 하면 측정이 불가하기 때문에 L상과 N상을 분리해서 별도로 측정을 한다. 데스크탑과 모니터의 HEMP 검증시험은 커플러를 통해 \( 5000 \mathrm{~A} \) 펄스주입 후 데스크탑의 본체와 모니터를 관찰한 결과, 인터넷과 동영상의 끊김 현상 없이, 정상 동작하였다. 유럽 M사의 전원용 HEMP 필터의 인수시험에서 \( 4.31 \mathrm{~A} \) 잔류전류가 측정되었지만, PCI 검증시험에서는 \( 0.086 \mathrm{~A} \) 측정되었다. 약 50배 작은 값이 측정되었으며, 시험품의 임피던스가 인수시험에서 사용된 부하저항(\( 2 \Omega \))보다 크기 때문에 작은 전류가 측정된 것으로 보인다.</p> <p>전자제품 자체에도 낙뢰 등과 같은 의도치 않은 과도전류를 보호하기 위한 서지보호기가 연결되어 있어 HEMP 필터를 통과한 \( 10 \mathrm{~A} \) 이하의 작은 에너지량으로는 전자제품에 오작동이 발생하기는 어렵다. 또한, 방호시설의 주요 전자기기는 MIL-STD-461G 규격의 전자파 내성 기준을 만족하는 전자장비가 사용되기 때문에 오작동을 하기는 어렵다고 사료된다. PCI 검증시험 구성도는 그림 10과 같고, 표 4는 측정결과이다.</p> <p>1번 프로브에는 PCI 제너레이터에서 \( 5,000 \mathrm{~A} \) 첨두치 전류를 주입을 하는데 L선과 N선으로 분할되어 각 상에 약 \( 2,500 \mathrm{~A} \)가 측정되었다. 2번 프로브의 결과는 HEMP 필터의 인수시험 때보다 잔류전류가 적게 측정이 되었고, 이유는 2옴보다 부하가 커서 잔류전류 값이 작게 측정되었다. 전원공급 장비 앞단에 3번 전류 프로브로 측정을 했고, 디커플러를 통과한 잔류전류는 데스크탑을 운용하는 전류보다 작기 때문에 측정이 불가능했다. 운용전류보다 작게 측정되는 결과와 전원공급단에 이상이 없는 결과를 통해, 제작된 디커플러를 통과하면서 감쇄된 HEMP 펄스잔류전류는 전원공급단에 인입되더라도 해당 장비에 미치는 영향은 없을 것으로 판단할 수 있다.</p>
|
[
"PCI 검증시험의 방법은 어떻게 되는가?",
"표3에서 Injection pulse의 경우 Contents로 확인한 것은 Rise time과 FWHM과 무엇인가?",
"Injection pulse의 Contents중 pulse width를 나타내는 것은 무엇인가?",
"Injection pulse의 경우 Contents중 Sumulated result값이 Measured result보다 더 큰 것은 어떤 Contents인가?",
"Residual current의 경우 Injection pulse와 동일하게 확인한 Contents는 무엇인가?",
"Residual current의 Contents중 Peak rate of rise의 결과 값의 제한 기준치는 무엇인가?",
"Residual current에서 Sumulated result와 Measured result를 비교했을 때 Measured result의 수치가 더 작은 것은 Peak current와 무엇인가?",
"Residual current의 Contents 중 Root action의 Sumulated result 는 어떻게 되는가?",
"Peak current의 단위는 어떻게 되는가?",
"Rise time의 Sumulated result 는 무엇인가?",
"Injection pulse의 경우 Peak current의 Measured result는 얼마인가?",
"Injection pulse의 경우 FWHM의 범위는 어떻게 되는가?"
] |
91f7e885-eeb3-498a-b6cb-9bcc5e2de372
|
인공물ED
|
방호시설에 설치된 HEMP 필터의 전도성 PCI 검증시험을 위한 디커플러 설계 및 제작
|
<h1>Ⅱ. 디커플러의 설계 및 제작</h1> <h1>2-1 PCI 제너레이터 설계</h1> <p>디커플러의 성능 및 검증시험을 하기 위해서 PCI 제너레이터가 필요하고, 발생되는 HEMP E1 펄스의 파형은 이중 지수 함수로서 식 (1)과 같이 표현된다. \[ I(t)=K_{D E} I\left(e^{-\beta t}-e^{-\alpha t}\right) \]<caption>(1)</caption>여기서 \( I \)는 첨두값 전류(\( A \))이고, \( t \)는 시간 (s), \( K_{D E} \)는 상수이고, \( \alpha \)와 \( \beta \)는 상승 시간 \( \tau_{r} \)과 펄스폭(FWHM: full width half maximum)의 함수이다. 모델링을 위해 \( I \), \( \alpha \)와 \( \beta \)의 시정수 값을 계산했고, 시정수 값은 1.052가 계산되었다. 시정수 값을 사용하여 RLC 등가회로를 구성하였고, \( I \)에 대한 시정수 값을 충.방전 역할을 하는 커패시터 \( C \)에 적용했다. \( L \)은 케이블을 모델링한 수동소자이며, \( 10 \mathrm{nH} \)이다. \( R \)은 소스 임피던스 역할을 하며, 규격에서 제시한 \( 60 \Omega \)을 적용했다.</p> <p>모델링한 PCI 제너레이터의 등가회로는 그림 1이며, 출력결과는 그림 2와 같다. 실제 PCI 제너레이터 장비의 교정출력을 측정 후 시뮬레이션 결과와 비교를 했고, 표 1과 같이 제한치 기준에 모두 만족함을 확인했다.</p> <h1>2-2 디커플러 설계</h1> <p>HEMP 필터에서 MOV(metal oxide varistor)가 없으면 EMI(electro magnetic interference)필터처럼 동작을 하고, 인덕터와 캐패시터의 역할로 인해 전자파 노이즈(noise)를 제거하는 역할을 한다. HEMP 필터에서 MOV의 역할은 중요하고, MOV는 특정 전압 이상에서 저항이 변하는 전자부품으로 재료에 따라서 특성은 상이하지만, 보호하고자 하는 부품이나 회로에 병렬로 연결하여 과도전압이 증가하면 낮은 저항회로를 형성하여 과도전압이 더 이상 상승하는 것을 막아주며, MOV의 특성을 고려하여 디커플러 설계시 적용할 예정이다. 또한, MOV는 낙뢰와 의도치 않은 과도전압에 대한 전원시스템의 보호를 위해 널리 사용되기도 한다. MOV 리드타입 응답속도는 \( 25 \mathrm{~ns} \)이며, 리드선이 없는 경우에는 \( 0.5 \mathrm{~ns} \)의 응답속도를 가지며, HEMP 펄스의 경우 \( 20 \mathrm{~ns} \) 이하의 상승시간 특성을 가지기 때문에 MOV 소자를 디커플러에 적용하기로 했다. 기존 국내◦외 상용 디커플러는 그림 3과 같은 형태이며, 2라인은 \( 60 \mathrm{~A} \), 4라인은 \( 10 \mathrm{~A} \)로, 공통 인덕터와 MOV를 연결한 구조이다. 상용 디커플러는 연구목적으로 활용하기는 우수하지만, 공통 인덕터 사용으로 전원용량에 한계가 있고, 높은 전류(\( 50 \sim 100 \mathrm{~A} \))를 사용할 경우, 과포화가 일어나면 인덕터에 열이 발생하여 안전 사고가 발생할 수도 있다. 방호시설에는 전원 용량이 크기 때문에 공통 인덕터 대신 높은 전류를 포화할 수 있게 노멀 인덕터를 사용했다. 또한, 장비와 연계된 전원 신호에 고주파 성분도 있는 경우가 있기 때문에 고주파 노이즈 제거를 위해 캐패시터를 추가하여 설계했다. 캐패시터의 특성상 저주파는 차단하고, 고주파는 통과시켜주는 역할을 하여 고주파 노이즈를 접지로 보내 고주파 노이즈를 제거할 수 있다. 완성된 디커플러는 그림 4와 같다. 실제 디커플러에 적용할 MOV는 EPCOS B60K385 모델로 \( \mathrm{V}_{1 \mathrm{~mA}} \)는 \( 558 \mathrm{~V} \)에서 \( 682 \mathrm{~V} \)범위에 있으며, 최대 사용전압은 \( \mathrm{V}_{1 \mathrm{~mA}} \)가 가장 낮은 값을 기준으로 설정한다. \( 558 \mathrm{~V} \)를 기준으로 하였을 경우, AC에 사용할 경우에는 \( \sqrt{2} \)를 나누어 \( 394.6 \mathrm{~V} \)이고, 이 값이 AC 최대 사용전압이다. 실제 제작에 앞서 시뮬레이션을 통해 성능을 확인할 계획이다. 앞서 모델링된 PCI 제너레이터와 디커플러에 MOV를 병렬로 연결한 회로는 그림 5와 같고, 세부 소자값을 표 2에 나타내었다. 시뮬레이션 결과, 디커플러의 잔류전류는 \( 7.23 \mathrm{~A} \)로 제한치 기준의 \( 10 \mathrm{~A} \) 이하를 만족했고, 파형은 그림 6과 같다.</p> <table border><caption>표 2. 제작된 디커플러의 설계값</caption> <tbody><tr><td>Element</td><td>Design value</td></tr><tr><td>MOV</td><td>\( \mathrm{V}_{1 \mathrm{~mA}}, 558 \mathrm{~V} \sim 682 \mathrm{~V} \)</td></tr><tr><td>\( R_{t} \)</td><td>Due to the characteristic of the simulation program, the resistance value applied to allow the current to flow</td></tr><tr><td>\( R_{1} \)</td><td>\( 1 \mathrm{k ohm} \), discharge resistance</td></tr><tr><td>\( L_{1}, L_{2} \)</td><td>\( 3 \mathrm{mH} \), inductor, cut-off of high frequency</td></tr><tr><td>\( C_{1}, C_{2} \)</td><td>\( 10 \mathrm{uF} \), capacitor, cut-off of low frequency</td></tr></tbody></table>
|
[
"제작된 디커플러에서 방전저항\\( R_{1} \\)은 얼마야?",
"방전저항\\( R_{1} \\)은 제작된 디커플러에서 얼마일까?",
"디커플러의 제작에서 \\( L_{1}, L_{2} \\)의 설계값은 뭐야?",
"무엇이 디커플러의 제작에서 \\( L_{1}, L_{2} \\)의 설계값인가?",
"디커플러의 제작에서 \\( C_{1}, C_{2} \\)의 설계값은 뭐야?",
"어떤 \\( C_{1}, C_{2} \\) 설계값이 디커플러의 제작에서의 값인가?",
"디커플러에서 MOV가 요소인 경우의 설계 값은 뭐야?",
"요소가 MOV인 디커플러의 설계 값은 뭐야",
"제작된 디커플러 \\( R_{t} \\)요소의 설계값은 뭐야?"
] |
a199e3d3-a169-451f-a18e-e2918a2d59e8
|
인공물ED
|
ATM 네트워크에서 인터넷 트래픽 성능 향상을 위한 퍼지기반 버퍼관리 알고리즘
|
<h1>Ⅲ. 모의실험 환경</h1><h2>1. 시뮬레이션 모델</h2><p>본 논문에서 제안된 알고리즘의 시뮬레이션을 위한 네트워크 모델은 일반적으로 GFR의 성능평가에 사용되는 모델로서<그림 7>과 같이 두 개의 ATM 스위치와 열 개의 라우터로 구성된 단일 홉 모델이다.</p><p>네트워크의 각 링크는 OC-1인 \( 51.84 \mathrm{Mbps} \)이며 ATM 스위치간의 지연은 \( 10 \mathrm{msec} \)이고 라우터와 스위치간의 지연은 \( 0.5 \mathrm{msec} \)이다.<그림 7>의 왼쪽에 위치한 라우터는 송신원이고 오른쪽의 위치한 라우터는 수신원으로 하나의 GFR VC로 연결이 된다. 라우터는 연결된 패킷을 다중화하여 송신원과 수신원은 CLP = 0인 프레임만 전송한다. 전송된 프레임은 UNIUser Network Interface)의 F-GCRA 테스트를 통해 태깅이 수행된다. 각 라우터는 3개의 TCP연결이 다중화된다.</p><p><표 2>는 시뮬레이션에서 사용된 TCP 파라미터와 알고리즘의 설정 값을 보여준다.</p><table border><caption>표 2. 시뮬레이션 파라미터</caption><tbody><tr><td>TCP parameters</td><td></td></tr><tr><td>Parameters</td><td>Vaue</td></tr><tr><td>Window size</td><td>\( 65,535 \mathrm{bytes} \)</td></tr><tr><td>Maximum Segment Size</td><td>\(960 \mathrm{bytes} \)</td></tr><tr><td>Retransmission timer</td><td>\( 100 \mathrm{ msec} \)</td></tr><tr><td>TCP vers1on</td><td>Reno</td></tr><tr><td>Proposed Algorithm</td><td></td></tr><tr><td>Low threshold</td><td>0.6</td></tr><tr><td>High threshold</td><td>0.75</td></tr></tbody></table><p>GFR에서 TCP/IP 트래픽 서비스에 대한 중요한 성능 평가 기준은 TCP의 Goodput과 공평성 지표(fairness index)이다. TCP의 Groodput은 TCP 계층에서 수신한 패킷을 전송률로 환산한 측정값이다. 공평성 지표는 각 VC들 사이에 잉여 대역을 공평하게 사용하는지에 대한 척도로 잉여 대역을 할당하는 방식에는 각 VC의 MCR에 비례해서 나누는 방식(Allocation proportional to MCR, 모든 VC에 똑같이 나누는 방식(MCR+equalshare) 등이 있고, 공평성 성능를 측정하기 위해 식 (8)과 같이 공평성 지표를 계산한다.</p><p>fairness index \( = \frac{ \left( \sum_{i = 1}^{N} x_{i} / f_{i} \right)^{2}}{N \times \sum_{ i = 1}^{N}\left(x_{i} / f_{i} \right)^{2}} \)<caption>(8)</caption></p><p>(여기서 \( x_{i} \)는 VCi의 수율이며, \( f_{i} \)는 VC의 공평 할당량이다.)</p><h2>2. 모의실험 결과</h2><p>시뮬레이션은 먼저 MCR의 변화에 대한 성능을 알아보았다. 각각의 MCR을 \( 21 \mathrm{Mbps}, 30 \mathrm{Mbps}, 40 \mathrm{Mbps} \)로 나누어 시뮬레이션을 하였으며 각 VC는 \( 1 \mathrm{Mbps} \)에서 \( 20 \mathrm{Mbps} \) 까지의 다양한 분포를 갖도록 설정 하였다.<그림 8>과<표 3>은 전체 MCR의 합이 \( 21 \mathrm{Mbps} \)인 경우 제안된 퍼지 기반 버퍼 관리 알고리즘과 Double-EPD, DFBA 알고리즘을 적용했을 때 TCP goodput과 공평성 등의 성능을 비교한 결과이다. 총 MCR을 \( 21 \mathrm{Mbps} \)로 설정했을 때 VC 별 TCP goodput은 세 알고리즘 모두 VC의 MCR을 모두 보장 했으며 Double-EPD는 0.9725, DFBA와 제안된 알고리즘의 경우 0.99 이상의 높은 공평성 지표를 제공하여 총 MCR이 낮을 경우 모두 좋은 성능을 보였다.<그림 9>와<표 4>는 총 MCR을 \( 30 \mathrm{Mbps} \)로 설정했을 때 각 알고리즘 별 성능을 보여주며,<그림 10>과<표 5>는 총 MCR을 \( 40 \mathrm{Mbps} \)로 설정했을 때의 성능을 보여준다.</p><p>DFBA와 제안된 알고리즘의 경우 할당된 MCR에 따라 VC에 이상적인 수율을 제공하여 GFR이 요구하는 MCR보장을 제공할 수 있다. 상대적으로 높은 MCR을 할당한 VC의 경우 제안된 버퍼 관리 알고리즘이 높은 성능을 제공했다. 반면에 Double-EPD의 경우는 MCR에 관계없이 거의 일정한 수율을 보임으로서 큰 MCR의 요구에 더욱 낮은 성능을 보였다. Double-EPD는 패킷의 폐기가 태깅 정보에만 의존하는데 이에 반해 TCP 트래픽은 버스티한 특성으로 버퍼공간의 불공평한 할당으로 공평성이 낮아졌다. 제안된 알고리즘의 경우 버퍼의 점유과 VC의 부하에 따라 Fuzzy 알고리즘에 의해 구한 cdf에 따라 폐기하여 공평성과 전체 TCP 수율이 DFBA나 Double-EPD보다 성능이 향상되었음을 보였다.</p><p><표 6>은 총 MCR 설정변화에 따른 공평성 지표 결과를 보여준다. 상대적으로 작은 MCR을 설정했을 경우, 제안된 알고리즘이나 DFBA의 경우 비슷한 공평성 성능을 보이나 총 MCR을 크게 설정할수록 DFBA와 Double-EPD의 경우 공평성 지표가 나빠졌으나 제안된 퍼지 기반의 버퍼 관리 알고리즘의 경우 기존 알고리즘보다 높은 공평성을 제공하여 ATM 망을 통해 인터넷 트래픽을 서비스 할 경우 더 효과적인 차등서비스를 제공할 수 있다.</p><p>TCP 연결의 종 단간 지연시간이 성능에 미치는 영향을 알아보기 위해서 지연시간을 두 종류로 나누어 시뮬레이션을 수행하였다. 첫 번째 그룹은 GFR VC1~VC3으로 지연시간은 \( 11 \mathrm{msec} \), 두 번째 그룹은 GFR VCA~VC6으로 지연시간을 \( 21 \mathrm{msec} \)로 설정하였다.<그림 11>과<표 7>은 링크의 지연시간을 달리하여 시뮬레이션을 한 결과이다. 점선으로 나타낸 부분은 링크의 지연의 합이 \( 11 \mathrm{ms} \) 로, 실선으로 된 부분은 지연을 \( 21 \mathrm{ms} \)로 설정한 경우의 TCP goodput이다. 지연이 적을 경우 적은 MCR에서 Double-EPD나 DFBA는 좋은 수율을 보여 주었으나 MCR이 클 경우나 지연시간이 길어질 경우 성능이 급격히 떨어짐을 볼 수 있다.</p><p>지연시간에 따라 성능이 달라지는 주요 원인은 TCP는 망의 폭주상황에 유연하게 대처하기 위해 폭주 회피와 느린 시작, 두 가지 흐름제어 기법을 사용하기 때문이다. 이 두 가지 기법은 패킷의 손실이 발생했을 경우 윈도우 크기를 줄여서 전송 속도를 낮춤으로써 망의 폭주상황을 회피하는 기법으로 종단 간의 전송 지연 시간에 밀접한 관계가 있다. 두 가지 알고리즘이 수행이 되면 RTT가 짧은 연결일수록 전송속도의 증가시간이 짧아져서 상대적으로 RTT가 긴 연결보다 서비스를 많이 받을 수 있다.</p><p>두 경우 모두 제안된 알고리즘은 DFBA나 Double-EPD에 비해 이상적인 수율에 근접하며 우수한 성능을 보였으며 공평성 지표도 제안된 알고리즘이 0.9844로 DFBA의 0.9330이나 Double-EPD의 0.9171보다 우수한 공평성을 제공하였다.</p>
|
[
"제안된 알고리즘은 어떻게 MCR보장을 여줬어?",
"TCP트래픽은 Double-EPD와 반대로 어떻게 공평성이 떨어졌어?",
"시뮬레이션을 할 때 두 번째 그룹의 지연시간은 어떻게 설정돼었어?",
"망이 폭주하는 것을 어떻게 회피할 수 있어?",
"표2에서 Parameters 행의 값은 뭐야?",
"표2에서 \\(960 \\mathrm{bytes} \\)값인 파라미터 는 뭐야?",
"표2의 threshold 값들 중에서 더 큰 값의 행의 이름이 뭐야?",
"표2에서 제안된 알고리즘의 Low threshold값은 몇이야?",
"table2에서 TCP vers1on의 설정값은 몇으로 설정됐어?",
"표1의 시뮬레이션 파라미터의 \\( \\mathrm{bytes} \\)단위로 나타나는 값 중에서 큰 값의 행의 이름은 뭐야?",
"표2 시뮬레이션 파라미터 중에서 Retransmission timer에 해당하는 열의 이름이 뭐야?",
"표2의 TCP parameters 열 중에서 설정값이 0.6인 것은 뭐야?"
] |
9e549dc8-df83-4f37-97fe-c9e20bdcd6ab
|
인공물ED
|
ATM 네트워크에서 인터넷 트래픽 성능 향상을 위한 퍼지기반 버퍼관리 알고리즘
|
<h1>Ⅱ. 제안된 버퍼 관리 알고리즘</h1><h2>1. 퍼지 버퍼 관리 구조</h2><p>본 논문에서 제안된 퍼지 기반 버퍼 관리를 위한 제어구조를<그림 1>에서 보여준다. 구성은 셀 폐기 파라미터 생성기와 비교기로 구성된다. TCP 소스들의 공평한 버퍼 할당을 위해 SD(selective drop)를 사용한다. 즉, VC 들의 공평한 버퍼 할당을 위해 각각의 활성 VC 들의 버퍼 점유율을 추적하여 공평한 할당 대역보다 초과해서 사용하는 프레임을 선택적으로 폐기함으로서 서비스의 공평성을 보장한다.</p><p>GFR 큐로부터 현재의 큐 부하(Load of queue, \( Q_{occ } \) )와 각 VC별 부하(Load of VC, \( V C(i)_{occ})\) 파라미터를 추출한다. 셀 폐기 파라미터(cell drop factor) 생성기는 이들 파라미터를 이용하여 식 (1)과 같이 셀 폐기 인자 \( \delta_{c d f} \)를 생성한다.</p><p>\( \delta_{c d f}=f_{F u z z y}\left(Q_{o c c,}, V C_{o c c}\right) \)<caption>(1)</caption></p><p>패킷의 첫 번째 셀이 도착하면 제어기 내의 비교기에서 계산된 \( \delta_{c d f} \)값과 셀의 태깅 여부에 따라 두 개의 임계치를 비교해서 셀을 받아들일지 폐기할지를 결정한다.</p><h2>2. 퍼지 제어 규칙 생성</h2><p>큐의 셀 점유율에 따른 큐의 부하 \( Q_{o c c} \)의 멤버 함수를<그림 2>와 같이 정의하였다. 전체 큐의 부하 \( Q_{o c c} \)는 전체 버퍼 점유율 QT가 작은 구간 \( \left(\mu_{L o u}\right) \), 중간 구간 \( \left(\mu_{M i d}\right) \), 과잉구간 \( \left(\mu_{H i g h}\right) \) 으로 나누었다.</p><p>이것은 다시 식 (2)와 같이 사다리꼴 퍼지수 (Trapezium Fuzzy Nmb.er, Tr.F.N)로 나타낼 수 있다.</p><p>\( Q_{o c c}=\operatorname{Tr} . F . N\left\{\begin{array}{ll}\text { Low } & \left(0,0, x_{1}, x_{2}\right) \\ \text { Mid } & \left(x_{1}, x_{2}, x_{3}, x_{4}\right) \\ \text { High } & \left(x_{2}, x_{5}, 1,1\right)\end{array}\right. \)<caption>(2)</caption></p><p>또 각각의 멤버 함수는 식 (3)~식 (5)와 같이 정의할 수 있다.</p><p>\( \mu_{\text {Low }}(x)=\left\{\begin{array}{ll}1 & \left(x \leqq x_{1}\right) \\ 1-\frac{x-x_{1}}{x_{2}-x_{1}} & \left(x_{1}<x \leqq x_{2}\right) \\ 0 & \left(x>x_{2}\right)\end{array}\right. \)<caption>(3)</caption></p><p>\( \mu_{\text {Mid }}(x)=\left\{\begin{array}{ll}0 & \left(x \leqq x_{1}\right) \\ \frac{x-x_{1}}{x_{2}-x_{1}} & \left(x_{1}<x \leqq x_{2}\right) \\ 1 & \left(x_{2}<x \leqq x_{3}\right) \\ 1-\frac{x-x_{3}}{x_{4}-x_{3}} & \left(x_{3}<x \leqq x_{4}\right) \\ 0 & \left(x>x_{4}\right)\end{array}\right. \)<caption>(4)</caption></p><p>\( \mu_{\text {High }}(x)=\left\{\begin{array}{ll}0 & \left(x \leqq x_{2}\right) \\ \frac{x-x_{2}}{x_{5}-x_{2}} & \left(x_{2}<x \leqq x_{5}\right) \\ 1 & \left(x>x_{5}\right)\end{array}\right. \)<caption>(5)</caption></p><p>큐의 부하 \( Q_{o c c} \) 와 퍼지 제어기에서 사용하는 입력 변수 \( i \)번째 VC의 부하 \( V C_{o c c}(i) \)를<그림 3>과 같이 정의한다. \( \mu_{Low } \)는 VC가 할당된 버퍼 공간보다 적게 사용한 구간이고, \( \mu_{M i d} \)는 할당된 버퍼 공간을 효율적으로 사용한 구간이며, \( \mu_{High} \)는 할당된 대역보다 초과해서 사용한 구간이다.</p><p>버퍼의 셀 점유율과 VC의 MCR과 할당된 대역을 고려하여 \( x_{1} \)과 \( x_{2} \)는 식 (6), 식 (7)과 같이 설정한다.</p><p>\( x_{1}=\frac{M C R_{i}}{C_{G F R}} Q T \)<caption>(6)</caption></p><p>\( x_{2}=\frac{M C R_{i}}{\sum M C R_{i}} Q T \)<caption>(7)</caption></p><p>여기서, \( C_{G F R} \)은 GFR 클래스에 할당된 전체 대역이고, \( QT \)는 큐에 대기하고 있는 총 셀 수, \( M C R_{i} \)는 \( i \) 번째 VC의 협상된 MCR 값이다.</p><p>\( x_{1} \)은 큐의 셀 점유율이 \( QT \)일 때 \( i \)-번째 VC의 MCR에 따른 할당된 버퍼 공간을 의미하고 \( x_{2} \)는 셀 점유율이 \( QT \)일 때 \(i \)-번째 VC에 공평히 할당된 대역에 관련되어 할당된 버퍼 공간이다. 두 가지 \( V_{occ }(i) \)와 \( Q_{Occ} \)의 입력 변수를 가지고 셀 폐기 파라미터 \( \delta_{c d f} \)를 맵핑시키기 위해 퍼지 제어 규칙을 생성하였으며, 생성된 퍼지 제어 규칙은 다음과 같은 조건을 고려하여 결정하였다.</p><ul><li>심각한 폭주 상태 : 큐의 셀 점유율이 높아서 폭주 상태가 심각하므로 \( \delta_{c d f} \)의 값을 "high"나 "moderate_high"로 설정하여 새로 입력되는 셀은 모두 폐기한다.</li><li>중간 레벨의 폭주 상태 : 큐의 셀 점유율이 증가 상태이며, VC의 부하에 따라 \( \delta_{c df} \)의 값을 "moderate low" 부터 "moderate_high"로 설정하여 입력되는 셀을 선택적으로 폐기하여 VC별 공평성을 향상한다.</li><li>낮은 레벨의 폭주 상태 : 큐의 셀 점유율이 낮은 상태이므로 \( \delta_{cdf } \)의 값을 "moderate_low" 이하로 설정하여 VC의 부하에 상관없이 모든 입력되는 셀을 받아들인다.</li></ul><p>두 개의 입력을 가진 퍼지 시스템은 각각 3개의 상태를 가지고 있으므로 모두 9개의 독립된 상태를 갖는다. 이 중에서 최적화된 7가지의 상태를 사용해서<표 1>의 제어 규칙을 만들었다.</p><table border><caption>표 1. 퍼지 제어 규칙</caption><tbody><tr><td>if \( Q_{occ} \)</td><td>and \( V C i_{o c c} \)</td><td>then \( \delta_{c d f} \) is</td></tr><tr><td>High</td><td>High</td><td>High</td></tr><tr><td>High</td><td>Medium or Low</td><td>Moderate_High</td></tr><tr><td>Medium</td><td>High</td><td>Moderate-High</td></tr><tr><td>Medium</td><td>Medium</td><td>Medium</td></tr><tr><td>Medium</td><td>Low</td><td>Moderate_LoW</td></tr><tr><td>Low</td><td>High</td><td>Moderate_Low</td></tr><tr><td>Low</td><td>Medium or Low</td><td>Low</td></tr></tbody></table><p><표 1>의 퍼지 규칙을 통해<그림 4>의 셀 폐기 파라미터를 결정한다.<그림 5>는 퍼지 규칙을 적용했을 때 MATLAB을 이용해 구한 셀 폐기 파라미터의 그래프이다.</p><h2>3. 제안된 패킷 폐기 정책</h2><p>스위치에 프레임의 첫 번째 셀이 도착 할 때, 먼저 셀 폐기 파라미터를 구하기 위한 입력 변수로 전체 큐 사용율( \( \left.Q_{o c c}\right) \)과 현재 프레임에 해당하는 \( V C_{o c c}[i] \)를 구한다. 이후 셀 폐기 파라미터를 구한 후, 파라미터 값이 최소 큐 한계값(Low threshold)보다 크면서 \( \mathrm{CLP}=1 \)인 경우, 셀을 폐기하고 \(PS[i]\)를 0으로 설정해 같은 프레임 내의 셀을 받지 않도록 한다. 또 파라미터 값이 최대 큐 한계값(High threshold)이면 셀을 폐기한다. 이외의 새로운 패킷은 큐로 수용된다.<그림 6>는 스위치에 셀이 들어왔을 때 처리 과정을 나타낸다. 여기에서 사용된 변수를 간단히 정리하면,</p><ul><li>\(Q\_occ\) : 전체 큐의 사용율</li><li>\( VC\_occ[i] \) : 각 \(i\) 번째 VC의 사용율</li><li>\(cdf\) : 셀 폐기 파라미터</li><li>\(QT\) : 전체 버퍼내의 셀 수</li><li>\(PS[i]\) : 프레임의 상태</li><li>\(VCQ[i]\): VC의 셀 수</li><li>\(MCR[i]\) : VC의 MCR</li><li>Low_threshold : 최소 큐 한계값</li><li>High_threshold : 최대 큐 한계값</li></ul>
|
[
"if \\( Q_{occ} \\)가 High이면서 값이 Medium or Low가 되도록 하는 열의 이름은 뭐야?",
"표 1에서 2번째 열의 항목은 무엇을 나타내나?",
"if \\( Q_{occ} \\) 가 High일 때 and \\( V C i_{o c c} \\)의 값은 뭐야?",
"표 1의 두번째 행에서 나타내는 값은 전부 무엇인가?",
"then \\( \\delta_{c d f} \\) is가 high 일 때 if \\( Q_{occ} \\)의 값은 뭐지?",
"표 1에서 if \\( Q_{occ} \\)의 첫번째 항목과 두번째 항목은 무엇을 나타내나?",
"표 1을 참고할 때 then \\( \\delta_{c d f} \\) is가 Moderate_High인 경우 값이 High가 되도록 하는 열의 이름은 뭐야?",
"표 1. 퍼지 제어 규칙에서 then \\( \\delta_{c d f} \\) is의 값이 Low일 때 똑같은 값을 가진 열의 이름은 뭐지?",
"표 1에서 첫번째 열의 항목은 무얼 나타내는가?",
"if \\( Q_{occ} \\)와 and \\( V C i_{o c c} \\)의 값이 모두 Medium일 때 then \\( \\delta_{c d f} \\) is의 값은 뭐야?",
"표 1에서 if \\( Q_{occ} \\)는 Low와 High 그리고 또 무엇으로 나뉘는가?"
] |
a960bc20-9c9e-4810-9da8-4e4c191564af
|
인공물ED
|
접는 디스플레이를 위한 플렉시블 커버윈도우 기술
|
<h2>3.6. RSR 복합 구조 커버 윈도우</h2><p>지금까지 플렉시블 커버 윈도우의 경우 동일 소재로 제조된 single cover window에 대해 살펴봤다. Single cover window 중 일부 소재는 매우 유망한 특성을 보여주고 있으나, 높은 bending stiffness로 인해 하부 LTPS 패널의 광특성 열화 및 다양한 모듈 패키징 디자인 적용 시 여러 가지 이슈가 보고되고 있다. 특히 dynamic folding 및 static folding 과정에서 발생하는 warpage 이슈에 대해 근본적으로 해결 가능한 방법이 요구되고 있다. 이를 해결하고자 경질, 연질의 이종 소재를 복합구조로 형성하는 cover window가 연구되고 있다. 예를 들어, 굴곡 영역에 연질 소재를, 평탄부 영역에 경질 소재를 배치하여 물리적으로 접하 하는 등의 복합구조 커버 원도우가 보고되었다. 이처럼 물리적 결합 방식의 경우 굴절율 차이로 인해 경계면이 시인되는 근본적인 문제가 있다. 또한 굴곡 시 응력이 경질/연질 구조의 경계면에 집중되어 반복 굴곡 시 신뢰성 확보가 어렵다.</p><p>이를 해결하고자, 그림 21과 같이 한국생산기술연구원 정용철 박사 그룹에서는 화학적으로 결합 가능한 경질/연질/경질 (Rigid/Soft/Rigid, RSR) 커버 윈도우를 보고하였다. 그림 22 와 같이 상기 RSR 코팅은 슬롯코터에서 용액 상태로 동시에 토출된 후, 도막을 형성하는 과정에서 점진적으로 inter-mixing 된다. 이후 경화 공정을 통해 single layer로 작동한다. 이렇게 제작된 RSR 커버원도우는 경질/연질 경계면의 단차 및 굴절율 차이가 시인되지 않으며, 경계면이 따로 존재하지 않기에 굴곡 시 응력이 집중되지 않는다. 이렇게 제작된 RSR 커버 윈도우는 single cover window 대비하여 낮은 bending stiffness를 보였으며, 이를 통해 개선된 warpage를 보고하였다. 특히 in-folding 시 필연적으로 발생하는 buckling을 효과적으로 제어 가능한 것으로 나타났다. 그림 23 과 같이 single cover window의 경우 folding axis의 x-axis에 따라 strain이 변화되는 buckling 현상이 발생하나, RSR cover window의 경우 strain의 변화가 선형적으로 나타나는 등 buckling 문제를 효과적으로 제어한 것으로 나타났다.</p><h1>5. 결론 및 전망</h1><p>본 기고에서는 foldable smartphone 등 유연 디스플레이 시대의 도래에 따라, 플렉시블 커버 윈도우의 기술적 이슈 및 연구개발 동향을 살펴보았다. 특히 후보 플렉시블 커버 원도우의 소재 및 구조적 측면에서 다양한 연구들을 심도 있게 다루었다. 본 기고가 "Carrying small, Seeing big"의 접는 디스플레이 연구개발에 작은 도움이 되길 바라며 글을 마무리하고자 한다.</p>
|
[
"warpage 이슈에 대해 해결 방안이 요구되고 있고 이를 해결하기 위해 연구되고 있는것은 무엇인가?",
"물리적 결합 방식의 경우 굴곡 시 응력이 경질/연질 구조의 경계면에 집중되어 반복 굴곡 시 신뢰성은 좋아진다고 할수 있는가?",
"물리적 결합 방식의 경우 경계면이 시인됨으로 인해 굴절율 차이가 일어나는가?",
"경계면이 시인됨으로 인해 물리적 결합 방법의 굴절율 차이가 일어나지?",
"RSR 커버원도우는 경질/연질 경계면의 단차 및 굴절율 차이가 시인된다고 할수 있는가?",
"RSR cover window의 경우 strain의 변화가 비선형적으로 나타나니?",
"RSR 코팅은 도막을 형성하는 과정에서 절차 inter-mixing 된다고 볼수 있는가?",
"RSR 커버 윈도우는 좋아진 warpage를 보고하였는가?",
"folding axis의 x-axis에 따라 strain이 변화되는 buckling 현상이 발생하는 윈도우는 뭐야?",
"어떤 윈도우가 sliding axis의 x-axis에 따라 strain이 변화되는 buckling 현상이 생겨나지?",
"foldable smartphone 등 유연 디스플레이 시대의 도래에 따라, 접는 커버 윈도우의 동향에 대해 살펴 보았는가?",
"dynamic folding 및 static folding 과정에서 발생하는 이슈는 무엇인가?",
"Single cover window 에서 낮은 bending stiffness로 인해 하부 LTPS 패널의 광특성 열화가 일어나는가?"
] |
67403041-2dda-4030-950a-ae6e6a4d2cca
|
인공물ED
|
접는 디스플레이를 위한 플렉시블 커버윈도우 기술
|
<h2>3.4. 고내구성 투명 플라스틱 필름</h2><p>그림 13 과 같이, engineering plastic film의 경우 우수한 내열 특성으로 인해 디스플레이 패널의 기판 소재로 주로 사용되었다. 최근에는 플렉시블 디스플레이용 커버 윈도우 소재로 적용하기 위한 연구들이 진행 중이다. 특히 polyimide (\(\mathrm{PI}\))의 경우 필름의 모듈러스 등 기계적 특성이 우수하여 대표적인 커버 윈도우 소재로 각광받고 있다.</p><p>그러나 일반 PI는 그림 14와 같이 높은 yellow index로 인해 LTPS 기판으로는 사용 가능한 반면,광학적 고투명성을 요구하는 커버 원도우 용도에는 부적합하다. 이러한 이유로 그림 14 (b-c)와 같이 국내의 Kolon 및 SKC에서는 투명 polyimide의 연구 개발을 진행 중이다.</p><p>그림 15 는 양사의 대표적 물성을 나타내었으며, 통상적으로 \( 6 \mathrm{GPa} \) 이상의 모듈러스를 갖고 2 수준의 yellow index를 갖는다.</p><p>Polyimide는 반복된 벤젠 고리를 갖는 imide ring 구조로 인해 높은 기계적 특성을 갖는다. Imide ring은 우수한 기계적 특성을 제공하는 반면, 그림 16 과 같이 imide ring의 풍부한 \( \pi \) 전자는 주위 의 polyimide 사슬 사이에 intermolecular bond 를 형성한다. 이로 인해 생성된 charge transfer complex (CT-complex) 는 \( 400 \sim 500 \mathrm{~nm} \) 대의 파 장을 흡수하여 PI film의 yellowing의 주된 원인으로 작용한다. 투명 PI는 이러한 CT-complex 형성을 억제하면서 기존의 기계적 특성을 동시에 구현하는 것이 필수적이다.</p><p>Ni. et, al 등은 다양한 구조를 갖는 단량체에 따른 CPI 합성에 대해서 정리하였으며, CPI합성 시 CT-complex 생성 요인과 합성 공정에 따른 차이에 대해 보고한바 있다. 일반적으로 CT-complex는 아래와 같이 제어가 가능하다. 첫째, fluoro계열의 말단기 (\( -\mathrm{CF}_{2}\right) \) 로 개질된 단량체를 사용하여 \( \pi \) 전자의 이동 제 한을 통해 CT-complex 형성을 억제한다.</p><p>또 다른 방법으로는 술폰계 (\( -\mathrm{SO}_{2}\)), 에테르계 (\( -\mathrm{O}- \)) 등의 전기 음성도가 강한 원소를 포함하는 단량체를 사용하여, 굽은 사슬 구조로 인한 비결정 성 증가를 유도하여 사슬 사이의 intermolecular bonding 저하를 유도하여 CT-complex를 제어 하는 방법이다. 마지막으로 올레핀 계열과 같은 알킬 그룹을 단량체 내부에 도입하여, imide ring과의 hyperconjugation에 의해서 \( \pi \) 전자 밀도를 저하시켜 CT-complex 형성을 감소시키는 방법이다. 또한 합성 과정에서 diamine을 사용한 one-step 합성 공정 이 기존의 ODA 와 PMDA를 활용한 two-step 합성 공정에 비해 더 균일한 구조의 CPI를 형성 할 수 있다고 알려져있다.</p><h2>3.5. 플렉시블 하드코팅 (POSS)</h2><p>지금까지 살펴본 플렉시블 커버 윈도우 관련한 여러 후보 소재의 경우, UTG는 깨짐 방지를 위해, 그리고 GFRP 및 CPI의 경우 광산란 억제와 표면 스크래치 문제 해결을 위해 플렉시블 코팅이 매우 중요하다. Silicone alkoxide를 기반으로 한 sol-gel 합성법은 저온 저압의 조건에서 다양한 크기 및 구조를 갖는 무기 나노 입자의 형성이 가능하다. Siloxane 소재는 \( \mathrm{Si}-\mathrm{O}-\mathrm{Si} \) 의 강한 결합 에너지로 인해 매우 우수한 열적, 화학적, 기계적 특성을 갖는다. 또한 합성 시 사용된 단량체의 종류에 따라 \( \mathrm{SiO}_{1} \sim \mathrm{SiO}_{2} \) 의 다양한 구조체의 형성이 가능하다.</p><p>이중 그림 17 과 같이, \( \mathrm{SiO}_{1,5} \) 의 경우 polyhedral 구조를 갖는 oligomeric silsesquioxane의 수득이 가능하며, 구조체의 특성에 따라 \( \mathrm{SiO}_{2} \) 의 silicate 특성과 \( \mathrm{SiO}_{1} \) 의 rubbery 특성의 구현 및 제어가 가능하다. 구체적으로는 random-network, ladder-like, cage-like 등의 다양한 나노 구조체를 형성 할 수 있으며, 하나의 구조에 유기 및 무기의 network구조를 동시에 형성하여 ceramic의 경질 특성과 plastic의 유연 특성을 동시에 수득하기에 유리하다.</p><p>그림 18과 같이 KAIST의 배병수 교수 연구실에서는 상기 언급된 silsesquioxane을 합성하여 플렉시블 하드코팅 소재로 적용하여 다수 보고한 바 있다. Inorganic \( \mathrm{Si}-\mathrm{O}-\mathrm{Si} \) core 구조의 말단기에 화학 가교 반응이 가능한 organic 그룹이 있는 hybrimer 신규 소재를 합성하였다.</p><p>상기 hybrimer 소재는 코팅 후 광경화를 통해 플렉시블 하드코팅 도막을 형성한다. 매우 흥미로운 사실은 hybrimer의 합성 방법에 따라 기계적 물성 제어가 가능한 점이다. 강화 유리는 우수한 압축 모듈러스 특성을 지녀, 압입 테스트 시 매우 높은 표면 경도를 갖는 반면 복원되지 않는 파괴 거동을 보인다. 이와 달리 ESMH로 명명된 hybrimer의 경우 강화유리에 대비 표면경도 특성은 낮은 반면, 9H의 우수한 연필경도 뿐만 아니라 압입 테스트 시 파괴되지 않고 복원되는 독특한 특성을 갖는다.</p><p>또한, 광경화 이후 \( 85 \mathrm{RH} \%\), \(85^{\circ} \mathrm{C} \) 조건에서 moisture curing이라는 후처리 공정을 통해서 하드코팅의 가교 중합도를 크게 개선 가능한 메카니즘에 관해 추가적으로 보고한바 있다. 그 결과, 표면 경도 \( 0.78 \mathrm{GPa} \), effective modulus \( 5.31 \mathrm{GPa} \) 의 고경도 하드코팅층 도막을 수득하였다.</p><p>상기 과정을 통해 수득한 하드코팅 도막의 경우, 그림 20 과 같이 곡률반경 \( 1 \mathrm{~mm} \) 에서 1 만회 이상 반복굴곡 시에도 변형이나 깨짐이 없었으며, 표면 스크래치 저항 또한 매우 우수한 것으로 나타났다.</p>
|
[
"engineering plastic film이 디스플레이 패널의 기판으로 주로 사용되는 이유는 어떤 특성 때문인가요?",
"Siloxane 소재가 열적, 기계적, 화학적으로 우수한 이유는 무엇인가요?",
"PI를 커버 원도우 용도로 사용하기에는 부적합한 이유는 PI의 어떤 특성 때문인가요?",
"UTG는 왜 플렉시블 코팅을 해야 해?",
"Polyimide가 기계적 특성을 우수하게 하는 원인으로 반복된 벤젠 고리를 갖는 구조의 이름은 무엇인가요?",
"CT-complex의 형성을 억제하는데 도움을 주는 것이 아닌 것은 무엇인가요?",
"일반 PI는 매우 투명하지?",
"투명한 PI를 만드려면 CT-complex를 최대한 많이 생성하도록 해야 하지?",
"moisture curing은 어느 온도에서 진행되나요?",
"Polyimide의 CT-complex는 어느 파장을 흡수하나요?",
"imide ring의 풍부한 \\( \\pi \\) 전자는 어떤 결합을 형성하나요?",
"ESMH은 강화유리보다 표면경도가 높지?",
"polyimide는 기계적 특성이 좋지?",
"\\( \\mathrm{SiO}_{1,5} \\) 는 \\( \\mathrm{SiO}_{2} \\)의 silicate 특성을 가질 수 있나요?"
] |
05dbe657-971a-41b2-abf0-613dd71df9b9
|
인공물ED
|
접는 디스플레이를 위한 플렉시블 커버윈도우 기술
|
<h2>3.2. Glass fiber reinforced plastic film</h2><p>Glass fiber reinforced plastic (GFRP) 소재는 고분자 matrix 내에 유리섬유를 충전시킨 복합 소재를 뜻한다. 일반적으로 polyester, vinylester,epoxy resin 등의 플라스틱 소재 내부에 glass fiber를 적용하여 mechanical strength 및 modulus를 획기적으로 개선한 소재이다. 때문에 GFRP는 기존의 plastic film 대비하여 내충격성, 강도 및 굽힘 강성이 개선되어 유연성이 보장되면서도 동시에 내구성을 개선시킨 소재이다.</p><p>그림 9와 같이, Olson 그륩에서는 poly (methyl methacrylate) (PMMA) matrix에 BK−10 glass fiber를 함량별로 함입하여 GFRP의 특성을 평가하였다. 그 결과, glass fiber가 함입된 GFRP에서 기존</p><p>PMMA 필름 대비하여 굴절률 변화는 0.002 이내로 거의 없었다. 또한 glass fiber 함입 함량이 증가함에 따라서 GFRP의 인장력 및 flexural strength 와 flexural modulus가 선형적으로 증가하는 것을 확인하였다. 그러나 GRFP 소재의 근본적인 문제인 glass fiber와 resin 사이에서 굴절율 차이로 인한 광산란으로 인해 glass fiber 함량이 증가할수록 광투과도가 급격히 저하되며 투명성을 잃게 되는 문제점이 보고되었다.</p><p>상기 GFRP의 광산란 문제 개선을 위해서 matrix와 glass fiber의 정밀한 굴절율 매칭을 통해 광특성을 개선하는 연구가 보고된 바 있다. 그림 10 과 같이 KAIST의 배병수 교수 연구실에서는 Methacryl-oligosiloxane 기반의 resin을 matrix로 하여 GFRP film을 제작 하였다. 이때 두 개의 phenyl 말단기를 가지는 DPDMS monomer와 MPTMS silicone alcoxide 간의 sol-gel 반응을 통해서 낮은 refractive index를 가지는 silsesquioxanesol을 합성하였다. 또한 DPDMS 함량을 조절하여 hybrimer resin의 굴절률을 제어함과 동시에 광 투과도를 개선하였으며, 특히 \( \mathrm{Si} \) : phenyl 의 비율이 1.01 일 때 \( 88 \% \) 의 광 투과도를 보이며 가장 큰 광학적 개선 효과를 보였다. 이는 phenyl 말단기가 가지는 높은 전기적 편광 특성으로 인해서 유리섬유와의 굴절률 차이를 최소화 하여 광특성이 개선된 결과로 해석된다.</p><p>다만, 전반적인 GFRP 연구의 경우 정면에서의 광산란 문제 및 시인성을 해결하더라도, 시야각에 따른 굴절율 차이에 따른 광경로 차이로 인한 glass fiber의 시인성 문제는 해결이 쉽지 않아 보인다. 또한 GFRP 필름의 두께를 감소함에 따라 glass fiber로 인한 표면의 roughness는 상기 소재의 다양한 응용을 위해 많은 연구가 필요할 것으로 보인다.</p><h2>3.3. Cellulose/Chitosan 기반의 nanofiber 필름</h2><p>Cellulose 나 Chitin 등의 천연 고분자 재료는 fiber 형태를 이루고 있어 기계적 강성이 매우 우수한 편이다. 하지만 수 마이크로미터 크기의 fiber 형태에서 발생하는 광산란으로 인해 haze 등의 광특성 저하 이슈가 있다. 최근에는 이러한 단점을 보완하면서 동시에 필름의 강도를 개선 할 수 있는 chitin, cellulose 등의 천연고분자 소재에서 추출한 nano fiber 기반의 투명 필름에 대한 연구가 진행되고 있다.</p><p>그림 11 과 같이, 울산대학교의 진종오 교수 그룹은 오징어 뼈에서 추출한 chitin을 기반으로 하는 나노 페이퍼에 대해 보고하였다. Chitin nanofiber를 기반으로 만든 chitin 필름의 경우, 일반 종이에 비해 높은 elastic modulus 와 toughness 등의 기계적 물성을 나타내었다. 동시에 PET 등의 플라스틱 필름과 유사한 수준의 광투과도 (\( \sim 92 \% \)) 를 보였으며, 엔 지니어링 플라스틱인 PI 필름 (\( 3.9 \mathrm{GPa} \)) 보다 우수한 elastic modulus (4.3 GPa)를 보고하였다.</p><p>그림 12와 같이, Masaya Nogi 그룹에서는 나무에서 추출한 cellulose nanofiber를 사용하여 투명종이를 개발하였다. 천연 고분자 중 하나인 cellulose paper는 유리와 비슷한 CTE (\( 0.1 \mathrm{ppm} \mathrm{K}^{-1} \)) 및 기계적 강도 (\( 2 \sim 3 \mathrm{GPa} \)) 를 가진다고 알려져 있다. 그러나 일반 종이의 경우 기계적 강성이 떨어질 뿐만 아니라 광학적 투명성이 매우 낮다. Masaya nogi 등은 나노 크기 수준의 cellulose nano fiber를 사용하여 필름을 제조할 경우, 일반 종이와 달리 고투명성을 가지면서 동시에 높은 기계적 강성을 갖는 투명 종이에 대해 보고하였다. 연구 결과에 따르면 \( 13 \mathrm{GPa} \) 의 높은 모듈러스와 \( 223 \mathrm{MPa} \) 의 강성 및 \( 8.5 \mathrm{ppm} \mathrm{K}^{-1} \) 의 낮은 열팽창 계수의 나노 종이의 제작에 관해 보고하였다. 그러나 나노 크기 수준의 cellulose nanofiber 섬유 조직을 사용하더라도, 여전히 섬유 조직에 의한 광산란으로 인해 유리와 비교하여 매우 낮은 투명도를 보였다 (\(71.6\%\) @ wavelength of \( 600 \mathrm{~nm} \) ). 특히 외부 습기에 대한 젖음성 및 이로 인한 치수 변형 특성은 극복해야할 근본적인 한계로 보인다. 다만 프린팅이 용이한 측면이 있어 다양한 방면으로의 활용 가능성이 높아 보인다.</p>
|
[
"고분자 matrix 안에 glass fiber를 충전한 복합 소재는 무엇인가요?",
"고분자 matrix 안에 glass fiber를 충전시킴으로써 mechanical strength를 개선할 수 있나요?",
"기존 plastic film보다 GFRP가 내구성이 약하지?",
"\\( \\mathrm{Si} \\) : phenyl 의 비율이 1.01일 때 광 투과도가 얼마였나요?",
"Cellulose paper의 기계적 강도는 얼마인가요?",
"오징어 뼈에 있는 것으로, 진종오 교수가 이용하여 나노 페이퍼를 만든 물질은 무엇인가요?",
"Chitin 필름의 elastic modulus는 얼마였나요?",
"Cellulose를 포함하는 천연 고분자 재료의 기계적 강성이 우수한 이유는 무엇인가요?",
"진종오 교수 그룹이 만든 chitin 필름은 종이보다 toughness가 낮았지?",
"나노 크기의 cellulose nanofiber 섬유 조직을 사용하면 유리보다 투명도를 높일 수 있었지?",
"Masaya Nogi 그룹은 투명종이를 무엇을 이용해 만들었나요?",
"vinylester는 고분자 matrix 인가요?"
] |
33df55cc-0cbc-4446-8bf3-41c6afe4c834
|
인공물ED
|
공압 고무 인공근육을 장착한 주관절 보조기 피드백 제어 시 근력 특성
|
<h1>3. 실험 방법</h1> <h2>3.1 근력 특성 측정 방법</h2> <p>본 연구에서는 제작된 주관절 보조기의 상지 근력 보조정도를 알아보기 위하여 주로 상지 운동에 관여하는 ADC 운동을 시행하였다. 피험자는 5명의 젊은 성인을 대상으로 하였다. 피험자는 주관절 보조기 착용 유무에 따라 ADC 운동을 실시하였다. 이 때, 하중을 \( 0 \mathrm{~kg}, 1 \mathrm{~kg}, 3 \mathrm{~kg}, 5 \mathrm{~kg} \) 의 순서로 변화시켜 총 40초의 실험 시간동안 10회 시행하였다.</p> <p>ADC 운동을 할 때, 피험자의 상지 근력을 알아보기 위하여 근전도를 측정하였다. 각각의 상시 근력을 측정하여 하중의 변화에 따른 근력의 특성과 주관절 보조기를 착용하지 않았을 때와 착용했을 때의 상지 근력 특성을 비교하였다. 측정한 근육은 ADC 운동 시 관여하는 근육 중 상완이두근 (biceps brachii, BB), 상완삼두근(triceps brachii, TB), 완요골근 (brachioradialis, Bo), 척측수근굴근(flexor carpi ulnaris, FCU) 은 선정하여 근전도를 측정하였다. 측정된 근전도 신호는 각종 신호처리 방법 중, 주파수 스펙트럼 분석을 이용하였다. 근력의 크기는 FFT(fast fourier transform) 방법을 통하여 얻어지는 파워 스펙트럼의 면적으로 분석하였다. 근육의 수축 힘을 이용한 피드백 제어 방법은 그림 2의 능동 제어 블록도와 같다. 이를 보면, 주관절 보조기에 장착된 2개의 공기압 고무 액추에이터 솔레노이드 밸브를 통하여 조절하였다.</p> <h2>3.2 등속 운동 측정 방법</h2> <p>개발한 시스템의 유효성을 고찰하기 위하여 근력측정시스템인 Biodex medical Inc. 가 개발한 다용도 근기능 평가 훈련 장치(이하 BIODEX 약어 사용)를 이용해 일정 부하에서의 운동 능력의 향상이 가능하다는 것을 고찰하였다. 그림 3은 등속 운동 시 최대 토크 측정을 위한 다용도 근기능 평가 훈련 시스템의 모습이다. 등속성 주관절 굴곡 운동 시 최대토크 측정을 위한 기본적인 실험 조건은 표 1에서 나타내었다. Dynamometer의 본체의 회전 각도를 \( 30^{\circ} \) 로 고정하였고, 초기 경사각도는 \( 0^{\circ} \) 로 초기화 하였다. 피험자는 젊은 남성 10 명으로 실시하였다. 이들 평균몸무게는 \( 72.2 \mathrm{~kg} \) ( \(63 \sim 80 \mathrm{~kg} \))이다. 실험은 피험자 1 인당 총 3회 실험을 실시하였으며, 1 회 운동 당 등속성 주관절 굴곡운동을 총 5회 반복할 때의 주관절 최대 근력을 측정하였다. 총 5 번 반복 운동할 때의 최대 근력값과 체중당 최대근력값을 계측하여 주관절 보조기를 착용하여 능동 제어를 받았을 때와 받지 않았을 때를 비교 분석하였다.</p> <p>압축기에서 생성되는 공기압은 조절기(regulator)롤 통해서 조절되고 이 공기압은 솔레노이드 밸브를 통해서 공기압고무 액츄에이터에 인가된다. 주관절 보조기의 운동 보조방법은 등속성 주관절 굴곡 운동을 할 때, 상지에서 가장먼저 발생되는 상완이두근의 수축근 힘 신호를 계측하여 이를 솔레노이드 밸브의 전압 인가 신호로 보낸다. 상용프로그램인 LabVIEW 프로그램을 이용하여 수축근 힘 측정 센서로부터 얻어진 전압 신호를 받아서 이를 솔레노이드 밸브로 보내지는 프로그램을 구현하였다.</p> <table border><caption>표 1 ADC운동 시 최대토크 측정조건</caption> <tbody><tr><td>Away</td><td>Extension</td></tr><tr><td>Toward</td><td>Flexion</td></tr><tr><td>Ready position</td><td>Ful flexion</td></tr><tr><td>Dynamometer orientation</td><td>\( 30^{\circ} \)</td></tr><tr><td>Dynamomener tilt</td><td>\( 0^{\circ} \)</td></tr><tr><td>Seat orientation</td><td>\( 0^{\circ} \)</td></tr></tbody></table>
|
[
"Ready position의 측정조건은 어떤거야?",
"측정시 Dynamometer의 본체의 회전 각도는 얼마니?",
"측정시 얼마의 경사각도을 가지고 있어?",
"Flexion의 측정조건을 가지는 항목은 무엇이야?",
"Away는 어떤 측정조건을 가지나?",
"Dynamomener tilt와 같은 값을 가진 항목은 어떤거니?"
] |
b2e39200-b36b-4121-a72d-3c03afd1a6b0
|
인공물ED
|
In-situ 진공게이지 교정장치 개발
|
<h1>Ⅲ. 실험결과 및 토의</h1> <h2>3.1 부피율 측정</h2> <p>그림 1과 같이 구성된 정적법표준기에서 피교정 게이지를 용기 (C)에 부착하고 교정하기 위해서는 용기 (A)의 초기압력과 각 용기들 사이의 부피율을 알아야 기준 압력을 계산할 수 있으므로 용기 (A)와 용기 (A+B+C)의 부피율 \(X_{1}\)과 용기 (A)와 용기 (A+B)의 부피율 \(X_2\)를 각각 다른 방법으로 실험하여 아래 식 (2)와 식 (3)을 이용해서 계산 할 수 있다 [7,8].</p> <p>\(\begin{aligned} X_1=& A/(A+B+C)=[1-(PY_{12}/PY_{11})^{1/n}] \\ & \times(PY_{21} / PY_{22})\end{aligned}\)<caption>(2)</caption></p> <p>\(X_{2}=A/(A+B)=P_{X22}/P_{X21}\)<caption>(3)</caption></p> <p>여기에서 식 (2)의 \(n\)은 반복 측정수이고 식 (3)의 \(P_{X21}\)은 용기 (A)에 채워진 기체의 초기압력을 DPI 515 압력계로 읽은 값이고 \( P_{X22}\)는 용기 (A)의 기체를 용기 (B)에 팽창시켜 압력이 안정화 되었을 때 용기 (B)에 부착된 CDG로 읽은 압력이다. \( P_{Y11}\) 은 기체저장고에 채워진 용기 (A)에 채운 용기 (B)와 (C)에 팽창시킨 뒤 읽은 용기 (B+C)의 최초 압력이다. 압력 \(P_{Y11}\) 측정이 끝난 뒤 용기 (A)의 기체만 기체저장고를 통해서 뽑아낸다.</p> <p>용기 (A)의 기체가 충분하게 배기되어 압력이 \(10^{-3}\mathrm{Pa}\) 이하가 된 것을 확인하고 기체저장고와 분리한 뒤 용기 (B+C) 기체를 (A)에 팽창시킨다. 일정 시간이 지나서 기체압력이 안정되었다고 판단되면 용기 (A)의 기체를 기체저장고를 통해서 뽑아낸다. 이렇게 (A)의 기체를 뽑아낸 수가 식 (3)의 측정 수 \(n\)이 되며 \( P_{Y12}\)는 이런 반복 과정을 거쳐서 읽은 용기(B+C)의 마지막 압력이다. 실제 실험에서는 용기 (A)에 기체를 채우기 전에 용기 (D)에 기체를 미리 채워 온도평형을 위해 적어도 10분 이상 기다려야 한다. 이에 대한 측정방법은 참고문헌 [9, 10]에 자세하게 설명되어 있다. 표 1은 위와 같은 방법 으로 측정하여 계산한 용기의 부피율 \(X_{1}\)과 \(X_{2}\)를 정리한 것으로 이 부피율의 평균값은 각각 \(7.607\times 10^{-3}\)과 \(5.1824\times 10^{-2}\)이었으며 3회와 6회 반복측정 값의 표준편차는 \(3.450 \times 10^{-6}\) 과 \(4.250 \times 10^{-6}\)이었다. 그림 3은 부피율 \(X_{2}\)의 반복 측정결과에 대한 그래프로 수평축은 측정수이고 수직축은 부피율 값이다.</p> <caption>표 1. 용기의 부피율 (A)/(A+B+C) 즉 \(X_1\)과 (A)/(A+B) 즉 \(X_2\)를 반복 측정하여 정리한 결과.</caption> <table border><tbody><tr><td>측정 수</td><td>\(X_1\)</td><td>\(X_2\)</td></tr><tr><td>1</td><td>\(7.6034\times 10^{-3}\)</td><td>\(5.1827\times 10^{-2}\)</td></tr><tr><td>2</td><td>\(7.6073\times 10^{-3}\)</td><td>\(5.1821\times 10^{-2}\)</td></tr><tr><td>3</td><td>\(7.6102\times 10^{-3}\)</td><td>\(5.1821\times 10^{-2}\)</td></tr><tr><td>4</td><td></td><td>\(5.1831\times 10^{-2}\)</td></tr><tr><td>5</td><td></td><td>\(5.1829\times 10^{-2}\)</td></tr><tr><td>6</td><td></td><td>\(5.1828\times 10^{-2}\)</td></tr><tr><td>평균</td><td>\(7.6070\times 10^{-3}\)</td><td>\(5.1824\times 10^{-2}\)</td></tr><tr><td>표준편차</td><td>\(3.450\times 10^{-6}\)</td><td>\(4.250\times 10^{-6}\)</td></tr></tbody></table> <h2>3.2 CDG 예비 교정</h2> <p>그림 1의 장치에서 교정용기 (C)에 발생되는 기체압력을 계산하기 위해서는 식 (5)와 같이 용기 (A)에 가해진 초기압력과 식 (4)에 설명된 기체의 팽창방법(expansion mode, EM) 을 알아야 한다. EM은 교정할 때 용기 (A)에 채운 기체를 (B)에 팽창시킨 뒤 용기 (B)의 기체를 몇 번 반복해서 배기 했느냐에 따라 결정된다. 본 실험에서는 표 2 에 보인 EM값처럼 기준압력 \(26.7\mathrm{Pa}\)를 기준으로 용기 (B)의 배기수를 다르게 적용하였다. 용기 (B)의 배기 횟수에 따른 EM값은 아래 식 (4)와 같이 결정할 수 있으며 \(N\)은 교정압력을 만들 때 용기 (B)의 기체를 펌프를 통해 배출시킨 횟수가 된다 [8-10].</p> <p>\(\begin{aligned} EM_{1}=& X_1,EM_2=[X_2\times X_1],EM_3=X_{22}\times X_1, \\ & EM_4=X_{23} \times X_1 \dots EM_N=X_{2}^{N-1} \times X_1\end{aligned}\)<caption>(4)</caption></p> <p>위와 같은 절차와 방법에 따라 용기 (C)에 발생된 기준압력 \(P_{s}\)는 아래 식(5)에 의해 계산된다.</p> <p>\(P_s=P_i\times EM_N\times(T_a/T_c)\)</p> <p>여기에서 \(P_i\)는 DPI 515 압력계로 측정한 용기 (A)의 초기압력이고 \(T_a\) 와 \(T_c\) 는 각각 용기 (A)와 (B)의 절대온도이다.</p> <p>그림 1 의 장치에서 실제로 CDG를 교정하는 방법을 요약해서 설명하면 아래와 같으며, 그림 4는 사용자의 이해를 돕기 위해서 교정방법을 자세하게 설명하기 위해서 그린 개략도이다.</p> <ol type=1 start=1><li>용기 (A)에 원하는 질소 가스를 주입한다. 그림 4 (a).</li> <li>밸브 PV7번을 열어 용기 (A)에서 용기 (B)로 가스를 확장 시킨다. 이때 (B)에 부착된 CDG의 압력이 안정화 될 때까지 약 2분 정도 기다린다, 그림 4(b).</li> <li>밸브 PV7번을 닫고 용기 (B)의 가스를 배기 한다. 이때 CDG가 초기압력 즉 영점에 도달 할 때까지 약 10분 동안 배기 한다, 그림 4 (c).</li> <li>밸브 PV7, PV9, PV11을 차레로 열어서 용기 (A)에서 (B+C)로 가스가 확장되도록 한다. 이 때에도 용기 (B)와 (C)에 부착된 CDG를 이용하여 안정화를 확인한다. 이 경우 보통 압력이 안정화 될 때까지는 약 5분 정도 기다려야 한다, 그림 4 (d).</li> <li>용기 (C)에 부착된 피교정용 CDG의 압력을 읽어 기록한다.</p></li> <li>용기 (A), (B), (C) 사이에 있는 밸브를 모두 열고 용기내의 잔류 가스를 배기한다.</li> <li>1회 측정이 끝나면 원하는 다른 기준압력을 만들기 위해 용기 (A)에 가스를 채우고 측정을 2)부터 반복한다.</li></ol> <p>표 2 는 위와 같은 방법으로 \(133 \mathrm{Pa}\)용량의 CDG를 교정한 결과로서 여기에서 압력비는(CDG 지시압력)/(기준압력), 즉 \( Pr/Ps\)이다. 실제로 교정은 3회 반복하였으나 여기에서는 1회 교정결과만을 표로 제시하였다. 그림 5는 표 2의 교정결과를 수평축을 기준압력(reference pressure)으로 수직축을 압력비(pressure ratio)로 놓고 그린 것이다. 그 결과 \(1.3\mathrm{Pa}\) 이하의 낮은 압력에서는 반복측정의 분산이 크고 압력비도 낮게 나타났는데 이 주요한 이유는 낮은 초기압력에서 DPI 515 압력계의 분해능과 정확도가 충분하게 좋지 않기 때문인 것으로 추측된다. 이와 반대로 기준압력 \( 55\mathrm{Pa}\)이상에서는 압력비가 상대적으로 높게 나타났는데 이 이유는 표 2에 보인 것처럼 expansion mode(EM)가 다른 압력에서와 다르기 때문일 것으로 추측된다.</p> <caption>표 2. \(133\mathrm{Pa}\) 용량의 CDG교정 결과. 용기 (C)의 기준압력은 용기 (A)의 초기압릭과 부피율 \(X_1\)과 \(X_2\) 및 expansion mode (EM) 값에 의해 결정된다.</caption> <table border><caption>Title</caption> <tbody><tr><td>초기압력 Pi\((\mathrm{kPa})\)</td><td>기준압력 Ps\((\mathrm{Pa}\))</td><td>지시압력 Pr\((\mathrm{Pa})\)</td><td>압력비 \((Pr / Ps)\)</td><td>EM값</td><td>용기 A 온도\((\mathrm{K})\)</td><td>용기 C 온도\((\mathrm{K})\)</td></tr><tr><td>0.6053</td><td>0.2388</td><td>0.2354</td><td>0.9859</td><td>\(EM_2\)</td><td>294.64</td><td>294.41</td></tr><tr><td>0.6719</td><td>0.2651</td><td>0.2587</td><td>0.9756</td><td>\(EM_2\)</td><td>294.70</td><td>294.44</td></tr><tr><td>1.5385</td><td>0.6071</td><td>0.6051</td><td>0.9968</td><td>\(EM_2\)</td><td>294.73</td><td>294.48</td></tr><tr><td>2.6064</td><td>1.0285</td><td>1.0308</td><td>1.0022</td><td>\(EM_2\)</td><td>294.83</td><td>294.55</td></tr><tr><td>3.2730</td><td>1.2914</td><td>1.2886</td><td>0.9979</td><td>\(EM_2\)</td><td>294.85</td><td>294.62</td></tr><tr><td>3.5530</td><td>1.4020</td><td>1.4057</td><td>1.0027</td><td>\(EM_2\)</td><td>294.99</td><td>294.73</td></tr><tr><td>7.0100</td><td>2.7660</td><td>2.7835</td><td>1.0063</td><td>\(EM_2\)</td><td>295.01</td><td>294.76</td></tr><tr><td>13.7253</td><td>5.4164</td><td>5.4496</td><td>1.0062</td><td>\(EM_2\)</td><td>295.06</td><td>294.79</td></tr><tr><td>23.7270</td><td>9.3638</td><td>9.4228</td><td>1.0063</td><td>\(EM_2\)</td><td>295.10</td><td>294.80</td></tr><tr><td>30.6236</td><td>12.0851</td><td>12.1612</td><td>1.0063</td><td>\(EM_2\)</td><td>295.10</td><td>294.81</td></tr><tr><td>33.9553</td><td>13.3999</td><td>13.4851</td><td>1.0064</td><td>\(EM_2\)</td><td>295.10</td><td>294.81</td></tr><tr><td>67.6746</td><td>26.7067</td><td>26.8600</td><td>1.0057</td><td>\(EM_2\)</td><td>295.10</td><td>294.81</td></tr><tr><td>7.2326</td><td>55.0708</td><td>55.5878</td><td>1.0094</td><td>\(EM_1\)</td><td>295.10</td><td>294.82</td></tr><tr><td>12.3828</td><td>94.2788</td><td>95.2371</td><td>1.0102</td><td>\(EM_1\)</td><td>295.08</td><td>294.82</td></tr><tr><td>15.9984</td><td>121.8073</td><td>123.0837</td><td>1.0105</td><td>\(EM_1\)</td><td>295.08</td><td>294.82</td></tr><tr><td>17.5836</td><td>133.8763</td><td>135.3091</td><td>1.0107</td><td>\(EM_1\)</td><td>295.06</td><td>294.80</td></tr></tbody></table>
|
[
"EM은 어떻게 결정 되는가?",
"\\(X_2\\)의 값이 \\(5.1831\\times 10^{-2}\\)이 되려면 측정을 몇 번 해야하는가?",
"용기 (A)의 초기압력과 각 용기들 사이의 부피율은 어떻게 계산하는가?",
"측정 수가 1일 때 \\(X_1\\)의 값은 얼마인가?",
"\\(X_2\\)의 값이 \\(5.1827\\times 10^{-2}\\)라면 측정 수는 몇이야?",
"측정 횟수가 2회이면 \\(X_2\\)의 값은 얼마인가?",
"더 작은 표준편차값을 갖는 열의 이름은 무엇인가?",
"무엇이 더 작은 표준편차값을 갖는 열의 이름일까?",
"측정 수가 4이상일 때 값에 공백이 있는 열의 이름을 알려줄래?",
"평균값중에 더 작은 평균값은 얼마야?",
"지시압력 Pr\\((\\mathrm{Pa})\\) 0.2354에 해당하는 압력비 \\((Pr / Ps)\\)의 값은 몇인가?",
"측정을 5회 하였을 때 얻을 수 있는 \\(X_2\\)의 값은 얼마인가?",
"용기 A 온도\\((\\mathrm{K})\\)가 가장 낮을 때 용기 C 온도\\((\\mathrm{K})\\)의 값은 얼마야?",
"EM값이 \\(EM_1\\)이 되도록 하려면 압력비 \\((Pr / Ps)\\)의 값은 얼마 이상이 되어야 하는가?",
"초기압력 Pi\\((\\mathrm{kPa})\\)의 값이 0.6053이면 기준압력 Ps\\((\\mathrm{Pa}\\))의 값은 얼마야?",
"초기압력 Pi\\((\\mathrm{kPa})\\)이 60이상일 때 EM값은 무엇인가?",
"기준압력이 0.2651 \\(\\mathrm{Pa}\\)에 해당하는 지시압력은 몇 \\(\\mathrm{Pa}\\) 이야?",
"용기 C 온도\\((\\mathrm{K})\\)의 온도가 가장 높을 때의 EM값은 무엇이야?",
"값으로 1.0063을 갖는 열의 이름은 뭐야?",
"기준압력이 130이상일 때 지시압력은 얼마야?"
] |
f3cc76f5-9961-46cd-9d17-c8978cbf0713
|
인공물ED
|
SIMT구조 GP-GPU의 명령어 처리 성능 향상을 위한 Dispatch Unit과 Operand Selection Unit 설계
|
<h1>Ⅰ. 서론</h1><p>최근 GPU(Graphics Processing Unit)는 사용자가 원하는 어플리케이션에서 현실감 있는 3차원 그래픽 처리와 고사양의 기능을 제공하고 있다. 그러나 많은 연산량을 요구하는 어플리케이션들이 등장하게 되면서 CPU 단독으로 실행할 때 처리 속도가 늦어지는문제가 발생하게 되었다. 이를 해결하기 위해 단순히 그래픽 처리 역할만 하였던 GPU를 많은 양의 범용연산을 병렬로 처리하기 위해 GP-GPU(GeneralPurpose computing on GPU)의 형태로 발전되었다.SIMT(Single Instruction Multiple Thread)구조의GP-GPU는 하나의 명령어로 여러 Thread를 동작하여 많은 양의 범용 연산을 병렬로 처리해 처리 속도를 높였다. 이러한 구조의 GP-GPU가 등장하면서 명령어 처리에 관련하여 다양한 연구 및 개발이 되어왔다. 본 논문은 SIMT구조의 GP-GPU에서 WarpScheduler로부터 발행된 명령어를 Decoding 할 때 해당 명령어의 정보를 모두 Decoding 하는 기존의 방법과 다르게 Operand의 정보만 Decoding 하는Pre-Decoding 방법을 적용한 Dispatch Unit을 제안한다. 제안하는 Dispatch Unit은 명령어를 처리할 때 불필요한 Operand의 Load를 방지하고 레지스터의 부하를 줄일 수 있다. 이 후 레지스터 뱅크 충돌을 방지하는 방법을 적용한 Operand Selection Unit을 설계하여 Dispatch Unit에서 전달 받은 Operand의 정보들을 이용해 레지스터 뱅크 충돌을 방지하여 명령어 처리 성능을 향상시켰다.</p>
|
[
"PU(Graphics Processing Unit)는 사용자가 원하는 어플리케이션에서 현실감 있는 2차원 그래픽 처리와 저사양의 기능을 제공하는가?",
"많은 연산량을 요구하는 어플리케이션을 실행 시, CPU 단독으로 실행할 때의 문제점은 무엇인가?",
"GPU의 기능은 무엇인가?",
"많은 연산량을 요구하는 어플리케이션들이 등장하게 되면서 GP-CPU 단독으로 실행할 때 처리 속도가 늦어지는문제가 발생하는가?",
"많은 양의 범용연산을 병렬로 처리하기 위헤 GPU의 형태로 발전된 GP-GPU는 단순히 그래픽 처리 역할만 하였던 GPU였는가?",
"GP-GPU(GeneralPurpose computing on GPU)의 형태로 발전된 GPU를 적은 양의 범용연산을 병렬로 처리하기 위한 것인가?",
"CPU의 처리속도가 늦어지는 것 때문에 이를 위해 발전된 것은 무엇인가?",
"GP-GPU는 어떤 구조를 가졌는가?",
"GP-GPU(GeneralPurpose computing on GPU)의 형태로 발전된 GPU는 많은 양의 범용연산을 직렬로 처리하기 위한 것인가?"
] |
c5a4febd-0f4b-444b-a1d2-ebff84539478
|
인공물ED
|
SIMT구조 GP-GPU의 명령어 처리 성능 향상을 위한 Dispatch Unit과 Operand Selection Unit 설계
|
<h1>III. 실험 결과</h1><h3>가. 실험 환경</h3><p>본 논문에서는 기존의 명령어 Decoding방법을 이용하지 않고 Pre-Decoding 방법을 적용한 DispatchUnit과 이 후 처리되는 Operand Selection Unit을 설계하여 SIMT 구조 GP-GPU를 구현하였다. 구현을 위해 VerilogHDL를 이용하여 RTL 회로를 설계 하였으며, 시뮬레이션 결과는Modelsim SE 10.0b 시뮬레이터를 이용하여 10000개의 임의의 명령어를 발행하는 테스트벤치를 이용하여 시뮬레이션 결과를 얻었다. 합성결과는 Xilinx ISE 14.4 를 이용하였다</p><h3>나. 실험 결과</h3><p>표 1 은 10000개의 임의의 명령어를 발행하는 테스트벤치를 작성하여 기존의 방법과 본 논문에서 제안한 방법의 총 수행 Clock Cycle를 비교한 결과이다. 기존의 방법 중 (A) 결과는 10000개의 임의의 명령어를 처리할 때 총 7,902회의 수행 Clock Cycle 성능을 보였고 실제로 합성하였을 때 사용된 Flip-Flop의수는 8,732개였다. (B)의 결과는 총 9,341회의 ClockCycle 성능을 보였고 총 10,728개의 Flip-Flop의 수를 확인 할 수 있었다. 본 논문에서 제안하는 방법으로 설계된 결과 (C)는 총 8,231회의 수행 Clock Cycle 성능을 보였고 소모된 Flip-Flop의 수는 8,156개였다.실험 비교 결과 사용된 자원 대비 처리 소요 ClockCycle이 크게 차이가 나지 않은 것을 확인 하였고 본 논문에서 제안한 방법이 가장 높은 효율임을 확인 할수 있었다.</p><table border><caption>표 1. 기존의 방법과 제안하는 방법의 성능 비교</caption><tbody><tr><td></td><td>Flip-Flop</td><td>Clockcycle</td><td>Flip-Flop/Cycle</td></tr><tr><td>(A)</td><td>8,732</td><td>7,902</td><td>0.442</td></tr><tr><td>(B)</td><td>10,728</td><td>9,341</td><td>0.517</td></tr><tr><td>(C)</td><td>8,156</td><td>8,213</td><td>0.392</td></tr></tbody></table>
|
[
"본 논문에서 설계한 DispatchUnit은 기존의 명령어 Decoding 방법을 이용하지 않고 어떤 방법을 적용했어?",
"기존의 명령어 Decoding방법을 이용하지 않고 Pre-Decoding 방법을 적용하여 무엇을 설계하였어?",
"Pre-Decoding 방법을 적용한 DispatchUnit 이후 처리되는 것이 뭐야?",
"Operand Selection Unit보다 DispatchUnit이 처리 순서가 먼저인 것이 맞아?",
"DispatchUnit과 이 후 처리되는 Operand Selection Unit을 설계하여 SIMT 구조의 무엇을 구현하였어?",
"SIMT 구조 GP-GPU를 구현하기 위해 설계한 RTL 회로는 무엇을 이용했어?",
"VerilogHDL를 이용하여 설계한 회로가 뭐야?",
"어떤 회로가 VerilogHDL를 사용하여 설계되었지?",
"어떤 시뮬레이터를 이용하여 시뮬레이션 결과를 얻었어?",
"Modelsim SE 10.0b 시뮬레이터를 이용하여 10000개의 임의의 명령어를 발행하는 테스트 벤치로 시뮬레이션 결과를 얻은 것이 맞아?",
"무엇을 이용하여 합성결과를 얻었어?",
"기존의 방법과 본 논문에서 제안한 방법의 총 수행 Clock Cycle를 비교하기 위해 어떤 방법으로 실험을 했어?",
"DispatchUnit과 이 후 처리되는 Operand Selection Unit을 설계하여 어떤 구조의 GP-GPU를 구현하였어?",
"10000개의 임의의 명령어를 발행하는 테스트벤치를 작성한 후 어떻게 했어?",
"수행한 Clockcycle 횟수 대비 실제로 사용된 Flip-Flop의 값을 비교해봤을 때 성능이 가장 좋다고 볼 수 있는 건 어떤 방법으로 설계된 거야?",
"표 1.에 따르면 수행한 Clockcycle 횟수 대비 실제로 사용된 Flip-Flop의 값을 비교했을 때 성능이 가장 좋은건 A, B, C 중 뭐야?",
"수행한 Clockcycle 횟수 대비 실제로 사용된 Flip-Flop의 값을 비교해봤을 때 효율이 가장 낮다고 볼 수 있는 건 어떤 방법으로 설계된 거야?",
"표 1.에 따르면 수행한 Clockcycle 횟수 대비 실제로 사용된 Flip-Flop의 값을 비교했을 때 효율이 가장 안 좋은건 A, B, C 중 뭐야?",
"7,902회의 수행 Clockcycle을 보인 실험 방법의 Flip-Flop의 수가 얼마야?",
"표 1.에 따르면 수행 Clockcycle이 7,902회인 실험방법의 Flip-Flop의 수는 몇 이야?",
"9,341회의 수행 Clockcycle을 보인 실험 방법의 Flip-Flop/Cycle값이 얼마야?",
"표 1.에 따르면 Clockcycle이 9,341회 수행된 실험방법의 Flip-Flop/Cycle값은 몇이야?",
"사용된 Flip-Flop의 수가 8,156인 실험 방법의 Clockcycle 횟수가 얼마야?",
"(A) 실험 결과로 8,732의 값을 갖는 것은 무엇의 갯수야?",
"Clockcycle횟수가 9,341인 실험 방법은 뭐야?",
"Flip-Flop/Cycle값이 0.4보다 작은 실험방법이 뭐야?",
"소모된 Flip-Flop의 수가 가장 많은 실험 방법은 뭐야?",
"가장 적은 횟수의 Clockcycle을 보인 실험 방법이 뭐야?",
"무슨 실험 방법이 가장 적은 횟수의 Clockcycle을 나타냈어?"
] |
5400a701-22f1-44d0-a729-1e410fede87d
|
인공물ED
|
SIMT구조 GP-GPU의 명령어 처리 성능 향상을 위한 Dispatch Unit과 Operand Selection Unit 설계
|
<h1>II. 본론</h1><h2>1. 명령어 Decoding 방법</h2><h3>가. 기존의 방법</h3><p>기존의 명령어를 처리 할 때 일반적인 Decoding방법은 명령어의 타입, Operand의 종류, 상수 데이터등을 Load한다. 그림 1은 기존의 방법이 적용된 명령어 Data의 흐름이다. Warp Scheduler에서 발행된 명령어 Data에는 명령어의 정보, Warp의 정보, 두 개의 Operand 정보가 Operand Selection Unit에 전달되어진다. 해당 과정을 수행할 때 Operand가 레지스터를 참조하지 않는 명령어일 경우에도 불필요한Operand를 Load하게 되는 단점이 존재하게 되는데이는 레지스터에 부하를 발생시킨다. 특히 SIMT구조의 GP-GPU는 하나의 명령어를 다중 스레드로 처리하는데, 여러 개의 스레드가 동시에 하나의 레지스터에 접근하게 되면 레지스터 접근 충돌이 발생하게 된다. 레지스터 접근 충돌이 발생하게 되면 명령어를 처리하는데 소요되는 총 Clock Cycle이 증가되어 처리성능이 저하되는 단점이 존재한다.</p><h3>나. 제안하는 방 법</h3><p>본 논문은 명령어를 Decoding할 때 명령어에 관련된 정보를 모두 Decoding 하는 기존의 방법과는 다르게 Pre-Decoding방법을 적용하여 불필요한 Operand의 Load를 줄였다.</p><p>그림 2는 제안하는 방법을 적용한 Data의 흐름을나타낸다. Warp Scheduler 에서 명령어 정보와 실행중인 Warp의 정보가 제안한 Dispatch Unit에 전달된다. Warp 의 정보에는 현재의 명령어와 사용되는Thread를 알려주는 Thread Mask, 현재 Warp의 PC값, Warp의 ID가 존재한다. Dispatch Unit에서는 명령어가 가진 Operand가 레지스터를 참조하는지 확인하여 Operand Fetch Unit에 Operand의 정보가 전달된다. Operand의 정보에는 Operand가 사용되는지를확인 할 수 있는 Load 신호와 사용될 Operand의Index 정보가 존재한다. 레지스터의 부하를 막기 위해 불필요한 Operand Load 방지와 함께 Pre-Decoding을 통해 EXTIMM 명령을 지원한다.EXTIMM 명령의 경우 확장된 상수(Extendimmediate)를 처리하는 명령어이다. 확장된 상수 명령어를 처리할 때 하위 27비트에 담긴 확장된 상수값을 Operand Fetch Unit에 전달한다. 해당 명령어는Operand를 사용하지 않는 경우이므로 본 논문에서 제안하는 Pre-Decoding 방법을 사용해 Opcode를 미리 확인하여 Operand Load를 방지한다.</p><h2>2. Operand Selection Unit 설계</h2><h3>가. 기존의 방법</h3><p>Dispatch Unit에서 전달받은 Operand의 정보를 이용해 Pipeline 형태의 Operand Selection Unit에서 명령어 처리를 진행한다. 두 개의 Warp에서 각각 하나의 명령어, 총 2개의 명령어를 처리하기 위해 2개의 Operand Selection Unit으로 구성되어 있다. Operand을 Load할 때 레지스터 뱅크 충돌 문제를 피할 수 없다. 그림 3은 SIMT 구조를 갖는GP-GPU가 명령어를 처리할 때 레지스터의 접근할때 발생하는 충돌의 일례를 나타낸다. 그림 3의 (A)와 같이 4개의 Operand가 모두 하나의 레지스터 뱅크에 존재하는 경우 뱅크 충돌이 발생하게 되어 Pipeline Stall이 발생하게 된다. 그림 3의 (B)와 같이각각의 Operand가 모두 다른 레지스터 뱅크에 존재하는 레지스터를 참조한다면 뱅크 충돌은 발생하지않게 된다.</p><p>그림 4의 (A)는 레지스터 뱅크에 접근할 Operand의 Index를 FIFO에 저장한다. 이 후 FIFO에 저장되어있는 순서대로 레지스터 뱅크에 접근하여 Operand를 Load하는 방법이다. 명령어에서 요구하는 Operand의 개수가 2개 이하인 경우 가장 최소의Clock Cycle을 소모하게 된다. 하지만 뱅크 충돌이 발생하게 되는 경우 많은 처리 Clock Cycle을 소모하게 된다. 그림 4의 (B)는 한 Clock Cycle에 오직 하나의 Operand Index만 레지스터 뱅크에 접근하도록 설계하여 뱅크 충돌을 제거하는 방법이다. 뱅크 충돌이 발생 하더라도 Full Pipeline 방법으로 설계되었기 때문에 고정된 처리 Clock Cycle을 소모하게 된다.하지만 명령어에서 요구하는 Operand의 개수가 2개이하인 경우에도 뱅크 충돌이 발생한 경우와 같은Clock Cycle을 소모하게 되어 처리속도가 늦어지는것을 확인 할 수 있었다.</p><h3>나. 제안하는 방법</h3><p>본 논문은 기존에 존재하는 두 가지의 방법을 절충한 그림5와 같은 구조가 가장 효율적임을 확인하였다.</p><p>설계한 Operand Selection Unit은 그림 4의 (A)와(B)의 중간 단계라고 볼 수 있으며 총 4개의Operand 중 2개의 Operand를 우선적으로 레지스터뱅크에서 Load한 후에 나머지 두 개의 Operand를Load 하는 방법으로 처리가 진행된다. 이러한 방법으로 Operand를 Load하게 되면 2개 이하의 Operand를요구하는 명령어를 처리 할 때에는 최소 4 ClockCycle이 소요된다. 해당 방법은 레지스터 뱅크 충돌이 발생하지 않은 FIFO Memory based OperandSelection Unit 보다 처리 속도는 많이 느려지지 않지만 추가적인 FIFO를 필요 하지 않아 자원 소비량은 적게 소비된다. 또한 Full Pipeline based OperandSelection Unit 방법과 비교할 경우 Pipeline Stage가 줄어들게 되어 처리 속도가 빨라졌으며 마찬가지로 자원 소비량은 줄어들게 되어 자원 대비 처리 성능이 올라 처리 속도가 빨라진다.</p>
|
[
"기존의 명령어를 처리 할 때 일반적인 Decoding방법은 무엇을 Load하는가?",
"기존의 명령어를 처리시 Decoding방법은 보편적으로 무엇을 Load하는가?",
"불필요한 Operand Load 방지와 함께 Pre-Decoding을 통해 EXTIMM 명령을 왜 지원하는가?",
"SIMT구조의 GP-GPU가 하나의 명령어를 다중 스레드로 처리하게 되면 어떻게 되는가?",
"Warp Scheduler에서 발행된 명령어 Data에는 정보들이 어디에 전달되는가?",
"Warp Scheduler에서 발행된 명령어 Data에는 명령어의 정보, Warp의 정보, 두 개의 Operand 정보가 Operand Selection Unit에 전달되는 과정을 수행할때 레지스터에 부하가 왜 발생하는가?",
"하나의 명령어를 다중 스레드로 처리하는데, 여러 개의 스레드가 동시에 하나의 레지스터에 접근하게 되면 레지스터 접근 충돌이 발생하게 되는 구조는 무엇인가?",
"레지스터 접근 충돌이 발생하게 되면 어떤 단점이 있는가?",
"Warp Scheduler 에서 제안한 Dispatch Unit에 전달되는 정보는 무엇인가?",
"Warp Scheduler 에서 명령어 정보와 실행중인 Warp의 정보가 어디에 전달되는가?",
"Dispatch Unit에서는 명령어가 가진 Operand가 레지스터를 참조하는지 확인하여 Operand Fetch Unit에 무엇을 전달하는가?",
"확장된 상수(Extendimmediate)를 처리하는 명령어는 무엇인가?",
"Operand의 정보에는 무엇이 존재하는가?",
"확장된 상수 명령어에서 상수값은 어디에 저장되어 있는가?",
"확장된 상수 명령어를 처리할 때 하위 27비트에 담긴 확장된 상수값을 어디에 전달하는가?",
"본 논문에서 제안하는 Pre-Decoding 방법을 사용해 Opcode를 미리 확인하여 Operand Load를 방지할수 있는 이유는 무엇인가?",
"4개의 Operand가 모두 하나의 레지스터 뱅크에 존재하는 경우 뱅크 충돌이 발생하게 되어 무슨 문제가 생기는가?",
"두 개의 Warp에서 각각 하나의 명령어, 총 2개의 명령어를 처리하기 위해 2개의 Operand Selection Unit으로 구성되어 있으므로 발생하는 문제점은 무엇인가?",
"저장되어있는 순서대로 레지스터 뱅크에 접근하여 Operand를 Load하는 방법을 무엇이라고 하는가?",
"명령어에서 요구하는 Operand의 개수가 2개 이하인 경우 가장 최소의 Clock Cycle을 소모하게 되는데 만약 뱅크 충돌이 발생하게 되면 어떤 문제점이 발생하는가?",
"지스터 뱅크에 접근할 Operand의 Index를 어디에 저장하는가?",
"뱅크 충돌은 어떤 방법으로 제거하면 되는가?",
"설계한 Operand Selection Unit과 Full Pipeline based OperandSelection Unit 을 비교한 결과 처리속도가 어떻게 되는가?",
"총 4개의Operand 중 2개의 Operand를 우선적으로 레지스터뱅크에서 Load한 후에 나머지 두 개의 Operand를Load 하는 방법은 어떤 장점을 가지고 있는가?",
"기존에 존재하는 두가지 방법을 절충한 효율적인 구조는 어떻게 설계하는 것인가?",
"Warp의 정보에는 무엇이 있는가?",
"무엇이 Warp의 정보에 포함되는가?",
"Operand Selection Unit은 어떻게 구성되어 있는가?",
"어떻게 Operand Selection Unit이 조직되어 있지?",
"해당 명령어는 Operand를 사용하지 않는 경우이므로 본 논문에서 제안하는 Pre-Decoding 방법을 사용해 Opcode를 미리 확인하여 무슨 이점을 얻을수 있는가?",
"명령어를 Decoding할 때 불필요한 Operand의 Load를 어떤 방법으로 줄이는가?",
"Dispatch Unit에서는 명령어가 가진 Operand가 레지스터를 참조하는지 확인하여 어디에 Operand 정보를 전달하는가?",
"명령어에서 요구하는 Operand의 개수가 몇 개 이하인 경우 가장 최소의 Clock Cycle을 소모하게 되는가?",
"2개 이하의 Operand를요구하는 명령어를 처리 할 때에는 2ClockCycle이 소요되는가?",
"EXTIMM 명령의 경우 확장된 상수(Extendimmediate)를 처리하는 명령어인가?",
"Warp Scheduler에서 발행된 명령어 Data에는 어떤 정보들이 전달되는가?",
"어떤 정보들이 Woodarp Scheduler에서 발행된 명령으로 Data가 전송되지?"
] |
f78dea15-6a5e-42b9-8bed-1e4db464b8d9
|
인공물ED
|
SIMT구조 GP-GPU의 명령어 처리 성능 향상을 위한 Dispatch Unit과 Operand Selection Unit 설계
|
<h1>요 약</h1><p>본 논문은 그래픽 처리 뿐 만 아니라 범용 연산의 가속화를 지원하기 위한 SIMT 구조 GP-GPU의 DispatchUnit과 Operand Selection Unit을 제안한다. Warp Scheduler로부터 발행된 명령어에서 사용되는 Operand의 모든 정보를 Decoding 하면 불필요한 Operand Load가 발생하여 레지스터 부하가 발생 한다. 이러한 문제점을 해결하기 위해 Pre-decoding방법을 사용하여 Operand의 정보만을 먼저 Decoding 하여 Operand Load를 줄이고, 레지스터의 부하를 줄일 수 있는 방법을 제안한다. 제안하는 Dispatch Unit에서 나온 Operand 정보들을 레지스터 뱅크충돌을 방지하는 방법을 적용한 Operand Selection Unit에 전달해 전체적인 처리 성능을 향상 시켰다. Modelsim10.0b를 이용하여 Warp Scheduler로부터 발행된 10,000개의 임의의 명령어를 처리하여 소요되는 총 Clock Cycle을 측정하였다. 본 논문에서 제안한 Pre-Decoding 기능을 탑재한 Dispatch Unit과 Operand Selection Unit을 적용하여 기존의 방법들 보다 각각 약 \(11\%\), \(24\%\)의 처리 효율이 증가한 것을 확인 할 수 있었다.</p>
|
[
"patch Unit과 Operand Selection Unit의 이름은 Pre-Decoding 기능을 탑재한 unit인가?",
"불필요한 Operand Load가 발생하여 레지스터 부하가 발생하는 것은 Operand의 모든 정보를 coding 하여 나타나는가?",
"사용되는 Operand의 모든 정보를 Decoding 하면 Warp Scheduler로부터 발행된 명령어에서 무엇이 발생하는가?",
"기존의 방법들 보다 각각 약 \\(12\\%\\), \\(26\\%\\)의 처리 효율이 증가한 Pre-Decoding 기능을 탑재한 Dispatch Unit과 Operand Selection Unit을 적용하였는가?",
"기존의 방법들 보다 얼만큼 처리효율이 증가한 Pre-Decoding 기능을 탑재한 Dispatch Unit을 적용하였는가?",
"기존의 방법들 보다 약 얼만큼의 처리 효율이 증가한 Pre-Decoding 기능을 탑재한 Operand Selection Unit을 적용하였는가?",
"기존의 방법들 보다 각각 약 \\(11\\%\\), \\(24\\%\\)의 처리 효율이 증가시킨 Dispatch Unit과 Operand Selection Unit에 있는 기능은 무엇인가?",
"소요되는 총 Clock Cycle을 무엇으로 측정한 Warp Scheduler로부터 발행된 10,000개의 임의의 명령어를 처리하였는가?"
] |
a56e3060-7d3b-4681-829b-cc536857fb7e
|
인공물ED
|
SIMT구조 GP-GPU의 명령어 처리 성능 향상을 위한 Dispatch Unit과 Operand Selection Unit 설계
|
<h1>v. 결론</h1><p>본 논문은 SIMT기반의 GP-GPU에서 명령어를 Decoding하는 과정에서 불필요한 Operand Load를 방지하는 Pre-Decoding 방법을 적용한 Dispatch Unit과 레지스터 뱅크 충돌을 방지하기 위한 OperandSelection Unit을 설계 하였다. 명령어의 정보를 모두Decoding 하지 않고 Operand에 관련된 정보만을 우선적으로 Decoding하여 불필요한 Operand Load를 방지하였고 레지스터 뱅크 충돌을 방지하여 레지스터의 부하를 줄였다. VerilogHDL을 이용하여 제안하는Dispatch Unit을 적용한 SIMT 구조 GP-GPU를 설계하였다. 성능 확인을 위해 작성한 테스트벤치를 ModelSim SE 10.0b으로 시뮬레이션 테스트를 진행하였다. 사용한 자원대비 처리 효율을 확인하기 위해Xilinx ISE 14.4를 이용하여 합성결과를 얻었다. 실험결과 Pre-Decoding 방법이 적용된 Dispatch Unit과 레지스터 뱅크 충돌을 방지하기 위한 방법이 적용된Operand Selection Unit을 사용한 GP-GPU가 기존의 방법들을 사용한 GP-GPU보다 사용된 자원 대비 처리 성능 효율이 각각 약 \(11\%\), \(24\%\) 증가 함을 알 수 있었다.</p><p>본 논문에서 제안한 Pre-Decoding방법을 적용한 Dispatch Unit과 레지스터 뱅크 충돌을 방지하기 위한 방법을 적용한 Operand Selection Unit을 기반으로 설계된 SIMT구조의 GP-GPU에서는 불필요한 연산과 레지스터 접근 및 레지스터 뱅크 충돌을 방지하여 명령어 처리 속도가 향상되는 구조임을 증명하였다.</p>
|
[
"SIMT기반의 GP-GPU에서 불필요한 Operand Load를 방지하는 방법으로 설계된것은 무엇인가?",
"SIMT기반의 GP-GPU에서 레지스터 뱅크 충돌을 방지하기 위해 설계된 유닛은 무엇인가?",
"명령어의 정보를 모두Decoding 하지 않고 Operand에 관련된 정보만을 우선적으로 Decoding하면 어떤 장점이 있는가?",
"성능 확인을 위해 작성한 테스트벤치는 어떻게 테스트 하였나?",
"어떻게 성능 확인을 위해 작성한 테스트벤치를 시험했지",
"사용한 자원대비 처리 효율을 확인하기 위해 무엇을 이용하여 합성결과를 얻었는가?",
"제안된 GP-GPU가 기존의 방법들을 사용한 GP-GPU보다 자원대비 처리 성능 효율에서 어떤 변하를 보였는가?",
"본 실험으로 제안된 GP-GPU은 어떤 구조임이 증명되었는가?",
"본 실험으로 제안된 GP-GPU은 어떤 형태라고 파악되었지",
"Dispatch Unit을 적용한 SIMT 구조 GP-GPU은 무엇을 이용하여 설계되었는가?",
"Pre-Decoding 방법이 적용된 unit은 무엇인가?",
"어떤 unit이 Pre-Decoding 방법이 사용되었지"
] |
218290fe-b3b4-48cf-bf37-dac2862e14da
|
인공물ED
|
2-4 cell 리튬이온 멀티 배터리 보호회로 Analog Front End(AFE) IC 설계
|
<h2>3. 결과 및 고찰</h2><p>그림 9는 제작된 IC 의 레이아웃과 PCB board를 나타낸다. 제작된 IC 는 \( 1850 \mathrm{u} \times 1854 \mathrm{u} \) 의 크기로 36-PIN 의 QFN type으로 제작되었다.</p><h3>가. Gate driver</h3><p>Gate driver 출력은 Control register에 의해 on/off된다. CHG-FET 은 off시 입력전압이 출력되므로 MOSFET이 off되어 있다가 switch가 on 되면 약 \( 1 \mathrm{~V} \)로 떨어지면서 CHG-FET 을 on 시키게 된다. DSG_FET은 off시 배터리 전압이 출력되어 MOSFET이 off되게 된다. Switch가 on 되면 출력이 약 \( 1 \mathrm{~V} \) 로 떨어지면서 DSG-FET 을 on 시키게 된다. 그림 10 과 그림 11은 switch 동작에 따른 각각의 Gate driver 출력 파형을 나타낸다.</p><h3>나. Cell voltage translation</h3><p>그림 12 는 변화하는 cell의 전압을 translation 하여 출력으로 보내는 파형이다. Cell 전압의 변화에 따른 실험값은 표 1 과 같다.</p><p>출력 파형을 살펴보면 Cell 전압이 \( 0 \mathrm{~V} \) 일 때 \( 0.97417 \mathrm{~V} \) 가 나왔으며, Cell 전압이 \( 1 \mathrm{~V} \) 일 때 \( 0.82431 \mathrm{~V} \) 가 나오는 것을 확인 하였다. 이는 \( 0.5 \% \) 이내의 오차로 설계한 \( \mathrm{IC} \) 가 매우 양호하다는 것을 알 수 있다.</p><h3>다. Cell voltage balancing</h3><p>Cell voltage balancing은 balancing 스위치가 닫혔을 때 charge bypass path로 얼마만큼의 전류가 흐르는지 측정해야 한다. 그림 13 에서 balancing 스위치가 닫히게 되면 \( 100 \Omega \) 저항에 balancing 전류가 흐르게 되고, 흐르는 전류 크기만큼 전압이 강하되는 파형을 즉정하였다.</p><p>Balancing switch가 열려 있다가 닫히게 되면 100\( \Omega \) 저항 양단에 약 \( 0.8 \mathrm{~V} \) 의 전압 강하가 생기는 것을 알 수 있다. 따라서 balancing 전류로 약 \( 8 \mathrm{~mA} \) 가 흐르는 것을 확인할 수 있다 설계치(\( 10 \mathrm{~mA} \))대비 약 \( 2 \mathrm{~mA} \) 의 오차가 발생하였다.</p>
|
[
"Gate drier 출력은 무엇에 의해 on/off돼?",
"제작된 IC 는 어떤 형태로 제작됐어?",
"그림 9는 무엇을 나타내?",
"제작된 IC의 크기는 얼마야?",
"제작된 IC 는 무엇에 대한 QFN type이야?",
"표 1 은 무엇과 같아?",
"CHG-FET은 off시 무엇이 출력돼?",
"DSG_FET은 언제 배터리 전압이 출력돼?",
"Cell voltage balancing 실험과정에서 얼마의 오차가 일어나?",
"Cell voltage balancing은 balancing 스위치가 닫혔을 때 어디로 흐르는 전류를 측정했어?"
] |
0812d46d-fd6e-4c48-885c-e9be416539a8
|
인공물ED
|
2-4 cell 리튬이온 멀티 배터리 보호회로 Analog Front End(AFE) IC 설계
|
<h1>요 약</h1><p>휴대 기기가 고기능화, 다기능화 됨에 따라 다양한 멀티미디어 기능이 요구되면서 배터리를 보다 장시간 이용하면서 더 높은 전력과 에너지가 요구되고 있다. 이에 따라 여러 개의 리틈이온 cell을 연결한 배터리팩이 많이 사용되고 있다. 2개 이상의 cell로 구성된 리튬이온 배터리를 안전하게 사용하기 위해서는 과전압 및 과전류, 고온으로부터 보호해야 됨은 물론, 수명을 연장하기 위해서 각 cell의 전압을 같게 유지시켜주는 balancing 기능이 반드시 요구된다. 본 논문에서 제안한 IC 는 모바일 기기뿐만 아니라 E-bike, 하이브리드 자동차, 전기 자동차 분야에도 적용 가능할 것으로 예상되며, 국내 PMIC 발전에 기여할 것으로 기대된다.</p>
|
[
"휴대기기에 무슨 배터리가 사용되는가?",
"balancing 기능은 무엇인가?",
"휴대 기기가 고기능화, 다기능화 되어 배터리를 보다 장시간 이용하는가?",
"리튬이온 배터리를 안전하게 사용하기 위해 무엇을 보호해야 되는가?",
"더 높은 전력과 에너지가 요구되고 있는 이유는 무엇인가?",
"논문에서 제안한IC는 어디에 적용가능할 것인가?",
"멀티미디어 기능이 요구된 이유는 무엇인가?",
"수명을 연장하기 위해서 반드시 요구되는 기능은 무엇인가?"
] |
90fadb7f-12bd-49e7-a6d2-e3856c365413
|
인공물ED
|
2-4 cell 리튬이온 멀티 배터리 보호회로 Analog Front End(AFE) IC 설계
|
<h1>I. 서론</h1><p>휴대용 IT 기기의 시장이 확대됨에 따라 수요가 증가하고 기능이 다양화 되며 이동성 증대를 위해 소형화, 경량화 되어 감에 따라 공급되는 전원의 성능과 요구조건이 다양화되고 최적화가 요구되고 있다. 이에 배터리를 사용하는 휴대용기기는 안정적인 전원을 위해 신뢰성 확보를 바탕으로 작고 가벼우면서 에너지 밀도가 높은 전지의 필요성이 커지게 되었다. 이러한 조건에 부합하는 리튬이온 전지는 휴대폰, PDA, 노트북, 캠코더와 같은 휴대용 기기에 널리 사용되고 있다. 특히 노트북이나, 캠코더 등의 기기에 쓰이는 배터리는 높은 전력을 공급하기 위해 리튬이온 cell을 직렬로 연결한 배터리 팩을 사용하게 된다.</p><p>리튬이온 전지는 과충전 및 과방전시 충전 용량이 치명적으로 줄어들게 되고, 고온 및 과전류 등에 의해 폭발할 수 있는 위험성을 가지고 있다. 배터리 팩에서 각 cell의 충전 정도가 균등하지 않은 배터리를 충,방전할 경우 과충전 또는 과방전의 문제가 발생할 수 있다. 또한 배터리 팩 각각의 cell의 충전 정도가 동일하여도 cell 간의 생산시의 오차, 노화 정도의 차이, 내부저항 및 온도의 편차가 존재하기 때문에 충.방전 과정에서 용량의 차이를 보일 수 있고, 충.방전 횟수가 증가할수록 편차가 누적되어 배터리 수명이 줄어들 수 있다. 따라서 멀티 cell 로 구성된 배터리를 사용할 경우 각 cell의 balancing을 맞춰주는 것이 중요하다.</p<p>본 논문은 멀티 cell로 구성된 배터리의 온도, 충,방전 되는 전압 및 전류에 따라 배터리를 보호하고, 각 cell의 전압을 sensing하여 balancing을 맞춰주는 battery protection AFE IC 를 제안하고 설계 및 제작 하였으며 제작된 IC 를 실험으로 검증하였다.</p>
|
[
"휴대용 IT 기기의 이동성 증대를 위해 어떻게 되었는가?",
"노트북은 리튬이온 cell 어떻게 연결하였는가?",
"리튬이온 전지의 단점은 무엇인가?",
"공급되는 전원의 성능과 요구조건이 다양화되는 이유는 무엇인가?",
"배터리는 어떠한 전원을 필요로 하는가?",
"cell의 충전 정도가 동일하여도 과충전 또는 과방전의 문제가 발생하는 이유는 무엇인가?",
"리튬이온 전지는 어디에 사용되는가?",
"각 cell의 충전 정도가 균등하지 않은 배터리를 충,방전할 경우 무슨 문제가 생기는가?",
"충전 용량이 치명적으로 줄어들게 되는 이유는 무엇인가?",
"배터리는 어떻게 바뀌어야 하는가?",
"cell 로 구성된 배터리를 사용할때 중요한것은 무엇인가?",
"휴대용 IT 기기가 수요가 증가하는 이유는 무엇인가?"
] |
3a9d4d7f-4e35-4a51-b24a-32c2af8834e5
|
인공물ED
|
2-4 cell 리튬이온 멀티 배터리 보호회로 Analog Front End(AFE) IC 설계
|
<h1>III 결론</h1><p>본 논문은 Cadence 사의 spectre 및 virtuoso tool을 사용하고 Tower jazz 사의 \(0.18\mathrm{um}\) 공정을 통하여 2-4 Cell Li-ion battery protection AFE IC를 제작하고 실험을 통해 검증하였다. 본 논문에서 제작한 IC는 국내 기술로 개발되어 있지 않고 전량 수입에 의존하는 PMIC의 IP를 연구하고 국내 기술 개발에 기여할 수 있다는 점에서 의미가 크다고 할 수 있다. 또한 수요가 점점 증가하고 있는 휴대 기기 시장에 따라 앞으로 큰 발전이 예상되는 BMIC 분야에도 국내 기술을 가진 IP확보가 중요한 시점에 앞으로 꼭 필요한 연구 분야이다.</p><p>리튬이온배터리팩은 과충전, 과방전, 고온 등에 의해 수명이 급격히 줄어들거나 폭발할 수 있는 위험이 있다. 그리고 각 cell 간의 충전 정도가 다를 경우 리튬이온배터리의 특성 때문에 수명이 급격히 줄어들게 되므로 각 cell 간에 balancing을 맞춰주는 것이 매우 중요하다. 설계된 IC는 2-4 cell로 구성된 리튬이온배터리팩을 각 위험으로부터 보호하는 회로와 각 셀 간 전압의 balancing을 맞춰주는 회로를 내장하여 배터리의 수명을 연장하고 효율적으로 사용 가능하도록 설계하였다. 그리고 Gas gauge와 연동하여 멀티 셀로 구성된 Battery Management System에 중요한 핵심 IP로도 사용 가능하다.</p><p>실험 결과 입력 전압이나 배터리 전압에 따라 각 모드별로 충.방전하기 위한 Power MOSFET 구동이 올바르게 동작하는 것을 확인하였고, 각 셀 간 전압을 변환하는 cell voltage translation 기능 또한 설계 대비 우수한 결과를 실험을 통해 확인하였다. 또한 Cell voltage balancing 기능도 문제없이 동작하는 것을 확인하였다.</p><p>향후 본 논문에서 제안한 IC를 토대로 PMIC 분야에 대한 연구를 통해 휴대용 기기뿐만 아니라 E-bike, Hybrid 자동차, 전기 자동차 분야에도 적용 가능할 것으로 예상되며, 국내 PMIC 설계의 폭을 넓힐 수 있을 것으로 기대된다.</p>
|
[
"2-4 Cell Li-ion battery protection AFE IC를 제작하는데 Cadence 사의 무엇을 사용했나요?",
"설계된 IC는 리튬이온배터리팩이 갖는 단점을 보완하였나요?",
"본 논문에서 제작한 IC는 국내 기술로 개발되었나요?",
"리튬이온배터리의 수명을 급격히 줄어들게 하는 원인은 뭐야?",
"리튬이온배터리의 각 cell 간 balancing을 맞춰주는 것이 중요한가요?",
"리튬이온배터리팩은 어떤 위험이 있나요?"
] |
6cdf5327-409f-4d7b-ae44-4424f84ad996
|
인공물ED
|
무인자동차의 안정성 기반 자율주행 알고리즘 및 3차원 그래픽 시뮬레이션 연구
|
<h1>Ⅳ. 시뮬레이션 및 결과</h1> <p>본 논문에서 제시한 주행 안정성 기반 자율주행 알고리즘을 성능을 검증할 3차원 그래픽 시뮬레이션 환경이 구축되었다. 자율주행 성능 검증을 위한 시뮬레이션은 인접한 전방 차량과의 충돌 위험성과 인접한 후방 차량과의 충돌 위험성에 대하여 수행하였다. 인접 차량들은 각 특정 상황에서 주행 경로를 제어하여 자율주행 차량의 자율주행 성능을 검증하도록 한다. 자율주행 차량은 제시된 알고리즘에서 이용될 인접 차량과의 안전최소거리는 5미터, 최소충돌예측시간은 5초로 설정하여 시뮬레이션을 수행한다.</p> <h2>4.1 자율 주행 시뮬레이션 (상황 1)</h2> <p>자율주행 차량의 성능을 검증하기 위하여 먼저 인접한 후방차량과 충돌이 발생할 수 있는 상황을 구현하여 자율주행 차량의 주행 경로를 확인하였다. 그림 5는 인접한 후방 차량들이 자율주행 차량에 접근하도록 하는 경우 자율주행 차량은 후방 차량과의 충돌을 피하기 위하여 주행할 궤적을 예측하여 나타낸 것이다. 이 시뮬레이션 상황에서는 후방에서 4대의 차량을 가속시켰으며 2차로 상에서 최적의 안정한 차로를 선택하여 주행하는지를 확인하기 위해 1차로에 2대의 차량을 배치하였다.</p> <p>표 1과 그림 6을 보면 자율주행 차량은 주변 차량을 회피하면서 안전하게 주행하는 것을 확인할 수 있다. 자율주행 차량은3번의 차선 변경을 하였으며 차선을 변경한 순간은 각각 7초, 19초, 32초이다. 이때의 주변 차량과의 충돌예측시간과 거리를 확인하면 최소 충돌예측시간이 설정 값 5보다 작아지고 이 순간에 자율주행 차량은 안전한 차선을 선택하여 변경을 한다. 3차원 그래픽 시뮬레이션을 이용하여 실제 차량의 주행을 외부에서 확인하는 시각적인 효과를 확인할 수 있다. 표 1은 3차선도로에서 시간에 따른 차량의 위치 변화를 보여주며 시간에 따른 주변차량과의 충돌예측시간과 주변 차량과의 거리를 확인할 수 있다.</p> <p>표 1를 통하여 자율주행 차량의 주행 궤적을 확인하면 후방에서 가속하여 오는 Vehicle no 1 차량과 충돌을 피하기 위하여 안전한 2차선으로 차선을 변경한다. 2차선 후방에서 가속하여 오는 Vehicle no 3 차량과의 충돌을 피하기 위하여 자율주행 차량은 1차선과 3차선의 안전성을 판단한다. 1차선 후방에서는 Vehicle no 2 차량이 가속하여 오는 중이기 때문에 안전한 3차선으로 차선 변경을 한다. 마지막으로 3차선 후방에서 가속하여 오는 Vehicle no 7 차량과의 충돌을 피하기 위하여 안전한 2차선으로 차선을 변경하는 것을 표 2를 통하여 확인할 수 있다. 이러한 순차적인 자율주행 차량의주행 궤적은 그림 6(a)의 차선 변경 순간의 순차적 정지영상을 통하여 확인할 수 있다.</p> <table border><caption>표 1. 시뮬레이션 차량 초기 설정 값 (상황 1)</caption> <tbody><tr><td>차량</td><td>가속도 \( \left(\mathrm{m} / \mathrm{s}^{2}\right) \)</td><td>초기위치 (\(\mathrm{m}\))</td><td>주행차선</td><td>최고속도 (\(\mathrm{m/s}\))</td></tr><tr><td>Controlled Vehicle</td><td>0.2</td><td>100</td><td>1</td><td>10</td></tr><tr><td>Vehicle no 3</td><td>0.4</td><td>40</td><td>2</td><td>10</td></tr><tr><td>Vehicle no 7</td><td>0.4</td><td>25</td><td>1</td><td>10</td></tr><tr><td>Vehicle no</td><td>0.4</td><td>o</td><td>3</td><td>10</td></tr><tr><td>Vehicle no 1</td><td>0.4</td><td>80</td><td>1</td><td>10</td></tr></tbody></table> <h2>4.2 자율 주행 시뮬레이션 (상황 2)</h2> <p>다양한 주행 환경에서의 자율 주행 성능을 확인하기 위하여 자율주행 차량이 가속하여 주행하는 중에 전방에 차량이 끼어드는 상황에서 자율주행 차량의 주행을 확인하기 위한 시뮬레이션을 수행하였다. 그림 7은 이 상황에서 자율주행 차량의 주행 경로를 예측한 것이고 표 2는 시뮬레이션에서 사용된 주변 차량들의 초기 위치와 가속도, 차선을 나타낸다.</p> <p>시뮬레이션이 수행되면 자율주행 차량이 주행하는 1차선으로 Vehicle no 1 차량이 차선 변경을 한다. 자율주행 차량은 Vehicle no 1 차량과 충돌예측시간을 계산하여 현재 차선이 안전하지 않다는 판단을 하여 2차선으로 변경을 한다. 그 후에 3차선에 주행하고 있는Vehicle no 2 차량이 2차선으로 차선 변경을 하고 자율주행 차량은 안전한 차선을 결정하여 차선 변경을한다. 1차선과 3차선 모두 안전한 차선이지만 제시된 자율주행 알고리즘은 1차선의 우선 순위가 높으므로 1차선으로 차선을 변경한다. Vehicle no 3 차량이 1차선으로 차선 변경을 하여 자율주행 차량은 다시 안전한 차선인 2차선으로 변경하고 있는 것을 보여주고 있다.</p> <p>그림 8의 (b)와 (c)는 시간에 따른 자율주행 차량과 주변 차량의 종방향 및 횡방향 위치 변화, 충돌예측시간, 자율주행 차량과 주변 차량과의 거리의 변화를 보여주고 있다. 자율주행 차량은 약 14초의 시간에 2차선에 1차선으로 변경한 Vehicle no 1 차량과의 충돌을 예상하여 안전한 2차선으로 차선을 변경한다. 약 23초쯤 3차선에서 2차선으로 끼어드는 Vehicle no 2 차량과의 충돌을 회피하기 위하여 안전한 1차선으로 차선을 변경한다. 마지막으로 약 36초에 3차선에서 1차선으로 끼어드는 Vehicle no 3 차량과의 충돌을 피하기 위하여 안전한 1차선으로 차선을 변경하고 있는 것을 알 수 있다.</p> <table border><caption>표 2. 시뮬레이션 차량 초기 설정 값 (상황 2)</caption> <tbody><tr><td>차량</td><td>가속도 \( \left(\mathrm{m} / \mathrm{s}^{2}\right) \)</td><td>초기위치 (\(\mathrm{m}\))</td><td>주행차선</td><td>최고속도 (\(\mathrm{m/s}\))</td></tr><tr><td>Controlled Vehicle</td><td>0.4</td><td>25</td><td>1</td><td>10</td></tr><tr><td>Vehicle no 3</td><td>0.2</td><td>170</td><td>3⭢1</td><td>10</td></tr><tr><td>Vehicle no 2</td><td>0.2</td><td>120</td><td>3⭢2</td><td>10</td></tr><tr><td>Vehicle no 1</td><td>0.2</td><td>70</td><td>2⭢1</td><td>10</td></tr></tbody></table> <p>그림 8의 (b)와 (c)는 시간에 따른 자율주행 차량과주변 차량의 종방향 및 횡방향 위치 변화, 충돌예측시간, 자율주행 차량과 주변 차량과의 거리의 변화를 보여주고 있다. 자율주행 차량은 약 14초의 시간에 2차선에 1차선으로 변경한 Vehicle no 1 차량과의 충돌을 예상하여 안전한 2차선으로 차선을 변경한다. 약 23초쯤 3차선에서 2차선으로 끼어드는 Vehicle no 2 차량과의 충돌을 회피하기 위하여 안전한 1차선으로 차선을 변경한다. 마지막으로 약 36초에 3차선에서 1차선으로 끼어드는 Vehicle no 3 차량과의 충돌을 피하기 위하여 안전한 1차선으로 차선을 변경하고 있는 것을 알 수 있다.</p>
|
[
"시뮬레이션 차량의 가속도가 다른 차량은 뭐야?",
"시뮬레이션에서 2차선에서 주행하는 차는 뭐야?",
"Vehicle no 3의 가속도 값은 얼마야?",
"시뮬레이션에서 초기위치 값이 25인 차량은 뭐야?",
"시뮬레이션에 사용한 차량의 최고속도는 얼마야?",
"초기위치 값이 Vehicle no 2 값보다 큰 차량은 뭐야?",
"3차선과 1차선에서 시뮬레이션 하는 차량은 뭐야?",
"1차선에서 시뮬레이션을 진행하지 않는 차량은 뭐야?",
"3차선과 2차선에서 시뮬레이션을 하는 차량은 뭐야?",
"Vehicle no 3의 초기위치는 얼마야?",
"최기 위치 값이 가장 큰 차량은 뭐야?",
"초기위치 값이 Vehicle no 1의 값 보다 큰 값을 가진 차량은 뭐야?",
"Controlled Vehicle, Vehicle no 7과 주행차선이 같은 차량은 뭐야?",
"Vehicle no 1 차량의 최고속도는 얼마야?",
"시뮬레이션 차랑의 가속도가 다른 차량의 가속도 값은 얼마야?",
"두 번째 시뮬레이션에서 초기위치 값이 최소인 차량은 뭐야?",
"2차선에서 1차선으로 변경하는 시뮬레이션을 하는 차량은 뭐야?",
"모든 차량에 동일한 값을 가지는 항목은 뭐야?",
"여러 조건의 자율 주행 성능 측정을 위해서 어떻게 시뮬레이션 했나?"
] |
fe6857ee-7a3b-45cb-a638-54420ff9e73e
|
인공물ED
|
전방향성 복사 패턴을 갖는 소형 평면 패치 안테나
|
<h1>Ⅱ. 안테나 구조와 동작 원리</h1><p>일반적인 소형 안테나는 전기적 길이(electrical wavelength)에 비해 크기가 작은 안테나로 안테나 자체의 높은 \( Q \)값으로 좁은 대역폭을 갖는 단점이 있다. 따라서 전기적으로 소형인 안테나를 설계하는데 있어서 낮은 \( Q \)를 갖도록 설계하는 것이 최우선으로 고려되어야 한다. Mclean이 연구한 바에 의하면 최소 \( Q \) 값은 안테나를 포함하는 가상 구의 최소 부피와 관계 있다고 보고되었다.</p><p>그림 1은 이와 같은 이론을 바탕으로 안테나를 포함하는 가상의 구에 최대 전기적 길이를 갖도록 설계한 안테나의 구조도이다. 제안된 안테나 복사 소자는 두 개의 패치로 구성되어 있으며 두 개의 패치는 동일한 크기이며 상판 패치 (upper patch)와 하판 패치 (lower patch)는 3개의 비아에 의해 전기적으로 연결되어 있다. 이 때, 비아의 지름은 \( 0.5 \mathrm{mm} \) 이다. 하판 패치와 접지면을 단락 핀으로 연결하여 \( \lambda / 4 \) 보다 짧은 파장에서 안테나가 공진하도록 하여 안테나의 크기를 줄였다. 여기서 안테나의 입력 임피던스와 공진 주파수에 큰 영향을 미치는 단락 핀 사이의 간격을 \( y_{0} \)로 정의하였다 (하판 패치 가장 자리와 가장 가까운 단락 핀 사이의 간격 또한 \( y_{0} \)로 정의하였다). 제안된 안테나의 급전 방식은 비아를 통해 급전선로와 안테나의 하판 패치를 연결하였다. 이와 같은 급전 방식은 복사 소자와 급전부를 접지면으로 격리시켜 급전부에서 발생할 수 있는 불필요한 복사를 최소화하고 급전부에 대역폭 확장을 위한 정합 회로를 자유로이 구성할 수 있다는 장점이 있다. 마이크로스트립 급전 선로와 하판 패치 사이의 비아 연결은 접지면에 작은 흘을 통해 이루어진다. 여기서, 마이크로스트립 급전선로와 하판 패치를 연결시키는 비아와 단락 핀 사이의 간격을 \( y_{1} \)으로 정의하였다. 그 외에 제안된 안테나의 기본적인 설계 변수는 표 1에 정리되어 있다.</p><p>일반적으로 안테나에 흐르는 전류 분포를 통해 안테나의 복사 패턴을 예상할 수 있다. 제안된 안테나는 상판 패치와 하판 패치의 길이가 같고 두 패치 간의 수직 거리가 매우 가까우며, 각 패치에 흐르는 전류의 위상이 \( 180^{\circ} \) 차가 나기 때문에 두 패치에 흐르는 전류가 서로 상쇄되어 제안된 안테나의 복사 패턴이 모노폴 안테나의 복사 패턴과 유사할 것임을 예측할 수 있다.</p><table border><caption>표 1. 제안된 안테나의 기본 설계 변수</caption><tbody><tr><td colspan=8>Basic design parameters</td></tr><tr><td>\( L \)</td><td>\( W \)</td><td>\( h_{1} \)</td><td>\( h_{2} \)</td><td>\( \varepsilon_{f} \)</td><td>\( h_{f} \)</td><td>\( w_{f} \)</td><td>비아 지름</td></tr><tr><td>\(5.5 \mathrm{mm}\)</td><td>\(4 \mathrm{mm}\)</td><td>\(3\mathrm{mm}\)</td><td>\(2 \mathrm{mm}\)</td><td>6.15</td><td>\(0.635\mathrm{mm}\)</td><td>\(0.94 \mathrm{mm}\)</td><td>\(0.5 \mathrm{mm}\)</td></tr></tbody></table>
|
[
"설계값의 단위가 표시되지 않은 항목은 무엇인가?",
"표 1에서 3번째로 설계된 길이가 짧은 항목은 무엇인가?",
"제안된 안테나의 비아 지름은 몇 \\(\\mathrm{mm}\\)로 설계되었는가?",
"표 1에서 설계상 길이가 가장 긴 항목은 무엇인가?",
"\\( h_{f} \\)보다 설계된 길이가 작은 항목은 무엇인가?",
"\\(4 \\mathrm{mm}\\) 값을 갖는 항목의 이름은 무엇인가?"
] |
76ec5fd6-1664-4cc3-a2a8-97266346077b
|
인공물ED
|
전방향성 복사 패턴을 갖는 소형 평면 패치 안테나
|
<h1>Ⅲ. 설계 변수에 따른 안테나 특성 변화</h1><p>제안된 안테나에서 공진 주파수와 안테나의 정합 특성에 가장 큰 영향을 주는 설계 변수는 \( y_{0} \)와 \( y_{1} \)이다. 그림 2에서 \( y_{1} \)을 \( 1.5 \mathrm{mm} \)로 고정시킨 후, \( y_{0} \)을 변화시켰을 때 안테나의 공진 주퐈수 변화를 살펴보았다. 이 때 모든 경우에서 단락 핀의 수는 2개이다. 각 \( y_{0} \)에 따라 정합되는 \( y_{1} \)이 다르기 때문에 정합 특성은 각 경우에 따라 다르지만, \( y_{0} \)가 커질수록 공진 주파수가 높아지는 것을 확인할 수 있다. 이는 단락 핀의 위치가 하판 패치에 흐르는 전류 경로에 영향을 주기 때문에 즉, 전기적 길이가 변하기 때문에 안테나 전체의 공진 주파수에 변화를 준다.</p><p>그림 3은 \( y_{0} \)를 \( 0.6 \mathrm{mm} \)로 고정시키고 \( y_{1} \)을 \( 0.4 \mathrm{mm} \)씩 증가시켰을 때, Smith chart상에서의 안테나 정합 특성을 나타내었다. 이 때 Smith chart상의 주파수 궤적은 \( 4 \mathrm{GHz} \)부터 \( 8 \mathrm{GHz} \)까지 이다. 그림을 통해 알 수 있듯이, \( y_{1} \)이 커질수록 Smith chart의 정합점에 근접하는 것을 알 수 있다. 또한, \( y_{1} \)이 커짐에 따라 주파수 궤적이 Smith chart상에서 아래 부분으로 내려감을 알 수 있다. 이와 같은 사실은 급전선과 하판 패치를 연결하는 비아와 단락 핀(비아와 가장 근접한 단락 핀)을 2선식 전송 선로로 간주하면 다음 식 (1)과 (2)로 설명할 수 있다. 2선식 전송 선로에서 인턱턴스와 캐패시턴스는 식 (1)과 (2)로 주어진다.</p><p>\( L=\frac{\mu h}{\pi} \cosh ^{-1}\left(\frac{d}{2 a}\right) \)<caption>(1)</caption></p><p>\( C=\frac{\pi \varepsilon h}{\cosh ^{-1}\left(\frac{d}{2 a}\right)} \)<caption>(2)</caption></p><p>식 (1)과 (2)에서 \( d \)는 단락 핀 사이와 비아 사이의 거리이고, \( a \)는 단락 핀과 비아의 반지름이며, \( h \)는 단락 핀의 길이이다. 단락 핀과 비아의 저항과 유전체의 컨덕턴스는 인덕턴스와 캐패시턴스에 비해 매우 작기 때문에 무시하였다. 인덕턴스와 캐패시턴스에 의하여 단락 핀과 비아의 리액턴스가 결정되며, 만약 이 값이 인덕티브한 값을 가지게 되면 공진 주파수는 낮아지고, 캐패시티브한 값을 가지게 되면 공진 주파수는 높아지게 된다. 식 (1)과 (2)에서 주어진 \( a \)에 대해 \( d \)가 작아지면 인덕턴스는 작아지고 캐패시턴스는 커진다. 따라서, \( y_{1} \)이 커짐에 따라 \( d \)가 커지는 결과를 초래하여 Smith chart상의 주파수 궤적이 인덕티브한 값에서 캐패시티브한 값으로 움직이는 것을 알 수 있다.</p><p>그림 4에서는 단락 핀의 수에 따라 안테나를 최적화 시켰을 때의 반사 손실 특성을 나타냈다. 모든 경우 단락 핀의 지름은 \( 0.5 \mathrm{mm} \)이고, 최적화된 결과는 각 경우에 따라 \( y_{0} \)와 \( y_{1} \)값을 조절하여 최대 대역폭을 얻도록 하였다. 그림 4를 통해 알 수 있듯이, 단락 핀의 수가 증가할수록 공진 주파수가 높아진다. 이와 같은 결과도 식 (1)과 (2)를 통해 설명할 수 있다. 식 (1)과 (2)에서 주어진 \( a \)에 대해 \( d \)가 작아지면 인덕턴스는 작아지고 캐패시턴스는 커진다. 일반적으로 단락 핀의 수가 늘어나면 인덕턴스에 비해 캐패시턴스가 증가하는 비율이 커지고, 전체 단락 핀의 리액턴스는 캐패시티브한 값을 가지게 되어 공진 주파수는 높아지게 되며, 안테나의 \( Q \) 값은 작아져 대역폭이 증가하게 된다. 그러나 표 2에 정리하였듯이, 단락 핀의 수가 3개 이상이 되면 오히려 대역폭이 줄어드는데 이는 안테나의 폭이 단락 핀의 지름과 비교해 그리 크지 않기 때문에 \( y_{1} \)의 자유도가 좁아져서 안테나의 정합이 잘 안되기 때문이다.</p><table border><caption>표 2. 단락 핀 수에 따른 공진 주파수와 대역폭 변화</caption><tbody><tr><td>단락 핀 수</td><td>\( y_{0}(\mathrm{mm}) \)</td><td>\( y_{1}(\mathrm{mm}) \)</td><td>\( f_{r}(\mathrm{GHz}) \)</td><td>Bandwidth</td><td>\( \% \) bandwidth</td></tr><tr><td>1</td><td>1.5</td><td>1.5</td><td>5.73</td><td>\( 625 \mathrm{MHz} \)</td><td>\( 10.86 \% \)</td></tr><tr><td>2</td><td>0.5</td><td>1.7</td><td>5.9</td><td>\( 695 \mathrm{MHz} \)</td><td>\( 11.73 \% \)</td></tr><tr><td>3</td><td>0.5</td><td>1.5</td><td>5.93</td><td>\( 620 \mathrm{MHz} \)</td><td>\( 10.41 \% \)</td></tr><tr><td>4</td><td>0.5</td><td>1.5</td><td>6.015</td><td>\( 425 \mathrm{MHz} \)</td><td>\( 7.05 \% \)</td></tr></tbody></table>
|
[
"공진 주파수가 가장 클 때 대역폭은 몇 \\( \\mathrm{MHz} \\) 인가?",
"단락 핀 수가 1일 때 \\( y_{0}(\\mathrm{mm}) \\)의 값은 뭐야?",
"\\( f_{r}(\\mathrm{GHz}) \\)가 5.73의 값을 갖도록 하는 단락 핀 수는 무엇인가?",
"단락 핀 수가 가장 작을 때 Bandwidth의 값은 뭐야?",
"Bandwidth의 값 중 단락 핀 수가 가장 적을 때의 값은 뭐야?",
"단락 핀 수의 값이 가장 크도록 하는 \\( \\% \\) bandwidth의 값은 무엇인가?",
"어떤 값이 단락 핀 수의 깂이 제일 크도록 하는 bandwidth의 값이야?",
"\\( y_{0}(\\mathrm{mm}) \\)의 값과 \\( y_{1}(\\mathrm{mm}) \\)의 값이 같을 때 \\( f_{r}(\\mathrm{GHz}) \\)의 값은 무엇인가?",
"\\( y_{1}(\\mathrm{mm}) \\)의 값이 가장 크도록 하는 Bandwidth의 값은 무엇인가?",
"\\( f_{r}(\\mathrm{GHz}) \\)의 값들 중 6이상인 값이 있다면 그 값은 무엇인가?",
"Bandwidth의 값이 600이하인 값을 갖도록 하는 단락 핀 수는 뭐야?",
"값이 \\( 10.41 \\% \\)일 때 열의 이름은 뭐야?",
"\\( y_{1}(\\mathrm{mm}) \\)의 값이 1.6 이상일 때 \\( y_{0}(\\mathrm{mm}) \\)의 값은 뭐야?",
"최적화된 결과는 어떻게 얻었나?",
"단락 핀의 수가 증가함에 따라 대역폭이 증가하는 과정은 어떻게 이루어지는가?",
"\\( y_{0}(\\mathrm{mm}) \\)이 중복 되지 않는 값을 가질때 단락 핀수는 몇개인가?",
"\\( y_{1}(\\mathrm{mm}) \\)이 중복되지 않는 값을 가질 때에 해당하는 공진 주파수의 값은 무엇인가?",
"10\\( \\% \\)보다 큰 \\( \\% \\) bandwidth 값을 갖는 단락 핀 수는 몇개야?",
"5.93의 \\( f_{r}(\\mathrm{GHz}) \\) 값을 가질 때 \\( \\% \\) bandwidth의 값은 얼마인가?",
"공진 주파수가 5.9일 때에 해당하는 대역폭은 얼마인가?",
"대역폭이 \\( 695 \\mathrm{MHz} \\)라면 \\( \\% \\) bandwidth의 값은 얼마야?"
] |
c238877d-99a0-42cf-af4c-02585062765d
|
인공물ED
|
성능이 향상된 Stack Monitoring System의 설계
|
<h1>Ⅱ. 본론</h1><h2>1. 전원 노이즈 및 중폭회로의 발진 등을 해결하기 위한 회로 설계</h2><p>Charge Sensitive AMP는 매우 빠르게 입력 펄스를 처리하기 때문에 펄스성 잡음에 영향을 많이 받게 된다. 잡음은 주파수 성분이 매우 높아 전계 필드 방사 형태로 전달되는데 이의 영향을 줄이기 위해서는 거리를 멀리하거나 전계에 대한 차폐, 회로 내의 임피던스를 낮추는 방법 등이 있다. 본 논문에서는 잡음의 영향을 줄이기 위해 차폐, 신호를 처리하는 각 단간의 전원을 통한 궤환 (Feedback)을 줄이기 위해 전원부 임피던스를 최대한 낮추고 전원회로를 분리하는 방법으로 설계한다. 그림 1 은 전원 노이즈 및 증폭회로의 발진 등을 해결하기 위한 회로도이다.</p><h2>2. 신틸레이션 검출기의 특성을 최대한 장치에 매칭하기 위한 제어부 설계</h2><p>그림 2 는 측정된 방사선에 의한 출력 신호에 대하여 신호의 증폭, 가우시안 펄스로의 변형, 노이즈 등을 제거하고 각 펄스의 수를 측정하도록 설계된 신호의 특성을 개선한 하드웨어 블록도이다. 하드웨어 블록도는 검출부, Charge Sensitive AMP, Pulse Shaping AMP, Discriminator, Embedded Control Board부로 구성된다.</p><p>검출부는 카트리지에 포집된 Beta particulate를 측정하기 위한 신틸레이션 검출기를 사용한다. PMT에 고압을 인가하고, Scintillator에 입사된 방사선을 증폭하여 미세한 전기신호로 출력한다. Charge Sensitive AMP는 검출부로부터 출력된 미세 펄스신호를 증폭한다. Charge Sensitive AMP 로 입력된 미세 펄스신호의 Peak에 비례하며, 폭이 넓은 파형을 획득한다. Charge Sensitive AMP 회로에서 임펄스의 전하를 적분하며, 전하가 계속 누적되지 않도록 방전시키는 역할을 수행한다. Pulse Shaping AMP부는 4 차 LPF 로 구성하여 회로를 설계하여 펄스 파형을 Gaussian 모양으로 정형화한다. Discriminator부는 Pulse Shaping AMP부를 통해 정형화된 펄스를 특정 전압을 기준으로 해서 디지털 신호로 변환한다. 기준 전압은 작을수록 좋지만 너무 작으면 각종 잡음을 신호로 변환하기 때문에 상황에 맞게 조절한다. Embedded Control Board부는 Ethernet Port를 통해 원격의 PC와 통신한다. 방사선 조사 실내에 작업자가 수시로 출입하며 설정 및 조정을 하지 않고 원격에서 전압 및 캘리브레이션 설정을 조정한다.</p><h2>3. 가변 고전압 전원회로 설계</h2><p>\( 300 \sim 1,500 \mathrm{V} \) 의 가변 고전압 전원 회로의 중요한 요소는 필요한 고전압을 원격으로 명령하는대로 생성하는 것이며, 검출기의 펄스 출력 빈도가 높을 때에도 전압이 떨어지지 않을 정도의 전류를 공급할 수 있어야 한다. PMT의 특성상 고전압 offset은 센서의 동작에 크게 문제되지 않지만, 고압측에서 센서가 방전시 발생하는 순간적인 전압 차이를 이용하여 신호를 얻으므로 고압측의 잡음 특성은 매우 중요한 설계 요인이 된다. 그림 3은 가변 고전압 전원의 블록도를 나타낸다.</p><p>고압발생부는 저압으로부터 고압을 얻은 기능을 하며, capacitor와 스위치를 이용하여 전압을 올리는 방법, 변압기를 이용하여 올리는 방법, 교류를 배압 정류하여 올리는 방법 등이 많이 사용된다. 본 논문에서는 필요한 특성을 충족하면서 소규모로 만들기 위해 변압기와 배압 정류를 혼합한 방법을 사용한다. 한편, 보편적으로 스위칭 전원에서 많이 사용하는 전압 변환 회로는 주 전원 전류를 스위칭 하여 단속시 2차측 코일에 나타나는 임펄스 형태의 파형을 정류하여 고압을 얻는다. 고압전원 배압변환부는 트랜스 2 차측의 AC 전압을 최대치의 7 배 전압으로 정류하는 회로인데, 트랜스 2 차측 핀의 전압 변동 폭이 가장 커서 주 EMI 방출원이 된다. 따라서 배압 정류의 배율만큼 2 차측 전압이 낮도록 설계하여 EMI 측면에서 유리하도록 한다. 평활 및 노이즈 제거부는 출력 DC 전압으로 부터 AC 성분(노이즈)를 제거하기 위한 회로이다. 스위칭 주파수와 고조파를 포함하면 \( 100 \mathrm{KHz} \) 에서 수 \( \mathrm{GHz} \) 대에 이르는 노이즈가 나오므로 반도체를 사용한 액티브 필터보다는 수동 소자를 사용한다. 한편, 잡음을 효과적으로 제거하기 위해 다단의 LC 필터를 사용하며, 목표 전압에 도달한 후 전압 검출에 의해 고압발생이 ON/OFF 되며 발생하는 리플을 제거하기 위하여 리플 필터를 사용한다. 또한 HV_CK 의 스위칭에 의해 발생하는 높은 주파수의 잡음을 제거하기 위하여 RC 필터를 사용한다. RC 필터는 저항 대신에 인덕터를 사용할 수도 있으나, 권선 간의 기생 용량으로 인해 자체 공진 주파수 이상의 고주파 성분은 충분히 차단하지 못하는 단점이 있으므로 기본구성은 저항으로 한다. 전압검출 및 제어부는 출력 전압을 감시하여 고압 발생기를 동작시킬지 여부를 결정하는 회로로서 고전압을 약 1/(500\(\ast\)7)로 줄여 기준 전압과 비교한다.<h2>4. 성능 실험</h2><p>본 논문에서 개발된 성능이 향상된 Stack Monitoring System을 교정기관이 표면 오염 측정을 위해 보유하고 있는 기준 검사 방사능 소스를 활용하여, 그림 4 와 같이 정상 범위에서의 동작함이 확인되었다.</p><p>또한 성능이 향상된 Stack Monitoring System 의 불확도에 대하여 그림 5 와 같이 공인 시험기관의 장비를 사용하여 실험한 결과 우수한 성능을 나타내었다.</p><p>한편 가변 고전압 전원 회로에서는 정상적으로 \( 300 \sim 1,500 \mathrm{V} \) 의 가변 고전압이 공급됨을 자체 테스트로 확인하였다.</p>
|
[
"Charge Sensitive AMP가 입력 펄스를 처리하는 것 때문에 무엇의 영향을 많이 받지?",
"Charge Sensitive AMP는 무엇 때문에 펄스성 잡음의 영향을 받니?",
"빠르게 입력 펄스를 처리하므로써 펄스성 잡음의 영향을 받는 기기는 무엇이니?",
"전계 필드 방사 형태로 전달되는 잡음은 파장 성분이 높니?",
"전계 필드 방사 형태로 전달되는 잡음의 영향을 줄이기 위한 방법은 무엇이니?",
"본 논문에서는 무엇의 영향을 줄이기 위한 전원회로 설계방법을 생각했지?",
"본 논문에서는 잡음의 영향을 줄이기 위해 무엇을 처리하는 각 단간의 전원을 통한 피드백을 줄이기 위해 연구했니?",
"본 논문에서는 무엇의 단간의 전원을 통한 피드백을 줄여서 잡음의 영향을 줄이려고 연구했어?",
"이 논문에서는 잡음의 영향을 줄이기 위해 차폐, 신호를 하는 각 단간의 전원을 통한 피드백을 줄이는 방법으로 무엇을 낮추려고 하지?",
"이 논문에서는 잡음의 영향을 줄이기 위해 어떤 방법을 고안했니?",
"검출부, Charge Sensitive AMP, Pulse Shaping AMP, Discriminator, Embedded Control Board부로 구성된 것은 무엇의 블록도이지?",
"시험부, Charge Sensitive AMP는 하드웨어 블록도 구성 중 일부이니?",
"그림 2는 무엇에 의한 출력 신호에 대한 후처리 및 검출하는 하드웨어 블록도이니?",
"그림 2의 하드웨어 블록도는 측정된 방사선의 무엇에 대한 펄스의 수를 측정하도록 설계된 하드웨어 블록도이니?",
"검출부는 카트리지에 포집된 무엇을 측정하기 위해 신틸레이션 검출기를 사용하지?",
"포집된 Beta particulate를 측정하기 위해서 검출부에서는 무엇을 사용하니?",
"검출부는 카트리지에서 방사된 Beta particulate를 측정하기 위해서 신틸레이션 검출기를 사용하니?",
"Charge Sensitive AMP에 입력된 미세 펄스 신호는 어디에서 출력된 신호이지?",
"Charge Sensitive AMP를 통해 증폭 처리된 미세 펄스신호는 무슨 특징을 가지고 있지?",
"임펄스의 전하를 적분하고, 전하가 누적되지 않도록 방전시키는 역할을 수행하는 회로의 이름은 무엇이니?",
"Charge Sensitive AMP 회로의 역할은 무엇이니?",
"펄스 파형을 Gaussian 모양으로 정형화 시키는 회로는 무엇이지?",
"Pulse Shaping AMP부를 통해 만들어진 정형화된 펄스는 어느 회로에 전달되지?",
"Discriminator부는 Pulse Shaping AMP부로부터 전달받은 정형화된 펄스에 어떤 처리를 하니?",
"Ethernet Port을 통해서 원격으로 PC와 통신하는 회로는 무엇이지?",
"Charge Sensitive AMP는 입력된 미세 펄스신호에 어떤 처리를 하니?",
"하드웨어 블록도에는 검출부가 포함되니?",
"Pulse Shaping AMP부는 4차 무엇으로 구성되어 있니?",
"Embedded Control Board부는 원격으로 무엇을 조정하지?",
"Charge Sensitive AMP는 출력 펄스를 처리하니?",
"Charge Sensitive AMP가 처리하는 것은 무엇이니?",
"Charge Sensitive AMP는 무엇을 처리하지?",
"주파수 성분이 높아 전계 필드 방사 형태로 전달되는 것은 무엇이니?",
"잡음은 무엇이 높은 특성 때문에 전계 필드 방사 형태로 전달되지?",
"주파수 성분이 높은 잡음은 어떤 형태로 전달되지?",
"입력 펄스를 처리하는 것 때문에 Charge Sensitive AMP가 펄스성 잡음의 영향을 받니?",
"Charge Sensitive AMP가 출력 펄스를 처리하기 때문에 펄스성 잡음의 영향을 많이 받니?"
] |
ed797e29-4b07-4dc4-ae98-8e892641f065
|
인공물ED
|
성능이 향상된 Stack Monitoring System의 설계
|
<h1>Ⅲ 결론</h1><p>본 논문에서는 성능이 향상된 Stack Monitoring System을 개발 하였다. 전원 노이즈 및 증폭회로의 발진 등을 해결하기 위한 회로 설계 및 보드 제작(Shield CAN)을 통해 Stack Monitoring System의 신호의 특성을 개선하도록 회로를 개선 설계하였다. 또한 \( 300^{\sim} 1,500 \mathrm{V} \) 가변 고전압 전원회로를 통해 광범위한 전압범위를 갖는 신틸레이션 검출기의 전원 공급에 효과적으로 대응하여 운용 및 효율성을 극대화하였다. 성능이 향상된 Stack Monitoring System의 불확도에 대하여 공인 시험기관의 장비를 사용하여 실험한 결과 우수한 성능을 나타내었다. 향후 시스템의 안정화 및 정확도를 높이는 방법에 대한 연구가 필요하리라 사료된다.</p>
|
[
"전원 노이즈 및 증폭회로의 발진등을 해결하기위한 개선 안이 어떻게 돼?",
"전원 노이즈 및 증폭회로의 발진등을 해결하기위한 개선 안은 무엇인가?",
"광범위한 전압범위를 갖는 신틸레이션 검출기의 효과적인 전원 공급을 위해 사용된 전원회로는 무엇인가?"
] |
f2be1874-42c1-4d19-80a0-30a93ffcc8e3
|
인공물ED
|
성능이 향상된 Stack Monitoring System의 설계
|
<h1>요 약</h1><p>본 논문에서는 성능이 향상된 Stack Monitoring System을 설계한다. Stack Monitoring System의 증폭기(AMP)에 들어오는 펄스성 잡음을 차단하기 위하여, 차폐 및 전원부 임피던스를 낮추고 전원회로를 분리하여 노이즈를 차단한다. 신틸레이션 검출기 특성을 최대한 장치에 매칭하기 위한 가변 고전압, 이득(Gain), 상쇄(Offset), 한계(Threshold) 등을 설정 할 수 있는 제어부를 설계한다. 또한 \( 300 \sim 1,500 \mathrm{V} \) 의 가변 고전압 전원회로를 구성하여 다양한 신틸레이션 검출기에 적용가능 한 가변 전압 공급 장치를 설계한다. 성능이 향상된 Stack Monitoring System은 다종의 신틸레이션 검출기가 각각의 특성을 고려하여 동작하게 함으로서 효율적이고 높은 신뢰성을 보장한다. 개발된 Stack Monitoring System의 측정 불확도에 대하여 공인 시험기관의 장비를 사용하여 실험한 결과 우수한 성능을 나타내었다.</p>
|
[
"개발된 Stack Monitoring System의 측정 불확도에 실험한 결과 우수한 성능을 나타내지 못하였는가?",
"Stack Monitoring System의 증폭기(AMP)에 들어오는 펄스성 잡음을 차단하기 위하여 어떤 작업을 하는가?",
"신틸레이션 검출기의 특성을 최대한 장치에 매장하기위해 필요한 것은 무엇인가?",
"다양한 신틸레이션 검출기에 적용가능한 가변전압 공급장치 설계에 필요한 전원회로는 어떻게 구성되는가?"
] |
7841c4eb-12d6-49e9-a0a2-cd060c4ecf2d
|
인공물ED
|
성능이 향상된 Stack Monitoring System의 설계
|
<h1>Ⅰ. 서론</h1><p>기존에 개발되었던 Stack Monitoring System에 구성되어 있는 Pre-AMP, Main AMP, 고전압 발생장치 등에 전원 노이즈 및 각 AMP 의 발진요소 등이 있는 실정이다. 따라서 각 AMP 를 차폐하여 발진 및 외부로 부터의 노이즈 요소를 줄이기 위한 노력을 하고 있으나, 기 설계된 하드웨어의 특성상 차폐에 한계가 있어 노이즈를 감소시키는 데에 한계를 가지고 있다. 또한 SMPS (Switched Mode Power Supply)를 사용하여 디지털 제어부와 AMP 등을 위해 전원 인가해주는 경우에 전원 주파수 인 \( 60 \mathrm{Hz} \) 와 전원장치가 가지는 \( 100 \mathrm{Khz} \) 대의 노이즈가 Pre-AMP 및 Main AMP 등에 영향을 주어 입력단의 미세한 노이즈가 증폭되어 정확도 및 정밀로들 떨어뜨리는 요인이 되고 있다. 신틸레이션 검출기의 경우 300 \(\sim\)1,500 \(\mathrm{V} \) 까지의 가변 고전압 전원 공급이 필요하지만 일반적인 Stack Monitoring System은 \( 700 \mathrm{V} \) 의 전원을 공급하여 동작되도록 구성되어 있어 고전압 가변에 따른 신틸레이션 검출기의 최적 동작 설정에 제약을 가지고 있다.</p><p>따라서 본 논문에서는 Stack Monitoring System의 증폭기(AMP)에 들어오는 펄스성 잡음을 차단하기 위하여, 차폐 및 전원부 임피던스를 낮추고 전원회로를 분리하여 노이즈를 차단한다. 신틸레이션 검출기 특성을 최대한 장치에 매칭하기 위한 가변 고전압, 이득(Gain), 상쇄(Offset), 한계(Threshold) 등을 설정 할 수 있는 제어부를 설계한다. 또한 \( 300 \sim 1,500 \mathrm{V} \) 의 가변 고전압 전원회로를 구성하여 다양한 신틸레이션 검출기에 적용가능 한 가변 고전압 전원회로를 설계한다. 이렇게 개발된 성능이 향상된 Stack Monitoring System은 효과적인 비용절감, 기술의 국산화, 효율적이고 안전한 방사선 관리를 하는데 효율적이다.</p>
|
[
"기존에 개발되었던 Stack Monitoring System은 어떤 것으로 구성되어 있지?",
"일반적인 Stack Monitoring System은 얼마의 전원을 공급하여 동작되도록 구성되어있지?",
"얼마의 전원을 일반적인 Stack Monitoring System이 동작하려면 필요로 하지?",
"신틸레이션 검출기의 경우 어떤 범위의 가변 고전압 전원 공급이 필요하지?",
"SMPS (Switched Mode Power Supply)를 사용하여 디지털 제어부와 AMP 등을 위해 전원 인가해주는 경우에 전원 주파수 인 \\( 60 \\mathrm{Hz} \\) 와 전원장치가 가지는 \\( 100 \\mathrm{Khz} \\) 대의 노이즈가 Pre-AMP 및 Main AMP 등에 영향을 주어 입력단의 미세한 노이즈가 증폭되어 어떤 것들을 떨어뜨리는 요인이 되고 있지?",
"본 논문에서는 Stack Monitoring System의 증폭기(AMP)에 들어오는 펄스성 잡음을 노출하기 위하여, 차폐 및 전원부 임피던스를 낮추고 전원회로를 분리하여 노이즈를 차단하지?",
"일반적인 Stack Monitoring System은 어떤 설정에 제약을 갖고 있지?",
"신틸레이션 검출기 특성을 최대한 장치에 매칭하기 위해 어떤 기능을 설정 할 수 있는 제어부를 만들지?",
"성능이 높아진 Stack Monitoring System은 어떤 이점이 있지?"
] |
f0f31b8d-61bf-4baf-9cab-9a98c1ca804d
|
인공물ED
|
2GHz 평면 테이퍼형 전력 분배/결합회로의 수정된 구조 연구
|
<h3>2-2-2 회로의 파라메터 분석</h3> <p>식 (2)에 포함된 회로의 설계 파라미터는 테이퍼의 외형을 결정하는 중요한 인수이다. 전체 회로의 길이 \( P \) 는 전력 분배/결합 회로의 중심 주퐈수를 결정하는 주된 변수이고, 회로의 폭의 크기를 결정하는 \( q \) 와 \( \mathrm{Wmax} \) 의 위치를 결정하는 \( K \), 그리고 입력 반사특성을 개선하여 주는 에칭 제거원의 위치와 크기에 따라 전력 분배/결합 회로의 특성 변화를 보인다. 그래서 본 논문에서 \( P, q, K \) 입력에서 에칭 제거원까지의 거리 \( A \), 그리고 에칭 제거원의 반경 R에 따른 전력 분배/결합회로의 특성변화를 연구하였다. 그리고 상대유전율 \( \left(\varepsilon_{n}\right) \) 은 10.2이고, 두께 \( (h) \) 는 \( 1.27 \mathrm{~mm} \) 인 기판을 사용하여 마이크로스트립 전력 분배기를 개발하였다.</p> <p>그림 5 는 회로 전체의 길이 \( P \) 에 따른 중심 주파수의 변화를 보여준다. 표 1 에서는 회로의 길이에 따른 중심 주파수와 그에 따른 회로의 전기적인 길이를 나타내었다. 이를 보면 회로의 전체의 길이는 회로의 중심주파수를 결정하는 주된 요인으로써 그 길이가 약 \( 0.6 \lambda \) 일 때 최적의 전기적인 특성을 얻을 수 있었다.</p> <table border><caption>표 1. 회로의 길이 \( P \) 에 따른 중심 주파수와 전기적인 길이 변화</caption> <tbody><tr><td>회로의 길이 \( P \) \[ [\mathrm{mm}] \]</td><td>중심 주파수 \([GHz]\)</td><td>전기적인 길이</td></tr><tr><td>31</td><td>2.209</td><td>\( 0.60 \lambda \)</td></tr><tr><td>33</td><td>2.090</td><td>\( 0.60 \lambda \)</td></tr><tr><td>35</td><td>2.015</td><td>\( 0.601 \lambda \)</td></tr><tr><td>37</td><td>1.910</td><td>\( 0.601 \lambda \)</td></tr><tr><td>39</td><td>1.821</td><td>\( 0.601 \lambda \)</td></tr></tbody></table> <p>식 (2)에서 \( q \) 는 회로의 세로 폭을 결정하는 변수이다. 그립 6에서 \( q \) 의 값에 따라 변하는 중심주파수와 입력반사특성 \( \left(\left|S_{11}\right|\right) \) 을 나타내었다. \( q \) 의 값이 커짐에 따라 회로의 전체적인 폭인 Wmax와 W2의 폭은 커지게 된다. W2의 폭이 커지면 출력단의 \( 50 \Omega \) 전송선로와의 불연속면이 커지게 된다. 그림 5 와 같이 \( q \) 의 값이 커질수록 회로의 입력과 출력사이의 전기적인 길이는 길어져서 회로의 중심주파수는 낮아지고 W2의 크기는 커져서 출력과의 불연속면이 커져 회로의 입력 반사 특성이 열화 된다.</p> <p>그림 7 에서는 \( K \) 의 변화에 따른 중심주파수와 입력반사특성을 보여준다. \( K \) 는 회로의 \( \mathrm{Wmax} \) 의 위치를 결정하는 변수로써 회로의 중심인 \( K \) 값이 \( P / 2 \) 인 지점으로 근접할수록 회로의 구조가 원형 마이크로스트립 공진 구조에 근사하게 되어 보다 나은 입력 반사 특성을 얻을 수 있다. 그러나 \( K \) 의 값이 회로중심에 근접할수록 W2의 폭은 좁아지므로 출력단의 수와 전기적인 특성을 고려하여 결정하여야 한다. 1:2 전력 분배/결합 회로에서는 그림 6에서 보여준 것과 같이 중심 주파수를 \( 2 \mathrm{GHz} \) 에 맞추기 위해 \( K \)를 \( 23(0.4 \lambda) \mathrm{mm} \) 에 위치시켰다.</p> <p>그림 8 은 전력 분배/결합기의 변수가 \( P=35 \mathrm{~mm} \) \( (0.6 \lambda), K=23 \mathrm{~mm}(0.4 \lambda), q=7, R( \) 원의 반경 \( )=1 \mathrm{~mm} \) 일 때 에칭 제거원의 위치 \( \mathrm{A} \) 를 \( 6,7,8 \mathrm{~mm} \) 로 변화시켰을 때 각각의 중심 주파수와 입력 반사 \( \left.\left|S_{11}\right|\right) \) 특성을 나타내고 있다. 에칭 제거원의 위치에 의한 중심 주파수는 약간의 변화가 나타남을 알 수 있다. 그림 9 에서는 에칭 제거한 원의 반경 \( R \) 에 대한 중심주파수와 삽입손실특성은 원의 크기가 증가할수록 중심 주파수는 높아지고 반사손실은 증가하는 특성을 나타낸다.</p> <p>위에서 보여준 파라메터 분석 결과 2 분배 전력 분배/결합기 회로 변수를 다음과 같이 정하였다. 중심 주파수를 \( 2 \mathrm{GHz} \) 로 하였을 때 회로의 전체적인 가로길이 \( P=35(0.6 \lambda) \mathrm{mm} \) 이고, \( \mathrm{Wmax} \) 의 위치 \( K=23 \) \( (0.4 \lambda) \mathrm{mm} \) 이고, 그 폭은 \( 17.86(0.31 \lambda) \mathrm{mm} \) 이고, 회로의 \( 50 \Omega \) 의 전송 선로의 폭 \( W 1=1.12 \mathrm{~mm} \), 회로의 종단의 폭 W2는 \( 8.98(0.16 \lambda) \mathrm{mm} \), 각 출력단과의 폭은 \( 6.4(0.11 \lambda) \mathrm{mm} \) 로 하였다. 또한 에칭 제거원은 \( A=7(0.12 \lambda) \mathrm{mm} \) 에 위치하고, 그 반지름 \( R=1 \mathrm{~mm} \) 로 하였다.</p> <h2>2-3 수정된 형태의 1: 3 전력 분배/결합기 설계</h2> <p>앞의 파라미터 분석결과를 이용하여 \( 1: 3 \) 전력 분배/결합기를 설계하였다. 1: 2전력 분배/결합기와 비교 분석을 위해 마이크로스트립 기판은 1:2 전력 분배/결합기와 같은 기판을 사용하였으며, 회로 전체의 길이 \( P \) 또한 같게 하여 설계하였다.</p> <p>중심 주파수를 \( 2 \mathrm{GHz} \) 로 하였을 때 회로의 전체적인 가로길이 \( P=35(0.6 \lambda) \mathrm{mm} \) 이고, \( \mathrm{Wmax} \) 의 위치 \( K=25(0.43 \lambda) \mathrm{mm} \) 이고, 그 폭은 \( 18(0.32 \lambda) \mathrm{mm} \) 이고, 회로의 \( 50 \mathrm{~S} \) 의 전송 선로의 폭 \( \mathrm{Wl}=1.12 \mathrm{~mm} \), 회로의 종단의 폭 \( \mathrm{W} 2 \) 는 \( 14.6(0.25 \lambda) \mathrm{mm} \), 각 출력단간의 폭은 \( 5(0.08 \lambda) \mathrm{mm} \) 로 하였다. 또한 에칭 제거원의 경우 \( A=8(0.13 \lambda) \mathrm{mm} \) 에 위치시켰고, 그 반지름 \( R=1 \) \( \mathrm{mm} \) 로 하였다.</p>
|
[
"회로의 길이 \\( P \\) 에 따른 중심 주파수와 전기적인 길이 변화를 확인했을 때 가장 긴 회로의 길이는 얼마인가?",
"회로의 길이 \\( P \\) 에 따른 전기적인 길이 변화에서 그 길이가 가장 긴 값은 얼마인가?",
"회로의 전기적인 길이가 얼마일 때 최적의 전기적인 특성을 얻을 수 있는가?",
"회로의 길이가 33 \\(\\mathrm{mm} \\)일 때 전기적인 길이의 값은 얼마인가?",
"전기적인 길이가 \\( 0.60 \\lambda \\)로 나타나는 회로의 길이 중 더 긴 값은 얼마인가?",
"전기적인 길이가 \\( 0.601 \\lambda \\)를 가지는 것 중 중심 주파수가 가장 작을 때의 값은 얼마인가?",
"회로의 길이가 37\\(\\mathrm{~mm} \\)일 때 중심 주파수 값은 얼마인가?",
"중심 주파수가 2.015 \\(GHz\\)일 때 회로의 길이 \\( P \\)는 얼마인가?",
"중심 주파수가 가장 큰 값을 가질 때 회로의 길이는 얼마인가?",
"회로의 전기적인 길이가 \\( 0.601 \\lambda \\)를 가지는 것 중 중심 주파수가 가장 높은 때 회로의 전체의 길이 \\( P \\) 는 얼마인가?",
"회로의 길이에 따른 중심 주파수를 확인한 결과 값에서 가장 높은 주파수는 무엇인가?",
"\\( 1: 3 \\) 전력 분배/결합기를 \\( 1: 2 \\)전력 분배/결합기와 비교 분석 하기 위해 어떻게 설계해야 하는가?"
] |
d4e57301-efb0-45c3-88d4-18c098952536
|
인공물ED
|
다중 목적 입자 군집 최적화 알고리즘 이용한 방사형 기저 함수 기반 다항식 신경회로망 구조 설계
|
<h2>4.3 Liver 데이터</h2> <p>Liver 데이터는 6입력 2클래스의 데이터로 총 345개로 구성되어있다. 이 데이터도 pima 데이터와 마찬가지로 5 fold cross validation을 사용하여 모델의 성능을 평균과 표준편차로 나타내었다. 이번 실험에서는 학습 데이터를 한 번 더 나누어 총 데이터에서 학습데이터 173개(\(50\%\)) 검증데이터 103개(\(30\%\)) 그리고 테스트데이터 69개(\(20\%\))가 되도록 나누었다. 데이터를 세 개로 나누어도 실제 평가되는 테스트데이터는 기존의 \( 5 \mathrm{fcv} \)와 동일하다. 다만 검증데이터를 추가하여 학습데이터와 검증데이터로 모델을 구축함으로씨 테스트데이터의 성능이 저하 및 발산하는 현상을 줄이고 보다 안정적인 성능을 나타낸다. 총 4층까지 학습하였으며 모델의 패턴분류률 및 정확성은 표 4와 같다.</p> <p>표 4를 통해 각 층에서의 평균 패턴분류률 및 정확성을 알 수 있으며, 그림 12 를 통해 각 \( \mathrm{fcV} \)에서의 패턴분류률 나타내었다. 학습데이터의 패턴분류률은 층수가 올라갈수록 좋아지지만 테스트데이터의 패턴분류률은 3층에 \( 77.31 \% \)로 가장 우수하다. 4층의 경우 학습데이터는 3층에 비해 크게 개선되었지만 테스트데이터의 성능이 떨어지고 표준편차가 큰 것을 알 수 있다.</p> <table border><caption>표 4 Liver 데이터의 패턴분류률 및 정확성</caption> <tbody><tr><td>L</td><td>PCR of training dataset</td><td>PCR of validation dataset</td><td>PCR of testing dataset</td><td>Accuracy of training dataset</td><td>Accuracy of validation dataset</td><td>Accuracy of testing dataset</td></tr><tr><td>1</td><td>63.93\(\pm\)7.4</td><td>64.9\(\pm\)3.6</td><td>73.6\(\pm\)7.8</td><td>0.222\(\pm\)0.021</td><td>0.229\(\pm\)0.017</td><td>0.232\(\pm\)0.047</td></tr><tr><td>2</td><td>80.9\(\pm\)2.4</td><td>63.7\(\pm\)6.4</td><td>77.3\(\pm\)2.4</td><td>0.140\(\pm\)0.026</td><td>0.641\(\pm\)0.843</td><td>0.284\(\pm\)0.082</td></tr><tr><td>3</td><td>88.1\(\pm\)1.3</td><td>63.5\(\pm\)6.1</td><td>77.3\(\pm\)1.9</td><td>0.088\(\pm\)0.614</td><td>0.229\(\pm\)0.078</td><td>0.366\(\pm\)0.199</td></tr><tr><td>4</td><td>93.6\(\pm\)1.8</td><td>60.6\(\pm\)3.9</td><td>74.7\(\pm\)5.6</td><td>0.052\(\pm\)0.919</td><td>0.649\(\pm\)0.797</td><td>10e+4\(\pm\)20e+ 4</td></tr></tbody></table> <p>표 5는 기존 분류기와 제안된 분류기의 평균 패턴분류률을 비교하였다. 제안된 분류기의 경우 2층과 3층에서 테스트데이터의 평균 분류률이 \( 77.31 \% \) 로 가장 좋았으며 다른 분류기보다 우수함을 알 수 있다.</p> <table border><caption>표 5 기존모델과 성능지수 비교</caption> <tbody><tr><td colspan=2>CIassifier</td><td>Pattern classification rate [\(\%\)]</td></tr><tr><td colspan=2>KNN</td><td>62.90</td></tr><tr><td colspan=2>TS-KNN</td><td>73.80</td></tr><tr><td colspan=2>MLP</td><td>67.69</td></tr><tr><td colspan=2>RBF1</td><td>68.32</td></tr><tr><td colspan=2>RBF2</td><td>70.47</td></tr><tr><td rowspan=3>Proposed model</td><td>2 Layer</td><td>77.31</td></tr><tr><td>3 Layer</td><td>77.31</td></tr><tr><td>4 Layer</td><td>74.78</td></tr></tbody></table>
|
[
"표 4 Liver 데이터의 패턴분류률 및 정확성에서 L1에서 PCR of training dataset의 결과는 얼마입니까?",
"표 4에서 PCR of testing dataset가 77.3\\(\\pm\\)1.9의 결과를 가질 때 어떤항목입니까?",
"PCR of testing dataset가 77.3\\(\\pm\\)1.9의 결과를 가질 때 표에서 무엇이 되지",
"표 4에서 L2일 때, PCR of validation dataset는 무엇입니까?",
"L2일 때, PCR of validation dataset는 표에 의하면 얼마지",
"표 4에서 L4가 0.088\\(\\pm\\)0.614일 때, 무엇의 값을 나타낸 것입니까?",
"표 4에서 Accuracy of testing dataset의 결과가 0.366\\(\\pm\\)0.199일 때, Liver 데이터는 몇 번 입니까?",
"Accuracy of testing dataset의 결과가 0.366\\(\\pm\\)0.199일 때, Liver 데이터는 표에서 몇 번이 해당하지",
"표 5 기존모델과 성능지수 비교에서 비율이 가장 작은 것은 얼마 입니까?",
"표 5 기존모델과 성능지수 비교에서 비율이 가장 작은 결과 값은 어떤 항목입니까?",
"표 5에서 Proposed model의 비율 중 가장 낮은 것은 얼마일까?",
"표 5에서 RBF2의 Pattern classification rate는 어떤 가요?",
"표5에서 결과 값이 67.69일 때, CIassifier는 무엇일까?"
] |
4117e669-0e20-479c-af8c-4656ee256fea
|
인공물ED
|
다중 목적 입자 군집 최적화 알고리즘 이용한 방사형 기저 함수 기반 다항식 신경회로망 구조 설계
|
<h1>4. 실험결과 및 고찰</h1> <p>본 장에서는 제안된 분류기의 성능 평가를 위해 Iris, pima, liver 데이터를 사용하였다. 또한 기존 분류기와 비교를 통해 제안된 모델의 우수성을 입증하였다. 표 3 는 다중목적 입자 군집 최적화 알고리즘의 초기 설정 파라미터와 탐색범위를 나타낸다. 초기 설정된 수치적 값들은 학습과 성능의 수렴에 따른 페이스에 따라서 실험적 값과 모니터링의 운행에 의해서 시행착오적으로 선택하였다.</p> <h2>4.1 Iris 데이터</h2> <p>Iris 데이터는 4입력 3클래스 150개의 데이터로 구성되어 있다. 이 데이터는 패턴분류 분야에서 모델의 성능을 평가할 때 많이 쓰이는 데이터이며, 제안된 모델에서는 통계학적인 성능을 구하기 위해 5 fold cross validation(fcv)을 사용하여 모델의 패턴분류률 및 정확성을 평균과 표준편차로 나타냈다.</p> <table border><caption>표 2 Iris 데이터의 패턴분류률 및 정확성</caption> <tbody><tr><td>L</td><td>PCR of training data</td><td>PCR of testing data</td><td>Accuracy of training data</td><td>Accuracy of testing data</td></tr><tr><td>1</td><td>96.83 \(\pm\) 1.49</td><td>96.67 \(\pm\) 3.33</td><td>0.0291 \(\pm\) 0.0136</td><td>0.0333 \(\pm\) 0.0000</td></tr><tr><td>2</td><td>99.33 \(\pm\) 0.69</td><td>97.33 \(\pm\) 2.78</td><td>0.0079 \(\pm\) 0.0071</td><td>0.0257 \(\pm\) 0.0233</td></tr><tr><td>3</td><td>100.00 \(\pm\) 0.00</td><td>94.67 \(\pm\) 1.82</td><td>0.0030 \(\pm\) 0.0004</td><td>0.0506 \(\pm\) 0.0182</td></tr></tbody></table> <p>표 2 는 각 층에서의 패턴분류률 및 정확도를 나타낸 것이다. Iris 데이터는 3층까지만 최적화를 통해 모델을 구축하였으며 학습 데이터의 경우 층이 증가할수록 성능이 좋아지는 반면 테스트 데이터의 경우 2 층에서 가장 좋은 성능지수를 나타낸다. 따라서 이 경우는 3층으로 모델을 구성하기보단 2층으로 모델을 설계함으로써 좀 더 안정적인 패턴분류 및 정확성을 보인다.</p> <p>그림 3은 다중 목적 입자 군집 최적화에서 저장 A(Archive)에 저장된 적합도의 분포를 나타낸다. 1층에 저장되는 개체는 총 20개이며 각 적합도의 분포는 그림 7(a)와 같다. 이중에서 적합도가 우수한 개체 10개를 선택하여 개체들의 출력이 다음 2층의 입력으로 넘어간다. 그림 7(b)는 2층의 저장소 A에 저장된 적합도의 분포로 1층과 마찬가지로 우수한 개체 10개를 선택하여 출력이 3층의 입력으로 넘어간다. 3층에서는 마지막 층으로 이중에서 패턴분률과 정확성 그리고 파라미터 계수가 가장 우수한 개체를 선택하여 모델의 최종출력으로 선택한다.</p> <p>하지만 표 2 에서 설명했듯이 2층에서 학습 데이터와 테스트 데이터의 성능이 더 안정적이기 때문에 3층으로 넘어가지 않고 2층의 가장 우수한 개체를 선택하여 2층으로 이루어진 모델을 설계하였으며, 그림 4과 같다. 제안된 모델은 다항식 신경 회로망을 기본 구조로 사용하기 때문에 최중출력은 각 층과 연결과 노드로 표현된다. 따라서 그림 4는 2층과 연결된 1층 노드 2개와 1층 노드와 연결된 입력변수를 모두 사용하여 모델을 나타내었다. 그림에서 보면 1층에서 선택된 노드는 충 10개의 노드중 4번째와 8번째의 노드가 선택되었다. 4번째 노드의 파라미터는 입력변수의 수는 3개 (\(\mathrm{x_{1}}\),\(\mathrm{x_{2}}\), \(\mathrm{x_{3}}\)), 클러스터의 수는 5개, 퍼지화 계수는 2.5, 그리고 다항식 차수는 quadratic이 선택되었으며, 8번째 노드의 파라미터는 입력변수의 수는 3 개 (\(\mathrm{x_{2}}\),\(\mathrm{x_{3}}\), \(\mathrm{x_{4}}\)), 클러스터의 수는 5개 퍼지화 계수는 2.1, 그리고 다항식 차수는 modified quadratic이 선택되었다.</p> <p>표 3은 기존 모델의 분류기와 제안된 모델의 평균 패턴분류률을 비교하였다. NEFCLASS는 neuro-fuzzy를 이용한 패턴분류기로 모델의 학습은 오류역전파(back propagation)을 사용하였다. C4.5는 decision tree를 생성하여 패턴분류를 하는 모델이며 FID3.1은 decision tree에 fuzzy 개념을 적용한 분류기로 C4.5나 FID3.1 모두 ID3(Iterative Dichotomiser 3) 알고리즘을 기반으로 확장 및 응용한 알고리즘이다. K-nearest neighbor (KNN)알고리즘은 K의 영역에서 가장 많이 포함된 클래스로 데이터의 패턴을 인식하는 알고리즘이며 Tabu search-k nearest neighbor(TS-KNN)와 Locally adaptive metric nearest neighbor(ADMENN)은 KNN을 개선시킨 모델이다.</p> <p>표에서 보듯이 제안된 모델의 성능이 기존의 모델보다 우수함을 알 수 있으며 특히 2층에서 \( 97.3 \% \) 가장 높은 패턴분류률을 보인다.</p> <table border><caption>표 3 기존모델과의 성능지수 비교</caption> <tbody><tr><td colspan=2>Classifier</td><td>Pattern classifcation rate \([\%]\)</td></tr><tr><td colspan=2>RBFNNs</td><td>90.1</td></tr><tr><td colspan=2>NEFCLASS</td><td>96.0</td></tr><tr><td colspan=2>C 4.5</td><td>94.0</td></tr><tr><td colspan=2>FID 3.1</td><td>96.0</td></tr><tr><td colspan=2>KNN</td><td>94.7</td></tr><tr><td colspan=2>TS-KNN</td><td>96.7</td></tr><tr><td colspan=2>LAMNN</td><td>97.0</td></tr><tr><td rowspan=2>Proposed model</td><td>2 Layer</td><td>97.3</td></tr><tr><td>3 Layer</td><td>94.7</td></tr></tbody></table>
|
[
"L이 1에서 오차범위가 0인 데이터 항목은 어떤건가?",
"표에서 L이 1에서 오차범위가 0인 데이터 항목이 무엇이지",
"L이 2에서 가장 낮은 오차범위를 가진 데이터 항목은 어떤걸까?",
"L이 2에서 0.0257 \\(\\pm\\) 0.0233의 정확성을 가지는 데이터 항목은 뭐야?",
"L 3에서 어떤 데이터 항목의 정확성이 가장 적을까?",
"L 3에서 정확성의 오차범위가 두번째로 적은 값은 얼마지?",
"C 4.5의 Pattern classifcation rate는 얼마야?",
"94.67 \\(\\pm\\) 1.82의 정확성은 어떤 데이터가 가지고 있니?",
"최저치의 Pattern classifcation rate을 가지는 항목은 어떤거야?",
"Proposed model에서 Pattern classifcation rate 값이 더 큰 것은 무엇인가?",
"Pattern classifcation rate 값이 FID 3.1과 동일한 값을 가진 항목은 얼마니?",
"Pattern classifcation rate 값이 96.7인 항목은 어떤걸까?",
"최소치의 Pattern classifcation rate 값은 얼마냐?",
"어떤 항목이 두번째로 적은 Pattern classifcation rate 값을 가지고 있어?",
"L이 1일 때 PCR of training data의 정확성은 얼마야?",
"L이 1일 때 오차범위가 가장 큰 데이터의 정확성 값은 얼마지?",
"L이 2에서 어떤 데이터 항목이 최저치의 정확성을 가지고 있어?",
"두번째로 큰 Pattern classifcation rate은 어떤 값을 가지니?",
"Proposed model에서 더 적은 Pattern classifcation rate 값은 얼마나 될까?",
"가장 큰 Pattern classifcation rate 값은 얼마지?",
"L 3에서 정확성의 최대값이 100인 데이터 항목은 무엇이니?"
] |
4fb4877c-acbd-4ba6-9999-ee913dea2d58
|
인공물ED
|
Self-Imitation Learning을 이용한 개선된 Deep Q-Network 알고리즘
|
<h1>I. 서론</h1><p>강화학습의 에이전트(agent)가 알려지지 않은 환경에서 최적의 징책을 찾기 위해서는 탐험과 활용이라는 두 상반되는 개념이 필요하다. 활용이란 현재까지 가지고 있는 지식을 사용하여 단기적으로 보상이 가장 크게 되는 행동을 선택하는 것이다. 탐험이란 단기적으로는 보상이 적을지라도 더 좋은 행동을 찾는 것을 말한다. 탐험을 통해 더 좋은 행동을 찾아내고 그것을 활용하여 장기적으로는 더 큰 보상을 가질 수 있다. 하나의 행동을 선택할 때 활용과 탐험을 동시에 할 수 없으므로 이것은 종종 활용과 탐험의 갈등으로 인식된다.</p><p>강화학습에서 탐험과 활용 사이의 균형을 다루기 위해 다양한 알고리즘들이 사용되고 있지만, 가장 널리 사용되며 간단한 알고리즘으로 \( \epsilon \)-greedy 알고리즘이 있다. 이 알고리즘을 통해 현재 상태에서 탐욕적이지 않은 행동을 확률적으로 하나 선택하고 그 결과에 따른 보상을 얻을 수 있다. 하지만 그 주어진 경험을 충분히 활용하여 장기적으로 더 큰 보상을 얻는 정책을 찾는 것은 쉽지 않다. 따라서 에이전트가 행동-상태 공간이 큰 환경이나 매우 희소한 보상함수가 존재하는 환경에서 학습을 진행한다면 \( \epsilon \)-greedy를 포함한 기존의 탐험과 활용 사이의 균형을 다루는 알고리즘만으로는 최적 정책을 발견하는 것에 한계가 있다. 그러나 Self-Imitation Learning(SIL)은 강화학습의 에이전트가 과거의 총은 경험으로부터 학습할 수 있게 만들어 주는 알고리즘으로 과거의 총은 경험을 재생산함으로 에이전트를 간접적으로 깊은 탐험으로 이끌어 더 좋은 정책을 발견할 수 있게 도와준다. 그리고 SIL은 쉽게 구현 되며 actor-critic 구조의 강화학습 알고리즘들에 간단히 결합될 수 있다. 또한 SIL을 사용한 몇몇 알고리즘들의 학습 결과를 통해 성능이 개선되었음이 증명되었고 에이전트가 모르는 환경의 새로운 영역을 탐험하는 것만큼이나 과거에 탐험으로 인해 알게 되었던 특별한 경험을 활용하는 것도 중요하다는 것이 밝혀졌다. 따라서 SIL을 actor-critic 구조가 아닌 강화학습 알고리즘에도 적용하여 더 좋은 정책을 찾게 해주자는 생각은 자연스럽다.</p><p>본 논문을 통해 Self-Imitation Learning(SIL)의 아이디어와 방법을 Deep Q-Network(DQN)에도 적용시키는 방법을 제안한다. 그러나 SIL의 알고리즘은 actor-critic 구조를 가지지 않는 강화학습 알고리즘인 DQN에는 직접 적용될 수 없다. 따라서 본 논문에스는 SIL의 알고리즘을 DQN에 적용하기 위해 다음의 두 가지 방법을 사용했다. 첫번째로 DQN의 가치 함수 업데이트 공식에 사용될 목표값을 수징하였다. 두 번째로 메모리에 저장되고 샘플링을 통해 학습에 사용되던 경험의 형태를 수정했다. 이 두 방법을 통해 SIL을 DQN에 적용할 때 생기는 문제들을 해결하였고 두 알고리즘을 결합할 수 있었다. 그리고 OpenAI Gym에서 제공 해주는 그림 1 과 같은 대표적인 환경에서의 학습 결과를 통해 과거의 좋은 경험을 효율적으로 활용하는 SIL이 DQN을 개선할 수 있음을 보여준다.</p>
|
[
"단기간에서 보상이 적더라도 보다 더 좋은 행동을 찾는 것을 무엇이라고 하나요?",
"탐험과 활용이라는 개념은 어떤 관계를 가지나요?",
"단기간에 현재 갖고있는 지식을 사용하여 보상이 가장 크게 되는 행동을 선택하는 것을 무엇이라고 하나요?",
"본 논문에서 탐험의 뜻은 무엇으로 정의했나요?",
"본 논문에서 말하는 활용은 무엇을 뜻하나요?",
"강화학습에서 탐험과 활용 사이의 균형을 위한 알고리즘 중에서 보편적으로 사용되는 알고리즘은 무엇인가요?",
"\\( \\epsilon \\)-greedy 알고리즘을 통해 결과에 따른 보상을 어떻게 받을 수 있나요?",
"강화학습의 에이전트가 최적의 정책을 갖기 위해 필요한 개념은 무엇이 있나요?",
"\\( \\epsilon \\)-greedy 알고리즘을 통해 최적 정책을 발견하는 것은 어떤 환경에서 한계를 갖나요?",
"Self-Imitation Learning을 통해 어떻게 더 좋은 정책을 발견할 수 있나요?",
"DQN에 SIL의 알고리즘을 적용시킬 수 있는 방법 첫번째는 어떻게 되나요?",
"본 논문에서는 Self-Imitation Learning을 무엇에 응용하는 방법을 제안하고 있나요?",
"본 논문에서 DQN에 SIL의 알고리즘을 적용시킬 수 있는 두번째 방법은 어떻게 되나요?",
"본 논문에서 활용과 탐험은 동시에 할 수 있나요?",
"활용과 탐험은 본 논문에서 동시에 할 수 있나요?",
"본 논문에서 사용되는 활용은 단기적인 보상은 적어도 더 좋은 행동을 찾는것 뜻하나요?",
"본 논문에서 말하는 탐험은 현재의 지식으로 짧은 기간에 가장 큰 보상이 되는 행동을 선택하는 것인가요?",
"actor-critic 구조로 설계되어있는 DQN에 SIL의 알고리즘이 직접적으로 사용될 수 있나요?",
"actor-critic 구조가 없는 DQN의 경우에 SIL의 알고리즘이 직접적으로 응용될 수 있나요?",
"본 연구에서 SIL알고리즘은 actor-critic 형태의 강화학습을 위한 알고리즘에 결합이 가능해?",
"본 논문에 의하면 장기적인 측면에서 경험을 할 수 있는한 사용했을 경우에 보았을때 큰 보상을 얻는 정책을 찾는 것은 어려워?"
] |
dba8c2db-c31c-4c92-9544-cce981175073
|
인공물ED
|
Self-Imitation Learning을 이용한 개선된 Deep Q-Network 알고리즘
|
<h1>IV. 시뮬레이션 결과</h1><p>우리는 OpenAI Gym에서 제공해주는 대표적인 환경들인 CartPole, MountainCar, LunarLander에 대한 학습 결과를 통해 SIL을 결합한 DQN과 그렇지 않은 DQN을 비교한다. 그리고 본 시뮬레이션에서는 양쪽 알고리즘 모두 학습을 시작하기에 앞서 랜덤 정책을 사용해 경험 재사용 메모리를 가득 채우고 \( \epsilon \)-greedy 에서 \( \epsilon \) 을 0 으로 선정하고 학습을 진행하였다. 즉 행동 징책과 목표 징책 모두 탐욕적 인 징책인 채로 학습을 진행했다. 이렇게 함으로 SIL의 도움만으로 DQN의 에이전트가 실제로 과거의 좋은 경험을 잘 활용하고 그로 인해 탐험에 도움이 되었는지 확인하고자 했다.</p><p>가로축은 진행된 에피소드이며 세로축은 가장 최근 100 개의 에피소드에서 받은 각각의 총 보상을 평균 낸 값이다. DQN은 약 200 번째 에피소드에서 오른쪽 산으로 올라가는 경험을 발견하였지만, 그것을 활용하여 100 개의 에피소드의 펑균 보상이 \( +1 \) 이 되기까지 약 1150 개의 에피소드를 소비했다. 반면에 SIL을 적용한 DQN은 약 300 번째 에피소드에서 오른쪽 산으로 올라가는 경험을 발견하였고 평균 보상이 \( +1 \) 이 되기까지 약 600 개의 에피소드를 소비하였다. 이 단순한 결과로부터 SIL을 적용한 DQN이 좋은 경험을 발견한 순간부터 그 경험을 적극적으로 활용하고 결국에는 탐험을 더 잘 한다는 것을 확인할 수 있다.</p><p>두 번째로 테스트한 환경들에는 앞의 희소한 보상이 존재하는 MountainCar 예제와는 달리 부드러운 보상 함수들이 존재한다. CartPole에서의 목적은 막대가 연견된 카트가 막대를 떨어트리지 않고 최대한 버티는 것이다. 막대를 떨어트리지 않는 매타입 스텝마다 \( +1 \) 의 보상을 얻고 떨어트린다면 에피소드는 끝나게 되며 \( +0 \) 의 보상을 받는다. 또한 이번에 사용한 MountainCar에서의 목적은 최대한 빨리 오른쪽 산 위로 도달하는 것이며, 오른쪽 산 위로 도달하지 못하는 매 타입 스텝마다 \( -1 \)의 보상을 얻고 도달하게 되면 \( +0 \) 의 보상을 받고 에피소드는 끝나게 된다. 마지막으로 LunarLander는 달 착륙선을 빠르고 안전하게 착지시키는게 목적으로 위의 두 환경처럼 보상 함수가 단순하지 않다. 달착륙선이 땅에 부딪히거나 착륙하면 에피소드는 끝나게 된다. 이번 테스트의 목적은 SIL을 적용한 DQN이 과거의 종은 경험을 사용하는 데 있어 다양한 목적과 보상을 가진 환경에서 일반적으로 DQN보다 좋은 성능을 보여주는지 확인하기 위함이다. 그 결과는 그림 3 , 그림 4, 그림 5 와 같다.</p><p>이번 테스트 결과에서도 마찬가지로 가로축은 진행된 에피소드이며 세로축은 가장 최근 100 개의 에피소드에서 받은 각각의 총 보상을 펑균 낸 값이다. 첫 번째 테스트 결과 그래프와의 차이점은 두 알고리즘을 사용하여 각각 다섯 번의 시뮬레이션을 진행한 뒤 그것들을 평균 낸 결과를 그래프에 실선으로 출력하였으며 최고로 눞은 평균 보상을 얻었던 결과 하나를 추가로 점선으로 출력하였다. 이 결과에서 알 수 있듯이 SIL을 적용한 DQN이 그렇지 않은DQN보다 다양한 환경에서 일반적으로 더 높은 펑균 보상을 얻는 결과를 관찰할 수 있다. 우리가 이번 시뮬레이선에 사용했던 심층 강화 학습 알고리즘의 하이퍼-파라미터는 표 1 과 같다.</p><table border><caption>표 1. 심층 강화학습 모델 파라미터</caption><tbody><tr><td>Hyper-parameters</td><td>Value</td></tr><tr><td>Achitecture</td><td>FullyConnected(512)</td></tr><tr><td></td><td>FullyConnected(256)</td></tr><tr><td></td><td>FullyConnected(64)</td></tr><tr><td>Batch size</td><td>32</td></tr><tr><td>Start \( \epsilon \)</td><td>0.0</td></tr><tr><td>End \( \epsilon \)</td><td>0.0</td></tr><tr><td>Annealing step</td><td>0</td></tr><tr><td>Memeory size</td><td>100000</td></tr><tr><td>Learning rate</td><td>0.0001</td></tr><tr><td>Discount rate</td><td>0.99</td></tr><tr><td>SIL \( \lambda \)</td><td>0.1</td></tr></tbody></table>
|
[
"CartPole, MountainCar, LunarLander의 환경들은 어디에서 제공해주는가?",
"CartPole, MountainCar, LunarLander의 환경들을 제공해주는 곳은 어디인가?",
"OpenAI Gym에서 제공해주는 대표적인 환경들은 무엇이 있는가?",
"OpenAI Gym에서 제공해주는 대표적인 환경들인 CartPole, MountainCar, LunarLander에 대한 학습 결과를 통해 무엇과 무엇을 비교하는가?",
"우리는 OpenAI Gym에서 제공해주는 대표적인 환경들인 CartPole, MountainCar, LunarLander에 대한 학습 결과를 통해 비교하는 DQN은 무엇의 유무의 차이가 있는가?",
"본 시뮬레이션에서는 양쪽 알고리즘 모두 학습을 시작하기에 앞서 \\( \\epsilon \\)-greedy의 \\( \\epsilon \\)으로 선정된 값은 무엇인가?",
"본 시뮬레이션에서는 양쪽 알고리즘 모두 학습을 시작하기에 앞서 무엇을 사용하여 경험 재사용 메모리를 가득 채웠는가?",
"MountainCar에서의 목적은 무엇인가?",
"행동 징책과 목표 징책은 모두 무엇인 채로 학습이 진행되었는가?",
"본 시뮬레이션에서는 양쪽 알고리즘 모두 학습을 시작하기에 앞서 무엇을 하였는가?",
"학습은 무엇이 탐욕적인 징책인 채로 진행되었는가?",
"MountainCar 예제는 뒤의 희소한 보상이 존재하는가?",
"본 시뮬레이션에서는 양쪽 알고리즘 모두 학습을 시작하기에 앞서 \\( \\epsilon \\)-greedy 에서 \\( \\epsilon \\) 을 1 으로 선정하였는가?",
"행동 징책과 목표 징책 모두 탐욕적 인 징책인 채로 학습을 진행하여 무엇의 도움만으로 로 DQN의 에이전트가 실제로 과거의 좋은 경험을 잘 활용하고 그로 인해 탐험에 도움이 되었는지 확인하고자 하였는가?",
"세로축은 몇 개의 에피소드에서 받은 각각의 총 보상을 평균 낸 값인가?",
"행동 징책과 목표 징책 모두 탐욕적 인 징책인 채로 학습을 진행하여 무엇을 확인하고자 하였는가?",
"가장 최근 100 개의 에피소드에서 받은 각각의 총 보상을 평균 낸 값은 가로축을 의미하는가?",
"DQN이 경험을 활용하여 100 개의 에피소드의 펑균 보상이 \\( +1 \\) 이 되기까지 소비한 에피소드는 약 100개인가?",
"DQN이 약 300 번째 에피소드에서 오른쪽 산으로 올라가는 경험을 발견하였고 평균 보상이 \\( +1 \\) 이 되기까지 약 600 개의 에피소드를 소비하려면 무엇을 적용해야 하는가?",
"본 시뮬레이션에서는 양쪽 알고리즘 모두 학습을 시작하기에 앞서 \\( \\epsilon \\)-greedy 에서 \\( \\epsilon \\) 을 무엇으로 선정하고 학습을 진행하였는가?",
"약 300 번째 에피소드에서 오른쪽 산으로 올라가는 경험을 발견하였고 평균 보상이 \\( +1 \\) 이 되기까지 약 600 개의 에피소드를 소비한 것은 무엇인가?",
"SIL을 적용한 DQN은 오른쪽 산으로 올라가는 경험을 발견한 에피소드가 약 100 번째인가?",
"SIL을 적용한 DQN이 평균 보상이 \\( +1 \\) 이 되기까지 소비한 에피소드는 약 100 개인가?",
"오른쪽 산으로 올라가는 경험을 더 적은 에피소드에서 발견한 것은 SIL을 적용한 DQN이 맞는가?",
"펑균 보상이 \\( +1 \\) 이 되기까지 에피소드를 더 많이 소비한 것은 DQN인가?",
"DQN과 SIL을 적용한 DQN 중 펑균 보상이 \\( +1 \\) 이 되기까지 에피소드를 더 적게 소비한 것은 무엇인가?",
"SIL을 적용한 DQN은 약 300 번째 에피소드에서 오른쪽 산으로 올라가는 경험을 발견하였고 평균 보상이 \\( +1 \\) 이 되기까지 약 600 개의 에피소드를 소비하였다는 결과로부터 확인할 수 있는 것은 무엇인가?",
"이 결과로부터 SIL을 적용한 DQN이 무엇을 더 잘 한다는 것을 확인하였는가?",
"앞의 희소한 보상이 존재하는 예제는 무엇인가?",
"두 번째로 테스트한 환경들에는 앞의 희소한 보상이 존재하는 MountainCar 예제와는 달리 무엇이 존재하는가?",
"앞의 희소한 보상이 존재하는 MountainCar 예제와 달리 두 번째로 테스트한 환경만이 갖는 특징은 무엇인가?",
"CartPole에서의 목적은 무엇인가?",
"CartPole에서의 목적은 막대가 연견된 카트가 막대를 떨어트리는 것인가?",
"막대가 연견된 카트가 막대를 떨어트리지 않고 최대한 버티는 것이 목적인 것은 무엇인가?",
"막대를 떨어트리지 않는 매타입 스텝마다 \\( +1 \\) 의 보상을 얻고 떨어트린다면 에피소드가 끝날 때 받는 보상은 얼마인가?",
"막대를 떨어트리지 않는 매타입 스텝마다 얼마의 보상을 얻고 떨어트린다면 에피소드는 끝나며 \\( +0 \\) 의 보상을 받는가?",
"막대를 떨어트리지 않는 매타입 스텝마다 \\( +1 \\) 의 보상을 얻고 떨어트린다면 에피소드는 끝나지 않는가?",
"막대를 떨어트리지 않는 매타입 스텝마다 \\( +1 \\) 의 보상을 얻고 떨어트린다면 에피소드는 끝나게 되며 얼마의 보상을 받게 되는가?",
"목표 징책이 아닌 행동 징책만 탐욕적인 징책인 채로 학습이 진행되었는가?",
"최대한 빨리 오른쪽 산 위로 도달하는 것을 목적으로 하는 것은 무엇인가?",
"MountainCar에서 오른쪽 산 위로 도달하지 못하는 매 타입 스텝마다 \\( -1 \\)의 보상을 얻고 도달하게 되면 얼마의 보상을 받고 에피소드가 끝나게 되는가?",
"MountainCar에서 오른쪽 산 위로 도달하지 못하는 매 타입 스텝마다 얼마의 보상을 얻고 도달해야 에피소드가 끝날 때 \\( +0 \\) 의 보상을 받는가?",
"MountainCar에서 \\( +0 \\) 의 보상을 받고 에피소드는 끝나려면 오른쪽 산 위로 도달하지 못하는 매 타입 스텝마다 얼마의 보상을 얻고 도달해야 하는가?",
"LunarLander의 목적은 무엇인가?",
"달 착륙선을 빠르고 안전하게 착지시키는게 목적인 것은 무엇인가?",
"LunarLander가 위의 두 환경과 다른 점은 무엇인가?",
"LunarLander는 무엇을 빠르고 안전하게 착지시키는게 목적인가?",
"LunarLander가 위의 두 환경처럼 단순하지 않은 것은 무엇인가?",
"LunarLander는 에피소드가 어떤 상황에서 끝나게 되는가?",
"이번 테스트의 목적은 무엇인가?",
"이번 테스트의 목적은 무엇을 적용한 DQN이 과거의 종은 경험을 사용하는 데 있어 다양한 목적과 보상을 가진 환경에서 일반적으로 DQN보다 좋은 성능을 보여주는지 확인하기 위함인가?",
"첫 번째 테스트 결과 그래프와의 차이점을 그래프에 점선으로 출력하였는가?",
"이번 테스트의 목적은 SIL을 적용한 DQN이 과거의 종은 경험을 사용하는 데 있어 어떤 환경에서 일반적으로 DQN보다 좋은 성능을 보여주는지 확인하기 위함인가?",
"SIL을 적용한 DQN과 그렇지 않은DQN 중 다양한 환경에서 일반적으로 더 높은 펑균 보상을 얻는 것은 무엇인가?",
"첫 번째 테스트 결과 그래프와의 차이점은 두 알고리즘을 사용하여 각각 다섯 번의 시뮬레이션을 진행한 뒤 그것들을 평균 낸 결과를 그래프에 무엇으로 출력하였는가?",
"첫 번째 테스트 결과에서 그래프와의 차이점은 두 알고리즘을 사용하여 각각 몇 번의 시뮬레이션을 진행한 뒤 평균을 내었는가?",
"SIL을 적용한 DQN이 그렇지 않은DQN보다 다양한 환경에서 일반적으로 무엇을 더 높게 얻는가?",
"점선으로 출력한 것은 무엇인가?",
"Hyper-parameters의 Start \\( \\epsilon \\)와 End \\( \\epsilon \\)의 value는 같은 값인가?",
"첫 번째 테스트 결과 최고로 눞은 평균 보상을 얻었던 결과 하나를 무엇으로 출력하였는가?",
"MountainCar에서른쪽 산 위로 도달하지 못하는 매 타입 스텝마다 \\( -1 \\)의 보상을 얻고 도달하게 되면 \\( +1 \\) 의 보상을 받고 에피소드가 끝나는가?",
"세로축은 가장 최근 100개의 에피소드에서 받은 각각의 총 보상의 어떤 값인가?",
"세로축은 100개의 무엇에서 받은 각각의 총 보상을 평균 낸 값인가?",
"세로축은 가장 최근 10 개의 에피소드에서 받은 각각의 총 보상을 평균 낸 값인가?",
"DQN이 오른쪽 산으로 올라가는 경험을 발견한 것은 약 100번째 에피소드인가?",
"DQN은 약 몇 100번째 에피소드에서 왼쪽 산으로 올라가는 경험을 발견했는가?",
"Hyper-parameters의 Batch size는 얼마의 value를 갖는가?",
"Hyper-parameters의 End \\( \\epsilon \\) 값은 얼마의 value를 갖는가?",
"Hyper-parameters의 Start 값은 얼마의 value를 갖는가?",
"Hyper-parameters의 learning rate는 얼마의 value를 갖는가?",
"Hyper-parameters의 memory size는 얼마의 value를 갖는가?",
"Hyper-parameters의 annealing step은 얼마의 value를 갖는가?",
"Hyper-parameters의 discount rate는 얼마의 value를 갖는가?",
"Hyper-parameters의 SIL \\( \\lambda \\)은 얼마의 value를 갖는가?",
"학습이 진행될 때 무엇이 탐욕적인 징책으로 설정되었는가?",
"가로축은 무엇을 의미하는가?",
"세로축은 무엇을 의미하는가?",
"DQN이 오른쪽 산으로 올라가는 경험을 발견한 것은 약 몇 번째 에피소드인가?",
"DQN은 약 몇 번째 에피소드에서 오른쪽 산으로 올라가는 경험을 발견하였는가?",
"DQN이 100개의 에피소드가 어떻게 될 때가지 1150개의 에피소드를 소비하였는가?",
"DQN이 경험을 활용하여 100 개의 에피소드의 펑균 보상이 \\( +1 \\) 이 되기까지 약 몇 개의 에피소드를 소비하였는가?",
"DQN이 경험을 활용하여 100 개의 에피소드의 펑균 보상이 \\( +1 \\) 이 되기까지 소비한 에피소드는 약 몇 개인가?",
"반면에 SIL을 적용한 DQN은 약 몇 번째 에피소드에서 오른쪽 산으로 올라가는 경험을 발견하였는가?",
"SIL을 적용한 DQN이 평균 보상이 \\( +1 \\) 이 되기까지 약 몇 개의 에피소드를 소비하였는가?",
"SIL을 적용한 DQN이 평균 보상이 \\( +1 \\) 이 되기까지 소비한 에피소드는 약 몇 개인가?",
"SIL을 적용한 DQN은 오른쪽 산으로 올라가는 경험을 발견한 에피소드가 약 몇 번째인가?"
] |
e63f0ee2-c307-47b3-92d2-55c697b92885
|
인공물ED
|
Self-Imitation Learning을 이용한 개선된 Deep Q-Network 알고리즘
|
<h1>III. 제안하는 알고리즘</h1><p>SIL은 과거의 좋은 경험을 활용할 수 있게 도와주는 알고리 즘이지만 DQN에 적용할 때 고려할 점이 두 가지 있다. 첫 번째로 DQN은 actor-critic 구조를 가지는 강화학습 알고리즘이 아니다. DQN은 행동 가치 함수를 근사하는 하나의 네트워크를 가지며 그 가치를 기반으로 더 나은 정책을 선택하는 가치 기반 강화학습이나. 하지만 actor-critic 구조를 가지는 강화학습 알고리즘은 정책을 근사하는 actor와 그 정책을 평가하는 가치함수를 근사하는 critic, 이렇게 두 개의 네트워크를 유지하며 학습에 사용한다. 따라서 식 (1)-(3)의 SIL의 손실함수를 그대로 DQN에 사용할 수 없음은 명백하다. 두 번째로 SIL은 비활성 정책 방법으로씨 스스로 경험 재사용 메모리를 유지하면서 활성 정책 방법 강화학습 알고리즘의 뒤에 단순히 결합되어 사용되었다. 하지만 DQN은 이미 경험 재사용 메모리를 가지고 있으며 에이전트가 겪었던 수많은 경험들을 저장하고 학습에 사용한다. 따라서 경험 재사용 메모리를 두 개를 유지하는 것은 굉장히 비효율적이며 하나의 경험 재사용 메모리를 사용하여 DQN과 SIL을 결합할 방법이 필요하다.</p><p>우선 우리는 에피소드의 매 시간마다 생기는 경험 : \( m_{t}=\left(s_{t}, a_{t}, R_{t+1}, s_{t+1}, p_{t}\right) \) 을 에피소드 메모리 \( M \) 에 저장한다. 이때 \( s_{t} \) 와 \( a_{t} \) 는 시간 \( t \) 에서의 상태와 행동이다. \( R_{t+1} \) 과 \( s_{t+1} \) 은 시간 \( t+1 \) 에서 주어지는 보상과 상태이다. \( p_{t} \) 는 시간 \( t \) 에서 목표 정책과 행동 정책의 비로 식 (4)와 같다.</p><p>\( p_{t}=\frac{\pi\left(s_{t} \mid a_{t}\right)}{\mu\left(s_{t} \mid a_{t}\right)} \)<caption>(4)</caption></p><p>여기서 \( \pi \) 는 목표 징책이고 \( \mu \) 는 행동 정책이다. 에피소드가 시간 \( t=0 \) 에서 시작하여 \( t=T \) 에서 끝난다면 에피소드 메모리는 \( M=\left\{m_{0}, m_{1}, \cdots, m_{T-1}\right\} \) 과 같이 된다. 하나의 에피소드가 끝이 난다면 \( M \) 이 가지고 있던 모든 경험에 대해 다음과 같은 경험 재사용 메모리 \( D=\left\{e_{1}, \cdots, e_{N}\right\} \) 에 저장될 경험 \( e_{t}= \) \( \left(s_{t}, a_{t}, R_{t+1}, s_{t+1}, G_{t}, w_{t}\right) \) 를 생성한다. 여기서 \( N \) 은 경험 재사용 메모리의 크기를 나타내며 \( G_{t} \) 는 이득으로 식 (5)와 같고 \( w_{t} \) 는 중요도 추출법 가중치로 식 (6)과 같다. 식 (5)에서 \( \gamma \) 는 감쇠율로 미래 보상의 현재에서의 가치를 결정하게 된다.</p><p>\( G_{t}=\sum_{k=0}^{\infty} \gamma^{k} R_{t+k+1} \)<caption>(5)</caption></p><p>\( w_{t}=\prod_{k=t}^{T-1} p_{k}=\prod_{k=t}^{T-1} \frac{\pi\left(s_{t} \mid a_{t}\right)}{\mu\left(s_{t} \mid a_{t}\right)} \)<caption>(6)</caption></p><p>이렇게 만들어진 \( e_{t} \) 가 저장된 경험 재사용 메모리에서 정해진 개수만큼 랜덤 샘플링을 통해 경험을 추출하여 미니 배치를 형성하고 학습에 사용된다.</p>
|
[
"DQN은 actor-critic 구조를 가지는 강화학습 알고리즘이야?",
"DQN은 행동 가치 함수를 근사하는 하나의 무엇을 가지는가?",
"\\( s_{t} \\) 와 \\( a_{t} \\) 는 시간 \\( t \\) 에서의 무엇과 무엇인가?",
"SIL은 비활성 정책 방법으로씨 스스로 경험 재사용 메모리를 어떻게 하는가?",
"\\( m_{t}=\\left(s_{t}, a_{t}, R_{t+1}, s_{t+1}, p_{t}\\right) \\) 을 에피소드 메모리 어디에 저장하는가?",
"\\( R_{t+1} \\) 과 \\( s_{t+1} \\) 은 시간 \\( t+1 \\) 에서 주어지는 보상과 무엇인가?",
"\\( \\pi \\)는 목표 징책이고 \\( \\mu \\)는 뭐야?"
] |
75a1d7f7-fc7b-4c41-bd3b-0252f85c0094
|
인공물ED
|
Self-Imitation Learning을 이용한 개선된 Deep Q-Network 알고리즘
|
<h1>II. 배경 지식</h1><h2>1. Deep Q-Network</h2><p>Deep Q-Network(DQN)은 기존의 강화학습에서 표로 표현되던 행동 가치 함수를 신경망을 이용한 함수 근사를 통해 표현하여 상태공간의 규모가 큰 환경에서도 학습이 가능하도록 설계된 심층 강화 학습 알고리즘이다. DQN은 비활성 정책 시간차 학습 제어 알고리즘인 Q-Learning을 제어 알고리즘으로 사용하며 경험 재사용 방법을 통해 데이터간의 상관관계를 줄였고 타겟 네트워크의 분리를 통해 학습의 안정성을 더하였다. DQN이 나온 뒤로 다양하게 개선된 DQN 알고리즘들이 제안되었다. 그리고 심층 강화학습 알고리즘의 성능을 끌어올리는 방법들이 DQN을 통해 실험적으로 확인되었다. 대표적인 개선된 DQN 알고리즘으로 Double DQN과 Dueling DQN 등이 있으며, DQN을 통해 실험적으로 그 성능을 확인한 알고리즘으로 Prioirtized Experience Replay, NoisyNet, Hindsight Experience Replay 등이 있다.</p><h2>2. Self-Imitation Learning</h2><p>Self-Imitation Learning(SIL)은 미지의 영역을 탐험하는 다른 탐험 전략들과는 달리 에이전트가 겪었던 사건을 다시 학습에 효율적으로 활용하는 비활성 정책 actor-critic 알고리즘이다. SIL은 기존의 활성 징책 actor-critic 알고리즘에 쉽게 결합되어 상당한 성능 개선을 보여준다. 실제로 SIL은 Advantage-Actor critic(A2C) 및 Proximal Policy Optimization(PPO)에 적용되었고, 다양한 환경을 통해 실험적으로 과거의 좋은 경험을 재사용하는 것이 탐험에 큰 도움이 된다는 것이 증명되었다. SIL은 비활성 징책 actor-critic 알고리즘이므로 기존의 활성 징책 actor-critic 알고리즘들과는 달리 경험 재사용 메모리 \( D=\left\{\left(s_{t}, a_{t}, G_{t}\right)\right\} \) 를 사용한다. 여기서 \( s_{t}, a_{t}, G_{t} \) 는 각각 시간 \( t \) 에서의 상태, 행동 그리고 이득을 의미한다. 그리고 과거의 좋은 경험만을 경험 재사용에 사용하기 위해 다음과 같은 비활성 정책 actor-critic 손실함수를 사용한다.</p><p>\( L^{\text {sil }}=E_{\text {o, a,GED}}\left[L_{\text {policy }}^{\text {sil }}+\beta^{\text {sil }} L_{\text {value }}^{\text {sil }}\right] \)<caption>(1)</caption></p><p>\( L_{\text {policy }}^{\text {sil }}=-\log \pi_{\theta}(a \mid s)\left(G-V_{\theta}(s)\right)_{+} \)<caption>(2)</caption></p><p>\( L_{\text {value }}^{\text {sil }}=\frac{1}{2}\left\|\left(G-V_{\theta}(s)\right)+\right\|^{2} \)<caption>(3)</caption></p><p>여기서 (•),연산은 \( \max (\cdot, 0) \) 를 의미하며 \( \pi_{\theta} \) 와 \( V_{\theta}(s) \) 는 각각 모델의 파라미터 \( \theta \) 를 통해 표현된 정책과 상태 가치 함수를 의미한다. \( \beta^{\text {sill }} \) 은 SIL의 하이퍼-파라미터이다. 이를 통해 과거의 좋은 경험만 학습에 사용하며 과거의 좋은 경험을 모방한다는 의미를 알 수 있다.</p>
|
[
"DQN의 약자의 뜻은 무엇인가?",
"DQN은 비활성 정책 시간차 학습 제어 알고리즘인 무엇을 제어 할 수 있는 알고리즘으로 사용했어?",
"DQN은 비활성 정책 시간차 학습 제어 알고리즘인 Q-Learning을 제어 알고리즘으로 사용하며 경험 재사용 방법을 통해 데이터간의 상관관계를 줄였는가?",
"Deep Q-Network은 기존의 강화학습에서 표로 표현되던 행동 가치 함수를 신경망을 이용한 함수 근사를 통해 표현하여 상태공간의 규모가 큰 환경에서도 학습이 가능하도록 설계된 어떤 알고리즘인가?",
"대표적인 개선된 DQN 알고리즘으로 무엇과 무엇이 있는가?",
"SIL은 Advantage-Actor critic와 무엇에 적용되었는가?",
"Self-Imitation Learning은 미지의 영역을 탐험하는 다른 탐험 전략들과는 달리 에이전트가 겪었던 사건을 다시 학습에 효율적으로 활용하는 어떤 알고리즘인가?",
"SIL의 약자의 뜻은 뭐야?",
"학습 제어 알고리즘 Q-Learning 을 사용한 DQN이 어떻게 되는 것을 볼 수 있는가?",
"실험적으로 DQN을 통해 성능을 확인한 알고리즘들은 어떻게 되는가?",
"경험 재사용 메모리 \\( D=\\left\\{\\left(s_{t}, a_{t}, G_{t}\\right)\\right\\} \\) 를 사용하는 SIL 에서 각각이 나타내는 것들은 어떻게 되는가?",
"심층 강화 학습 알고리즘 Deep Q-Network 어떻게 설계되었는가?",
"A2C의 약자의 뜻은 무엇인가?",
"과거의 좋은 경험만을 경험 재사용에 사용하기 위해 다음과 같은 비활성 정책 actor-critic 어떤함수를 사용하는가?",
"비활성 정책 actor-critic 알고리즘 Self-Imitation Learning은 어떻게 활용되는가?",
"비활성 정책 actor-critic 알고리즘에 속하는 SIL 은 어떻게 적용 및. 증명이 되었는가?",
"기존의 활성 징책 actor-critic 알고리즘과 구별되는 SIL은 차이점으로 경험 재사용 메모리을 어떻게 하는가?"
] |
403fc879-65df-4897-904d-939be16a6c97
|
인공물ED
|
Self-Imitation Learning을 이용한 개선된 Deep Q-Network 알고리즘
|
<h1>요 약</h1><p>Self-Imitation Learning은 간단한 비활성 정책 actor-critic 알고리즘으로써 에이전트가 과거의 좋은 경험을 활용하여 최적의 정책을 찾을 수 있토록 해준다. 그리고 actor-critic 구조를 갖는 강화학습 알고리즘에 걸합되어 다양한 환경들에서 알고리즘의 상당한 개선을 보여주었다. 하지만 Self-Imitation Learning이 강화학습에 큰 도움을 준다고 하너라포 그 적용 분야는 actor-critic architecture를 가지는 강화학습 알고리즘으로 제한되어 있다. 본 논문에서 Self-Imitation Learning의 알고리즘을 가치 기반 강화학습 알고리즘인 DQN에 적용하는 방법을 제안하고, Self-Imitation Learning이 적용된 DQN 알고리즘의 학습을 다양한 환경에서 진행한다. 아울러 그 결과를 기존의 결과와 비교함으로써 Self-Imitation Leaning이 DQN에도 적용될 수 있으머 DQN의 성능을 개선할 수 있음을 보인다.</p>
|
[
"Self-Imitation Leaning이 DQN에 적용되면 DQN의 성능을 개선 가능하니?",
"Self-Imitation Leaning이 적용된 DQN은 기존의 DQN보다 좋은 성능을 보였니?",
"하너라포 그적용 분야는 무엇을 가지는 알고리즘으로 제한되어있니?",
"본 논문에서 Self-Imitation Leaning을 적용하여 성능을 개선시킨 가치 기반 강화학습 알고리즘의 이름은 뭐야?",
"Self-Imitation Learning은 복잡한 비활성 정책 actor-critic 알고리즘인가?",
"DQN은 가치 기반 강화학습 알고리즘인가?",
"DQN은 가치 기반 강화학습 알고리즘이야?",
"간단한 비활성 정책 actor-critic 알고리즘은 무엇인가?",
"간단한 비활성 정책 actor-critic 알고리즘은 뭐야?",
"Self-Imitation Learning은 actor-critic 구조를 갖는 강화학습 알고리즘에 결합되어도 성능이 개선되지 못했니?"
] |
24cccdf0-4a94-4845-ad3b-1c0253c04927
|
인공물ED
|
Self-Imitation Learning을 이용한 개선된 Deep Q-Network 알고리즘
|
<h1>V. 결론</h1><p>본 논문에서는 가치 기반 심층 강화학습 알고리즘인 DQN에 비활성 정책 actor-critic 알고리즘인 Self-Imitation Learning(SIL)을 적용하는 방법을 제안했고 다양한 환경에서의 학습 견과를 통해 과거의 좋은 경험을 사용하는 것이 DQN의 학습에도 큰 도움을 줄 수 있다는 것을 확인하였다. 경험 재사용 메모리에 저장될 경험의 수정과 실제로 강화 학습 에이전트가 관찰했던 이득을 사용하는 새로운 목표 값의 사용으로 인해 기존의 DQN의 알고리즘에 매우 간단허 SIL의 알고리즘과 아이디어를 접목할 수 있었다. 아울러 본 논문에서는 DQN에 SIL을 적용했지만, 제안된 방법을 활용하면 DQN을 개선한 심층 강화학습 알고리즘들뿐만 아니라 다양한 가치 기반 강화학습 알고리즘들에도 쉽게 SIL을 적용할 수 있고 에이전트를 깊은 탐험으로 이끌어 더 줗은 정책을 찻는 데 도움을 줄 수 있을 것이다.</p>
|
[
"SIL의 알고리즘과 기존의 DQN의 알고리즘을 접목하기 위해 필요한 값의 사용은?",
"학습 견과를 통한 좋은 경험의 사용은 무엇의 학습에 영향을 줄 수 있는가?",
"가치 기반 강화학습 알고리즘에 SIL을 적용할 수 없는가?",
"비활성 정책 actor-critic 알고리즘의 약자는 무엇인가?",
"DQN은 어떤 알고리즘인가?",
"SIL의 알고리즘과 DQN의 알고리즘은 접목할 수 없는가?",
"DQN의 학습에 과거의 좋은 경험을 사용하는 것이 연관이 없는가?"
] |
f6b7c4e6-d9ed-4c74-a69e-f760c723e0e6
|
인공물ED
|
Self-Imitation Learning을 이용한 개선된 Deep Q-Network 알고리즘
|
<p>다음으로 우리는 제어 알고리즘의 가치 함수 업데이트 공식에 사용될 목표 값을 수정하였다. DQN의 경험 재사용 메모리에서 샘플링한 경험 \( e_{t} \) 로부터 학습에 사용되는 목표 값 \( y_{D Q N} \) 은 식 (7)과 같다.</p><p>\( y_{D Q N}=R_{t+1}+\gamma \max q\left(s_{t+1}, a_{t+1} ; \theta^{-}\right) \)<caption>(7)</caption></p><p>여기서 \( \theta^{-} \)는 \( \mathrm{DQN} \) 의 타겟 네트워크 모델의 파라미터이고 \( a_{t+1} \) 는 \( s_{t+1} \) 에서 선택할 수 있는 행동이다. 그리고 \( q\left(s_{t+1}, a_{t+1}: \theta^{-}\right) \)는 \( s_{t+1} \) 에서 \( a_{t+1} \) 의 행동 가치 함수를 파라미터 \( \theta^{-} \)를 가지는 모델이 추정한 값이다. 우리가 제시하는 새로운 목표 값 \( y_{D Q N+s i l} \) 은 식 (8)과 같다.</p><p>\( y_{D Q N+\text { sil }}=w_{t} G_{t} \Gamma_{t} \lambda+y_{D Q N}\left(1-K_{t} \lambda\right) \)<caption>(8)</caption></p><p>여기서 \( \lambda \) 는 중요도 추출법 가중치가 곱해진 몬테카를로 이득 \( w_{t} G_{t} \) 를 학습에 얼마나 사용할 것인지를 결정하는 하이퍼-파라미터로 과거의 좋은 경험을 학습에 얼마나 사용할 것인지를 결정한다. \( K_{t} \) 는 \( w_{t} G_{t} \) 를 목표 값에 사용할 것인지 아닌지 결정하는 파라미터로 식 (9)와 같다.</p><p>\( K_{t}=\left\{\begin{array}{ll}1 & w_{t} G_{t}>q\left(s_{t}, a_{t} ; \theta\right) \text { and } w_{t}>0 \\ 0 & \text { otherwise }\end{array}\right. \)<caption>(9)</caption></p><p>\( \theta \) 는 현재 학습 네트워크 모델의 파라미터이고 식 (9)가 의미하는 것은 다음과 같다. 만야 과거에 \( s_{t} \)에서 \( a_{t} \) 를 선택한 뒤 실제로 관측했던 \( w_{t} G_{t} \) 가 학습 네트워크가 추측한 가치보다 크다면 학습에 사용한다. 그리고 시간 \( t \) 로부터 에피소드가 끝날 때까지 행동 정책에 의해 발생했던 상태-행동 궤적이 목표 정책에 의해서도 발생할 수 있어야 학습에 사용할 수 있다. 그렇지 않나면 \( w_{t} G_{t} \) 를 사용하지 않는다. 만약식 (8)에서 \( K_{t}=1 \) 이라면 \( y_{D Q N} \) 과 \( w_{t} G_{t} \) 의 가중평균이 되며, \( K_{t}=0 \) 이라면 \( y_{D Q N} \) 과 정확히 같아진다. 따라서 \( y_{D Q N+\text { sil }} \) 를 사용한다면 과거의 좋은 경험을 적극적으로 활용할 수 있으며, 츻은 경험이 아니거나 목표 정책에 의해 인어날 수 없는 에피소드에 의해 생성된 경험에 대해서는 \( y_{D Q N} \) 을 통해 계속 가치함수를 업데이트할 수 있다.</p>
|
[
"\\( w_{t} G_{t} \\) 를 목표 값에 사용할 것인지 아닌지 결정하는 파라미터의 식은 무엇인가?",
"\\( w_{t} G_{t} \\) 가 학습 네트워크가 추측한 가치보다 작다면 학습에 사용하기 적절하지 않은가?",
"과거의 좋은 경험을 적극적으로 활용하기 위해 사용할 수 있는 것은?",
"\\( y_{D Q N+\\text { sil }} \\)를 통해 가치함수를 업데이트할 수 있는가?",
"과거의 좋은 경험을 학습에 얼마나 사용할 것인지를 결정하는 요소의 기호는 무엇인가?",
"\\( \\mathrm{DQN} \\) 의 타겟 네트워크 모델의 파라미터를 뜻하는 기호는?"
] |
607d5555-5412-4936-8472-5091175b9f5b
|
인공물ED
|
65-nm CMOS 300 GHz 영상 검출기 및 영상 획득
|
<h1>II. 회로 설계</h1> <p>본 논문에서 개발한 검출기의 회로도가 그림 1에 나타나 있다. 게이트 폭이 \( 1.5 \mu \mathrm{m} \) 이고, 길이가 \( 6 \mu \mathrm{m} \) 인 두 개의 NMOS 소자를 차동(differential)으로 구성하고, 두 NMOS의 소스 부분에 마이크로스트립(microstrip)에 기반한 전송선을 배치하였다. 검출기가 수동으로 동작하기 때문에 소스를 바라보았을 때에 매우 큰 임피던스가 보인다. 따라서 직렬 전송선과 단락 스터브(short stub)로 차동임피던스 100 옴 정합을 하였다. 출력단은 두 NMOS의 드레인을 묶어서 형성된 가상 접지 노드(virtual ground)로 구성되었다. 이 구조에서 NMOS의 \( C_{G D} \)가 게이트와 드레인 간의 AC 신호 경로를 형성하게 되며, 이에 따라 주어진 회로는 기본적으로 square-law 보드로 동작을 하게 된다. 이에 따라 각 NMOS의 드레인에는 입력 신호에 비례하는 DC성분이 발생하게 되며, 앞서 형성된 가상 접지 노드에서 검출이 가능하게 된다. 기본적으로 square-law 동작은 수동 동작이며, 이에 따라 별도의 \( V_{D D} \) 는 필요하지 않게 된다. 단지 게이트 바이어스의 경우 검출 효율이 소자의 게이트 전압에 영향을 받게 되므로, 최적의 효율을 가져오는 게이트 전압을 인가하는 것이 필요하게 된다. 일반적으로 소자의 문턱 전압 근방에서 square-law 효율이 최대가 되는 것으로 알려져 있으며, 본 회로에서도 이 에 기반하여 \( 0.4 \mathrm{~V} \)의 게이트 바이어스를 인가하였다.</p> <h1>III.측정결과</h1> <p>제작된 칩 사진은 그림 2와 같다. 사진에서 보는 바와 같이 제작된 회로는 앞서 기술한 검출기 회로와 함께 차동 신호를 싱글엔드형(Single-ended) 신호로 변환하기 위한 삽입 손실이 시뮬레이션 상에서 \( 1 \mathrm{~dB} \) 인 merchant 밸런 (balun) 및 온웨이퍼 프로빙을 위한 패드가 추가되어 있다.</p> <p>상기한 바와 같이 본 검출기는 그 출력 값으로 DC전압을 내보낸다. 그러나, DC 근방 주파수에는 플리커 잡음 (Flicker noise)이 매우 크기 때문에 검출기에서 출력되는 DC신호는 이에 큰 영향을 받게 된다. 이러한 영향을 줄이기 위해 일반적으로 검출기 입력 신호를 전기적으로 AM 변조하거나 기계적인 초핑(chopping)을 이용하여 측정되는 신호를 플리커 잡음의 크기가 작아지는 다소 높은 주파수 대역으로 천이시키는 방식이 적용된다. 본 연구에서는 영상획득을 위한 신호 발생기의 출력을 AM 변조하는 방식을 채택하였다.</p> <p>검출기의 성능은 일반적으로 반응도(Responsivity)와 NEP (Noise Equivalent Power)로 나타내어지게 된다. 이 두 가지 성능을 측정하기 위해 그림 3과 같은 셋업을 구성하여 측정을 실행하였다. 반응도는 오디오 신호 분석기로 측정한 검출기의 출력 전압과 파워미터로 측정한 RF 전력 입력신호의 비로서 얻어지며, 그 측정 결과가 그림 4에 나타나 있다. 그림에서 보듯이 \( 285 \mathrm{GHz} \) 에서 \( 2,270 \mathrm{~V} / \mathrm{W} \) 의 최대 반응도를 보임을 알 수 있다. NEP는 NSD(Noise Spectral Density) 값을 반응도로 나눈 값으로, 그림 5는 주파수 에 따른 NEP의 측정 결과이다. \( 285 \mathrm{GHz} \) 에서 \( 38 \mathrm{pW} / \mathrm{Hz}^{1 / 2} \)의 최소값을 보이고 있다. 공정사에서 제공된 모델이 고주파 대역에서 부정확하여 시뮬레이션과 차이가 있을 것 으로 사료된다.</p> <p>영상은 특정 물체를 일정한 RF 신호원을 가지고 2 차원적으로 스캔하며 투과할 때, 각각의 감쇠한 RF 신호들을 검출기로 감지하여 그 정도를 평면좌표에 일대일 대응시키는 방법으로 획득할 수 있다. 본 연구에서는 신호 발생기에서 발생된 신호를 주파수 체배기를 이용하여 300\( \mathrm{GHz} \) 대역으로 올린 RF신호를 영상 신호원으로 사용하였다. 혼안테나(horn antenna)를 통해 방사된 \( 300 \mathrm{GHz} \) 신호는 영상 획득 대상 물체를 통과한 후, 다시 혼 안테나를 통해 검출기로 인가되어 검출되게 된다. 대상 물체의 2 차원 스캔은 무빙 스테이지(moving stage)를 이용하여 이루어졌으며, 검출된 신호를 각각의 좌표에 일대일 재배치함으로써 2차원 영상이 획득되었다. 그림 6은 이와 같은 과정을 위한 영상 획득 셋업의 개념도를 보여 주고 있으며, 실제 사용된 셋업의 사진이 그림 7에 나타나 있다. 이 셋업을 이용하여 약 한 시간 반 정도의 시간 동안 획득된 영상의 예로서, 플로피 디스크의 영상이 그림 8에 보여지고 있다. 테라헤르츠 대역 주파수의 뛰어난 투과 특성으로 인해 플로피 디스크의 내부가 잘 드러나 보임을 알 수 있다.</p> <p> <table border><caption>표 1. 테라헤르츠 대역에서 동작하는 검출기와 성능 비교표</caption> <tbody><tr><td>출처</td><td>공정</td><td>주파수\( [\mathrm{GHz}] \)</td><td>최대반응도\( [\mathrm{V} / \mathrm{W}] \)</td><td>최소 NEP\( [\mathrm{pW} / \mathrm{Hzl} / 2] \)</td></tr><tr><td>2011 OECD [2]</td><td>130-nm CMOS</td><td>300</td><td>5,300</td><td>10</td></tr><tr><td>2011 IMS [3]</td><td>65-nm CMOS</td><td>1,000</td><td>800</td><td>66</td></tr><tr><td>2011 RFIC [4]</td><td>65-nm CMOS</td><td>650</td><td>1,930</td><td>17</td></tr><tr><td>2012 IMS [5]</td><td>45-nm CMOS</td><td>300</td><td>8,400</td><td>67</td></tr><tr><td>본 연구</td><td>65-nm CMOS</td><td>285</td><td>2,270</td><td>38</td></tr></tbody></table>
|
[
"표 1에서 본 연구의 공정은 어떤거야?",
"표 1에서 주파수가 가장 작을 때, 최대 반응도는 얼마일까?",
"표 1에서 공정이 130-nm CMOS일 때, 주파수의 수치는 뭐야?",
"표 1에서 본 연구와 2011 IMS [3]을 비교하면 최대 반응도가 무엇이 더 높나요?",
"표 1에서 주파수가 가장 높은 것은 얼마입니까?",
"표 1에서 최대 반응도가 가장 작을 때, 출처는 어디꺼야?",
"표1을 보면 주파수가 650일 때, 최소 NEP는 어떤 결과 값을 가질까?",
"표 1에서 최소 NEP가 가장 작을 때 어떤 공정을 했어?"
] |
287103ac-36ee-48d4-b1bc-db9632becfee
|
인공물ED
|
평면형 다이폴 안테나를 이용한 UHF RFID 태그 안테나 특성
|
<h1>Ⅴ. 실험 및 결과 고찰</h1> <p>본 연구에서 구현한 안테나는 안테나의 전체적인 크기는 \( 100 \times 60 \mathrm{~mm}^{2} \)이고, 기판은 유전율이 \( 4.4 \)인 FR4 기판을 사용하였으며, 두께는 \( 1 \mathrm{~mm} \), 접지면을 포함한 meander 안테나 크기는 \( 100 \times 60 \mathrm{~mm}^{2} \), 루프의 폭은 \( 2.0 \mathrm{~mm} \), meander 안테나와 접지면의 간격은 \(1 \mathrm{~mm}\)이며, meander에서 선로간의 간격은 \( 4 \mathrm{~mm} \)이다.</p> <table border><caption>표 2. 실험결과</caption> <tbody><tr><td>구분</td><td>이론값</td><td>실험값</td></tr><tr><td>중심 주파수 \( [\mathrm{MHz}] \)</td><td>440</td><td>427</td></tr><tr><td>입력임피던스 \( [\Omega] \)</td><td>\( 47+j 18.8 \)</td><td>\( 54+j 7.4 \)</td></tr><tr><td>\( -10 \mathrm{~dB} \) 반사 손실 대역폭 \( [\mathrm{MHz}] \)</td><td>9</td><td>8</td></tr><tr><td>초대반사손실 \( [\mathrm{dB}] \)</td><td>14</td><td>21.4</td></tr></tbody></table> <p>그림 6에서는 제작한 안테나의 실험 결과이다. 공진 주파수는 \( 427 \mathrm{~MHz} \), 최대 반사 손실은 \( 21 \mathrm{~dB} \), \( -10 \mathrm{~dB} \), 반사 손실 대역폭은 \( 8 \mathrm{~MHz} \), 입력 임피던스는 \( 54+j 7.4 \Omega \)이다. 안테나 방사 패턴은 E 평면은 도우넛 형태이고, H 평면은 전방향 특성을 갖고 있다. 안테나의 방사 패턴이 이론값에 비하여 약간 기울어진 모습을 보여주고 있다. 이것은 안테나의 접지면과 급전선로인 동축 선로에 의한 결합으로 인한 효과에 의해서 기울어진 것으로 사료된다.</p> <p>실험결과값과 이론값은 약간의 오차를 보이지만 수치 해석 결과와 이론치의 값이 대부분 일치하고 있다. 따라서 본 논문에서 제안한 RFID 태그용 안테나는 RFID 칩과 사용되는 능동 및 수동 소자의 실장이 용이한 구조를 형성함으로써 향후 RFID 태그용 안테나로 적용이 가능함을 알 수 있다.</p>
|
[
"본문의 표 2. 실험결과에서 이론값의 입력임피던스는 얼마인가?",
"본문의 표 2. 실험결과에서 실험값의 중심 주파수는 얼마지?",
"본문의 표 2. 실험결과에서 이론값의 중심 주파수는 얼마야?",
"본 연구에서 구현한 안테나의 성능 실험 결과에서 중심 주파수의 이론값은 얼마인가?",
"본문의 표 2. 실험결과에서 실험값의 입력임피던스는 얼마니?",
"본문의 표 2. 실험결과에서 실험값의 \\( -10 \\mathrm{~dB} \\) 반사 손실 대역폭는 얼마의 값이지?",
"본문의 표 2. 실험결과에서 실험값의 초대반사손실은 얼마의 값이야?",
"본문의 표 2. 실험결과에서 이론값의 초대반사손실은 얼마의 값인가?",
"본문의 표 2. 실험결과에서 이론값의 \\( -10 \\mathrm{~dB} \\) 반사 손실 대역폭는 얼마일까?"
] |
4cc6d169-3766-4a71-b07c-fa107083ec93
|
인공물ED
|
무인기용 상향링크 대역확산 송수신기 설계 및 개발
|
<p>바. 터보 코드 성능</p> <p>그림 12와 그림 13은 RS코드와 Turbo 코드의 성능을 비교한 것이다. 즉 Rayleigh 페이딩 채널에서는 약 \( 10 \mathrm{~dB}\) AWGN 채널에서는 약 \( 3 \mathrm{~dB} \) 더 터보코드가 RS코드 보다 성능이 우수함을 확인할 수 있다. 여기서 터보코드의 부호 이득은 약 \( 7.2 \mathrm{~dB} \) 이다.</p> <p>사. 수신 감도 및 재밍 마지 계산</p> <p>수신 감도 계산에서 FEC 적용 전 \( \mathrm{BER} 10^{-6} \)에서 요구되는 Eb/No를 \( 10.5 \mathrm{~dB} \) 로 하였다. 터보코드 부호이득은 \( 7 \mathrm{~dB} \) 로 하고 NF를 \( 6 \mathrm{~dB} \) 를 적용했을 때 수신 감도는 \( -110 \mathrm{dBm} \), 재밍 마진은 \( 15.3 \mathrm{~dB} \) 를 얻을 수 있다.</p> <table border><caption>표 3. 수신기 최소 입력 신호 레벨</caption> <tbody><tr><td>1</td><td>\( \mathrm{Eb} / \mathrm{No}\left(10^{-6} \mathrm{BER}\right) \rightarrow \mathrm{FEC} \) 적용전</td><td>10.50dB</td></tr><tr><td>2</td><td>EsNNo (without Loss) = SNR = ① + 10log(1)</td><td>10.50dB</td></tr><tr><td>3</td><td>Imp. Loss(with Pilot+MRC Loss = 2.5dB) = 1(Tx) + 2(Rx) + 2.5(PL)= 5.5dB</td><td>05.50dB</td></tr><tr><td>4</td><td>Es/No (with Loss) = SNR = ②+③</td><td>16.00dB</td></tr><tr><td>5</td><td>\( \mathrm{kT}_{0} \)</td><td>-174dBm/Hz</td></tr><tr><td>6</td><td>Effective Noise Figure</td><td>6.00dB</td></tr><tr><td>7</td><td>Baud Rate (R) = \( 10 \log \left(10 \times 10^{6}\right) \)</td><td>70.OOdBHz</td></tr><tr><td>8</td><td>\( \mathrm{N}_{0} * \mathrm{R}=⑤+⑥+⑦ \)</td><td>-98dBm</td></tr><tr><td>9</td><td>Required Receiver Input Power = ④+⑧\( \rightarrow \) FEC 적용전</td><td>-82dBm</td></tr><tr><td>10</td><td>Spreading Factor = 128 = 21dB</td><td>21dB</td></tr><tr><td>11</td><td>Sensitivity w/o FEC = ⑨ - ⑩</td><td>-103.0dBm</td></tr><tr><td>12</td><td>⑨ - ⑩ - Coding Gain(7dB) \( \longrightarrow \) FEC 적용후</td><td>-110.0dBm</td></tr><tr><td>13</td><td><p>\( M_{J}(\mathrm{~dB})=PG(dB)-S/ N_{\mathrm{REQ}}(dB)-\mathrm{L}(\mathrm{dB}) \)</p><p>\( \mathrm{M}_{\mathrm{J}}(\mathrm{dB})=24(\mathrm{~dB})-3.2(\mathrm{~dB})-5.5(\mathrm{~dB})=15.3 \)</p></td><td>15.3dB</td></tr></tbody></table> <h2>III. 제작 및 실험</h2> <p>그림 14는 송신기의 내부 파라미터를 실시간으로 변경하기 위한 GUI 이다. 그림 15 는 수신신호의 세기를 확인하고 PN 코드를 변경하는데 사용된다.</p> <h3>1. 송수신기 보드 제작</h3> <p>그림 16 은 본 연구에서 제작한 송수신기 보드이다. 펌웨어만 바꾸면 송신용 또는 수신용으로 변경 가능하고 구성은 100 만 게이트 급 FPGA, 터보코드, 튜너, 콘트롤러, 테스트 DAC 등으로 이루어져 있다. 출력파워는 \( -10 \mathrm{dBm} \) 으로 하였고 조절이 가능하도록 설계 하였다.</p>
|
[
"표 3에 따르면, \\( \\mathrm{Eb} / \\mathrm{No}\\left(10^{-6} \\mathrm{BER}\\right) \\rightarrow \\mathrm{FEC} \\) 적용 전의 수신기 최소 입력 신호 레벨은 몇 dB인가?",
"표 3에서, EsNNo (without Loss) = SNR = ① + 10log(1)의 경우 수신기 최소 입력 신호 레벨은 몇 dB인가?",
"Effective Noise Figure의 수신기 최소 입력 신호 레벨은 몇 데시벨인가?",
"표 3에서, 수신기 최소 입력 신호 레벨이 05.50dB인 데이터는 어떤 경우인가?",
"표 3에 따르면, Es/No (with Loss) = SNR = ②+③의 경우 수신기 최소 입력 신호 레벨은 얼마인가?",
"표 3에서, \\( \\mathrm{kT}_{0} \\)의 경우 수신기의 최소 입력 신호 레벨이 몇 dBm/Hz야?"
] |
97b14e56-2f1e-4f89-a1b2-781dff2f8b05
|
인공물ED
|
비선형 내점법을 이용한 최적 조속기 응동 조류계산
|
<h1>4. 사례연구</h1> <p>최적 조속기 응동 조류계산을 뉴잉글랜드 39모선 계통에 적용한다. 시험계통에 대하여 각 상정사고에 따른 유효전력 여유의 계산 및 계통 주파수를 관찰하고 여기서 각 상정사고에 대하여 심각한 상정사고를 선정한다. 또한 발전기 탈락 상정사고를 고려하여 각 상정사고에 대한 최적 조류계산 및 최적 조속기 응동 조류계산을 통하여 계통상태의 변화를 비교 분석한다.</p> <p>먼저 위에서 언급된 시뮬레이션을 통하여 선정된 심각한 선로사고 및 발전기 고장에 대한 상정사고 시뮬레이션을 수행한다. 각 시뮬레이션에 대하여 각 모선의 전압 제약은 \( 0.95 \) 에서 \( 1.05 \) 까지로 하였다. 계통의 주파수 제약은 WECC 기준에 따라 0.99p.u에서 \( 1.01 \mathrm{p} . \mathrm{u} \) 으로 하였으며 발생된 사고가 주파수 제약 범위 내에서 해를 찾지 못하면 주어진 사고에 대해서는 부하차단의 제어동작이 필요한 것으로 간주할 수 있다. 각 상정사고에 대하여 허용 가능한 주파수 변화량을 제약으로 추가하여 최적 조속기 응동 조류계산을 수행하였을 경우와 전력조류방정식을 등호제약으로 하는 최적조류 계산을 수행하였을 경우 부하 차단량을 비교 분석하였다.</p> <p>다음은 뉴잉글랜드 39모선 시험계통의 계통도 이다.</p> <p>계통의 가장 심각한 상정사고를 선정하기 위한 방안으로 많이 사용되는 방법은 유효전력 여유해석을 통한 안정도 검토이다. 유효전력 여유해석을 통한 계통해석 결과는 다음과 같다.</p> <table border><caption>유효전력 여유 해석 결과</caption> <tbody><tr><td>case</td><td>유효전력 여유량</td><td>case</td><td>유효전력 여유량</td></tr><tr><td>28~29</td><td>1788</td><td>8-9</td><td>2491</td></tr><tr><td>21-22</td><td>1804</td><td>9-39</td><td>2565</td></tr><tr><td>15-16</td><td>2268</td><td>25-26</td><td>2599</td></tr><tr><td>26-29</td><td>2295</td><td>26-28</td><td>2677</td></tr><tr><td>2-3</td><td>2458</td><td>16-21</td><td>2731</td></tr></tbody></table> <p>다음은 심각한 상정사고를 고려하기 위하여 고려될 수 있는 모든 선로사고에 대한 주파수 변화량을 계산한다. 일반적으로 선로사고를 고려할 경우 주파수 변화는 미비하기 때문에 심각한 상정사고를 선정하는 과정에서 모의하지 않는다. 하지만 본 사례연구에서는 계통 주파수를 고려한 사고를 모의하고 있으며 주파수 변화가 크다는 것은 유효전력 손실이 커지는 사고임을 나타내기 때문에 그만큼 많은 부하 차단을 요구하게 되고, 따라서 부하차단 측면에서 심각한 상정사고로 고려될 수 있다. 상정사고에 따른 주파수 변화량은 다음과 같다.</p> <table border><caption>각 상정사고에 따른 계통 주파수 변화</caption> <tbody><tr><td>case</td><td>주파수</td><td>case</td><td>주파수</td></tr><tr><td>2-3</td><td>59.896</td><td>28-29</td><td>59.975</td></tr><tr><td>21-22</td><td>59.906</td><td>16-21</td><td>59.976</td></tr><tr><td>25-26</td><td>59.970</td><td>2-31</td><td>59.977</td></tr><tr><td>13-14</td><td>59.970</td><td>6-7</td><td>59.977</td></tr><tr><td>5-6</td><td>59.974</td><td>31-39</td><td>59.977</td></tr></tbody></table> <p>표1과 표2를 통하여 심각한 상정사고로 21-22 선로사고를 선정했다. 또한 31번 모선의 발전기 고장을 상정사고로 고려하여 각 경우에 대한 결과를 비교 분석하였다. 다음 표와 그림은 각 상정사고에 따른 최소 부하차단 용량 선정에 대한 결과비교를 나타낸다. 각 상정사고에 대하여 주파수 제약을 가지는 \( \mathrm{OGPF} \) 의 결과가 더 적은 보하차단 용량을 제시하고 있다. 정상상태보다 빠른 시간대에서, 즉 \( \mathrm{AGC} \) 가 동작하기 이전 시간대에서 적절한 부하차단 용량을 선정하고자 할 때 주파수를 고려하지 않는 최적조류계산을 통한 모의보다 최적 조속기 응동 조류계산을 통한 모의를 통하여 보다 효율적인 해를 제시할 수 있음을 보인다.</p> <table border><caption>각 상정사고별 부하차단 최소화 결과 비교</caption> <tbody><tr><td rowspan=2 colspan=2></td><td colspan=5>차단용량(MW)</td><td>주파수</td></tr><tr><td>4번모선</td><td>7번모선</td><td>8번모선</td><td>12번모선</td><td>합계</td><td>(Hz)</td></tr><tr><td rowspan=2>21-22 선로사고</td><td>OPF</td><td>0.00</td><td>0.00</td><td>10.48</td><td>8.26</td><td>18.75</td><td></td></tr><tr><td>OGPF</td><td>0.00</td><td>0.00</td><td>0.00</td><td>0.00</td><td>0.00</td><td>59.93</td></tr><tr><td rowspan=2>31번 발전기 고장</td><td>OPF</td><td>109.12</td><td>52.39</td><td>398.29</td><td>7.29</td><td>570.19</td><td></td></tr><tr><td>OGPF</td><td>0.00</td><td>21.74</td><td>345.87</td><td>7.88</td><td>375.49</td><td>59.40</td></tr><tr><td rowspan=2>모두 고려</td><td>OPF</td><td>145.03</td><td>46.84</td><td>390.16</td><td>8.25</td><td>590.27</td><td></td></tr><tr><td>OGPF</td><td>19.97</td><td>24.45</td><td>344.57</td><td>8.50</td><td>397.49</td><td>59.40</td></tr></tbody></table> <p>본 사례연구에서는 상정사고에 대한 부하차단 최소화 시뮬레이션을 수행하였다. 사고 발생시 계통의 주파수가 떨어지는 현상이 발생하고 발전기의 기계적 입력을 조절할 수 없는 단계에서 빠른 동작특성을 보이는 제어동작을 통하여 유효전력 손실을 최소화 시키면 떨어지는 계통의 주파수를 최소화시킬 수 있다. 하지만 계통의 허용 가능한 주파수 범위를 넘어서게 되면 주파수 회복을 위해서는 부하차단을 고려하게 된다. 상정사고 이후 준 동적 상태는 \( \mathrm{AGC} \) 동작 이 전 상태를 고려하므로 발전기의 기계적 입력을 변화시킬 수 없으며 따라서 부하차단은 주파수 회복 및 각 모선전압을 유지시키기 위한 중요한 수단이 된다. 계통의 허용 가능한 주파수 제약을 가지는 최적 조속기 응동 조류계산은 조속기 응동을 통하여 유효전력 출력을 조절하고 부하차단을 보다 효율적으로 수행할 수 있음을 보였다.</p>
|
[
"유효전력 여유 해석 결과를 나타낸표에서 2-3의 유효전력 여유량은 얼마야?",
"각 상정사고에 따른 계통 주파수 변화를 나타낸 표에서 25-26의 주파수는 얼마지?",
"각 상정사고에 따른 계통 주파수 변화를 나타낸표에서 16-21의 주파수는 얼마야?",
"표에서 26-29case에서 유효전력 여유량은 뭐지?",
"유효전력 여유 해석 결과를 나타낸표에서 16-21의 유효전력 여유량은 얼마야?",
"유효전력 여유 해석 결과표에서 8-9case의 유효전력 여유량은 얼마야?",
"21-22케이스의 주파수는 뭐야?",
"9-39케이스의 유효전력 여유량은 뭐야?",
"각 상정사고에 따른 계통 주파수 변화를 나타낸표에서 5-6의 주파수는 얼마야?",
"각 상정사고에 따른 계통 주파수 변화에서 2-3case의 주파수는 얼마야?",
"표에 나타난 결과에서 21-22 선로사고 OGPF의 4번모선 차단용량은 뭐야?",
"각 상정사고에 따른 계통 주파수 변화를 나타낸 표에서 25-26의 주파수는 얼마지?",
"9-39케이스의 주파수는 뭐야?",
"표에 따르면 9-39케이스의 주파수가 어떻게 되지",
"각 상정사고에 따른 계통 주파수 변화에서 8-9case의 주파수는 얼마야?",
"표에서 26-29case에서 주파수는 뭐지?",
"26-29case에서 표를 참조하면 주파수값이 얼마지",
"각 상정사고별 부하차단 최소화 결과 비교표에서 21-22 선로사고 OPF의 4번모선 차단용량은 얼마야?",
"표에서 26-28case에서 유효전력 여유량은 뭐지?",
"여유 해석 결과를 나타낸 표에서 25-26의 유효전력 여유량은 얼마지?",
"표에서 26-28case에서 주파수는 뭐지?",
"26-28case에서 주파수가 어떤 값을 가지지",
"부하차단 최소화 결과 비교를 나타낸 표에서 31번 발전기 고장상정사고에서 OGPF의 4번모선 차단용량은 뭐지?",
"31번 발전기 고장 상정사고에서 OPF의 4번모선 차단용량은 얼마지?",
"각 상정사고별 부하차단 최소화 결과 비교표에서 모두 고려 OPF의 4번모선 차단용량은 얼마야?",
"31번 발전기 고장 상정사고에서 OPF의 7번모선 차단용량은 얼마지?",
"표에 나타난 결과에서 모두 고려 OGPF의 4번모선 차단용량은 뭐야?",
"표에 나타난 결과에서 모두 고려 OGPF의 7번모선 차단용량은 뭐야?",
"부하차단 최소화 결과 비교를 나타낸 표에서 21-22 선로사고상정사고에서 OGPF의 7번모선 차단용량은 뭐지?",
"각 상정사고별 부하차단 최소화 결과 비교표에서 모두 고려 OPF의 7번모선 차단용량은 얼마야?",
"유효전력 여유 해석 결과표에서 28~29case의 유효전력 여유량은 얼마야?",
"21-22케이스의 유효전력 여유량은 뭐야?",
"여유 해석 결과를 나타낸 표에서 15-16의 유효전력 여유량은 얼마지?",
"21-22 선로사고 상정사고에서 OPF의 8번모선 차단용량은 얼마지?",
"부하차단 최소화 결과 비교를 나타낸 표에서 21-22 선로사고상정사고에서 OGPF의 8번모선 차단용량은 무엇이야?",
"31번 발전기 고장 OPF의 8번모선 차단용량은 각 상정사고별 부하차단 최소화 결과 비교표에서 얼마야?",
"31번 발전기 고장 OGPF의 8번모선 차단용량은 표에 나타난 결과에서 무엇이지?",
"모두 고려상정사고에서 OGPF의 8번모선 차단용량은 부하차단 최소화 결과 비교를 나타낸 표에서 어떤 값이지?",
"21-22 선로사고 OPF의 12번모선 차단용량은 각 상정사고별 부하차단 최소화 결과 비교표에서 얼마야?",
"31번 발전기 고장 상정사고에서 OPF의 12번모선 차단용량은 얼마야?",
"표에 나타난 결과에서 21-22 선로사고 OGPF의 12번모선 차단용량은 뭐야?",
"각 상정사고별 부하차단 최소화 결과 비교표에서 모두 고려 OPF의 12번모선 차단용량은 얼마야?",
"모두 고려 OGPF의 12번모선 차단용량은 표에 나타난 결과에서 무엇이야?",
"21-22 선로사고 상정사고에서 OPF의 차단용량합계는 얼마일까?",
"표에 나타난 결과에서 21-22 선로사고 OGPF의 차단용량합계는 얼마야?",
"31번 발전기 고장 상정사고에서 OPF의 차단용량합계는 총 얼마야?",
"31번 발전기 고장상정사고에서 OGPF의 차단용량합계는 부하차단 최소화 결과 비교를 나타낸 표에서 얼마로 나타냈어?",
"21-22 선로사고 OGPF의 주파수는 표에 나타난 결과에서 무엇이야?",
"표에 나타난 결과에서 모두 고려 OGPF의 차단용량합계는 뭐야?",
"21-22 선로사고 OPF의 주파수는 각 상정사고별 부하차단 최소화 결과 비교표에서 얼마로 나타냈어?",
"부하차단 최소화 결과 비교를 나타낸 표에서 31번 발전기 고장상정사고에서 OGPF의 주파수는 얼마야?",
"각 상정사고별 부하차단 최소화 결과 비교표에서 모두 고려 OPF의 차단용량합계는 얼마야?",
"모두 고려 상정사고에서 OPF의 8번모선 차단용량은 얼마지?",
"부하차단 최소화 결과 비교를 나타낸 표에서 31번 발전기 고장상정사고에서 OGPF의 12번모선 차단용량은 무엇일까?"
] |
08ef44a6-162d-4dd9-88bf-132f54598411
|
인공물ED
|
신축 전극의 최근 연구 동향
|
<h2>2.2. 평면적 (In-plane) 신축 구조</h2><p>평면적 구조는 비평면적 구조와 달리 미리 늘려놓은 고분자 기판을 필요로 하지 않으며, 더욱 간편한 방법으로 제조 가능하다. 인장 시 전하 이동로 (Current Path) 수의 증가 및 다축 신축성을 목적으로 그물 구조 기반 사각 그물 구조, 벌집(Honeycomb) 구조, 지그재그 (Zigzag) 그물 구조, 말발굽 (Horseshoe) 그물 구조 등의 다양한 신축 구조가 보고 되어 왔다. 인장 시 신축 구조에 가해지는 압력과 변형 정도가 물질 한계치를 도달하게 되면 저항변화율이 급격히 높아지고, 초과하게 되면 파단이 일어나 결과적으로 신축 전극 성능이 크게 저하되게 된다. 지그재그 그물 구조와 말발굽 그물 구조는 상대적으로 변형을 통해 응력을 해소할 수 있는 구조이기 때문에 사각 그물 구조와 벌집 구조에 비해 높은 신축성과 낮은 저항 변화율을 보인다. 또한 말발굽 그물 구조는 지그재그 그물 구조보다 응력이 집중되는 각진 부분이 없기 때문에 상대적으로 넓게 응력이 분포되어 더 높은 신축성을 가지게 된다. [그림 5a] 말발굽 그물 구조 내 치수와 곡률에 따라 신축성은 변할 수 있으며 낮은 \( \mathrm{w} / \mathrm{R} \) 값과 높은 \( 1 / \mathrm{R} \), 그리고 높은 \( \alpha \) 값을 가질수록 신축성이 우수한 것으로 보고되었다. [그림 5 b] 또한 신축 전극과 기판 간의 높은 접착력, 기판의 높은 Stiffness 와 전극의 두꺼움 등은 외력에 의한 전극 내 미세한 변형을 방해하여 신축성에 제한하는 것으로 알려져 있다.</p><p>최근 KIST 손정곤 박사 연구팀은 그래핀과 탄소나노튜브 (CNT)를 결합해 벌집 모양의 전극 구조체를 만들고 이를 반지름 방향으로 압축시킨 후, 신축성 겔형태의 전해질과 신축성 패키징 소재와 함께 조립하여 \( 50 \% \) 이상의 높은 신축성과 반복 인장 500번 이상의 높은 내구성을 가진 신축 리튬이온전지를 개발하였다. [그림 6] 연세대 학교 안종현 교수 연구팀은 음의 포아송비 (Poisson's ratio)를 갖는 그물 구조 (Auxetic mesh structure)로 이루어진 그래핀 기반 의 신축성 자가발전 터치센서를 개발하였다. 총 두께가 \( 18 \mu \mathrm{m} \) 밖에 되지 않는 유연한 고분자 기판으로 이루어져 손바닥에 부착 시 피부에 쉽게 붙고, 특유의 신축 구조로 인해 가로방향 \( 12 \% \), 세로방향 \( 8 \% \)의 변형에도 매우 낮은 저항 변화율 및 생성 전압 변화율을 보였다. [그림 6b] 또한, 서울대학교 고승환 교수 연구팀은 말발굽 구조 기반의 신축 전극과 \( \mathrm{p} / \mathrm{n}- \) 타입의 열전물질로 이루어진 가상현실에서의 열 (냉/온) 감지를 위한 신축 소자를 개발하였다. 말발굽 구조의 최적화를 통해 \( 230 \% \) 의 신축성을 보였으며, 14,000회 이상의 반복 인장에도 성능 저하가 발생하지 않는 높은 내구성을 보였다. [그림 6c]</p>
|
[
"압력과 변형정도가 물질 한계치를 초과하면 무엇이 발생해?",
"평면적 구조는 미리 늘려 놓은 어떤 기판을 필요로 하지 않아?",
"평면적 구조는 비평면적 구조와 달리 제조방법이 간편해?",
"인장 시 어떤 것을 증가시킨 신축 구조들이 보고되고 이어?",
"인장 시 전하 이동로 수의 증가 및 다축 신축성을 목적으로 사각 그물 구조가 신축 구조로 보고됬어?",
"말발굽 그물 구조는 다축 신축성과 인장 시 전하 이동로 수를 증가시킬 수 있는 구조야?",
"저항 변화율이 급격히 높아지려면 인장 시 신축 구조에 가해지는 압력과 변형정도는 어느 정도로 높아져야 해?",
"파단이 일어나면 어떤 성능이 크게 저하되?",
"지그재그 그물구조와 말발굽 구조는 상대적으로 변형을 통해 무엇을 해소할 수 있어?",
"지그재그와 말발굽 그물 구조에서 사각 그물과 벌집 구조에 대비 낮은 것은 무엇이야?",
"지그재그와 말발굽 그물 구조는 사각 그물과 벌집 구조에 비해 무엇이 높아?",
"지그재그와 말발굽 구조는 사각 그물과 벌집구조에 비해 높은 신축성과 낮은 저항 변화율을 보이는 이유는 뭐야?",
"지그재그 그물구조보다 상대적으로 넓게 응력이 분포되는 그물구조는 뭐야?",
"말발굽 그물 구조가 지그재그 그물구조보다 더 높은 신축성을 가지고 있어?",
"말발굽 그물 구조가 지그재그 그물구조보다 더 넓은 응력이 분포되어 있는 이유가 뭐야?",
"말발굽 그물 구조 내 치수와 곡률은 무엇을 변하게 할 수 있어?",
"말발굽 그물 구조에서 신축성은 치수와 곡률에 따라 바꿀 수 있어?",
"전극 내 미세한 변형을 방해하면 무엇에 제한이 발생해?",
"기판의 높은 Stiffness는 전극 내 미세한 변형을 방해해?",
"전극의 두꺼움은 전극 내 미세한 변형을 방해해 신축성에 제한해?",
"그래핀과 탄소나뉴튜브를 결합하여 어떤 모양의 전극 구조체를 만들 수 있어?",
"외력에 의한 전극 내 미세한 변형을 방해하는 것이자 신축 전극과 기판 사이의 특성에 해당하는 것은 무엇이야?",
"벌집 모양의 전극 구조체는 어떤 방향으로 압축시킬 수 있어?",
"다축 신축성을 목적으로 다양한 신축 구조들이 보고되고 있어?",
"벌집 구조는 인장 시 전하 이동로 수를 증가시킬 수 있는 구조야?",
"벌집 모양의 전극 구조체는 어떤 형태의 전해질과 함께 조립해?",
"개발한 신축 리튬 이온전지는 신축성이 \\( 50 \\% \\) 이상이야?",
"신축성 겔형태의 전해질과 신축성 패키징 소재와 함께 조립하여 반복 인장 몇번 이상의 높은 내구성을 가진 신축 리튬이온전지를 개발해?",
"연세대에서는 음의 포아송비를 갖는 그물구조로 형성된 어떤 센서를 개발했어?",
"신축성 자가발전 터치센서에 사용된 그물구조는 어떤 것을 가져?",
"연세대에서 개발한 신축성 자가발전 터치센서의 바탕이 되는 물질은 무엇이야?",
"신축성 자가발전 터치센서의 기판의 소재는 무엇으로 이루어져 있어?",
"신축성 자가발전 터치센서는 특유의 신축 구조로 낮은 저항 변화율과 생성 전압 변화율을 가져?",
"신축성 자가발전 터치센서는 어디에 부착했을 경우에 피부에 쉽게 붙어?",
"서울대에서 개발한 신축 소자는 가상현실에서의 무엇을 감지해?",
"서울대에서는 말발굽 구조 기반의 신축 전극과 어떤 타입의 열전물질로 신축 소자를 만들었어?",
"CNT는 어떤 소재와 조립되어 내구성이 높은 신축 리튬이온전지를 만들어?",
"말발굽 구조의 최적화를 통해 나타나는 신축성의 수치는 얼마야?",
"서울대에서 개발한 말발굽 구조에서 몇 회 이상의 반복 인장에도 성능 저하가 발생하지 않아?",
"말발굽 그물 구조에서 \\( \\mathrm{w} / \\mathrm{R} \\) 값은 낮고 \\( 1 / \\mathrm{R} \\), \\( \\alpha \\) 값이 높으면 신축성이 우수해?"
] |
fdad1e90-6ec5-4b7f-a09e-dd43a74b68bc
|
인공물ED
|
신축 전극의 최근 연구 동향
|
<p>\( \mathrm{AgNW} \) 를 이용한 최근 국내 연구로는, 연세대학교 안종현 교수 연구팀은 \( \mathrm{AgNW} \)/ PEDOT:PSS/ Graphene으로 고투명 신축 전극을 제조하고 이를 이용하여 인장, 굽힘, 꼬임 등에도 발광세기의 변화가 없는 신축성 발광소자가 개발되었으며[그림 7a], 경희대학교 김한기 교수 연구텀은 붓 그리기 과정에서 발생하는 전단응력을 이용하여 \( \mathrm{AgNW} \) 와PEDOT:PSS 혼합용액을 Polyurethane 기판 위에 정렬 및 코팅하여 높은 투명성과 \( 30 \% \) 이상의 인장에도 낮은 저항 변화율을 보이는 신축 전극을 개발하였다. [그림 7b]</p><h2>3.2. 전도성 고분자</h2><p>Poly (3,4-ethylenedioxythiophene) : polystyrene sulfo-nate (PEDOT:PSS) 는 고분자임에도 불구하고 높은 전도성을 띄고 있으며 용액 공정이 가능하다는 장점을 가지고 있어, 많은 유연 전자 소자에 적용되어 왔다. 하지만 낮은 파단 신율로 인해 접히거나 늘리게 되면 쉽게 손상되며, 코팅 전 수용액 상태이기 때문에 소수성 기판 위에 코팅이 어렵다는 단점을 가지고 있다. 기존의 여러 연구에서는 Sorbitol , Dimethyl sulfoxide DMSO, Zonyl fluoro-surfactant , Triton X-100 등을 첨가하여 이를 개선하고자 하였으며, 특히 Triton X-100 을 첨가한 경우에는 낮아진 (PEDOT:PSS) 용액의 표면장력에 의해 소수성 표면에 균일하게 코팅될 뿐만 아니라, 알갱이 (Granular) 형태의 ( PEDOT 결정이 나노선 (Nanofibril) 네트워크 형태의 변화되어 향상된 신축성과 전도성를 보였다. 최근에는 dioctyl sulfosuccinate sodium salt과 같은 이온성 첨가제를 첨가함으로써 PEDOT 과 PSS 의 정전기적 인력을 약화시켜 PEDOT의 결정성을 향상시키고 PSS 도메인의 유연성을 부여하여 결과적으로 높은 전도성과 우수한 신축성을 확보한 연구도 보고되었다. 최근 국내 연구로는 고려대학교 하정숙 교수 연구팀이 PEDOT:PSS에 삼중 블록 공중합체를 첨가하고, 코팅 후 황산으로 후처리하여 \( 40 \% \) 의 초기 인장/복원 후 \( 26 \% \) 저항 증가가 발생하지만 1000회 반복인장시 초기 인장 후 저항 대비 \( 4 \% \) 미만의 낮은 저항변화율을 가진 신축 전극을 개발하였다. 또한 이를 이용한 신축성 터치 센서와 축전지를 선보였다. [그림 8a]</p>
|
[
"연세대학교 안종현 교수 연구팀은 \\( \\mathrm{AgNW} \\)/ PEDOT:PSS/ Graphene으로 고투명 신축 전극을 제조하고 이를 이용하여 인장, 굽힘, 꼬임 등에도 발광세기의 변화가 없는 신축성 발광소자가 개발되었다는 것은 어디서 나온 연구인가?",
"\\( \\mathrm{AgNW} \\) 를 이용한 최근 국내 연구로는, \\( \\mathrm{AgNW} \\)/ PEDOT:PSS/ Graphene으로 고투명 신축 전극을 제조를 누가 했는가?",
"\\( \\mathrm{AgNW} \\) 를 이용한 최근 국내 연구로는, 연세대학교 안종현 교수 연구팀은 무엇으로 고투명 신축 전극을 제조하였는가?",
"연세대학교 안종현 교수 연구팀은 \\( \\mathrm{AgNW} \\)/ PEDOT:PSS/ Graphene으로 무엇을 제조하였는가?",
"연세대학교 안종현 교수 연구팀은 \\( \\mathrm{AgNW} \\)/ PEDOT:PSS/ Graphene으로 고투명 신축 전극을 제조하고 이를 이용하여 인장, 굽힘, 꼬임 등에도 발광세기의 변화가 없는 무엇이 개발되었나?",
"붓 그리기 과정에서 발생하는 전단응력을 이용한 것은 누가 했는가?",
"높은 투명성과 \\( 30 \\% \\) 이상의 인장에도 낮은 저항 변화율을 보이는 무엇을 개발하였나?",
"높은 투명성과 몇 \\( \\% \\) 이상의 인장에도 낮은 저항 변화율을 보이는 신축 전극을 개발하였나?",
"붓 그리기 과정에서 발생하는 전단응력을 이용하여 무엇과 무엇을 혼합용액을 Polyurethane 기판 위에 정렬 및 코팅하였는가?",
"경희대학교 김한기 교수 연구텀은 붓 그리기 과정에서 발생하는 무엇을 이용하여 \\( \\mathrm{AgNW} \\) 와PEDOT:PSS 혼합용액을 Polyurethane 기판 위에 정렬 및 코팅하였는가?",
"Poly는 고분자임에도 불구하고 무엇을 띄고 있나?",
"정렬 및 코팅을 어디 위에서 하였는가?",
"높은 투명성과 \\( 30 \\% \\) 이상의 인장에도 무엇을 보이는 신축 전극을 개발하였나?",
"Poly는 어떤 장점을 가지고 있나?",
"Poly는 고분자임에도 불구하고 높은 전도성을 띄고 있으며 용액 공정이 가능하다는 장점을 가지고 있어, 많은 어디에 적용되어 왔는가?",
"고분자임에도 불구하고 높은 전도성을 띄고 있으며 용액 공정이 가능하다는 장점을 가지고 있는 것은 무엇인가?",
"소수성 기판 위에 코팅이 어렵다는 단점을 가지고 있는 것은 왜 인가?",
"Poly는 용액 공정이 가능하다는 장점을 가지고 있지만 단점은 무엇인가?",
"무엇으로 인해 접히거나 늘리게 되면 쉽게 손상되는가?",
"기존의 여러 연구에서 첨가한 것들 중 맞는 것은 무엇인가?",
"최근에는 dioctyl sulfosuccinate sodium salt과 같은 무엇을 첨가함으로써 PEDOT 과 PSS 의 정전기적 인력을 약화시켰나?",
"Triton X-100 을 첨가한 경우에는 어떻게 보여지나?",
"최근에는 dioctyl sulfosuccinate sodium salt과 같은 이온성 첨가제를 첨가함으로써 PEDOT 과 PSS 의 정전기적 인력을 약화시켜 무엇을 향상시켰나?",
"고려대학교 하정숙 교수 연구팀이 PEDOT:PSS에 삼중 블록 공중합체를 첨가하고, 코팅 후 황산으로 후처리하여 몇 \\( \\% \\) 의 초기 인장/복원 하였나?",
"PEDOT:PSS에 삼중 블록 공중합체를 첨가한 것은 누구인가?",
"코팅 후 황산으로 후처리하여 \\( 40 \\% \\) 의 초기 인장/복원 후 \\( 26 \\% \\) 저항 증가가 발생하지만 몇 회 반복인장시 초기 인장 후 저항 대비 \\( 4 \\% \\) 미만의 낮은 저항변화율을 가진 신축 전극을 개발하였다.",
"고려대학교 하정숙 교수 연구팀이 PEDOT:PSS에 무엇을 첨가했는가?",
"최근에는 dioctyl sulfosuccinate sodium salt과 같은 이온성 첨가제를 첨가함으로써 PEDOT 과 PSS 의 무엇을 약화시켰나?",
"PEDOT 과 PSS 의 정전기적 인력을 약화시켜 PEDOT의 결정성을 향상시키고 PSS 도메인의 유연성을 부여하여 결과적으로 무엇을 확보한 연구도 보고되었나?",
"코팅 후 황산으로 후처리하여 \\( 40 \\% \\) 의 초기 인장/복원 후 \\( 26 \\% \\) 저항 증가가 발생하지만 1000회 반복인장시 어떻게 되었나?",
"발광세기의 변화가 없는 신축성 발광소자가 개발되었다 기중 가장 관계가 먼 것은 무엇인가?",
"Polyurethane 기판 위에 정렬 및 코팅하여 신축 전극을 개발하였나?"
] |
926a78d2-6e2a-496b-84bd-586ace1853f2
|
인공물ED
|
신축 전극의 최근 연구 동향
|
<h2>3.3. 이온성 겔</h2><p>이온성 겔 (Ionic gel)은 물리적 혹은 화학적 결합으로 이루어진 고분자 네트워크 내에 이온성 액체가 포함되어 있는 것을 말한다. 변형이 쉬운 이온성 액체가 높은 부피 분율로 존재하기 때문에 신축성이 우수하고, 금속 전극과 접촉된 상태에서 전압이 인가되면 이온들의 이동을 통해 전자 이중층 (Electron double layer)을 형성되어 \( \sim 10^{-1} \mathrm{~F} / \mathrm{m}^{2} \) 의 매우 높은 정전용량을 가져 교류 전압 인가 시 높은 전도성를 갖는다. 하지만 기존 물질들과의 호환 및 집적이 어렵고 이온성 하이드로겔의 경우 물의 증발에 따른 성능 저하의 문제점을 가지고 있다.</p><p>최근 서울시립대학교 문홍철 교수 연구팀은 서로 다른 유리전이온도의 고분자 단량체가 무작위로 연결된 랜덤공중합체를 합성해 원래 형태의 \( 850 \% \) 까지 늘어날 수 있는 고신축성 이온성 겔 소재를 개발했다. [그림 8b] 또한 해당 소재를 사람이나 로봇 등에 붙여 간단하면서도 효과적으로 움직임 모니터링이 가능한 아이오닉 웨어러블 센서로서의 적용 가능성을 보였다.</p><h2>3.4. 액체 금속</h2><p>액체금속은 상온에서 액상으로 존재하기 때문에, 인장, 수축, 굽힘 등의 다양한 변형에도 우수한 전도성을 유지한 채 형태를 자유롭게 변화할 수 있다. 대표적인 액체금속으로는 수은 (\( \mathrm{Hg} \)) 과 갈륨 (\( \mathrm{Ga} \))이 있으며, 이들 중 수은은 인체에 강한 독성을 가지고 있언기 제조 및 응용이 어렵기 때문에 \( \mathrm{Ga}^{-} \) \( \operatorname{In}(\mathrm{EGaIn}) \) 나 \( \mathrm{Ga}-\mathrm{In}-\mathrm{Tin}(\mathrm{Galinstan}) \) 와 같은 낮은 독성의 갈륨 (\( \mathrm{Ga} \)) 기반 합금 (Alloy)이 신축 전극 연구에 주로 사용되어 왔다. EGain과 Galinstan 은 각각 \( 624 \mathrm{mN} / \mathrm{m} \) 와 \( 534 \mathrm{mN} / \mathrm{m} \) 의 높은 표면장력과 \( 15.5^{\circ} \mathrm{C}\),\(-19{ }^{\circ} \mathrm{C} \) 의 낮은 녹는점을 가지며 상온에서 거의 증발되지 않는다. 또한 이들은 수 \( \mathrm{ppm} \) 산소 농도에서도 표면이 쉽게 산화되어 일반적인 실험실 환경에서 약 \( 3 \mathrm{~nm} \) 두께의 산화층을 이룬다. 이 산화층은 신축 전극 코팅 시 금속표면과의 접착력을 높이고 액적 (Droplet)의 형태를 유지하는데 기여하는 반면 전기적 성능에는 큰 악영향을 끼치지 않는다. 하지만 목적에 따라 산이나 염기 수용액을 처리하여 이 산화층을 제거할 수도 있다. 현재까지 Imprint, Injection, Direct-write 및 레이져 패터닝 방식을 이용하여 액체 금속으로 구성된 신축 전극들이 보고되었지만, 높은 표면장력에 따른 패턴 공정의 제한과 고가의 물질 가격 등의 문제로 인해 제한된 구현 가능 선폭 (\( 10 \mu \mathrm{m} \) ) 및 어려운 대면적화 (Scalability) 및 등의 이슈를 가지고 있다.</p>
|
[
"금속 전극과 접촉된 상태에서 전압이 인가되면 이온들의 이동을 통해 어떤 층이 형성되나요?",
"이온성 액체는 신축성이 우수한가요?",
"이온성 겔은 이온성 액체가 낮은 부피 분율로 존재하나요?",
"이온성 겔은 물리적 혹은 화학적 결합으로 이루어진 고분자 네트워크 내에 어떤 액체가 포함되어 있는 것을 말하나요?",
"전자 이중층이 형성되면 낮은 정전용량을 갖게 되어 교류 전압 인가시 낮은 전도성을 갖게 되나요?",
"이온성 하이드로겔의 경우 어떠한 문제점을 가지고 있나요?",
"이온성 겔 소재를 이용하며 사람이나 로봇 등에 붙여 간단하면서도 효과적으로 움직임 모니터링이 가능한 센서는 무엇인가요?",
"최근 서울시립대학교 문홍철 교수 연구팀이 서로 다른 유리전이온도의 고분자 단량체가 무작위로 연결된 랜덤공중합체를 합성해 원래 형태의 \\( 850 \\% \\) 까지 늘어날 수 있도록 만든 소재는 무엇인가요?",
"일반적인 실험실 환경에서 EGain과 Galinstan이 이루는 산화층의 두께는 몇\\( \\mathrm{~nm} \\)인가요?",
"EGain과 Galinstan 은 낮은 표면장력과 높은 녹는점을 가져 상온에서 잘 증발되나요?",
"수은과 갈륨은 어떤 금속에 속하나요?",
"액체금속 중 인체에 강한 독성을 가지고 있어 제조 및 응용에 어려움을 겪는 물질은 무엇인가요?",
"액체금속이 인장, 수축, 굽힘 등의 다양한 변형에도 우수한 전도성을 유지한 채 형태를 자유롭게 변화할 수 있는 이유는 무엇인가요?",
"EGain과 Galinstan이 이루는 산화층은 신축 전극 코팅 시 어떤 기여를 하나요?",
"EGain과 Galinstan의 산화층은 어떻게 제거할 수 있나요?",
"액체 금속으로 구성된 신축 전극들이 가지고 있는 문제점은 무엇인가요?",
"수 \\( \\mathrm{ppm} \\) 산소 농도의 실험실 환경에서 EGain과 Galinstan이 이루게되는 산화층은 전기적 성능에는 큰 악영향을 끼치나요?"
] |
2ae59cd5-6fc8-479c-a5d0-7ebaa917dda1
|
인공물ED
|
신축 전극의 최근 연구 동향
|
<h1>2. 신축 구조</h1><h2>2.1. 비평면적 (Out-of-plane) 신축 구조</h2><h3>2.1.1. 주름 구조</h3><p>주름 구조는 탄성률의 차이가 큰 두 물질이 접합된 상태에서 길이 방향으로 압축되었을 때 형성되며, 주로 미리 늘어나 있는 Polydimethyl-siloxane (PDMS)과 같은 낮은 탄성율 (\(< 10 \mathrm{MPa} \))를 갖는 탄성체 위에 수 \( \mathrm{GPa} \)의 높은 탄성율을 갖는 박막 전도층을 증착, 코팅 혹은 접합시킨 후, PDMS에 가해진 힘을 제거하는 방식으로 제조된다. [그림 1 ] 이는 박막인 전도층의 높은 유연성과 기판인 PDMS의 우수한 탄성 회복력으로 인해 반복적인 인장에도 낮은 저항 변화율을 보인다. 신축성을 결정하는 주요 인자인 주름의 파장과 높이는 PDMS의 미리 늘어나있는 정도 (Pre-strain), 박막 전도층과 PDMS와의 탄성율 차이, 박막 전도층의 두께 등에 의존한다.</p><p>포항공과대학교 조길원 교수 연구팀은 PDMS에 UVO처리를 통해 PDMS 표면에 주름 구조를 만들고 표면 친/소수화 처리를 통해 은나노와이어 ( \( \mathrm{AgNW} \))을 코팅 거동을 조절하여, 낮은 저항 변화율을 갖는 신축 전극부와 높은 저항 변화율을 갖는 신축 센서부를 쉽게 제조하였다. 또한 이를 이용하여 재활 시 열치료에 적용될 수 있는 변위 감지형 신축성 변색 발열 소자를 개발하였다.</p><h3>2.1.2. 팝업 (Pop-up) 구조</h3><p>팝업 구조는 박막 전도층 전체를 고분자 기판 위에 접합시키는 주름 구조와 달리, 국소 부위만을 접합시킴으로써 미리 늘어나있는 PDMS가 수축되었을 때 박막 전도층이 위로 볼록하게 올라오는 구조이다. [그림 33] 이는 인장 시 박막 전도층의 변형에 대한 고분자 기질의 제한이 최소화되기 때문에 위의 주름진 구조에 비해 5 ~ 10 배 높은 신축성을 보이는 것으로 보고되었다.</p><h3>2.1.3. Kirigami 구조</h3><p>Kirigami는 종이 자르기를 포함한 종이접기 행위를 말한다. 일반적으로, 레이저 키팅 기술을 이용해 전도층을 포함한 기판을 부분적으로 절단하여 제조한다. 이는 다른 신축 구조들에 비해 신축성을 크게 향상시키는 것으로 알려져 있으며, 절단선의 길이, 개수 및 위치에 따라 스프링 구조를 포함한 다양한 구조의 신축 전극을 제조할 수 있다. Kirigami 구조를 갖는 시트는 초기 인장에서는 일반 시트와 유사한 기계적 거동을 보이지만, 임계값 이상에서의 변형율에서는 비평면적 변형을 일으켜 높은 신축성을 갖게 된다. 더 큰 변형율에서는 절단선 끝부터 파단이 시작되어 전체적인 파단에 이른다.</p><p>최근 서울대학교 고승환 교수 연구팀은 \( \mathrm{AgNW} \)가 코팅된 투명 Polyimide (\(\mathrm{PI}\)) 기판을 레이저 커팅을 통해 다양한 형태로 절단하여 Kirigami 구조를 제조하였다. 절단 형태에 따른 저항변화율을 분석하여 이를 이용한 신축 발열 소자, 움직임 감지 센서 및 생체 전극을 선보였다.</p>
|
[
"박막인 전도층의 어떤 특징이 반복적인 인장에도 낮은 저항 변화율을 보일 수 있게끔 해주는가?",
"PDMS에 UVO처리를 통해 PDMS 표면에 주름 구조를 만들고 표면 친/소수화 처리를 통해 은나노와이어 ( \\( \\mathrm{AgNW} \\))을 코팅 거동을 조절하여, 낮은 저항 변화율을 갖는 신축 전극부와 높은 저항 변화율을 갖는 신축 센서부를 쉽게 제조한 이들은 누구인가?",
"Kirigami 구조에서, 레이저 커팅 기술을 이용해 전도층을 포함한 기판을 전체적으로 절단하니?",
"Kirigami 구조의 장점에는 무엇이 있는가?",
"Kirigami 구조가 다른 신축 구조에 비해 무엇을 크게 향상시키는 것으로 알려져 있니?",
"Kirigami 구조에서, 레이저 커팅 기술로 무엇을 절단해 제조하는가?",
"Kirigami 구조는 다른 신축 구조들에 비해 신축성이 매우 약한것으로 알려져 있는 구조인가?",
"Kirigami 구조를 갖는 시트는 초기 인장에서는 일반 시트와 유사한 기계적 거동을 보이는가?",
"Kirigami 구조에서, 무엇에 따라 다양한 구조의 신축 전극을 제조할 수 있니?",
"Kirigami 구조가 다른 신축 구조들에 비해 크게 향상시킨다고 알려져 있는 것은?",
"Kirigami 구조를 갖는 시트는 초기 인장에서 어떤 거동을 보이는가?",
"Kirigami 구조를 갖는 시트는 임계값 이상에서의 변형율에서 어떤 종류의 변형을 일으키는가?",
"Kirigami 구조를 갖는 시트는 임계값 이상에서의 변형율에서 어떤 특징을 갖게 되는가?",
"Kirigami 구조를 갖는 시트는 임계값 이상에서의 변형율에서 어떤 종류의 변형을 일으키는가?",
"Kirigami 구조를 갖는 시트는 임계값 이상에서의 변형율에서 비평면적 변평을 일으켜 어떤 특징을 갖게 되는가?",
"Kirigami 구조를 갖는 시트는 임계값 이상에서의 변형율에서 평면적 변형을 일으키는가?",
"최근 \\( \\mathrm{AgNW} \\)가 코팅된 투명 Polyimide (\\(\\mathrm{PI}\\)) 기판을 레이저 커팅을 통해 다양한 형태로 절단하여 Kirigami 구조를 제조한 이들은 누구인가?",
"Kirigami 구조를 갖는 시트는 임계값 이상보다 더 큰 변형율에서 어떤 결과가 발생하는가?",
"낮은 탄성율을 갖는 탄성체 위에 높은 탄성율을 갖는 박막 전도층을 어떻게 처리해야 하는가?",
"탄성률의 차이가 큰 두 물질이 접합된 상태에서 길이 방향으로 압축되었을 때 형성되는 구조를 팝업 구조라고 하는가?",
"주름 구조는 어떤 경우에 만들어지는가?",
"탄성률의 차이가 큰 두 물질을 접합된 상태에서 너비 방향으로 압축시켜야 주름 구조가 만들어질 수 있어?",
"주름 구조는 어떻게 제작하는가?",
"주름 구조를 제조하는 과정에서 낮은 탄성율을 갖는 탄성체 위에 높은 탄성율을 갖는 박막 전도층을 증착한 후에 어떤 과정을 진행해야 하는가?",
"탄성률의 차이가 큰 두 물질이 접합된 상태에서 길이 방향으로 압축되었을 때 형성되는 구조는 무엇인가?",
"낮은 탄성율을 가지는 탄성체 위에 무엇을 증착시켜야 주름 구조를 제작할 수 있는가?",
"낮은 탄성율 (\\(< 10 \\mathrm{MPa} \\))를 갖는 탄성체의 예시로는 무엇이 있어?",
"탄성률의 차이가 큰 두 물질이 접합된 상태에서 길이 방향으로 압축되었을 때 형성되는 구조는 무엇인가?",
"반복적인 인장에도 낮은 저항 변화율을 보일 수 있게 하는 요인은 무엇인가?",
"신축성을 결정하는 주요 인자에는 어떤 것이 있는가?",
"주름의 파장과 높이는 무엇에 의존하는가?",
"박막인 전도층의 높은 유연성과 기판인 PDMS의 우수한 탄성 회복력은 반복적인 인장에도 낮은 저항 변화율을 보이게 하는 요인인가?",
"주름의 파장과 높이는 무엇을 결정하는 주요 인자인가?",
"박막인 전도층의 높은 유연성과 기판인 PDMS의 우수한 탄성 회복력으로 인해 어떤 결과가 나타나는가?",
"주름의 파장과 높이는 무엇을 결정하는 주요 인자인가?",
"박막 전도층의 탄성도는 주름의 파장과 높이에 영향을 미치는 요인인가?",
"주름의 파장과 높이는 신축성을 결정하는 주요 인자라고 할 수 있는가?",
"주름의 파장과 높이가 무엇의 탄성율 차이에 영향을 받는가?",
"PDMS에 UVO처리를 통해 PDMS 표면에 주름 구조를 만들고 표면 친/소수화 처리를 통해 은나노와이어 ( \\( \\mathrm{AgNW} \\))을 코팅 거동을 조절하여, 낮은 저항 변화율을 갖는 신축 전극부와 높은 저항 변화율을 갖는 신축 센서부를 제조한 이들은 포항공과대학교 조길원 교수 연구팀인가?",
"포항공과대학교 조길원 교수 연구팀은 어떻게 PDMS 표면에 주름 구조를 만들었는가?",
"포항공과대학교 조길원 교수 연구팀은 어떻게 낮은 저항 변화율을 갖는 신축 전극부와 높은 저항 변화율을 갖는 신축 센서부를 쉽게 제조하였는가?",
"PDMS 표면에 주름 구조를 만든 후, 은나노와이어 ( \\( \\mathrm{AgNW} \\)) 코팅 거동을 어떻게 조절하였는가?",
"포항공과대학교 조길원 교수 연구팀은 PDMS에 어떤 처리를 하여 PDMS 표면에 주름 구조를 만들었는가?",
"표면 친/소수화 처리를 통해 은나노와이어 ( \\( \\mathrm{AgNW} \\))을 코팅 거동을 조절할 수 있는가?",
"어떤 처리 과정을 통해 은나노와이어 ( \\( \\mathrm{AgNW} \\))을 코팅 거동을 조절할 수 있었는가?",
"변위 감지형 신축성 변색 발열 소자는 무엇에 적용될 수 있는가?",
"팝업 구조에서, 박막 전도층은 어떤 경우에 위로 볼록하게 올라오는가?",
"팝업 구조는 주름 구조에 비해 몇 배 높은 신축성을 보이는가?",
"팝업 구조는 주름 구조와 동일하게 박막 전도층 전체를 고분자 기판 위에 접합시킨 구조인가?",
"주름진 구조에 비해 팝업 구조가 5 ~ 10 배 높은 신축성을 보이는 이유는 무엇인가?",
"팝업구조는 주름구조와 어떤 차이점이 있는가?",
"팝업 구조는 주름진 구조보다 7배 더 높은 신축성을 가지는가?",
"팝업 구조는 주름진 구조에 비해 몇 배 더 높은 신축성을 가지고 있는가?",
"재활 시 열치료에 적용될 수 있는 소자는 어떤 소자인가?",
"Kirigami라고 하는 종이접기 행위는 조잉 자르기를 포함하는가?",
"종이접기 행위를 Kirigami라고 하는가?",
"종이 자르기를 포함한 종이접기 행위를 부르는 명칭은 무엇인가?",
"Kirigami는 어떤 행위를 말하는가?",
"어떤 구조를 팝업 구조라고 하는가?",
"전도층을 포함한 기판을 부분적으로 절단하기 위해서 어떤 기술을 이용해야 하는가?",
"Kirigami 구조는 일반적으로 어떻게 제조하는가?",
"서울대학교 고승환 연구팀이 Kirigami 구조를 만들 때, \\( \\mathrm{AgNW} \\)가 코팅된 투명 Polyimide (\\(\\mathrm{PI}\\)) 기판을 어떤 방법으로 잘랐어?",
"서울대학교 고승환 교수 연구팀은 무엇을 분석하여 신축 발열소자 등을 선보였는가?",
"서울대학교 고승환 교수 연구팀은 어떤 과정을 통해 Kirigami 구조를 만들어낼 수 있었는가?"
] |
b81d23be-0750-4a30-9a41-6241da9568bf
|
인공물ED
|
신축 전극의 최근 연구 동향
|
<h1>1. 서 론</h1><p>신축 소자 (Stretchable devices)는 기존의 실리콘 웨이퍼 혹은 유리 기반의 소자와 달리 인장, 굽힘 등의 심한 변형에도 소자의 변형 전 성능을 유지할 수 있는 차세대 전자소자를 말한다. 신축 소자 시장은 다양한 신체 신호를 측정하고 분석, 전달하는 웨어러블 헬스케어 디바이스 시장을 중심으로 크게 성장할 것으로 예상되며, 향후 신축 디스플레이, 신축 배터리, 소프트 로보틱스 등의 분야에도 적용될 수 있을 것으로 전망되고 있다. 신축 소자는 신축성을 지닌 전극, 트랜지스터, 발광다이오드, 센서 등의 여러 구성 요소들로 이루어져 있다. 이 중 신축성을 지닌 전극, 즉 신축 전극은 기본적으로 여러 구성요소를 연결하는 도선 (Interconnector) 역할을 하며, 반복적인 변형에도 높은 전도성을 유지하고 높은 신축성, 내구성 및 낮은 저항변화율을 가져야 한다.</p><p>현재까지의 신축 전극 관련 연구는 신축성 구조와 소재에 관한 연구들로 분류할 수 있다. 첫 번째로, 신축 구조에 관한 연구는 굽힘, 인장 및 뒤틀림 상태에서 금속 박막 전극의 응력 및 변형 집중을 최소화하기 위해 기계공학적 접근 방식으로 이뤄져 왔으며, 비평면적 및 평면적 신축 구조를 도입하여 신축성을 향상시켜왔다. 두 번째로 소재에 관한 연구는 전도성 물질 기반의 소재/재료공학적 접근 방식으로 이뤄져 왔으며, 금속 나노물질, 탄소나노튜브, 이온성 도체, 액체 금속 등의 다양한 소재의 신축 특성이 연구되어 왔다.</p><p>본고에서는 신축 구조 및 소재를 소개하고 이를 이용한 최근 국내 연구 동향을 살펴보고자 한다.</p>
|
[
"신축 전극 관련 연구는 어떻게 분류할수 있는가?",
"어떻게 신축 전극 관련 연구가 분류될까?",
"신축 소자 (Stretchable devices)란 무엇인가??",
"무엇이 신축 소자의 정의야?",
"신축 구조에 관한 연구는 어떻게 이뤄져 왔나?",
"어떻게 신축 구조에 관한 연결이 이뤄질까?",
"소재에 관한 연구는 어떻게 이뤄지나?",
"어떻게 소재에 관한 연구가 이뤄지나?",
"신축 소자는 어느 분야에 적용될 전망인가?",
"어느 부문에 신축 소자가 적용될 예측일까?",
"신축 전극은 어떤 성질을 가져야하는가?",
"어떤 성질을 신축 전극이 가져야 할까?",
"신축 전극은 어떤 역할을 하는가?",
"어떤 역할을 신축 전극이 하는가?",
"신축소자의 구성요소들은 무엇이 있는가?",
"무엇이 신축소자의 구성요인에 해당돼?",
"신축 소자의 성장이 예상되는 시장은 무엇이 있는가?",
"무엇이 신축 소자의 성장이 기대되는 분야야?",
"신축 특성이 연구된 다양한 소재들엔 어떤 것들이 있는가?",
"신축성을 향상시키기위해 어떤 노력을 하였나?",
"어떤 노력을 신축성을 발전시키기위해 하였지?"
] |
b9bc67e0-f64c-4be7-a6e3-b473828ed2a0
|
인공물ED
|
신축 전극의 최근 연구 동향
|
<h1>4. 결론</h1><p>본고에서는 지난 15 년 동안 개발된 다양한 신축 구조와 소재를 설명하였으며, 관련된 최근 국내 연구들을 소개하였다. 이러한 신축 전극은 많은 전문가들에 의해 가까운 미래에 신축 디스플레이뿐만 아니라 웨어러블 헬스 모니터링 장치, 인공 전자피부 (E-skin) 등의 새로운 산업 분야에 핵심 기술이 될 것으로 전망되고 있다. 하지만, 고성능 신축 전극의 대면적 생산공정, 기존 소자와의 집적화 기술, 생체 적합성을 갖는 구조 및 소재 등 여러 측면에서 문제점을 가지고 있는 실정이다. 특히 대부분의 국내 연구의 경우, 기존 소재의 응용, 소자 구조의 개발을 통한 성능 향상 및 새로운 분야에 적용 가능성 제시 부분에 해당하며, 새로운 차세대 신축 기판 소재나 신축 전극 소재의 개발에 관한 연구는 아직 미진한 실정이다. 가속화되는 세계적 무역 갈등 상황에서 우리나라의 미래 소재 - 부품산업에서의 기술경쟁력 확보와 빠른 시장 선점을 위해서는 소재 개발을 중심으로, 기계, 전기 전자, 의학 등의 다학계적 접근이 필요할 것으로 사료된다.</p>
|
[
"대한민국 신축 전극 연구에 있어 미진한 실정을 보이는 연구는 무엇인가요?",
"무엇이 대한민국 신축 전극 연구에 있어 미진한 성취를 보일까?",
"국내의 미래 소재 - 부품산업에서 기술경쟁력 확보를 위해 어떠한 접근이 필요한가요?",
"기술경쟁력 확보를 위해 국내의 미래 소재 부품산업에서 어떠한 접근이 요구될까?",
"본고에는 지난 몇 년 동안 개발된 다양한 신축 구조와 소재를 설명하나요?",
"몇 년 동안 개선된 다양한 신축 구조와 소재를 본 논문에서 기술하고 있나?",
"본 논문에서는 지난 30 년 동안 개발된 다양한 신축 구조에 대하여 설명하나요?",
"지난 30 년 동안 개발된 다양한 신축 구조에 대하여 본 논문에서 기술하나요?",
"본고에서는 지난 15 년 동안 무엇에 관하여 설명하고 있나요?",
"15 년간의 어떤것에 대한 결과를 본 논문에서 기술하고 있니?",
"본 논문에선 다양한 신축 구조와 소재에 대한 국외 연구들에 대해서 소개하고 있나요?",
"다양한 신축 구조와 소재에 대한 국외 연구들에 대해서 본 논문에서 기술하고 있나요?",
"신축 전극은 인공 전자피부에도 사용 될 수 있나요?",
"인공 전자피부에도 신축의 전극이 이용 될 수 있을까?",
"신축 전극에 대한 국내 대부분의 연구는 기존 소재의 응용, 소자 구조 개발을 통해 성능 향상과 새로운 분야로의 적용 가능성을 제시하나요?",
"기존 소재의 응용, 소자 구조 개발을 통해 성능 향상과 새로운 분야로의 적용 가능성을 신축 전극에 대한 국내의 많은 연구는 보여주는가?"
] |
cfda5d3a-fa4a-478b-a7ac-f96b871eca1f
|
인공물ED
|
신축 전극의 최근 연구 동향
|
<h1>3. 신축 소재</h1><p>신축 전극의 전극 소재로는 높은 전도성과 신축성을 가짐과 동시에 분산 및 코팅이 용이한 탄소나노튜브 (CNT), 금속 나노와이어 등의 1차원 나노물질과 전도성 고분자가 주로 이용되어 왔으며, 최근에는 이온성 도체, 액체 금속 등 다양한 물질들을 이용한 연구가 활발히 진행되어 왔다.</p><h2>3.1. 1차원 전도성 나노 물질</h2><p>나노와이어, 나노튜브, 나노파이버 형태의 1차원 전도성 나노물질은 나노 스케일의 얇은 직경으로 인한 높은 유연성과 수 백 이상의 높은 종횡비로 인해 신축시 서로 간의 접촉을 유지할 수 있어 신축 전극의 전극 소재로 사용되어 왔다. 대표적인 물질로는 \(\mathrm{CNT}\)와 \( \mathrm{Ag}\), \(\mathrm{Au} \) 등의 금속으로 이루어진 금속 나노와이어가 있다.</p><p>\( \mathrm{CNT} \) 는 1차원 탄소 나노물질로서 우수한 기계적 특성과 열적 안정성을 가지고 있다. 또한 낮은 저항과 높은 전자 이동도 뿐만 아니라 표면처리를 통해 분산 및 고팅이 용이하다. 기존의 연구들은 PDMS, 실리콘 고무, 아크릴 고무와 같은 신축성이 우수한 낮은 탄성률의 탄성 고분자에 표면 처리된 \( \mathrm{CNT} \) 를 임계점 (Percolation Threshold) 이상의 농도로 충진하여 복합재 형태의 신축 전극을 제조하거나 UVO 혹은 \( \mathrm{O}_{2} \) 플라즈마 처리로 표면 처리된 친수성 신축 기판에 스프레이 (Spray) 또는 바 (bar) 코팅을 하는 방법을 통해 신축 전극 소재로 이용하였다. 표면 코팅된 \( \mathrm{CNT} \) (혹은 금속 나노와이어)의 경우, 기판의 인장 및 압축 시 기판과의 낮은 접착력과 높은 탄성률 차이로 인해 의도치 않는 주름 또는 버클링(Buckling) 이 발생할 수 있다. 이는 \( \mathrm{CNT} \)나 금속 나노 와이어 코팅면에 추가적으로 기판 고분자를 코팅하여 방지할 수 있다. 또한 일반적인 단일벽 탄소나노튜브 (\(\mathrm{SWCNT}\)) 는 Metalic 과 Semi-conducting \( \mathrm{CNT} \) 가 일정 비율로 섞여있어 낮은 전도성를 가지기 때문에, 전극의 높은 전도성 확보를 위해서는 다중벽 탄소나노튜브 (\(\mathrm{MWCNT}\))를 사용하거나 선별된 Metalic \( \mathrm{SWCNT} \)를 사용하는 것이 유리하다.</p><p>\( \mathrm{Cu}\), \(\mathrm{Ag}\), \(\mathrm{Au} \) 로 이루어진 금속 나노와이어는 \( \mathrm{CNT} \)와 유사하게 복합재 혹은 표면 코팅 방식을 통해 신축 전극으로 이용되어왔다. 금속 나노와이어는 \( \mathrm{CNT} \) 대비 높은 전도성를 가지며 추가적인 접합 (Welding) 공정을 통해 와이어 간의 접촉 저항을 최소화시켜 더욱 높은 전도성을 확보할 수 있다. 접합 공정은 주로 열, 빛, 용매, 압력을 이용한다. 금속 나노와이어, 특히 은나노와이어 (\( \mathrm{AgNW} \)) 는 공기 중의 산소와 황에 의해 표면 산화 및 황화 되어 시간이 지남에 따라 저항이 증가되는 단점을 가지고 있다. 이를 개선하기 타 금속으로 \( \mathrm{AgNW} \) 겉을 감싸는 Core-shell 구조 도입 또는 고분자 (EPR, NOA, PEDOT:PSS 등) 코팅, rGO 코팅 등의 다양한 연구가 보고되었다.</p>
|
[
"신축 전극의 전극 소재로는 높은 전도성과 신축성을 가지는 전도성 고분자를 주로 이용했어?",
"높은 전도성과 신축성을 가지는 전도성 고분자를 신축 전극의 전극 소재로 사용하는가?",
"탄소나노튜브는 높은 전도성과 신축성을 가지고 분산 및 코팅에 용이해?",
"높은 전도성과 신축성을 가지고 분산 및 코팅에 용이한것이 탄소나노튜브인가?",
"나노 스케일의 얇은 직경으로 인해 신축 전극의 전극 소재로 사용되어 온 물질을 뭐라고 해?",
"무엇이 나노 스케일의 얇은 직경으로 인해 신축 전극의 전극 소재로 사용되어 온 물질인가?",
"1차원의 탄소 나노물질로서 열적 안정성을 가지는 물질은 뭐야?",
"무엇이 1차원의 탄소 나노물질로서 열적 안정성을 가지는 물질인가?",
"기존의 연구들에서 \\( \\mathrm{CNT} \\) 를 얼마 이상의 농도로 충진하였어?",
"얼마 이상의 농도로 기존의 연구들에서 \\( \\mathrm{CNT} \\)를 충진하니?",
"표면 코팅된 \\( \\mathrm{CNT} \\)의 경우, 기판의 인장이나 압축할 때 어떻게 될 수 있지?",
"표면 코팅된 \\( \\mathrm{CNT} \\)의 경우 어떤 현상이 기판의 인장이나 압축할 때 발생하나요?",
"표면 코팅된 \\( \\mathrm{CNT} \\) 은 높은 탄성률의 차이로 주름이나 버클링 현상이 발생할 수 있는데 \\( \\mathrm{CNT} \\)나 금속 나노 와이어에 무엇을 코팅해서 통해서 방지할 수 있어?",
" \\( \\mathrm{CNT} \\)나 금속 나노 와이어에 무엇을 코팅하면 표면 코팅된 \\( \\mathrm{CNT} \\)에서 높은 탄성률의 차이로 주름이나 버클링 현상이 발생하는 것을 방지가능한가?",
"Metalic 과 Semi-conducting \\( \\mathrm{CNT} \\) 로 이루어져있고 낮은 전도성를 가지는 물질은 뭐야?",
"무엇이 Metalic 과 Semi-conducting \\( \\mathrm{CNT} \\) 로 이루어져있고 낮은 전도성를 가지는 물질인가?",
"Metalic 과 Semi-conducting \\( \\mathrm{CNT} \\)로 이루어져있으며 낮은 전도성를 가지는 물질은 이중벽 탄소 나노튜브야?",
"이중벽 탄소 나노튜브가 Metalic 과 Semi-conducting \\( \\mathrm{CNT} \\)로 이루어져있으며 낮은 전도성를 가지는 물질인가?",
"전극의 높은 전도성 확보를 위해서는 다중벽 탄소나노튜브를 이용하는 것이 단일벽 탄소나노튜브를 이용하는 것 보다 유리해?",
"다중벽 탄소나노튜브를 이용하는 것이 단일벽 탄소나노튜브를 이용하는 것 보다 전극의 높은 전도성 확보를 위해서 유리한가?",
"금속 나노와이어는 어떤 방식을 통해서 신축 전극으로 이용되어왔어?",
"어떤 방식을 통해서 금속 나노와이어가 신축 전극으로 사용되나요?",
"\\( \\mathrm{CNT} \\)와 금속 나노와이어중 더 높은 전도성을 보이는 물질은 뭐야?",
"무엇이 \\( \\mathrm{CNT} \\)와 금속 나노와이어중 더 높은 전도성을 보이는 물질인가?",
"금속와이어는 어떤 공정을 통해서 \\( \\mathrm{CNT} \\) 보다 높은 전동성을 가질 수 있게 됐어?",
"어떤 공정을 통해서 금속와이어는 \\( \\mathrm{CNT} \\) 보다 높은 전동성을 가질 수 있는가?",
"산소와 황에 의해 표면 산화로 인해서 저항성이 증가되는 물질은 뭐야?",
"무엇이 산소와 황에 의해 표면 산화로 인해서 저항성이 증가되는 물질인가?",
"은나노와이어의 저항성 문제를 무엇을 통해서 극복할 수 있어?",
"무엇을 통해서 은나노와이어의 저항성 문제를 해결하니?"
] |
7f14ea7d-06ba-44d5-8c95-19168245e138
|
인공물ED
|
Thermal Via 구조 LED 모듈의 열저항 변화
|
<h1>2. 실험방법</h1> <p>Fig. 2는 열비아 크기 및 피치별로 제작된 테스트 시편이다. CCL를 각 비아 크기 및 피치별로 드릴링하여 홀을형성하였으며, 형성된 비아내에 습식도금공정으로 도금층을 일정하게 형성시켰다. 리소그라피 공정을 통하여 습식에칭하여 LED칩 구동회로를 제조하였으며, 화이트 잉크 프린팅 공정 및 접합공정을 통하여 1 W급 LED 칩이실장된 LED모듈을 제조하였다. Table 1에 나타낸 바와같이 열비아의 크기는 0.2~0.8 mm, 피치는 1.0~5.0 mm의디자인별로 9종류의 테스트 시편을 제작하였으며 피치를기준으로 각각 P1-1~P5-3으로 구분하였다. 테스트 시편의 규격은 가로 20 mm, 세로 20 mm 및 두께 2 mm이였으며 LED칩의 동작 전류는 350 mA 및 전압 5 V이였다.</p> <p>Fig. 3에 나타낸 것과 같이 테스트 시편의 구조는 CCL구조로써 시편의 상하부 copper 도금두께는 각각 70 um 및60 um 이고 FR4 코어 두께는 1.0 mm, 화이트 잉크 두께는15 um로 모듈을 제작하였다. 또한 Fig. 3(b)에 나타낸 바와같이 열비아내부의 Cu도금 두께는 25 um 이었다. 본 테스트 시편은 국내 기판관련 기업의 양산라인에서 제작되었으므로 각 도금층은 시편마다 동일한 것으로 판단된다.</p> <p>본 연구에서 실장된 1 W급 LED 칩은 5 V전압하에 동작 전류 350 mA으로구동시켰으며, 칩으로부터 방출된열은 Temperature Transient Tester (T3ster) 사용하여 열저항(thermal resistance)을 측정하였으며 열비아 디자인에 따른 방열특성을 비교하였다.</p> <table border><caption>Table 1. Design of test vehicle with size and pitch</caption> <tbody><tr><td rowspan="2">Leg No.</td><td colspan="2">Structure of thermal vi</td><td>Leg No.</td><td colspan="2">Structure of thermal via</td><td>Leg No.</td><td colspan="2">Structure of thermal via</td></tr><tr><td>Size(mm)</td><td>Pitch(mm)</td><td>Size(mm)</td><td>Pitch(mm)</td><td>Size(mm)</td><td>Pitch(mm)</td></tr><tr><td>P1-1</td><td>0.2</td><td>1.0</td><td>P3-1</td><td>0.2</td><td>3.0</td><td>P5-1</td><td>0.2</td><td>5.0</td></tr><tr><td>P1-2</td><td>0.5</td><td>1.0</td><td>P3-2</td><td>0.5</td><td>3.0</td><td>P5-2</td><td>0.5</td><td>5.0</td></tr><tr><td>P1-3</td><td>0.8</td><td>1.0</td><td>P3-3</td><td>0.8</td><td>3.0</td><td>P5-3</td><td>0.8</td><td>5.0</td></tr><tr><td colspan="9"><ul> <li>Dimension of LED module: 20 mm×20 mm</li> <li>Thickness of white ink: 15 um</li> <li>Thickness of FR4: 1.0 mm</li> <li>Thickness of Cu plated layer(top): 70 um, (bottom): 60 um</li> <li>LED chip: 1 W</li> <li>Operation Forward Current: 350 mA</li> <li>Reverse voltage: 5 V</li></ul></td></tr></tbody></table>
|
[
"Pitch가 1mm인 구조 중에서는 무엇의 Size가 가장 클까?",
"크기가 0.5mm인 시편 중 무엇의 피치 값이 가장 클까?",
"P1-1의 크기는 몇 mm야?",
"크기가 0.5mm이고 피치가 1.0mm인 테스트 시편은 뭘까?",
"P3-1의 피치는 얼마니?",
"P3-3은 크기가 얼마나 될까?",
"Size와 Pitch가 모두 최대인 test vehicle은 뭐야?",
"어떤 시편이 최소 크기와 최대 피치로 제작되었을까?",
"P1-2는 얼마의 크기를 갖도록 제작되었을까?",
"P5-2의 Pitch는 얼마인가?"
] |
db0ebc9c-555f-496f-b073-41f591d93f76
|
인공물ED
|
트리플 풀다운 산화물 박막트랜지스터 게이트 드라이버
|
<h1>Ⅲ. 시뮬레이션 결과</h1> <p>그림 \(5\)는 SmartSpice 시뮬레이션에 사용한 트랜지스터 모델의 전달특성을 나타낸 것이다. 채널 폭과 길이는 각각 \( 40 \mu \mathrm{m} \)와 \( 20 \mu \mathrm{m} \)이며, TFT의 문턱전압 \( \left(\mathrm{V}_{\mathrm{T}}\right) \)이 \( -4 \mathrm{~V} \) 부터 \( +7 \mathrm{~V} \)까지의 값을 갖는 12 가지 모델을 나타내었다.</p> <p>표 \(1\)은 시뮬레이션에 사용한 트랜지스터 모델 중에서 \( \mathrm{V}_{\mathrm{T}}=0 \mathrm{~V} \) 인 경우의 모델 변수를 정리한 것이다.</p> <table border><caption>표 \(1\). Smartspice 시뮬레이션에 사용한 TFT 모델 변수 \( \left(\mathrm{V}_{\mathrm{T}}=0 \mathrm{~V}\right) \)</caption> <tbody><tr><td>Level</td><td>\(35\)</td><td>TOX</td><td>\( 1.8 \times 10^{-7} \)</td><td>TNOM</td><td>\(25\)</td></tr><tr><td>VTO</td><td>\(-1.3715\)</td><td>CGSO</td><td>\( 2.9 \times 10^{-9} \)</td><td>CGDO</td><td>\( 2.9 \times 10^{-9} \)</td></tr><tr><td>ALPHASAT</td><td>\(0.4846\)</td><td>DEFO</td><td>\(0.6\)</td><td>DELTA</td><td>\(4.038\)</td></tr><tr><td>EL</td><td>\(0.35\)</td><td>EMU</td><td>\(0.06\)</td><td>EPS</td><td>\(7.3\)</td></tr><tr><td>EPSI</td><td>\(7.4\)</td><td>GAMMA</td><td>\(0.3154\)</td><td>GMIN</td><td>\(1.88 \times 10^{9} \)</td></tr><tr><td>IOL</td><td>\(1.43 \times 10^{-16} \)</td><td>KASAT</td><td>\(0.006\)</td><td>KVT</td><td>\(-0.036\)</td></tr><tr><td>LAMBDA</td><td>\(0.008\)</td><td>M</td><td>\(2.127\)</td><td>MUBAND</td><td>\(0.00183\)</td></tr><tr><td>SIGMAO</td><td>\(0.42 \times 10^{-15} \)</td><td>VO</td><td>\(0.0537\)</td><td>VAA</td><td>\(14.451\)</td></tr><tr><td>VDSL</td><td>\(57.097\)</td><td>VFB</td><td>\(-1.48\)</td><td>VGSL</td><td>\(5.323\)</td></tr><tr><td>VMIN</td><td>\(0.0111\)</td><td></td><td></td><td></td><td></td></tr></tbody></table> <p>표 \(2\)에는 회로 내 트랜지스터의 채널 폭을 정리하였다. 모든 트랜지스터의 채널 길이는 \( 20 \mu \mathrm{m} \)이다.</p> <p>그림 \(6\)은 제안한 회로의 SmartSpice 시뮬레이션 결과이다. 총 12 단의 게이트 드라이버에 대해서 8 번째부터 12 번째까지의 출력과 10 번째 단의 F 노드 전압을 나타냈다. 게이트 드라이버의 출력 단에는 각각 \( 5 \mathrm{k} \)\( \Omega \)의 저항과 \( 50 \mathrm{pF} \)의 커패시터를 직렬로 연결하였다. 제안한 회로는 그림 \(6\)의 \((b) (d)\)와 같이 트랜지스터의 문턱전압이 \( -3 \mathrm{~V} \sim+6 \mathrm{~V} \) 사이일 때 정상적으로 동작한다. 특히 기존의 실리콘 TFT 기반의 회로들과는 달리 트랜지스터의 문턱전압이 음의 값인 \( -3 \mathrm{~V} \sim-1 \mathrm{~V} \) 사이에서도 문제없이 동작하므로 공핍형 특성을 나타내는 경우가 많은 산화물 반도체에 적합하다. 그러나 그림 \(6 (a)\)과 같이 트랜지스터의 문턱전압이 \( -4 \mathrm{~V} \)인 경우에는 M2와 M9가 완전히 꺼지지 않아서 출력신호가 비정상적으로 high가 된다. 반면에 그림 \(6 (e)\)과 같이 트랜지스터의 문턱전압이 \( +7 \mathrm{~V} \)를 넘어서게 되면, M1과 M2 트랜지스터가 제대로 켜지지 않아서 출력신호가 \( 15 \mathrm{~V} \)까지 올라가지 않는다.</p> <p>그림 \(7\)은 제안한 회로의 시뮬레이선 결과를 토대로 VGA 패널 구동에 해당하는 480 단 게이트 드라이버 회로의 소비전력을 계산한 것이다. 트랜지스터의 문턱전압이 \( 0 \mathrm{~V} \sim 6 \mathrm{~V} \) 사이인 경우에는 소비전력이 낮지만, 트랜지스터가 공핍형으로 동작하는 문턱전압 \( -3 \mathrm{~V} \)\( \sim-1 \mathrm{~V} \)에 대해서는 소비전력이 비교적 높다. 이는 문턱전압이 음의 값을 가질 때 M9 트랜지스터가 완전히 꺼지지 않고 다량의 누설전류가 흐르기 때문이다.</p>
|
[
"채널 폭과 길이는 어떻게 돼?",
"EL이 25일 때의 값은 어떻게 나왔어?",
"EPSI가 35일 때의 값은 뭐니?",
"TFT의 문턱전압 \\( \\left(\\mathrm{V}_{\\mathrm{T}}\\right) \\)의 12가지 모델의 값은 어떻게 돼?",
"그림 6은 제안한 회로의 SmartSpice 시뮬레이션 결과를 어떻게 나타냈어?",
"35일때 VMIN의 값은 뭐야?",
"트랜지스터의 문턱전압이 \\( -4 \\mathrm{~V} \\)인 경우 출력신호가 비정상적으로 high가 되는 이유는 어떻게 돼?",
"제안한 회로의 정상적으로 작동할 때는 어떻게 돼?",
"VTO가 35일 때의 값은 뭐야?",
"ALPHASAT이 \\( 1.8 \\times 10^{-7} \\)일 때의 값은 어떻게 돼?",
"게이트 드라이버의 출력단에는 어떻게 연결했어?"
] |
418257bc-4fc8-48e7-a03e-36e519c56395
|
인공물ED
|
서비스 통합 시스템에서 지그비를 이용한 유비쿼터스 헬스케어 시스템의 설계 및 구현
|
<h1>III. U-Healthcare의 센서 네트워크 시스템</h1> <p>무선 센서네트위크는 유비쿼터스 컴퓨터의 연구에 힘입어, 광범위하게 설치되어 있는 유무선 네트워크 인프라에 상황인지를 위한 다양한 센서 디바이스를 결합하여 감지된 환경데이터를 응용서비스서버와 연동하는 기술이다. 본 연구에서는 생체 모듈을 SN(Sensor Node)로 사용하고, 휴대 단말기를 BS(Base Station)으로 사용하여 무선 센서 네트워크를 구성하였다. 이것은 IEEE 802.15.4의 통신 규약을 가지도록 하였으며, 휴대 단말기를 틍해 응용 서비스 서버와 연동하도록 하였다.</p> <h2>1. 생체 모듈</h2> <h3>가. 운동량 측정 & SPO2 측정 센서 모듈</h3> <p>운동량 측정 모듈은 사용자의 걸음 수를 측정하여 걸음 수에 대한 거리, 그리고 칼로리 소비량 등을 계산하여 보여주는 측정 모듈이다. 걸음 수를 측정하는 방법은 가장 많이 사용되고 있는 방법 중의 하나인 추를 사용하였다. 추의 상하 움직임으로 사용자의 걸음수와 조깅 때의 걸음수를 측정한 후 이동 거리(M), 마일당 칼로리(MC), 칼로리 소비랑(CC)를 계산하였다. 여기에서 W는 몸무게, P는 걸음수, H는 신장, JC는 조깅 중 칼로리 소비량, JP는 조깅 걸음수를 나타낸다.</p> <p>\( C C=M C \times M \times 0.00006213 \)<caption>(1)</caption></p> <p>\( \begin{aligned} M C &=3.7103+0.2678 \times W \\ &+\left[0.0359 \times(P \times 60 \times 0.0006213)^{2}\right] \times W \end{aligned} \)<caption>(2)</caption></p> <p>\( M=\frac{(H-100) \times P}{100} \)<caption>(3)</caption></p> <p>\( J C=\frac{33.3+0.178 \times(J P-150) \times W}{100} \)<caption>(4)</caption></p> <p>걸음과 조깅의 차이는 측정된 신호가 1분 동안에 150일 때를 기준으로 분류하는 것으로 했으며, 측정신호를 걸음수와 조깅수로 나누어 측정함으로서 보다 정확한 칼로리 소비량을 산출하도록 하였다.</p> <h3>나. 혈압 측정 센서 모듈</h3> <p>혈압(Blood Pressure)이란 인체의 동맥 혈관에 흐르는 혈액이 심장의 펌프동작으로 인해혈관 벽에 가해지는 압력을 말한다. 심장은 주기적으로 수축와 이완을 되출이하뎐서 혈액을 보내므로 혈압은 한 번의 맥박마다 최고값(수축기혈압)과 최저값(이완기 혈압)이 있으며, 둘을 함께 표기한다. 혈압의 단위는 \( \mathrm{mmHg} \)을 사용한다. 표 1은 정상 혈압과, 고혈압, 저혈압의 분류를 나타낸 것이다.</p> <table border><caption>표 1. 혈압의 분류</caption> <tbody><tr><td colspan=2>혈압 상태</td><td>수축기</td><td>이완기</td></tr><tr><td colspan=2>저혈압</td><td>100이하</td><td>60이하</td></tr><tr><td colspan=2>정상혈압</td><td>129이하</td><td>84이하</td></tr><tr><td colspan=2>높은 혈압</td><td>130-139</td><td>85-89</td></tr><tr><td rowspan=3>고혈압</td><td>1단계</td><td>140-159</td><td>90-99</td></tr><tr><td>2단계</td><td>160-179</td><td>100-109</td></tr><tr><td>3단계</td><td>180이상</td><td>110이상</td></tr></tbody></table> <p>혈압의 측정 방식에는 IBP(Invasive Blood Pressure)와 NIBP(Noninvasive Blood Pressure)가 있다. IBP는 혈압을 측정해야 할 곳에 카테터를 통해 압력 센서를 삽입해 측정하거나 바늘을 찔러 넣고 관을 통해 연결된 압력 센서에서 측정하는 방식이다. 이 방법은 침습적(invasive)이기 때문에 중환자 감시나, 수술 등 특별한 상황에서 쓰이고 단순히 혈압을 측정하는 용도로 사용하지 않는다. NIBP는 팔뚝에 커프를 감고 어느 정도 이상의 압력을 가하면 혈액이 흐르지 않게 된다. 그리고 서서히 압력을 낮추면 혈관이 납작해져서 좁아진 부위의 하류에 난류가 흐르고 혈관 벽을 진동시키는데 이때를 감지하는 것을 수축기 혈압이라고 한다. 그리고 혈관이 정상 크기를 되찾으면 난류가 발생하지 않고 진동을 감지하지 못하게 될 때를 이완기 혈압이라고 한다.</p> <p>본 연구에서는 혈압을 측정하기 위해서 NIBP 방식을 이용하였으며, 사용된 센서는 벨로우즈 압력센서를 사용하여 압력을 측정하였다.</p> <h3>다. 체지방 측정 센서 모듈</h3> <p>체지방을 측정하기 위한 방법으로는 여러 가지가 있지만 신체 부위별 측정이 가능하고, 사용하기 편리한 이점을 가지는 근적외선 측정법이 주로 사용된다. 근적외선 방법은 근적외선 측정법은 \( 700 \mathrm{nm} \)에서 \( 1100 \mathrm{nm} \) 까지의 파장 영역을 가진 광원을 이용하여 피부에 조사된 적외선의 분산 정도를 측정하여 체지방량을 측정하는 방법이다.</p> <h2>2. Zigbee 무선 센서 네트워크</h2> <p>헬스케어 시스템에서의 무선 네트워크 기술은 환자의 건강 상태를 손숩게 측정하여 사후검사, 중복검사 등을 줄여 비용 감소와 동시에 환자 개개인에 대한 맞춤 서비스 제공, 원격 진료등 서비스 고도화에 필요한 핵심 기술인다. 이러한 시스템을 구현하기 위해 본 논문에서는 지그비 무선 센서 네트워크 시스템을 구현하였다.</p> <p>지그비는 IEEE 802.15.4 MAC Layer와 PHY Layer 제공하고, Networking Layer는 자체적으로 네트워크 연결 및 라우팅을 알아내는 Ad-Hoc 방식을 이용한다. 그리고 응용 계층(application layer)는 메시지 교환과 특별한 산업적 프로파일을 제공하고, 보안은 MAC과 Network, Application Layer에서 AES-128(Advanced Encryption Standard)과 Key Management를 사용한다.</p> <h2>3. 휴대 단말기</h2> <p>헬스 케어 시스템에서 휴대 단말기는 생체 모듈에서 생체 데이터를 수집한 후, 데이터를 분석하거나 혤스케어 서버로 데이터를 전송하는 역할을 한다. 생체 모듈과 지그비 통신을 하기 위해서 휴대 단말기에 지그비 모듈을 장착을 해서 본 논문에서 제안하는 프로토콜을 이용하여 구현하였다. 헬스케어 단말기 응용프로그램은 다음과 같은 5가지 기능을 가진다.</p> <ul> <li>접속 : 생체 모듈의 연결을 확인.</li> <li>데이터 전송 : 생체 모듈에서 데이터를 요청</li> <li>DB 보기 : 저장된 데이터를 확인</li> <li>서버 전송: 수집된 데이터를 서버로 전송</li> <li>설정 : 사용자 정보와 서버의 정보 저장.</li></ul> <h2>4. 서비스 통합 서버와 헬스케어 서버</h2> <p>휴대 단말기에서 생체 정보를 저장한 후 헬스케어 서버로 전송하여 사용자의 건강 상태나 위급 상황을 의사나 보호자에게 SMS 문자로 알리도록 하는 서비스를 구현 하는 것이 유비쿼터스 헬스케어 시스템을 구성하는 것이다. 서버의 구성은 사용자의 인증과 보안, VOD 서비스와 같은 다른 서비스와의 통합을 위한 서버와 각 서비스를 제공하기 위한 서버로 구성이 된다.</p> <p>그림 2는 서비스 통합 서버 시스템의 구성을 나타내고 있다. 전체 시스템간의 연동은 서로 주고받는 메시지의 정의와 그 메시지를 전달하는 프로토콜로 정리할 수 있다. 전체적인 메시지의 흐름은 MGW에서 시작해서 통합 서버를 거쳐서 SPS로 전달하는 형태가 된다. MPS(Message Passing System)는 MGW과 서비스 제공자들에 대한 연동과 이들의 다중 접속에 대한 처리를하는 모듈이고, SMS(State Management System)은 통합 서버에 등록된 모든 MGW에 대한 상태 정보를 주기적으로 DB에 반영하고 특정 MGW의 상세한 상태값들을 가져오는 모듈로서 상태를 보여준다. AMR/DR(Automatic Meter Reading/Demand Response)는 통합서버에 등록된 MGW에서 보내오는 주기적인 데이터를 기록하고 이를 바탕으로 DR 제어를 수행하는 모듈이고, AlertSP Server는 통합서버에 등록된 모든 MGW와 이를 인식하고 있는 디바이스에서 발생한 이벤트 및 수집 정보를 기록하고 이를 보고자하는 Client에 정보를 전달하는 모듈로서 다수의 Client 접속을 지원한다. Portal은 사용자 Web Portal과 관리자 Web Portal로 되어 있으며, SPS(Service Propulsion System)는 AlertSP Server System과 U-Health Service와 VOD(Video On Demand), Security Service와 같은 서비스 서버와의 연동을 한다. AlertSP Client는 AlertSP Server로 수집된 정보를 받아서 관리자가 볼 수 있는 GUI 프로그램이고, U-Health Service는 본 논문에서 사용하는 헬스케어 서버 프로그램이다. 전체 서버 프로그램의 UI는 관리자 포탈에 있다.</p> <p>헬스케어 서버는 로그 인, 촉정결과 저장, 과거 측정 정보 보기, 의사 리스트보기 등의 기능을 가지고 있다. 그리고 사용자가 측정한 건강 정보는 데이터 수집 장치를 통해 서버로 전송이 되고, 서버에서는 생체 데이터를 검증한 후 위급한 상황일 경우에는 주치의나 보호자에서 SMS 문자를 보내고, 데이터베이스에 데이터를 저장한다. 헬스케어 서버는 크게 3가지 모드로 나누어진다. 첫째로 사용자 데이터를 입력 받고, 데이터 관리를 해주는 사용자 모드, 둘째로 개개인의 데이터를 분석하고 치료 및 처방을 내릴 수 있는 의사 모드, 마지막으로 서버를 관리하는 관리자 모드가 있다. 사용자 모드와 의사모드의 접근은 http:// 헬스케어주소/index.html 로 지정하였고, 관리자 모드는 http://헬스케어주소/Admin/index.html 로 지정하였다.</p>
|
[
"표 1. 혈압의 분류에서 저혈압일 때 수축기는 몇으로 나오는가?",
"표 1. 혈압의 분류에서 정상혈압일 때 이완기는 얼마나 나오는가?",
"수축기가 몇 이상이 될 때 고혈압 3단계라고 판단하는가?",
"표 1. 혈압의 분류에서 이완기가 90-99 사이로 나타날 때면 고혈압의 몇 단계라고 봐야하는가?",
"본 실험에서 혈압을 계측하기 위해 어떻게 하였는가?",
"표 1. 혈압의 분류에서 고혈압 1단계의 수축기는 범위가 어떻게 되는가?",
"무선 센서네트위크는 어떤 원리를 지닌 기술인가?",
"본 논문은 무선 센서 네트워크를 어떻게 이뤘는가?",
"표 1. 혈압의 분류에서 혈압이 높을 때면 수축기는 몇으로 나타나는가?",
"이완기에서 85-89이 나오면 혈압 상태가 어떻다고 봐야하는가?",
"IBP는 어떻게 혈압을 계측하는가?"
] |
ccffa365-a4b9-4c81-82a6-8e7a7b77a0d8
|
인공물ED
|
4H-SiC 소자의 JTE 구조 및 설계 조건 변화에 따른 항복전압 분석
|
<h1>III 결론</h1><p>본 논문에서는 전력반도체 소자를 설계함에 있어 필연적으로 수반되어야 하는 Edge Termination 기법으로써 SiC 에 가장 적합한JTE 방법에 대해 분석하였다. 분석한 결과로 JTE 기법별 특징을 [표 1]에 정리하였다. [표 1]을 보면 각 JTE 기법별 장단점이 분명하게 존재하는데, 먼저 SZ-JTE 는 공정이 간편하다는 장점과 JTE 도핑 농도나 산화층 전하와 같은 변수에 굉장히 민감하다는 단점이 있다. MFZ-JTE 는 변수에 대해 가장 덜 민감하고 공정도 간편한 편이지만 높은 JTE 도핑 농도가 필요하다는 단점이 있다.</p><p><table border><caption>Table 1. Characteristic comparison of each JTE techniques</caption><caption>표 1. 각 JTE 기법 별 특징 비교</caption><tbody><tr><td></td><td>Single Zone JTE</td><td>Double Zone JTE</td><td>MFZ JTE</td><td>SM JTE</td></tr><tr><td>Maximum Breakdown Voltage</td><td>98.16%</td><td>99.02%</td><td>98.98%</td><td>99.22%</td></tr><tr><td>Doping Concentration Sensibility</td><td>Very High</td><td>Low</td><td>Very Low</td><td>Middle</td></tr><tr><td>Fabrication Complexity</td><td>Very Simple</td><td>Complex</td><td>Simple</td><td>Simple</td></tr><tr><td>Oxide Charge Sensibility</td><td>High</td><td>Middle</td><td>Very Low</td><td>Middle</td></tr></tbody></table></p><p>DZ-JTE 와 SM-JTE 는 변수에 대하여 SZ-JTE보다 훨씬 둔감하고, MFZ-JTE 만큼 높은 도핑 농도가 필요하지 않기 때문에 매우 효과적이다. 변수에 대한 민감성은 DZ-JTE가 SM-JTE보다 조금 더 좋지만, 공정 과정이 복잡해진다는 단점이 존재한다. 결과적으로 JTE 의 길이와 도핑 농도에 상관없이 가장 안정적인 JTE 기법을 원한다면 MFZ-JTE 가, 적당한 길이 안에서 최대한의 JTE 항복전압 안정성을 확보하고 싶다면 DZ-JTE 가, 공정 과정을 최대한 간소화하고 싶다면 SM-JTE 가 가장 효과적임을 알 수 있다.</p>
|
[
"Fabrication Complexity를 볼 때 MFZ JTE는 뭐라고 나오는가?",
"표 1. 각 JTE 기법 별 특징 비교에서 Maximum Breakdown Voltage이 가장 높은 기법은 무엇인가?",
"표 1. 각 JTE 기법 별 특징 비교를 볼 때, 어느 기법이 Fabrication Complexity에서 복잡하다고 할 수 있는가?",
"표 1. 각 JTE 기법 별 특징 비교를 볼 때, Single Zone JTE의 Maximum Breakdown Voltage은 몇 퍼센트인가?",
"SM JTE는 Oxide Charge Sensibility에서 어떠한가?",
"Doping Concentration Sensibility에서 Double Zone JTE는 어떻게 나오는가?",
"Fabrication Complexity에서 가장 간단한 것은 무엇인가?"
] |
54ee19b3-a43a-4436-840a-41ab1b667d47
|
인공물ED
|
Sasaki 퍼지제어기에 대한 개선된 구성방법에 관한 연구
|
<h1>Ⅴ. 비교 및 검토</h1> <p>본 논문에서 제안한 회로 구성방법을 이용하면 전건부의 개수(입력 변수)가 \( n \)개로 증가하고 각 전건부의 퍼지변수들이 \( p \)개로 증가할 때, 기존의 방법을 이용할 경우 블록수가 \( 2^{*} p^{n} \)개이고 본 논문에서 제안한 회로는 \( p^{n} \)개 이다. 일반적으로, 무게중심법으로 설계한 제어기의 구조가 가장 복잡하다. 적절한 비교를 의해서는 퍼지 제어기의 기본적인 구조가 같아야 하므로 Sasaki의 t-norm연산자를 이용한 퍼지 제어기 블록수를 본 논문에서 제안한 알고리즘을 사용하여 구성한 퍼지제어기와 비교하면 표 4와 같다.</p> <table border><caption>표 4. 블록 수 비교 표</caption> <tbody><tr><td></td><td colspan=2>Sasaki</td><td colspan=2>본 논문</td></tr><tr><td>변수, 전건부 걔수</td><td>7 , 2</td><td>\( n \), p</td><td>7, 2</td><td>\( n \), \( p \)</td></tr><tr><td>MIN</td><td>49</td><td>\( p_{n} \)</td><td>42</td><td>\( p_{n} \)</td></tr><tr><td>한계곱</td><td>49</td><td>\( p_{n} \)</td><td>0</td><td>0</td></tr><tr><td>총 블록수</td><td>98</td><td>\( 2 * p_{n} \)</td><td>42</td><td>\( p_{n} \)</td></tr></tbody></table> <p>본 논문에서 제안된 방법을 사용할 경우 Sasaki에 의해서 제안된 회로와 비교할 때 회로의 전체 블록수가 감소함을 알 수 있다. 전체블록의 개수가 감소하는 것은 퍼지변수가 증가할수록 더 효과적임을 알 수 있다.</p>
|
[
"표 4. 블록 수 비교 표에서 한계곱이 0인것은 무엇입니까?",
"표 4에서 본 논문의 총 블록수는 얼마 입니까?",
"표 4. 블록 수 비교 표에서 Sasaki의 총 블록수는 몇 개 인가요?",
"표 4에서 본 논문에서는 MIN의 개수는 얼마 입니까?",
"표 4에서 Sasaki와 본 논문의 수치가 똑같은 것은 어떤 항목입니까?"
] |
61a8376c-8e30-41a7-b21b-8154d4cb155a
|
인공물ED
|
전기도금법을 이용한 FCCL용 구리박막 제조시 레벨러의 영향 연구
|
<h1>초 록</h1><p>최근에 전자 산업 분야에서 장치의 고용량을 구현 하기 위해 구동 drive IC의 선폭은 좁아지고 집적도는 증가하고 있다. 이러한 반도체, 전자 산업 분야의 초소형화, 고밀도화에 따라 FCCL(Flexible Copper Clad Laminate)의 표면 품질이 더욱 중요해 지고 있다. FCCL의 표면 결함으로는 돌기, 스크레치, 덴트 등이 있다. 특히 돌기가 표면에 존재할 경우 후속 공정에서 쇼트와 같은 불량을 유발할 수 있으며, 제품의 품질 저하를 야기 시킬 수 있다. 하지만 표면에 돌기가 존재한다 하더라도, 전해액의 레벨링 특성이 우수하다면 돌기의 성장을 막을 수 있다.평탄하고, 결함이 없는 도금 표면을 얻기 위해서는 첨가제의 역할이 필수적이다. 평탄한 구리 표면을 형성하기 위해서 stock solution에 가속제, 억제제, 레벨러를 첨가하였다. 레벨러를 첨가하는 이유는 평탄한 표면을 얻고, 돌기의 형성을 억제하기 위함이다. 구리도금 표면 형상을 향상시키기 위한 레벨러로는 SO(Safranin O), MV(Methylene Violet), AB(Alcian Blue), JGB(Janus Green B), DB(Diazine Black) and PVP(Polyvinyl Pyrrolidone)가 사용되었다. 도금 첨가제와 도금 조건의 변화를 통해 도금시레벨링 특성을 향상시키고,레벨링 특성 측정을 위해 니켈 인공돌기를 제작 한 후 레벨링 특성을 측정하였다.</p>
|
[
"돌기, 스크레치, 덴트등은 무엇의 표면 결함인가?",
"돌기가 표면에 존재할 경우 나타나는 현상은?",
"돌기가 표면에 존재할 경우 어떤 공정에서 불량을 유발할 수 있는가?",
"전해액의 레벨링 특성이 우수하다면 무엇을 막을 수 있는가?",
"제품의 품질은 돌기가 표면에 존재할 경우 향상되는가?",
"돌기의 성장을 막을 수 있는 전해액의 특성은 무엇인가?",
"전해액의 레벨링 특성은 돌기의 성장을 저하시킬 수 있는가?",
"첨가제는 결함이 없는 무엇을 얻기 위해 필수적인가?",
"평탄한 도금 표면은 첨가제와 무관한가?",
"SO 레벨러는 무엇을 향상시키기 위해 쓰이는가?",
"돌기의 형성을 억제하기 위해 첨가하는 것은?",
"레벨러로서 구리도금 표면 형상을 향상시키기 위한 것으로 알맞은 것은?",
"DB는 구리도금 표면 형상을 저하시키기 위한 레벨러인가?",
"억제제를 stock solution에 첨가하게 되면 표면에 돌기가 있는 구리 표면을 형성하게 되는가?",
"도금시레벨링 특성을 향상시키기 위해 어떤 조건의 변화를 거쳐야하는가?",
"가속제를 stock solution에 첨가하면 무엇을 형성할 수 있는가?",
"레벨러는 표면에 돌기의 성장을 촉진시키기 위해 첨가하는가?",
"억제제, 레벨러 등을 첨가하여 평탄한 구리 표면을 얻을 수 있는 것은?",
"레벨링 특성을 측정에 니켈 인공돌기를 사용할 수 있는가?",
"도금 첨가제를 통해 도금시레벨링 특성을 향상할 수 없는가?",
"집적도가 증가하고 구동 drive IC의 선폭이 좁아지면 어떤 것을 구현할 수 있는가?",
"집적도는 감소시키면 전자 산업 분야에서 장치의 고용량을 구현할 수 있는가?",
"장치의 고용량을 구현시키기 위해 drive IC의 선폭은 넓어져야 하는가?",
"FCCL의 표면 품질이 더욱 중요해지는 이유는?",
"반도체의 고밀도화에 따라 FCCL 표면 품질이 더 중요해지고 있는가?",
"표면에 돌기가 존재할 경우 어떤 경우에도 돌기의 성장을 막을 수 없는가?",
"쇼트는 어떤 현상에 속하는가?",
"후속 공정에서 불량을 유발할 수 있는 이유는?"
] |
cb964a4b-9370-44d3-a7b1-68f56bf56c5e
|
인공물ED
|
전기도금법을 이용한 FCCL용 구리박막 제조시 레벨러의 영향 연구
|
<h1>4. 결 과</h1><p>전기화학적 평가에서 가장 우수한 JGB의 경우 도금 표면은 매끈하고 우수하나, 뾰족한 형상의 이차상이 생성 되는 것이 확인 되었다. DB의 경우에는 표면 형상은 우수하나, 고온에서도 DB이 완벽히 용해되지 않았다. AB의 경우에는 도금 시 표면이 채워지지 못하고 홀이 생성되었다. PVP, MV, SO를 레벨러로 사용하였을 때 우수한 표면 형상을 확인 할 수 있었다. PVP를 레벨러로 사용하였을 때 반사도가 가장 크게 증가 하는 것을 확인 할 수 있었다. 또한 표면 거칠기 형상을 통해 표면이 가장 고르고 매끈한 것을 확인 할 수 있었다. 이로써 표면 형상, 표면 반사도, 표면 거칠기는 서로 직접적인 관계를 가진다고 볼 수 있으며 이를 이용하여 레벨링 특성 분석이 가능하다.</p>
|
[
"JGB는 어디에서 가장 우수한 평가를 받니?",
"어디에서 JGB가 제일 우수한 평가를 받아?",
"JGB(Janus Green B)는 표면 형상쪽에서 가장 우수한 평가를 받았어?",
"레벨링 특성에 대한 실험에서 AB(Alcian Blue)의 문제점은 뭐였니?",
"레벨링 특성에 관한 실험에서 도금시 표면이 채워지지 못하고 홀이 생성된 레벨러는 뭐야?",
"레벨링 특성 분석을 위한 실험에서 반사도가 가장 크게 증가한 레벨러는 뭐야?",
"레벨러들의 특성에 대한 실험에서 PVP, MV, SO를 레벨러로 사용할 경우 홀이 생성되었니?",
"레벨링 특성 분석 결과, 형상, 표면 반사도, 표면 거칠기는 직접적인 연관은 없지?",
"여러 레벨러들을 실험한 결과에서 뾰족한 이차상이 생성된 건 어떤 레벨러일까?",
"전기화학쪽에서 가장 우수한 평가를 받는 JGB(Janus Green B)의 단점은 뭘까?",
"뾰족한 형상의 이차상이 생성되는 JGB와는 달리 표면 형상이 우수한 건 뭐지?",
"DB의 경우에는 표면 형상이 우수하며, 고온에서도 완벽히 용해될까?",
"표면 형상이 DB의 경우에는 고온에서 완벽히 녹을까?",
"레벨러 중에서 고온에서 완벽히 용해되지 않는 건 뭐지?",
"PVP를 레벨러로 사용하였을 때 가장 크게 증가한 건 뭐지?",
"무엇이 PVP를 레벨러로 사용하였을 때 가장 크게 상승했어?"
] |
337e578a-b455-41d4-bd55-beed085da96f
|
인공물ED
|
전기도금법을 이용한 FCCL용 구리박막 제조시 레벨러의 영향 연구
|
<h1>1. 서 론</h1><p>COF (Chip On Film)란 반도체 칩을 얇은 필름 형태의 인쇄회로기판(PCB) 에 장착하는 방식으로, 회로가 새겨진 polyimide(PI) film 위에 이방도전성 필름이나 솔더범프 등을 이용해 칩을 실장 하는 기술로, 칩 · 모듈의 소형화가 가능하고 소재가 유연해 접거나 말 수 있다는 점에서 각광받기 시작했다. 휴대폰, 노트북, PDA 등의 휴대용 전자제품들의 소형화로 인해 반도체 소자들의 미세화, 고밀도화가 요구되며 패드의 미세화가 계속 진행되고 있으며 COF의 회로간의 간격이 점점 좁아지는 추세로 바뀌고 있다.</p><p>FCCL(Flexible Copper Clad Laminate)은 COF 필름의 기지로 사용되며 \( 10 \mu \mathrm{m} \) 두께의 얇은 절연 필름 위에 동박을 붙인 회로기판을 말한다. FCCL은 경성회로와는 달리 구부릴 수 있고 움직이는 회로를 구성할 수 있으며 3차원 회로구성 및 고밀도 배선을 형성 할 수 있어 컴퓨터 및 주변기기, 통시장비 의료장비 항공우주용 전자장비등에 널리 사용되고 있다. 이러한 FCCL의 기지 필름은 산, 염기의 화학적 환경에 대한 저항성이 크고, 고온에서도 사용이 가능하며, 낮은 유전상수, 큰 연성 등의 장점을 갖는 PI film이 널리 사용되고 있다. PI film 위에 구리막을 형성 시키는 방법으로는 electroplating, casting, laminating 방법이 있다. 이 중 electroplating 법은 casting, laminating 법과는 달리 도금에 쓰이는 전해액의 조성을 조절하거나 전극에서의 반응속도, 전류인가 시간, 첨가제등을 조절함으로써 결정립의 크기 및 도금층의 물성 조절이 용이하다. 또한 결정 성장속도가 빠르며, 화학적 반응이 비교적 간단하고 취급이 쉬우며 양호한 막질을 얻을 수 있으므로 유지보수 비용도 매우 낮은 장점을 가지고 있다. Electroplating법을 이용하여 구리 박막 제조시 표면 형상과 구조 및 전기적 특성은 음극 전압, 전류밀도, 첨가제, 전해액의 조성과 같은 다양한 도금 변수에 영향을 받는다. 본 연구에서는 구리 박막 전기도금 시 전류밀도, 교반속도, 온도 등의 조건을 고정하고 레벨러를 달리하여 도금층의 표면 형상과 첨가제의 특성의 대하여 평가 하였다.</p>
|
[
"소재가 유연해 접거나 말 수 있으며, 칩 · 모듈의 소형화가 가능하여 반도체 칩을 얇은 필름 형태의 인쇄회로기판에 장착하는 방식을 무엇이라고 하는가?",
"칩 · 모듈의 소형화 및 소재가 유연하여 반도체 칩을 얇은 필름 형태의 인쇄회로기판에 장착하는 방식을 무엇인가?",
"casting, laminating 법과 다르게 도금에 사용하는 전해액 조성을 조절하는 방법은 무엇인가?",
"휴대용 전자 기기들의 소형화로 인해 반도체 소자들의 어떤 특성이 요구되지?",
"소형화 되는 전자기기들에 어떠한 요구가 빗발치고 있는가?",
"FCCL은 경성회로와는 다르게 무엇을 할 수 있어?",
"FCCL의 약자가 뭐지?",
"FCCL의 기지 필름은 어느 환경에서 저항이 큰가?",
"PI film 위에 구리막을 형성하는 방법에는 무엇이 있지?",
"PI film 위에 구리막을 형성하는 방법은 크게 3가지 방법이 있는데 무엇인가?"
] |
33d425c0-10b5-459c-88c9-a496351ab3d9
|
인공물ED
|
전기도금법을 이용한 FCCL용 구리박막 제조시 레벨러의 영향 연구
|
<h1>2. 실험방법</h1><p>Electroplating법으로는 고분자 수지인 PI film 위에 직접 구리를 전착할 수 없기 때문에 먼저 전도성 씨앗층을 형성하여 주어야 한다. 구리 \( 200 \mathrm{~nm} \) 가 스퍼터링 처리가 된 polyimide film 위에 spincoating, softbaking, lithography, exposure, develope의 순으로 인공돌기 제작을 위한 PR mold를 형성 하였다.</p><p>인공돌기를 제작하기 위해 니켈도금욕을 사용하였다. 용액의 조성은 황산니켈 \( 1 \mathrm{M} \), 염화니켈 \( 0.2 \mathrm{M} \), 보릭산 \( 0.5 \mathrm{M} \) 의 일반적인 니켈 도금조성에 도금의 속도와 균일한 도금층을 생성하기 위해 첨가제로서 saccharine \( 5.5 \mathrm{mM} \) 과 2-butyne-1,4-diol \( 2.5 \mathrm{mM} \) 을 사용하였다. 이에 추가적으로 도금 되는 표면의 전류밀도를 일정하게 주기 위하여 PI film을 실린더형 회전전극에 붙여 회전시키며 도금을 진행하였다. 전류밀도는 \( 30 \mathrm{~mA} / \mathrm{cm}^{2} \) 이고, 도금 온도는 \( 50^{\circ} \mathrm{C} \) 이다. 도금은 4 분간 진행하여 \( 4 \mu \mathrm{m} \) 정도를 올린 후 stripper 용액을 사용하여 남아 있는 PR을 제거하여 니켈 인공돌기를 제작하였다. 실제 돌기는 기지층의 요철층 위에 생성 되므로 구리를 니켈위에 얇게 도금하였다. 구리를 얇게 도금하는 이유는 레벨링 특성을 보기 위해 도금하는 구리와 니켈이 직접 접촉시 발생할 수 있는 영향을 제거하기 위함이다. 니켈층 위에 얇게 구리도금을 하기 위한 용액으로는 황산구리 \( 0.5 \mathrm{M} \), 황산 \( 1 \mathrm{M} \) 을 사용하였고, 표면 특성 향상을 위해 젤라틴 \( 0.04 \mathrm{~g} / \mathrm{L} \) 를 첨가하였다. 전류밀도는 \( 40 \mathrm{~mA} / \mathrm{cm}^{2} \) 이고, 도금온도는 \( 30^{\circ} \mathrm{C} \) 에서 2 분간 진행하였다. 레벨러의 특성을 알아보기 위하여 여러 조성의 전해액을 제조 하였다. 우선 기본이 되는 stock 용액은 황산구리 \( 0.25 \mathrm{M} \), 황산 \( 1 \mathrm{M} \) 의 조성을 가지는 용액이었으며, 여기에 유기첨가제를 종류별로 첨가하였다. 가속제로는 SPS \( 10 \mathrm{ppm} \), 억제제로는 PEG \( 200 \mathrm{ppm} \), 억제제의 흡착을 돕는 \( \mathrm{Cl}^{-} \)이온원으로는 염화구리 \( 0.17 \mathrm{~g} / \mathrm{L} \), 레벨러로는 PVP \( 10 \mathrm{ppm}\), MV, DB, SO, AB, JGB \(20 \mathrm{ppm} \) 을 사용하였다. Table 1,2 는 도금시 사용된 용액의 조성이다. Fig. 1은 레벨링 특성 평가를 위한 실험 순서를 나타내었다.도금된 표면의 형상을 확인 하기 위해 SEM, 표면 반사도, 표면 거칠기를 측정 하였고 첨가제의 효과를 확인 하기 위해 potentiostat/galvanostat (EG&G273A)을 이용한 전기화학적 분석을 하였다.</p>
|
[
"Electroplating법으로 전도성 씨앗층을 왜 형성하는가?",
"Electroplating법으로는 고분자 수지인 PI film 위에 직접 구리를 전착할 수 없는데 이를 해결하기 위한 방법은 무엇인가?",
"인공돌기 제작을 위한 PR mold를 형성하기 위해 polyimide film 위에 어떤 순서로 PR mold를 형성을 하는가",
"인공돌기를 제작하기 위해 사용한 것은 무엇인가?",
"첨가제로서 saccharine 5.5 \\mathrm{mM}5.5mM 과 2-butyne-1,4-diol 2.5 \\mathrm{mM}2.5mM 을 사용한 이유는 무엇인가?",
"용액의 조성으로는 무엇을 사용하였는가?",
"도금의 온도는 50 ∘ C 이다 그렇다면 전류밀도는 몇인가?",
"일반적인 니켈 도금조성에 도금의 속도와 균일한 도금층을 생성하기 위해 첨가제로서 saccharine 5.5 \\mathrm{mM}5.5mM 과 2-butyne-1,4-diol 2.5 \\mathrm{mM}2.5mM 을 사용하였는데 도금 되는 표면의 전류밀도를 일정하기 위해 사용한 도금법은 무엇인가?",
"니켈 인공돌기를 도금 후 어떠한 용액을 사용하여 제작하였는가?",
"니켈 인공돌기를 도금 후 어떠한 용액을 사용하여 제작했니",
"Table 1,2 무엇을 의미하는가?",
"도금된 표면의 형상을 측정 하기 위해 무엇을 측정하였는가",
"도금을 얇게 하는 이유는 무엇인가?",
"도금은 4분 뒤 어느정도를 올린 후에야 stripper 용액을 사용하여 남아 있는 PR을 제거 가능한가?",
"어떤 용액이 니켈층 위에 얇게 구리도금을 하기 양성하는가",
"어떤 용액이 니켈층 위에 얇게 구리도금을 하기 양성하지",
"여러 조성의 전해액을 제조한 이유는 무엇인가?",
"표면향상을 위해 사용한 것은 무엇이며 얼마를 첨가하였나?",
"Fig. 1은 어떠한 것을 나타내고 있는가?",
"가속제로는 SPS 10 \\mathrm{ppm}10ppm, 억제제로는 PEG 200 \\mathrm{ppm}200ppm,레벨러로는 PVP 10 \\mathrm{ppm}10ppm, MV, DB, SO, AB, JGB 20 \\mathrm{ppm}20ppm 을 사용하였다 그렇다면 억제제의 흡착을 돕는데에는 무엇을 사용하였는가?",
"전류밀도는 40 \\mathrm{~mA} / \\mathrm{cm}^{2}40 mA/cm 2이다 그럼 도금온도는 몇도에서 몇분간 진행이 돼야 되는가?",
"황산구리 \\( 0.25 \\mathrm{M} \\), 황산 \\( 1 \\mathrm{M} \\) 의 조성을 가지는 용액에다 추가로 첨가한 물질은 무엇인가?",
"실제 돌기는 기지층의 요철층 위에 생성 되는데 이를 위해 어떤 방법으로 도금을 하는가?",
"기본이 되는 용액은 무엇인가?",
"첨가제의 효과를 확인 하기 위해 무엇을 분석하였는가?"
] |
7cd68dd2-0a44-4fdc-8690-6612bcec69ae
|
인공물ED
|
전기도금법을 이용한 FCCL용 구리박막 제조시 레벨러의 영향 연구
|
<h1>3. 결과 및 고찰</h1><p>첨가제들의 전기화학적 효과를 확인하기 위해 galvanostatic 분석을 실시하였다. 전류밀도를 \( 50 \mathrm{~mA} / \mathrm{cm}^{2} \) 로 고정하고 시간에 따른 전압 변화를 Fig. 2에 나타냈다. 구리 도금시 가속제 역할을 하는 SPS, 억제제 역할을 하는 PEG와 레벨러 역할을 하는 SO, MV, AB, DB, JGB, PVP를 복합 첨가한 경우 stock 용액 조건에 비해 전압이 음으로 증가하였다. 이는 동일한 전류를 인가하기 위한 과전압 (overpotential)이 더 크게 필요한 것을 의미하며, 도금 속도 측면에서 볼 때 구리의 전착속도가 떨어지는 것을 의미한다. 또한 시간이 지나도 지속적인 도금 억제 효과가 있음을 확인 할 수 있었다. JGB를 레벨러로 사용하였을 때, 도금 억제 효과가 가장 크고, 레벨러로서의 역할이 뛰어난 것을 확인 할 수 있었다. 반면 가속제로 사용된 SPS를 첨가한 경우 에는 전해액 전위의 상승이 일어났다. 이는 SPS가 금속의 환원 반응을 도와 가속효과를 낸다는 것을 의미한다.</p><p>첨가제 종류 변화에 따른 도금 표면의 변화는 Fig. 3 에서 확인 할 수 있었다. Stock 용액의 경우 결정립이 매우 크고 불균일한 것을 확인 할 수 있었다. 가속제인 SPS, 억제제인 PEG를 첨가 했을 때도 표면 특성이 크게 향상 되지 않음을 확인 할 수 있었다. 그러나 레벨러를 첨가 했을 때 도금 표면의 결정립의 크기가 작아지고, 균일해지고, 표면이 매끈해 진 것을 확인 할 수 있었다. 이는 가속제와 억제제와 레벨러의 상호 반응으로 결정립 미세화가 일어난 것이고, 표면 또한 평탄해 진 것이다. 전기화학적으로 우수한 특성을 나타내는 JGB를 레벨러로 사용했을 때, 도금 표면은 매끈하고 우수하나, 뾰족한 형상의 이차상이 생성되는 것이 확인 되었다. DB의 경우에는 표면 형상은 우수하나, DB가 고온에서도 용액중에 용해가 충분히 되지 않아 레벨러 후보군에서 제외하였다. AB의 경우에는 도금시 표면이 채워지지 못하고 홀(hole)이 생성되었다. 홀이 생성되면 결정립 사이 공간으로 미세결함이 생기고 이렇게 성장한 도금층은 전기적 특성에 미치는 영향이 클 것으로 생각된다. 따라서 JGB, DB, AB는 레벨러 후보군에서 제외하고, PVP, MV, SO를 사용하여 이후 실험을 진행하였다.</p><p>표면에 인공돌기가 존재 하더라도 전해액의 레벨링 특성이 우수하다면 평탄한 표면을 얻을 수 있다. Fig. 4는 레벨링 특성이 나쁜 용액과 좋은 용액에서 도금을 실시한 후의 표면 가상 그림이다. 레벨링 특성이 우수한 용액을 사용한 경우 Fig. 4(b)와 같은 결과를 얻을 수 있다. 레벨링 특성은 표면에 존재하는 범프의 크기에 따라 상대적으로 달라질 수 있으므로 레벨링 특성 측정을 위한 평가항목이 있어야 한다. Fig. 5 는 레벨링 특성 측정을 위한 평가항목으로써, 인공돌기 위 구리 도금층과 PI film 위 구리도금층의 비를 나타내고 있다. 이 비율이 낮을수록 레벨링 특성이 우수한 것을 나타낸다. 레벨링 특성 측정을 위해 니켈 인공돌기를 제작하고 그 위에 구리 도금을 시행한 후 단면 SEM 사진을 Fig. 6에 나타내었다. PVP를 레벨러로 첨가하였을 때 인공돌기 위 구리 도금층 두께는 PI film 위의 구리도금층 두께보다 \( 0.5 \mu \mathrm{m} \) 감소하였다. 그러나 MV, SO를 레벨러로 첨가 하였을 때, 인공돌기 위 \( \mathrm{Cu} \) 도금층은 \( 1 \mu \mathrm{m} \) 이상 감소한 것을 확인 할 수 있었다. 레벨링 특성 측정을 위한 평가항목을 바탕으로 나타낸 Fig. 7 에서 확인 할 수 있듯이, PVP의 경우 0.94, MV의 경우 0.88, SO 의 경우 0.85를 나타내고 있다. 그러므로 세 가지 레벨러 중 SO의 레벨링 특성이 가장 좋다는는 것을 단면 사진을 통하여 확인 할 수 있었다. 그러나 니켈 인공돌기의 크기, 도금층의 두께와 위치에 따라 이러한 SEM 단면 사진을 이용한 평가는 재현성이 떨어지며 정량화하는데 어려움이 있다.</p><p>SEM 사진 만으로는 레벨링 특성을 정량화 시키기 어렵기 때문에 도금 된 표면의 반사도를 측정하였다. 자외선 영역에서 가시광선 영역으로 파장 변화에 따른 반사도를 측정한 결과구리의 표면 색 특성이 나타나는 \( 550 \mathrm{~nm} \) 영역 부근부터 표면의 반사도 차이가 나기 시작했다. PVP를 레벨러로 사용하였을 때 반사도가 가장 크게 증가 하는 것을 확인 할 수 있었다. 반사도가 높다는 것은 표면의 난반사가 줄어든다는 것과 표면이 매끄럽다는 것을 의미한다. PVP가 가장 매끄러운 표면을 가지는 것을 Fig. 8를 통해 확인 할 수 있었다. SEM 단면사진을 이용하여 정성적으로 측정하기보다, 반사도를 측정함으로써 표면 특성을 정량화 시킬 수 있었다.</p><p>표면 조도기를 이용하여 표면의 거칠기를 측정하였다. 표면의 거칠기를 도금된 구리의 표면 측정에 적용시켜, 구리의 도금 특성을 정량화 시켰다. 도금 표면의 거칠기 형상을 Fig. 9(a)에서 확인 할 수 있었다. MV, SO, PVP를 레벨러로 첨가하였을 때, stock 용액에서의 표면 형상보다 향상 된 것을 확인 할 수 있었다. 그 중 PVP를 레벨러로 첨가하였을 때, 표면이 가장 고르고 매끈한 것을 확인 할 수 있었다. Fig. 9(b)는 표면의 평균 거칠기를 나타낸 그래프이다. PVP를 레벨러로 사용 하였을 때의 평균 값이 가장 낮은 것을 확인 할 수 있었다. 결과를 종합했을 때, PVP를 레벨러로 사용 했을 때, 표면 형상이 가장 우수 한 것을 확인 할 수 있었다. 또한 표면 형상, 표면 반사도, 표면 거칠기는 서로 직접적인 관계를 가진다고 볼 수 있었다.</p>
|
[
"구리를 도금할 때 SO, MV, AB, DB, JGB, PVP는 레벨러 역할을 수행하지?",
"Fig. 9(b)에서 표면의 평균 거칠기는 어떤 레벨러를 사용했을 때 그 평균 값이 가장 낮았니?",
"구리를 도금할 때 가속제 역할을 하는 건 뭐야?",
"본 실험에서 표면 조도기를 이용해서 무엇을 측정했니?",
"Fig. 5는 무엇과 무엇의 비를 나타내고 있니?",
"인공돌기 위 구리 도금층과 PI film 위 구리도금층의 비가 낮을수록 레벨링 특성은 우수하다고 평가하지?",
"구리를 도금할 때 SPS는 어떤 역할을 수행하니?",
"구리 도금 시 PEG는 어떤 역할을 수행하니?",
"Fig. 2는 어떤 것을 나타내고 있는 도식이니?",
"도금에 레벨러를 첨가하면 어떤 변화를 관찰할 수 있어?",
"구리를 도금할 때 억제제 역할을 하는 건 뭐야?",
"Fig. 2에서, 전류 밀도는 어떤 값으로 고정되어 있니?",
"본 실험에서 레벨러 후보군 중 이후 실험을 진행한 세 가지는 무엇이니?",
"구리를 도금할 때 PEG는 가속제 역할을 수행하지?",
"다음 중, 구리 도금 시 가속제 역할을 하는 것은?",
"MV, SO, PVP 중 어떤 레벨러를 첨가했을 때 표면이 가장 고르고 매끈했니?",
"Fig. 9(b)는 어떤 그래프를 나타내고 있니?",
"Fig. 3에서는 첨가제 종류 변화에 따른 무엇의 변화를 관찰할 수 있었나요?",
"AB를 레벨러로 사용했을 때 어떤 반응이 나타났니?",
"MV, SO를 레벨러로 첨가했을 때 인공돌기 위 \\( \\mathrm{Cu} \\) 도금층은 증가했지?",
"JGB를 레벨러로 사용했을 때 도금 표면은 어땠니?",
"Fig.4(b)의 결과는 레벨링 특성이 우수하지 않은 용액을 사용했을 경우 얻을 수 있지?",
"구리 도금시 SO, MV, AB, DB, JGB, PVP 등은 어떤 역할을 수행하니?",
"표면에 인공돌기가 존재할 때 어떤 조건에서 평탄한 표면을 얻을 수 있니?",
"PVP는 레벨러 중 가장 도금 억제 효과가 컸지?",
"자외선 영역에서 가시광선 영역으로 파장 변화에 따른 반사도를 측정했을 때 구리의 표면 색 특성이 나타난 영역은 어느 영역이니?",
"본 실험에서 레벨러 중 어떤 것들이 후보군에서 제외되었니?",
"레벨링 특성은 표면에 존재하는 범프의 크기에 영향을 안 받지?",
"구리를 도금할 때 레벨러 역할을 하는 건 뭐야?",
"구리를 도금할 때 SPS는 억제제 역할을 하지?",
"구리 도금에서 SPS를 첨가한 경우 어떤 일이 벌어졌지?",
"도금에 레벨러를 첨가했을 때 결정립 미세화가 일어나는 원인은 뭐야?",
"구리 도금 과정에서 무엇을 레벨러로 사용했을 때 도금 억제 효과가 가장 컸니?",
"Fig. 4는 어느 시점 이후의 표면 가상 그림이니?",
"연구에서, 구리 도금 시 여러 물질을 복합 첨가한 결과, stock 용액 조건에 비해 전압은 어떻게 되었니?",
"SPS를 첨가했을 때 전해액 전위의 상승이 일어난 것은 어떤 것을 의미하니?",
"PVP를 레벨러로 첨가하였을 때 인공돌기 위 구리 도금층 두께는 PI film 위의 구리도금층 두께보다 얼만큼 감소했지?",
"PVP, MV, SO 중 레벨링 특성이 가장 좋은 건 뭐야?",
"DB를 레벨러로 사용했을 때 도금 표면 형상이 우수했어도 후보군에서 제외된 이유는 무엇이니?",
"본 실험에서 구리의 도금 특성은 어떻게 정량화 시켰어?",
"표면 형상, 표면 반사도, 표면 거칠기는 서로 아무런 관련이 없지?",
"galvanostatic 분석을 실시한 목적이 뭐야?",
"다음 중, 구리를 도금할 때 억제제 역할을 하는 물질로 옳은 것은?",
"구리 도금 시 레벨러로서의 역할이 가장 뛰어났던 물질은 무엇이니?",
"Fig 3.에서 Stock 용액의 결정립은 어떤 특징을이 나타났나요?",
"레벨링 특성 측정을 위한 평가항목이 있어야 하는 이유가 뭐야?",
"도금 된 표면의 반사도를 측정한 이유가 뭐야?",
"SPS와 PEG를 첨가했을 때 도금의 표면 특성에서 큰 변화는 없었죠?",
"본 실험에서 표면의 거칠기를 측정할 때 어떻게 측정했어?"
] |
6fe321a4-a43c-4ecf-b19e-80315538e4c8
|
인공물ED
|
태양광 배터리 충전기를 위한 개선된 충전 알고리즘
|
<h1>2. 태양광 배터리 충전기 시스템</h1> <p>태양광 배터리 충전기는 일반적으로 그림 1과 같이태양전지, 전력을 조절하는 강압형 컨버터, 그리고 에너지를 저장하는 배터리로 구성된다. 강압형 컨버터는 태양전지의 출력전압을 배터리 전압으로 강압시키는 한편제어기의 정전류, 정전압 충전 및 MPPT제어를 통해 출력되는 통유율로 동작하여 전체적인 시스템의 제어를담당한다. 태양전지는 빛에너지를 전기에너지로 변환시키며 일사량, 셀의 온도, 부하와 같은 외부 조건이 변화할 때 출력 특성이 변화하는 특징을 가지고 있다. 그러므로 주어진 외부조건에 대하여 태양전지는 항상 최대전력점 근처에서 동작하도록 최대전력추종제어(MPPT)가 이루어져야 한다. 최대적력점을 추종하는 방법은 대표적으로 P&O알고리즘, IncCond 알고리즘 등으로 분류할 수 있다.</p> <p>본 논문에서는 최대전력점을 추종하기 위해서 P&O(perturbation and observravion)제어를 사용한다. P&O제어방법은 간단한 피드백 구조를 가지고 있고 소수의측정 파라미터를 갖기 때문에 널리 사용된다. 그림 2와같이 태양전지 어레이 출력 전압과 함께 현재 어레이 출력 전력을 순시적으로 비교하여 최대 전력의 상태를연속적으로 추적하게 된다. 그림 3과 같이 동작점은 전력이 상승하는 방향으로 계속해서 유지한다.</p> <h1>3. 배터리 충전 알고리즘</h1> <h2>3.1 기존의 배터리 충전 알고리즘</h2> <p>정전압 충전 알고리즘은 그림 4와 같이 배터리에 전압을 일정하게 인가되도록 하는 충전방법이다. 그림 5와같이 정전압으로 배터리 전압을 유지하면서 충전 하므로 충전시간이 비교적 길고 초기에 배터리 전압과 설정전압에 차이가 많을 경우에 과전류가 발생할 가능성이있다.</p> <p>그림 6은 배터리에 전류가 일정하게 인가되도록 하는정전류 충전 알고리즘을 보인다. 본 충전 방법은 그림 7과 같이 배터리가 완전충전 되는 시점까지 일정한 전류로 충전하는데 계속해서 일정전류로 배터리를 충전하면과충전이 발생하여 배터리의 수명 단축 및 파손 등의문제가 발생할 수 있으므로 충전 전류값과 충전 시간을정확하게 제어해야 한다.</p> <p>그림 8은 정전압 충전 제어와 정전류 충전 제어를직렬로 구성한 정전류-정전압 충전 알고리즘을 보인다. 그림9와 같이 출력 전류는 전압제어기 출력이 제한값보다 높으면 정전류로 충전하다가 배터리 전압의 증가에따라서 점진적으로 감소되고 설정한 전압이 되면 정전압 충전과 동일하게 정전압으로 배터리 전압이 유지되면서 충전하는 방법이다. 본 방법은 앞서의 두가지 충전 알고리즘의 문제를 모두 해결할 수 있지만 충전모드의전환을 최적으로 설정할 수 없다는 단점이 있다.</p> <h2>3.2 제안하는 배터리 충전 알고리즘</h2> <p>정전류-정전압 제어기를 직렬로 구성한 충전 알고리즘은 배터리 전압이 증가하면서 충전전류가 서서히 떨어지게 되므로 충전 시간이 길어지게 되고 충전모드의전환을 최적으로 설정할 수 없다는 단점이 있다. 하지만 그림 10과 같이 정전압 충전 제어와 정전류 충전 제어를 병렬로 구성한 정전류-정전압 충전 알고리즘은 배터리를 정전류 모드에서 일정한 전류로 원하는 SOC까지 충전하므로 배터리를 빠르게 충전할 수 있다. 한편 정전압 모드에서는 충전전류가 급속하게 줄어들므로 정전류충전에는 부족한 부분만 충전하게 되어 효과적인 충전이 가능하다. 그러므로 그림 11과 같이 일정 전압까지는 정전류 모드로 배터리를 충전하고 일정 SOC가 되었을때 정전압 모드로 변경되어 충전하는 방법이 충전시간을 줄일 수 있는 정전류-정전압 충전 알고리즘이다.</p> <p>정전류-정전압을 병렬로 구성한 배터리 충전 알고리즘은 기존 충전 알고리즘보다 빠르게 배터리를 충전할수 있는 장점이 있지만 정전류 모드에서 정전압 모드로 변환되는 구간에서 과도 구간이 발생하는 문제점을 가진다. 이와 같은 과도 구간이 발생하는 문제점은 식(1)과 같이 강압형 컨버터의 출력전압 방정식에서 초기 듀티가 0부터 시작한다면 출력전압도 0부터 서서히 증가하게 된다. 하지만 배터리 충전기의 출력은 배터리와 연결되므로 출력에는 일정전압이 인가되어 있는 상태이다.이때, 듀티가 0부터 시작하게 된다면 실제 배터리전압과 출력전압이 차이가 발생한다. 그러므로 식(2)와 같이 출력전압이 배터리라면 듀티의 초기값이 필요하다. 이와같은 이유로 모드 변환 시 기존의 제어기의 출력을 반영하지 못하면 듀티가 기존값과 다르게 되므로 과도 상태가 발생한다. 과도상태를 제거하기 위하여 모드가 변경 될 때 투입되는 제어기의 출력을 보상하면 듀티의초기값을 넣어주는 효과가 발생하므로 시스템에 안정적인 운용이 가능하다. 보상방법은 전압제어기는 식 (3)과같은 PI제어기로 구성되는데 정전류에서 정전압으로 변환 될 때 정전압 제어기의 적분값이 기존 전류제어기적분값과 큰 차이가 발생한다. 이를 보상하기 위하여 정전류 제어기에서 출력된 듀티 정보와 정전압 제어기의P제어기의 출력값을 이용하여 정전압 제어기에 I제어기의 초기값을 보상하므로 기존 전류제어기와 동일한 듀티로 정전압 제어를 시작하게 되어 충전 모드가 변환될때 과도구간이 개선된다. 그러므로 과도 구간을 보상하는 알고리즘이 적용하여 안정적인 제어가 가능하다.</p> <p>그림 12는 모드 변환 시 보상 알고리즘을 포함하여 정전류-정전압 충전 알고리즘을 플로우차트(Flow-Chart)로 표현한 것이다. 정전류 모드로 동작 시에는 모드변환보상 알고리즘이 동작하지 않고 정전류 모드에서 정전압 모드로 변환되는 시점에서 보상 알고리즘이 동작하도록 설계 되었다. 보상 알고리즘은 한번만 동작하여 과도구간을 보상하고 다음부터는 보상 알고리즘은 적용되지 않고 정전압 모드로 충전하게 된다. 그림 13은 정전류-정전압 알고리즘에서 모드 변환 시 과도구간을 개선하는 알고리즘을 포함한 블록다이어그램을 나타낸다. 이와 같은 방법은 기존에 PI제어기를 대신하여 뉴로-퍼지를 적용한 것보다 연산량이 증가하지 않으면서 과도 상태를 크게 줄일 수 있는 장점이 있는 보상방법이다.</p> <p>\( V_{\text {out }}=D V_{i} \)<caption>(1)</caption></p> <p>\( V_{b a t}=\left(D+D_{0}\right) V_{i} \)<caption>(2)</caption></p> <p>Duty \( =K_{p}\left(V_{d c}^{*}-V_{d c}\right)+K_{i} \int_{0}^{T}\left(V_{d c}^{*}-V_{d c}\right) d t \)<caption>(3)</caption></p> <p> <table border><caption>Table 1 The parameters of the solar cell and the buck converter</caption> <tbody><tr><td>Parameter</td><td>Value</td></tr><tr><td>Maximum power \( \left(P_{\max }\right) \)</td><td>\( 3[\mathrm{~kW}] \)</td></tr><tr><td>Maximum power point voltage \( \left(\mathbf{V}_{\text {mpp }}\right) \)</td><td>\( 120[\mathrm{~V}] \)</td></tr><tr><td>Maximum power pointcurrent ( \( \boldsymbol{I}_{\text {mpp }} \) )</td><td>25 [A]</td></tr><tr><td>Temperature</td><td>\( 25\left[{ }^{\circ} \mathrm{C}\right] \)</td></tr><tr><td>L1</td><td>\( 120[\mathrm{uH}] \)</td></tr><tr><td>CI</td><td>\( 1980[\mathrm{uF}] \)</td></tr><tr><td>C2</td><td>\( 940[\mathrm{uF}] \)</td></tr></tbody></table></p>
|
[
"Table 1에서 Maximum power값은 뭐야?"
] |
21d1dfe9-6750-4afc-a7df-357ce7467934
|
인공물ED
|
H.264에서 MPEG-4로 빠른 트랜스코딩
|
<h1>IV. 실 험</h1><p>본 실험은 H.264 BP JM(Joint Model) 7.3 Decoder 와 MPEG-4의 SP MoMuSys-FDIS-V1.0 Encoder를 기반으로 만든 Transcoder를 이용하여 실험하였다. 실험은 펜티엄 IV \( 2.66 \mathrm{GHz}\) PC에서 실험 하였다. 제안된 트랜스코딩 알고리듬의 성능 평가를 위해서 8개의 비디오 영상 즉, 트랜스코딩 방법 A를 위한 QCIF 크기의 Foreman, Coast, News, Paris 영상들과 트랜스코딩 방법 B를 위한 CIF 크기의 Foreman, Coast, News, Paris 영상들에 대한 PSNR, Bitrates 그리고 트랜스코딩 수행 시간에 대해 분석 하였다. 제안된 트랜스코딩 방법 A에서는 H.264 부호기에서 300장의 영상을 \( 10 \mathrm{Hz} \)의 프레임율로 압축한 비트스트림을 실험 A에서 사용 하였으며, 제안된 트랜스코딩 방법 B에서는 H.264 부호기에서 300장의 영상을 \( 30 \mathrm{Hz} \)의 프레임 율로 압축한 비트스트림을 사용하였다. 그리고 두 개의 실험에서 각각의 비디오 영상들은 첫 번째만 INTRA 프레임이고 나머지는 모두 B 프레임을 제외한 INTER 프레임 즉, "I, P, P, P.."의 구조를 가진다. 표 2, 3에서는 제안된 두 가지 트랜스코딩 방법으로 트랜스코딩 하였을 경우 직렬 화소 영역 트랜스코딩 방법 보다 얼마만 큼의 시간적 이득을 보았는지를 보여주고 있다. 각각의 영상들 마다 약간의 차이는 보이지만 직렬 화소영역 트랜스코딩 방법보다 두 개의 제안된 트랜스코딩 방법들이 전체 트랜스코딩 시간을 고려했을 때 약 1.7~2.6배 정도의 속도향상을 보였고, MPEG-4 부호기에서의 수행 시간만을 고려했을시 에는 4.1~5.1배 정도의 속도 향상을 보였다. 그림 7, 8은 Foreman, Coast, News 그리고 Paris 영상들을 각각 H.264에서 MPEG-4로 변환 시 직렬 화소영역 트랜스코딩 방식, H.264에서 MPEG-4로 변환 시 본 논문에서 제안한 두 가지 트랜스코딩 방식으로 영상을 압축했을 때 밝기(\(\mathrm{Y}\))신호의 PSNR의 차이를 보여주고 있다. 그림 7에서 보여주는 것과 같이 제안된 트랜스코딩 방법 A의 PSNR은 낮은 bitrates 영역에서는 직렬 화소영역 트랜스코딩의 PSNR보다 \(0.1\sim 0.3\mathrm{dB}\) 정도의 화질이 저하 했지만, 높은 bitrates 영역에서는 모든 영상에 대해서 \( 0.1^{\sim} 0.15 \mathrm{dB} \) 정도의 화질이 개선되었다. 그리고 특별하게 Foreman 영상에서는 모든 bitrates 영역에서 직렬 화소영역 트랜스코딩보다 \( 0.1^{\sim} 0.2 \mathrm{dB} \) 정도의 화질이 개선되었다. 제안된 트랜스코딩 방법B의 PSNR은 그림 8에서 보여주는 것과 같이 직렬 화소영역 트랜스코딩의 PSNR보다 0.1~0.5 정도의 화질 저하를 관찰할 수 있었다.</p><table border><caption>표 2. 각 영상에 대한 시간 복잡도 비교 (Proposed transcoding algorithm A)</caption><tbody><tr><td></td><td colspan=3>Cascade transcoding algorithm</td><td colspan=3>Proposed transcoding algorthm A</td></tr><tr><td>QCIF Sequences</td><td>H.264 Decoder time</td><td>MEPG-4 Encoder time</td><td>Total time</td><td>H.264 Decoder time</td><td>MEPG-4 Encoder time</td><td>Total time</td></tr><tr><td>Foreman</td><td>5.0</td><td>14.17</td><td>19.17</td><td>5.0</td><td>2.96</td><td>7.96</td></tr><tr><td>Coast</td><td>5.25</td><td>16.23</td><td>21.48</td><td>5.25</td><td>3.09</td><td>8.34</td></tr><tr><td>News</td><td>4.23</td><td>14.78</td><td>19.01</td><td>4.23</td><td>2.78</td><td>7.01</td></tr><tr><td>Pans</td><td>4.59</td><td>15.79</td><td>20.38</td><td>4.59</td><td>2.82</td><td>7.41</td></tr></tbody></table><table border><caption>표 3. 각 영상에 대한 시간 복잡도 비교 (Proposed transcoding algorithm B)</caption><tbody><tr><td></td><td colspan=3>Cascade transcoding algorithm</td><td colspan=3>Proposed transcoding algorithm A</td></tr><tr><td>QCIF Sequences</td><td>H.264 Decoder time</td><td>MEPG-4 Encoder time</td><td>Total time</td><td>H.264 Decoder time</td><td>MEPG-4 Encoder time</td><td>Total time</td></tr><tr><td>Foreman</td><td>49.54</td><td>53.49</td><td>103.03</td><td>49.54</td><td>13.32</td><td>62.86</td></tr><tr><td>Coast</td><td>51.48</td><td>53.54</td><td>105.02</td><td>51.48</td><td>13.29</td><td>64.77</td></tr><tr><td>News</td><td>3.14</td><td>52.23</td><td>86.37</td><td>34.14</td><td>12.1</td><td>46.24</td></tr><tr><td>Paris</td><td>37.2</td><td>52.18</td><td>89.38</td><td>37.2</td><td>12.3</td><td>49.5</td></tr></tbody></table>
|
[
"제안된 트랜스코딩 방법 A의 Total time이 가장 작은 값을 가지는 행의 이름은 뭐야?",
"실험에서 사용된 Transcoder는 어떻게 만들었어?",
"Transcoder를 이용하여 실험하는 방법은 뭐야?",
"제안된 트랜스코딩 알고리즘에 대한 성능 평가 중 트랜스코딩 방법 B에 대해서는 어떻게 하는거야?",
"직렬 화소영역 트랜스코딩 방법이 비해 약 5배의 속도 향상을 보일 수 있는 방법은 뭐야?",
"300장의 영상을 H.264 부호기에서 \\( 30 \\mathrm{Hz} \\)의 프레임율로 압축한 비트스트림이 필요한 방법은 뭐야?",
"제안된 트랜스코딩의 성능 평가를 하기 위해 트랜스코딩 방법 A에서는 어떻게 해야해?",
"전체 트랜스코딩 시간에서 직렬 화소영역 트랜스코딩법보다 속도향상을 보인건 어떤 방법이야?",
"실험 A에 H.264 부호기에서 300장의 영상을 \\( 10 \\mathrm{Hz} \\)의 프레임율로 압축한 비트스트림을 쓰는건 어떤 방법이야?",
"제안된 트랜스코딩 방법 B에 대해 성능 평가를 하려면 어떻게 하면돼?",
"전체 트랜스코딩 시간을 고려하면 제안된 트랜스코딩 방법보다 약 2배 정도 속도가 느린 방법은 뭐야?",
"MPEG-4 부호기에서의 수행 시간이나 전체 트랜스코딩 시간을 각각 고려할때 두 부분에서 다 속도가 더 느린건 무슨 방법이야?",
"제안된 트랜스코딩 방법 두 가지가 직렬 화소영역 트랜스코딩 방법보다 약 1.7~2.6배 정도 빨라질 수 있는 방법은 뭐야?",
"제안된 트랜스코딩 알고리즘에 대한 성능을 검사하기 위한 방법은 뭐야?",
"PSNR이 낮은 bitrates 영역에서 직렬 화소영역 트랜스코딩 방법보다 화질이 낮아지는건 어떤 방법이야?",
"높은 bitrates 영역에서 모든 영상에 대해서 직렬 화소영역 트랜스코딩보다 \\( 0.1^{\\sim} 0.15 \\mathrm{dB} \\) 정도의 화질이 나아지는 방법은 뭐야?",
"직렬 화소영역 트랜스코딩의 PSNR보다 0.1~0.5 정도 화질이 낮아지는 건 어떤 방법이야?",
"어떻게 하면 두 제안된 트랜스코딩 방법들이 직렬 화소영역보다 4배에서 5배까지 속도가 빨라질 수 있어?",
"제안된 트랜스코딩 방법 A의 Foreman 시간 복잡도 값들 중에서 최솟값의 열 이름은 뭐야?",
"제안된 트랜스코딩 방법 A의 각 영상별 시간 복잡도를 비교했을때, Foreman의 총 시간은 얼마야?",
"직렬 화소영역 트랜스코딩 방법과 제안된 트랜스코딩 방법 A를 비교했을때 모든 항목에 대해 같은 값을 가지는 열의 이름은 뭐야?",
"제안된 트랜스코딩 알고리즘 A에 대한 Coast 값들 중 4 이하의 값은 얼마야?",
"Pans에 대한 시간 복잡도의 총합이 더 작은 값을 가지는 열의 이름은 뭐야?",
"제안된 트랜스코딩 방법 A의 Foreman에 대한 시간 복잡도가 4이상 6이하인 열의 이름은 뭐야?",
"제안된 트랜스코딩 알고리즘 A에 대한 Coast 값이 최소가 되는 열의 이름은 뭐야?",
"제안된 트랜스코딩 방법 A의 Foreman 값들 중에서 가장 큰 값을 가지는 열의 이름은 뭐야?",
"제안된 트랜스코딩 방법 A의 Coast와 H.264 Decoder time에 대한 값은 얼마야?",
"News에 대한 MEPG-4 Encoder time의 값이 더 큰 트랜스코딩 방법은 뭐야?",
"제안된 트랜스코딩 알고리즘 A에 대한 Coast 값들 중 최댓값은 얼마야?",
"표 3에서 직렬 화소영역 트랜스코딩 방법의 MEPG-4 Encoder time 값들 중에서 최댓값은 얼마야?",
"표 2에서 Cascade transcoding algorithm의 MEPG-4 Encoder time이 제일 큰 값을 가지게 하는 행의 이름은 뭐야?",
"제안된 트랜스코딩 방법 A의 MEPG-4 Encoder time의 값이 2번째로 작은 행의 이름은 뭐야?",
"Proposed transcoding algorthm A의 MEPG-4 Encoder time 값이 3번째로 작은 행의 이름은 뭐야?",
"표 3을 보면 직렬 화소영역 트랜스코딩 방법에 대한 Coast 값들 중에서 100을 넘는 값은 얼마야?",
"표 3을 보면 Cascade transcoding algorithm에 대한 Coast 값들 중에서 50에 가장 가까운 값은 얼마야?",
"표 2에서 H.264 Decoder time의 값 중에서 5에 가장 가깝지만 5보다는 작은 값은 얼마야?",
"표 3의 Cascade transcoding algorithm에 대한 Foreman 값들 중에서 50이하의 값은 얼마야?",
"표 3에서 Cascade transcoding algorithm의 총합 시간이 2번째로 큰 값은 얼마야?",
"표 3에서 Cascade transcoding algorithm에 대한 뉴스 값들 중 10보다 작은 값은 얼마야?",
"표 2에서 제안된 트랜스코딩 방법 A의 Foreman의 값들 중 가장 작은 값은 뭐야?",
"표 3에서 Cascade transcoding algorithm의 H.264 Decoder time의 최솟값은 얼마야?"
] |
06a59d55-669b-410c-adbb-e971af5298ed
|
인공물ED
|
H.264에서 MPEG-4로 빠른 트랜스코딩
|
<h1>II. H.264와 MPEG-4</h1><p>새로운 동영상 압축 표준인 H.264는 기존의 동영상 압축 표준인 H.261, H.263, MPEG-2 그리고 MPEG-4들과의 상호 연관성을 고려하지 않고 개발한 표준이기 때문에 영상 압축 방법에 있어 많은 차이점을 보이고 있다. 본 장에서는 표 1에서 나타낸 것과 같이 H.264 BP와 MPEG-4 SP간의 대표적인 차이점에 대해 살펴보면 H.264는 \( 4 \times 4 \)블록단위 정수 DCT(Discrete Cosine Transform)를 수행하는 반면에 MPEG-4는 \( 8 \times 8 \)블록단위 DCT를 한다. 움직임 예측(Motion Estimation, ME) 시 사용하는 H.264의 블록타입과 MPEG-4의 블록타입 또한 상이한 차이를 보이고 있다.</p><table border><caption>표 1. H.264 Baseline Profile 과 MPEG-4 Simple Profile의 코딩 방법</caption><tbody><tr><td></td><td>MPEG-4</td><td>H.264</td></tr><tr><td>DCT</td><td>\(8\times8\) DCT</td><td>\(4\times4\) Inteer DCT</td></tr><tr><td>MC Unit</td><td>\( 16 \times 16\), \(8 \times 8 \)</td><td>\( 16 \times 16,\) \(16 \times 8,\) \(8 \times 16 \) \( 8 \times 8,\) \(8 \times 4,\) \(4 \times 8,\) \(4 \times 4 \)</td></tr><tr><td>MC Accuracy</td><td>\(1/2\) pel</td><td>\(1/4\) pel</td></tr><tr><td>VLC Table</td><td>Separable Table</td><td>Universal VLC, CAVLC</td></tr><tr><td>Intra Predicton</td><td>AC/DC Predicton</td><td>Spatial Predicton</td></tr><tr><td>Inner Laop Filter</td><td>None</td><td>Dcblocking Filter</td></tr></tbody></table><p>그림 1처럼 MPEG-4는 \( 16 \times 16 \)블록 그리고 \( 8 \times 8 \)블록 2 가지 블록형태를 가지고 있지만 H.264는 7개의 가변블록에 대한 \( 1 / 4 \) 화소 단위의 움직임 예측 및 움직임 보상 (ME/MC)을 한다. 즉, 각각의 \( 16 \times 16\) MB을 위한 \( 16 \times 16 \), \( 16 \times 8\), \(8 \times 16 \) 그리고 각각의 \( 8 \times 8 \) 블록을 위한 \( 8 \times 8,\) \(8 \times 4 \), \( 4 \times 8\), \(4 \times 4 \) 단위로 ME/MC를 한다. 각각의 MB내에는 Intra\(4\times4\), Intra\(16\times16\) 그리고 SKIP 모드를 포함한 다양한 Inter 블록 모드를 가지고 있다. 반면에 MPEG-4는 \( 1 / 2 \) 화소 단위의 ME/MC를 한다. 즉, 각각의 \( 16 \times 16\) MB를 위한 \( 16 \times 16 \) 그리고 \( 8 \times 8 \) 블록 단위로 ME/MC를 실행한다. 그리고 MPEG-4는 각각의 MB을 위한 Inter\(16\times16\), Inter\(8\times8\), Intra 그리고 SKIP 모드를 가진다.</p>
|
[
"표 1. H.264 Baseline Profile 과 MPEG-4 Simple Profile의 코딩 방법에서 Inner Laop Filter가 Dcblocking Filter인 것은 무엇인가?",
"표 1. H.264 Baseline Profile 과 MPEG-4 Simple Profile의 코딩 방법에서 MPEG-4의 DCT는 무엇인가?"
] |
70a20f7f-7fb3-4b06-bfa3-bc13bfc9bc3e
|
인공물ED
|
1인승 전기차량의 임베디드 전동제어장치 설계
|
<h1>IV 결론</h1><p>1 인승 전기자동차는 운전자의 안전을 보장하고 승차감 향상을 위한 역 3 륜형태의 차체, 틸팅기능을 가지는 조향장치, 차량의 주행력 확보를 위한 인휠형 BLDCM 및 3 상 전압제어형 인버터(VSI) 등으로 구성된다.</p><p>논 논문에서는 BLDCM의 구동제어를 위하여 \( 180^{\circ} \) 도통 공간벡터 제어형 PWM VSI 제어를 위하여 PIC18F8720 프로세서를 적용한 MCU, \( 16 \mathrm{Mb} \) flash Rom, \( 32 \mathrm{Mb} \) SDRAM 등으로 3상 BLDCM 인버터 구동제어회로로 구성되어 있다.</p><p>1 인승 전기차량의 주행용 BLDCM 에 대한 구동제어를 위하여 임베디드 구동제어장치 설계하였고 Lab 실험과 PEV 주행실험을 통하여 구동제어에 대한 성능을 검증하였다. 차량에 장착하여 3상 PWM- VSI를 구동제어 한 결과, 속도응답 실험은 정지상태에서 최고속도 \( 1,200[\mathrm{rpm}] \) 에 도달하는 스텝응담 실험결과 목표값 도달시간 \( 1.8[\mathrm{sec}] \) 이었고, 목표값에는 \( \pm 0.1 \% \) 내로 안정되게 속도 목표값에 양호하게 추종이 우수함을 그림 12에서 확인 할 수 있었다. 설계 제작된 PEV의 도로 주행성능시험을 위하여 최고속도, 주행거리, 최대속도 도달시험, 제동시험, 등판능력을 시험한 결과, 제안된 그림8과 그림9의 임 베디드 구동제어장치는 안정된 주행성능과 설계목표를 충분히 만족함을 확인할 수 있었다. 추후 인버터의 전력효율 및 고조파 문제를 개선하기 위하여 역률개선의 전류제어형 정현파 인버터에 대한 연구를 지속할 계획이다.</p>
|
[
"1 인승 전기자동차가 인휠형 BLDCM 및 3 상 전압제어형 인버터(VSI)로 구성되어 얻을 수 있는 장점은 무엇인가?",
"차량에 장착하여 3상 PWM- VSI를 구동제어 한 결과, 속도응답 실험에서 정지상태에서 최고속도로 도달하는데 걸리는 시간은 얼마인가?",
"본 논문에서 추후 전류제어형 정현파 인버터에 대한 연구를 통해 전력효율 및 고조파 문제를 개선하고자 하는가?",
"본 논문에서 추후 역률개선의 전류제어형 정현파 인버터에 대한 연구를 지속하여 어떤 문제를 해결하고자 하는가?",
"실험결과 임 베디드 구동제어장치는 안정된 주행성능을 갖추었음을 확인할 수 있었나요?",
"공간벡터 제어형 PWM VSI 제어를 위하여 어떻게 구성되어있니?",
"1인승 전기차량의 주행용 BLDCM 에 대한 구동제어를 위하여 무엇을 설계했니?",
"1인승 전기자동차의 조향장치는 어떤 기능을 갖추었는가?",
"어떤 기능을 1인승 전기자동차의 조향장치가 갖추었을까?",
"1인승 전기자동차는 운전자의 안전을 보장하고 승차감 향상을 위해 조향장치는 틸팅기능을 갖추었어?",
"인버터의 전력효율 및 고조파 문제를 개선하기 위하여 무엇에 대한 연구가 더 필요한가?",
"1인승 전기자동차는 운전자의 안전을 보장하고 승차감을 향상을 위해 어떻게 구성되어있지?",
"1인승 전기자동차의 3상 BLDCM 버터 구동제어회로의 구성요소에 포함되지 않는 것은 무엇인가요?",
"1인승 전기자동차는 틸팅기능을 가지는 조향장치와 인휠형 BLDCM 구성을 통해 등판능력을 향상시켰나요?"
] |
a5d8fd5a-1d51-41d9-aaa9-6d0c47a8e254
|
인공물ED
|
1인승 전기차량의 임베디드 전동제어장치 설계
|
<h2>2. PEV 주행용 브러쉬리스 DC 전동기</h2><p>1 인승 전기차량은 제한된 공간에서 높은 출력을 요구하기 때문에 유도기, BLDCM, 스위치드 릴럭턴스 모터와 영구자석 동기모터가 차량 구동모터로 활용화 연구가 연구되어 왔다. 특히 브러쉬리스 DC 전동기 (BLDCM)은 In-Wheel형 구조로 그림3과 같이 휠 내부에 장착되는 외전형 구조로써 디스크 형태의 제동 장치와 타이어 일체형 동력장치를 구성할 수 있다. 또한 높은 기동토크, 긴 정출력 구간, 높은 운전속도 등의 특성으로 인하여 1 인승 전기자동차의 설계 요구 조건을 충족시킬 수 있도록 설계되었다.</p><p>1 인승 전기차량의 주행전동기의 조건으로 저속도 구간에서 고토오크가 필요하고 3 륜 후륜 구동구조이기 때문에 고토오크 및 토크리플이 적어야 한다. 따라서 본 전기차량에 적용된 인훨형 BLDC 모터는 전자계해석을 통해서 구동영역에서 최대효율을 얻을 수 있도록 RSM(표면반응법)-DOE방법을 이용하여 최적화 설계를 진행하였다. 극수와 슬롯수의 최적 비율 해석을 통해 32 극 27 슬롯으로 선정하고 구동영역 \( 1,200[\mathrm{rpm}] \) 에서 고토크 출력을 낼 수 있도록 설계 하였다. 또한 코어의 와류손을 줄이기 위하여 두께 \( 0.35 \mathrm{~mm} \) 인 S-18재질을 사용하고, 출력을 올릴 수 있도록 높은 자속밀도를 가지는 희토류 계열의 NdFeB 45SH 자석을 사용하였다.</p><p>코깅토크와 토크리플에 영향을 주는 코어 형상 인자들로써 슬롯 오픈과 슬롯치 두께(TGD)가 증가할수록 출력이 증가하였고 슬롯 오픈이 클수록 코깅토크가 증가하고, 슬롯치 두께(TGD)가 증가할수록 코깅토크는 감소하는 결과를 확인 하였으며, 또한 공극의 거리와 마그넷 위치에 따른 코깅토크와 토크리플 변화를 확인하여 모든 인자들 사이의 최적화 설계 제작하였다.</p><p>주행 구동모터의 정격은 \( 3.24[\mathrm{KW}], 1200[\mathrm{rpm}] \) 이며, BLDCM 의 정역 및 회생제동이 필요하다. 출력 토크의 상전류 순시제어를 위하여 BLDCM 내부에 고신뢰성과 강인성을 갖춘 홀센서가 매입 적용되었다. 또한 홀센서 출력신호는 회전자 위치각뿐만 아니라 F/V 컨버터에 의하여 그림4와 같이 속도 출력값을 검출한다.</p><table border><caption>표 1. PEV BLDCM 주행 전동기 사양</caption><tbody><tr><td colspan="2">구분</td><td>규격</td></tr><tr><td colspan="2">정격 속도</td><td>1,200 [\(\mathrm{rpm}\)]</td></tr><tr><td colspan="2">구동 토크</td><td>34.40[\(\mathrm{Nm}\)]</td></tr><tr><td colspan="2">효율</td><td>88.0[\(\%\)]</td></tr><tr><td colspan="2">출력</td><td>3.24[\(\mathrm{kw}\)]</td></tr><tr><td colspan="2">슬롯수</td><td>27</td></tr><tr><td colspan="2">극수</td><td>32</td></tr><tr><td rowspan="2">공급전원</td><td>정격전압</td><td>72[\(\mathrm{V}\)]</td></tr><tr><td>정격젼류</td><td>80[\(\mathrm{A}\)]</td></tr></tbody></table><h2>3. 주행모터 BLDCM의 PWM 상전류제어</h2><p>PEV 주행용 BLDCM의 속도는 식(8)의 \( d \) 상전류가 영이 되면, \( q \) 상전류 제어에 의하여 선형화된 토오크를 식(10)과 같이 제어할 수 있다. 그림4와 같이 속도명령에 대한 속도 오차값은 2 상/ 3 상 벡터제어에 의하여 주행용 BLDCM의 상전류를 제어함으로써 원하는 속도와 토오크 출력을 얻을 수 있다.</p><p>PEV 주행전동기의 특성상 BLDCM 는 전구간에서 고토오크와 빠른 속응성이 요구된다. 본 PEV에 적용하는 인버터는 국외 기존제품에 대한 성능비교를 위한 목적과 내구성 및 개발시간 등의 이유로 3상 PWM VSI (Pulse Width Modulation Voltage Source Inverter)를 적용한다. 3 상 PWM VSI는 정현파 형태의 펄스폭 변조를 가지는 \( 180^{\circ} \) 도통의 3 상 PWM 전압형 인버터는 공간벡터에 의하여 제어된다. 또한 BLDCM을 구동제어하기 위한 임베디드 전동제어장치는 그림3의 주행모터 BLDCM에 매입된 홀센서의 3상 위치각 입력신호을 기준으로 그림5와 같이 \( 180^{\circ} \)</p><p>도통의 6스텝 게이트 신호를 발생하여 3상 전압형 인버터의 MOSFET를 도통제어한다. 임베디드 전동제어장치는 U, V, W 의 각 상에 식(11)의 변조지수가 적용된 15 개 펄스신호가 발생하며, 이때 식(12)와 같이 선간전압이 적용되어 3 상 정현파 전압형 인버터를 구현한다.</p><p>\( u=\frac{1}{2}[m \sin (\omega t)+1] \)<caption>(11.a)</caption></p><p>\( v=\frac{1}{2}\left[\begin{array}{ll}m & \sin \left(\omega t-\frac{2 \pi}{3}\right)+1\end{array}\right] \)<caption>(11.b)</caption></p><p>\( w=\frac{1}{2}\left[m \sin \left(\omega t+\frac{2 \pi}{3}\right)+1\right] \)<caption>(11.c)</caption></p><p>\( U-V=\frac{\sqrt{3}}{2} m E \sin \left(\omega t+\frac{\pi}{6}\right) \)<caption>(12.a)</caption></p><p>\( V-W=\frac{\sqrt{3}}{2} m E \sin \left(\omega t+\frac{\pi}{6}-\frac{2 \pi}{3}\right) \)<caption>(12.b)</caption></p><p>\( W-U=\frac{\sqrt{3}}{2} m E \sin \left(\omega t+\frac{\pi}{6}+\frac{2 \pi}{3}\right) \)<caption>(12.c)</caption></p>
|
[
"본 연구에 따르면 브러쉬리스 DC 전동기가 가지고 있는 1인승 전기 자동차에 적합한 특성은 높은 기동토크, 긴 정출력 구간, 그리고 또 이것인데 이것은 무엇인가?",
"브러쉬리스 DC 전동기가 본 연구에 따르면 갖고 있는 1인승 근거 자도차여 적합한 특성은 높은 길본토크 과�",
"본 연구에 따르면 브러쉬리스 DC 전동기가 가지고 있는 1인승 전기 자동차에 적합한 특성은 높은 운전속도, 긴 정출력 구간, 그리고 또 이것인데 이 때 이것은 무엇인가?",
"브러쉬리스 DC 전동기가 본 연구에 따르면 갖고 있는 1인승 교육 자도차여 적합한 특성은 높은 운전속돼 긴 �",
"본 논문에 따르면 1인승 전기차량의 주행전동기의 경우 저속도 구간에서 이 것이 필요한데, 이 것은 무엇인가?",
"1인승 전기차량의 주행전동과의 경우 본 논문에 따르면 저속도 구간연결성여서 이 거두리게 필요한데 ",
"논문에 따르면 1인승 전기차량의 주행전동기의 경우 어째서 고토오크 및 토크리플이 적어야 하는가?",
"1인승 전기차량의 주행전동체의 경우 논문에 따르면 어째서 고토오크 및 통제리플이 적어 알려야 하는�",
"본 연구에서는 전기차량이 구동영역에서 최대 효율을 얻을 수 있도록 극수를 몇으로 설정하였는가?",
"전기차량이 구동영역에서 최대 효과를 얻을 수 있도록 극수는 몇으로 설정되었어?",
"본 연구에서는 전기차량이 구동영역에서 최대 효율을 얻을 수 있도록 극수를 27로 설정하였는가?",
"전기차량이 구동영역에서 최대 효과를 얻을 수 있도록 극수는 본 연결의 27로 설정되었어?",
"본 연구에서는 전기차량이 구동영역에서 최대 효율을 얻을 수 있도록 얼마의 구동영역에서 고토크 출력을 낼 수 있도록 설계하였는가?",
"전기차량이 구동영역에서 최대 효과를 얻을 수 있도록 얼마의 설립였는가?",
"본 연구에서 두께 \\( 0.35 \\mathrm{~mm} \\) 인 S-18재질을 사용한 이유는 무엇인가?",
"무엇이 본 연구에서 두께 인 S-18재질을 사용한 이유가 035 \\mathrm{~mm}야?",
"본 연구에서 출력을 올릴 수 있도록 사용한, 높은 자속밀도를 가지는 희토류 계열의 이것은 무엇인가?",
"본 연구에서 출력을 올릴 수 있도록 이용한 높은 자속밀령을 가지는 희토류 계열의 일은 뭐야?",
"연구 결과, 코깅토크와 토크리플에 영향을 주는 코어 형상 인자들로써 슬롯치 두께(TGD)가 증가할수록 코깅토크는 증가하였는가?",
"연구 결과 코깅토크와 활용리플에 영향을 미치는 형상 인자들로써 슬롯을 증가시키기 위한 콜서느 어�",
"본 연구에서는 공극의 거리와 무엇에 따른 코깅토크와 토크리플 변화를 확인하여 최적화 설계를 했는데, 이 때 무엇에 알맞은 말은 뭘까?",
"본 연구에서는 공극의 거리와 무엇엔 코깅토크처럼 최적화 설계를 했던 말은 뭐야?",
"본 연구에서 사용한 주행 구동모터의 정격은 어떻게 되는가?",
"어떻게 본 연구에서 이용한 주행 거래모터의 정격을 하는가?",
"본 논문에 따르면 BLDCM 는 전구간에서 고토오크와 빠른 이것이 필요한데, 이 때 이것은 무엇인가?",
"BLDCM 는 전구간에서 고토오크와 빠른 이것이 필요한데 본 논문이 되어 인식은 무엇인가?",
"본 논문의 표 1. PEV BLDCM 주행 전동기 사양에서 72[\\(\\mathrm{V}\\)]의 값을 갖는 항목은 무엇인가?",
"어떤 항목이 본 논문의 표 1 PEV BLDCM 주행 전동기 사양에서 72제로 인해 적용되지?",
"본 논문의 표 1. PEV BLDCM 주행 전동기 사양에 따르면 규격이 27개인 구분은 무엇인가?",
"본 연구에서 코어의 와류손을 줄이기 위해 사용한 두께는 얼마인가?",
"코어의 와류손을 줄이기 위해 본 연구에서 이용한 두께는 얼마야?",
"본 논문에 따르면 PEV 주행용 BLDCM의 속도는 식(8)의 \\( d \\) 상전류가 얼마가 되어야 선형화된 토오크를 컨트롤 할 수 있나?",
"PEV 주행용 BLDCM의 속도는 본 논문에 따르면 식활의 \\( d \\) 상전류가 선형화된 토오크를 컨트롤 할 수 있나로 얼�",
"본 논문의 표 1. PEV BLDCM 주행 전동기 사양에 따르면 무슨 구분이 32개인가?",
"무엇이 본 논문의 표 1 PEV BLDCM 주행 전동기 사양에 따르면 32개인가?",
"본 연구의 표 1에 따르면 PEV BLDCM 주행 전동기의 출력 값은 어떻게 되는가?",
"본 연구의 표 1에서 드러난 PEV BLDCM 주행 전동기의 출력 값은 어떻게 되는가?",
"본 논문에 따르면 1 인승 전기차량에서 유도기, BLDCM, 스위치드 릴럭턴스 모터와 영구자석 동기모터를 차량 구동모터로 활용할 수 있는 방안에 대한 연구가 필요한 이유는 무엇인가?",
"본 논문에 따르면 1 인승 전기차량은 제한된 공간에서 높은 출력을 요구하기 때문에 BLDCM, 스위치드 릴럭턴스 모터, 유도기, 또 무엇이 차량 구동 모터로 활용될 수 있게 연구되고 있는가?",
"본 논문에서 소개하는 In-Wheel형 구조에 휠 내부에 장착되는 외전형 구조로 디스크 형태의 제동 장치와 타이어 일체형 동력장치를 구성하는 것은 무엇인가?",
"본 논문에 따르면 휠 내부에 장착되는 외전형 구조에, 타이어 일체형 동력장치와 디스크 형태의 제동 장치를 구성할 수 있는 것을 스위치드 릴럭턴스 모터라고 하는가?",
"본 논문에 따르면 In-Wheel형 구조로 휠 내부와 장착되는 외전확보국 가능성을 통해 스위치드 릴럭턴스 모",
"본 연구에 따르면 브러쉬리스 DC 전동기가 가지고 있는 1인승 전기 자동차에 적합한 특성은 높은 운전속도와 기동토크 그리고 이것인데 이 때 이것은 무엇인가?",
"본 연구에 따르면 브러쉬리스 DC 전동기의 1인승 전기 자동차에 적합한 특성은 높은 운전속도, 긴 정출력 구간, 그리고 또 이것인데 이 때 이것은 낮은 기동토크인가?",
"본 논문에 따르면 1인승 전기차량의 주행전동기의 경우 저속도 구간에서 릭럭턴스 모터가 필요한가?",
"본 연구에서 전기차량에 적용된 인훨형 BLDC 모터가 구동영역에서 최대효율을 내도록 최적화 설계를 하는데 사용한 방법은 무엇인가?",
"본 연구에서는 전기차량이 최대 효율을 구동영역에서 얻을 수 있을 극수를 얼마로 선정하였는가?",
"본 연구에서는 전기차량이 구동영역에서 최대 효율을 내도록 슬롯수를 몇으로 설정하였는가?",
"본 연구에서는 구동 영역에서 전기차량의 최대 효율을 만들기 위해 슬롯 수를 31로 설정하였는가?",
"본 연구에서는 최대 효율을 전기차량이 구동영역에서 낼 수 있도록 했는데 이 때 슬롯 수를 얼마로 설정하였는가?",
"본 연구의 전기차량은 최대 효율을 만들 수 있게 \\( 200[\\mathrm{rpm}] \\)의 구동영역에서 고토크 출력을 낼 수 있도록 설계하였는가?",
"본 연구의 전기차량은 최대로 효율을 내도록 설정됐는데, 그를 위해 구동역역 어느 지점에서 고토크 출력을 낼 수 있도록 설계하였는가?",
"본 연구에서 어느정도 두께의 S-18재질를 코어의 와류손을 줄이기 위해 사용했는가?",
"본 연구에서는 코어의 와류손을 최소화하려고 \\( 0.45 \\mathrm{~mm} \\) 정도의 두께를 사용하였는가?",
"본 연구에서 희토류 계열의 NdFeB 45SH 자석을 실험에 이용한 이유는 무엇인가?",
"본 연구 결과, 슬롯치 두께(TGD)와 슬롯 오픈이 증가할수록 출력이 감소하였나?",
"본 연구에서 사용한 주행 구동모터의 정격은 \\( 5.24[\\mathrm{KW}], 1500[\\mathrm{rpm}] \\)인가?",
"본 연구에서는 출력 토크의 이것을 위하여 고신뢰성과 강인성이 있는 홀센서가 BLDCM 안쪽에 매입 적용되었는데, 이 때 이것은 무엇인가?",
"본 연구에서 BLDCM 내부에 고신뢰성과 강인성을 갖춘 홀센서가 매입 적용된 이유는 무엇인가?",
"본 연구의 표 1.에서 나타난, PEV BLDCM 주행 전동기의 효율은 몇인가?",
"본 연구의 표 1.에서는 PEV BLDCM 주행 전동기의 슬롯수는 몇으로 나타나있는가?",
"표 1.에 따르면, PEV BLDCM 주행 전동기의 극수는 얼마인가?",
"얼마의 극수가 본 연구의 전동기를 표 1에서 드러난 PEV BLDCM 주행을 할 수 있어?",
"표 1.에서 알 수 있는 PEV BLDCM 주행 전동기의 공급전원 중 정격전압은 몇 볼트인가?",
"본 연구의 표 1의 PEV BLDCM 주행 전동기의 공급전원 중 정격전류는 몇인가?",
"본 논문에서 임베디드 전동제어장치는 몇 개의 펄스신호가 변조지수가 적용되어 생기는가?",
"본 논문에서 임베디드 전동제어장치는 20개의 펄스신호가 변조지수가 적용되어 나타나는가?",
"본 논문에 따르면 임베디드 전동제어장치는 변조지수가 적용되어 총 몇 개의 펄스신호로 생기는가?",
"본 연구의 표 1.에서 나타난, PEV BLDCM 주행 전동기의 정격 속도 규격은 어떻게 되는가?",
"본 연구의 표 1.에서 나타난, PEV BLDCM 주행 전동기의 구동 토크 규격은 얼마야?",
"어떻게 본 연구의 표 1에서 나타난 PEV BLDCM 주행 전동기의 자리 토크 규격이 되지"
] |
9b858bca-adae-40c6-92a9-3652317e8a68
|
인공물ED
|
1인승 전기차량의 임베디드 전동제어장치 설계
|
<h1>요 약</h1><p>본 논문은 1 인숭 전기차량의 임베디드 전동 제어장치 설계를 제안하였다. 제안된 임베디드 장치는 PIC18F8720 프로세서, \( 16 \mathrm{Mb} \) flash ROM, 32Mb SDRAM과 신호처리회로로 설계되었다. 제안된 1 인승 전기차량은 \( 4 \mathrm{KW} \) 인휠 BLDCM, \( 180^{\circ} \) 도통 공간 벡터제어 3상 전압형 인버터, PID 속도제어기와 전동제어 장치와 임베디드 제어장치로 구성된다. 이 1 인승 전기차량은 역 3 륜 형태의 기계적인 구조를 가지고 있으며, 인횔 BLDCM과 틸팅 기능을 가지는 조향 메카니즘이 적용되었다. 또한 제안된 임베디드 전동제어장치의 성능은 PEV에 대한 Lab 실험과 도로 주행시험을 통하여 검증하였다.</p>
|
[
"임베디드 장치는 어떻게 설계됐어?",
"어떻게 임베디드 장치가 만들어졌어?",
"제안된 1 인승 전기차량의 구성이 어떻게 돼?",
"제안된 1 인승 전기차량의 구성은 어떻게 이루어질까",
"제안된 전기차량은 2인승이야?",
"제의된 전기차량은 2인승이야?",
"1인승 전기차량의 구조는 어떤 형태를 지녀?",
"어떤 형태가 1인승 전기차량의 구조야",
"1 인승 전기차량에 적용된 조향 메카니즘은 어떤 기능을 지녀?",
"어떤 기능을 1 인승 전체차량에 적용된 조향 메카니즘이 지녔지",
"제안된 임베디드 전동제어장치의 성능 검증을 위해 어떤 시험이 있었어?",
"PEV에 대한 Lab 실험과 도로 주행시험으로 검증한 게 뭐야?",
"본 논문에서 다루는 전동 제어장치 설계는 몇 인승이야?",
"본 논문에서 몇 인승의 전동 제어장치 설계를 할까"
] |
3801c3ee-cbc7-406b-8eb5-c4065f9b5b6b
|
인공물ED
|
1인승 전기차량의 임베디드 전동제어장치 설계
|
<h2>4. 전력구동 임베디드 구동 제어장치 설계</h2><p>1 인승 전기차량에 적용된 BLDM 의 속도제어를 구현하기 위하여 그림6과 같이 전력구동 임 베디드 속도 제어장치가 적용되며, 속도제어기, 공간벡터 제어기, 3상 PWM 전류제어기를 포함한 전압형 인버터(VSI)와 게이트 드라이버로 구성된다.</p><p>적용된 PIC18F8720 프로세서 임베디드 제어장치의 메모리맵과 하드웨어 인터럽트는 표2와 같다. 식(11)의 PWM 변조지수 \( m \) 을 적용하여 그림7과 같이 PWM 인터럽트에 의하여 3상 인버터의 구동제어가 구현 된다.</p><p>그림 8은 BLDCM 구동을 위한 벡터 제어의 블록 다이어그램으로 \( d \) 축과 \( q \) 축 전류제어기, \( d-q \) 변환기, 입력 토크와 속도 명령에 따른 \( d-q \) 축 전류를 생성하는 전류지령 발생기 등으로 구성되어 있다. 설계된 임베디드 구동제어장치는 PIC계열의 PIC18F8720 MCU, \( 16 \mathrm{Mb} \) flash Rom, \( 32 \mathrm{Mb} \) SDRAM, 신호처리회로로 표3의 3상 BLDCM 인버터 구동제어회로로 구성되어 있다.</p><p>주행차량의 BLDCM 속도제어는 속도명령과 주행 모터에 매입된 홀센서의 펄스신호를 F/V 컨버터에서 속도 출력신호로 변환하고 속도명령과 속도출력의 오차분을 PID 보상제어 한다. 이 보상된 Q 상 전류신호 \( i_{q} \) 는 각상의 홀센서 펄스신호에 의하여 각상의 상전류 \( i_{a}{ }^{*}, i_{b}{ }^{*}, i_{c}{ }^{*} \) 를 발생하고 이 값은 각상에서 검출된 상전류에 \( i_{a}, i_{b}, i_{c} \) 의하여 3상 펄스폭변조 제어기에서 식(11)과 식(12)에 의하여 최적 상태로 전기차량 주행에 필요한 BLDCM 의 전동력 제어신호를 출력한다.</p><p>주행모터 BLDCM은 성능과 기계적 구조 측면에서 회전자에서의 손실이 작아 효율이 높으며, 회전자 구조로 인해 고속운전이 가능하다. 또한 BLDCM 구동 제어에는 빠른 토크 응답이 가능한 그림4와 그림5의 벡터제어가 적용된다.</p><table border><caption>표 2. 엠베디드 제어기의 메모리 맵</caption><tbody><tr><td colspan="2">Address</td><td>Control Function</td></tr><tr><td colspan="2">000000h - 007fffh</td><td>EPROM</td></tr><tr><td colspan="2">008000h - 00ffffh</td><td>SRAM</td></tr><tr><td colspan="2">804000h - 805fffh</td><td>Expansion</td></tr><tr><td colspan="2">808000h - 8097ffh</td><td>Peripherals</td></tr><tr><td colspan="2">809800h - 809bffh</td><td>RAM Block 0</td></tr><tr><td colspan="2">809C00h - 809fffh</td><td>RAM Block 1</td></tr><tr><td >INT 0</td><td>000001h</td><td>System Fault Detection</td></tr><tr><td >INT 1</td><td>000002h</td><td>A/D Conversion</td></tr><tr><td >INT 2</td><td>000003h</td><td>Synchronism w/h PWM</td></tr><tr><td >INT 3</td><td>000004h</td><td>DC/DC Conversion</td></tr></tbody></table><p>1 인승 전기차량의 속도제어기는 BLDCM과 부하의 식(8)(9)에서 간략화모델에 근궤적을 적용하여 임계이득 \( K_{m} \) 과 임계주파수 \( \omega_{m} \) 을 구한 후, Ziegler-Nicols 방법[12]의 식(13)을 각기 적용하여 PID 이득 \( K_{p}, K_{i} \), \( K_{d} \) 를 선정하였다.</p><p>이 값은 기준으로 차량실험의 시행착오방법에 의하여 그림 8 PID 제어기의 \( K_{p}=4.5, K_{i}=0.8, K_{d}=0.1 \) 를 각기 적용하였다.</p><p>\( K_{p}=0.6 K_{m} \)<caption>(13.a)</caption></p><p>\( K_{d}=\frac{K_{p} \pi}{4 \omega_{m}} \)<caption>(13.b)</caption></p><p>\( K_{i}=\frac{K_{p} \omega_{m}}{\pi} \)<caption>(13.c)</caption></p><table border><caption>표 3. 적용된 인버터</caption><tbody><tr><td>구분</td><td>규격</td></tr><tr><td>Type</td><td>PWM VSI</td></tr><tr><td>Rated. Power</td><td>4\(\mathrm{KW}\), 1200\(\mathrm{rpm}\))</td></tr><tr><td>Operationg voltage</td><td>72\(\mathrm{Vdc}\)</td></tr><tr><td>Cooling</td><td>Forced air</td></tr><tr><td>Size[\(\mathrm{mm}\)]</td><td>\( 265 \times 205 \times 170 \)</td></tr></tbody></table><p>본 논문에서는 그림9와 같이 BLDCM 속도제어기를 포함한 1 인승 전기차량용 임베디드 구동제어장치를 제안한다. 차량 내부장치에 필요한 전원 \( 12[\mathrm{Vdc}] \)와 \( 5[\mathrm{Vdc}] \) 전압을 생성해야 하고 내부적으로는 주행부의 고전류 전기장치와 전자차폐를 통하여 제어기 및 내부 전자장치에 전자파간섭을 보장해야 한다.</p><p>설계된 제어장치는 입력 전원은 \( 72[\mathrm{Vdc}], 80[\mathrm{~A}] \) 리튬 인산철 배터리를 이용하였고 MCU(Main ControlUnit)는 대쉬보드 계기판, ECU(Electrical ControlUnit), VSI와 센서에 필요한 전원 공급을 목적으로 \( 72[\mathrm{Vdc}] / 12[\mathrm{Vdc}], 12[\mathrm{Vdc}] / 5[\mathrm{Vdc}] \) 의 DC/DC 컨버터를 포함하고 있다.</p>
|
[
"어떤 장비가 BLDM 의 속도제어를 구현하기 위하여 사용 되었지?",
"BLDM 의 속도제어를 구현하기 위해 사용된 장비는 뭐야",
"전력구동 임 베디드 속도 제어장치에는 공간벡터 제어기가 포함되어 있어?",
"공간벡터 제어기가 전력구동 임 베디드 속도 계속장치에는 포함되고 있지",
"전력구동 임 베디드 속도 제어장치에는 게이트 드라이버가 포함되는거야?",
"게이트 드라이버가 전력구동 임 베디드 속도 제어장치에 포함되는거야",
"3상 인버터의 구동제어가 작동되는 경우 이용되는 것은 뭐야?",
"무엇이 3상 인버터의 구동제어가 작용되지",
"홀센서의 펄스신호는 어디에서 속도 출력신호로 변환하지?",
"어디에서 홀센세의 펄스신호가 속도 출력시행으로 변환하지",
"무엇으로 BLDCM는 고속운전이 가능하지?",
"BLDCM는 무엇으로 고속운전이 가능할까",
"제안된 1 인승 전기차량용 임베디드 구동제어장치에서 차량 내부장치에 필요한 전원은 얼마야?",
"차량 내부장치에 필요한 전원은 제안된 1 인승 일자리 저지럼는 임베디드 구동제도를 얼마나 정했어",
"표 2 엠베디드 제어기의 메모리 맵의 EPROM 범위은 얼마야?",
"표 2 엠베디드 제어기의 메모리 맵은 얼마의 EPROM 범위야",
"표 2에 표시된 804000h - 805fffh의 범위를 갖는 기능은 뭐야?",
"무슨 기능이 표 2에 나타났을 때 804000h적인 범위를 가지고 있어",
"연구의 표 2에서 809800h - 809bffh의 주소를 갖는 메모리 맵 기능은 뭐야?",
"어떤 메모리 맵 기능이 연구의 표 2에서 809800h적 809bffh의 주소를 가지고 있니",
"표 3 적용된 인버터의 cooling 규격은 뭐야?",
"어떤 규격이 표 3 활용된 인버터지",
"표 3 적용된 인버터에서 operating voltage는 얼마로 나타나?",
"표 3 적용된 인버터에서 얼마로 협상되는 것이 획득될까",
"표 3 적용된 인버터의 크기는 어떻게 표시하나요?",
"어떻게 표 3 적용된 인버터의 크기가 나타났지",
"제안된 1 인승 전기차량용 임베디드 구동제어장치에서 생성해야 하는 전압은 몇이야?",
"몇 퍼센트가 제안된 1 인승 전기차량용 임베디드 구동제도장치에서 생성되어야 하지",
"엠베디드 제어기의 메모리 맵 표 2의 SRAM 범위는 어떻게 되나요?",
"엠베디드 제어기의 메모리 맵 표 2의 SRAM 범위는 어떻게 되나요 거야",
"설계된 구동제어장치에는 어떤 종류의 구동제어회로로 만들어 졌어?",
"설계된 구동제어장치에는 어떤 종류의 건성적인 회복으로부터 세워졌니"
] |
35b6be4c-56b3-4d0d-962d-3caf1b9cadd3
|
인공물ED
|
1인승 전기차량의 임베디드 전동제어장치 설계
|
<h1>II. 본론</h1><h2>1. 주행모터 BLDCM 해석</h2><p>본 PEV 에 적용된 주행모터에 대한 3상 BLDCM(Brushless DC Motor)의 등가모델 회로는 그림2와 같으며, 상전압식은 식(1)과 같다. 여기서 \( \lambda_{a b c s} \) 는 고정자 각 상에 유기되는 자속이고, \( \lambda_{m} \) 은 회전자 영구 자석에 의해 유기되는 고정자에 유기되는 쇄교자속이다.</p><p>\( V_{a b c s}=r_{s} \cdot I_{a b c s}+P \cdot \lambda_{a b c s} \) 단, \( \lambda_{a b c s}=L_{s} \cdot I_{a b c s}+\lambda_{m} \) \( {\left[\lambda_{m}\right]=\lambda_{m}\left[\begin{array}{c}\sin \theta_{r} \\ \sin \left(\theta_{r}-\frac{2 \pi}{3}\right) \\ \sin \left(\theta_{r}+\frac{2 \pi}{3}\right)\end{array}\right] } \)<caption>(1)</caption></p><p>BLDCM은 \( d \) 상과 \( q \) 상은 \( 120^{\circ} \) 3상으로 식(2)와 같이 나타낼 수 있고 \( K_{s} d q \) 변환식은 식(3)과 같으며, \( K_{s}^{-1} d q \) 역변환식은 식(4)와 같다. 식(4)를 이용하여 식(1)을 기준축으로 \( d q \) 변환은 식을 수행한다.</p><p>\( \left[\begin{array}{l}f_{q s} \\ f_{d s} \\ f_{o s}\end{array}\right]=K_{s}\left[\begin{array}{l}f_{a s} \\ f_{b s} \\ f_{c s}\end{array}\right] \)<caption>(2)</caption></p><p>\( K_{s}=\frac{2}{3}\left[\begin{array}{ccc}\cos \theta_{r} & \cos \left(\theta_{r}-\frac{2 \pi}{3}\right) & \cos \left(\theta_{r}+\frac{2 \pi}{3}\right) \\ \sin \theta_{r} & \sin \left(\theta_{r}-\frac{2 \pi}{3}\right) & \sin \left(\theta_{r}+\frac{2 \pi}{3}\right) \\ 0.5 & 0.5 & 0.5\end{array}\right] \)<caption>(3)</caption></p><p>\( K_{s}^{-1}=\frac{2}{3}\left[\begin{array}{ccc}\cos \theta_{r} & \sin \theta_{r} & 1 \\ \cos \left(\theta_{r}-\frac{2 \pi}{3}\right) & \sin \left(\theta_{r}-\frac{2 \pi}{3}\right) & 1 \\ \cos \left(\theta_{r}+\frac{2 \pi}{3}\right) & \sin \left(\theta_{r}+\frac{2 \pi}{3}\right) & 1\end{array}\right] \)<caption>(4)</caption></p><p>\( V_{q d o s}=K_{s} \cdot V_{a b c s} \)<caption>(5)</caption></p><p>\( I_{q d o s}=K_{s} \cdot I_{a b c s} \)<caption>(6)</caption></p><p>\( \left[\begin{array}{c}V_{q s} \\ V_{d s}\end{array}\right]=\left[\begin{array}{cc}r_{s}+P L_{q} & w_{r} \cdot L_{d} \\ w_{r} \cdot L_{q} & r_{s}+P L_{d}\end{array}\right]\left[\begin{array}{c}i_{q s} \\ i_{d s}\end{array}\right]+w_{r}\left[\begin{array}{c}\lambda_{m} \\ 0\end{array}\right] \)<caption>(7)</caption></p><p>1 인승 전기차량 주행 전동기 BLDCM 은 3 상 영구자석형 동기전동기로써 역기전력이 정현파로 나타나며 전류에 의해 전동기에 유기되는 토오크는 식(8)과 같으며, 기계적 전동기 토오크는 식(9)와 같다.</p><p>\( T_{e}=\frac{3}{2}\left(\frac{P}{2}\right)\left[\lambda_{m} i_{q}+\left(L_{d}-L_{q}\right) i_{q} i_{d}\right] \)<caption>(8)</caption></p><p>\( T=J\left(\frac{2}{P}\right) \frac{d \omega_{r}}{d t}+B\left(\frac{2}{P}\right) \omega_{r}+T_{L} \)<caption>(9)</caption></p><p>여기서,</p><ul><li>\( r_{s} \) : 고정자저항</li><li>\( L_{q}, L_{d}: q, d \) 축 인덕턴스</li><li>\( J \) : 회전자와 부하 관성모멘트</li><li>\( B \) : 점성마찰계수</li><li>\( \lambda_{m} \) : 영구자석의 누설자속</li><li>\( P: \) 극수</li><li>\( i_{q}, i_{d}: q, d \) 축 전류</li><li>\( V_{q}, \quad V_{d}: q, d \) 축 전압</li><li>\( \omega_{r} \) : 회전자 전기 각속도</li><li>\( T_{e} \) : 전자계 토오크</li><li>\( T_{L} \) : 부하 토오크</p></li></ul><p>전동기가 벡터제어기법에 의해 구동되고 내부에 전류제어기를 포함한다고 가정하면, \( d \) 축 상의 전류 \( i_{d} \) 는 영으로 가정할 수 있으므로 전동기에서 발생하는 토오크는 식(10)과 같다.</p><p>\( T_{e}=k_{l} i_{q} \)\( \quad \) 여기서 \( k_{l}=\frac{3}{2}\left(\frac{P}{2}\right) \lambda_{m} \)<caption>(10)</caption></p>
|
[
"주행모터 BLDCM에서 상전압을 구하는 공식은 뭐야?",
"주행모터 BLDCM 상전압식에서 \\( \\lambda_{a b c s} \\)는 뭘 의미해?",
"1 인승 전기차량 주행 전동기 BLDCM의 역기전력은 어떤 형식으로 나타나?",
"기계적 전동기 토오크 공식이 뭐야?",
"BLDCM의 상전압식에서 회전자 영구 자석에 의해 유기되는 고정자에 유기되는 쇄교자속을 나타내는 인자는 뭐야?",
"전동기가 전류제어기를 포함하고 있으면서 벡터제어기법에 의해 구동될 경우 \\( d \\) 축 상의 전류 \\( i_{d} \\)값은 얼마로 가정할 수 있어?",
"BLDCM의 \\( K_{s} d q \\) 변환식은 어떻게 돼?",
"전기적 전동기 토오크 공식은 뭐야?",
"BLDCM에서 \\( K_{s}^{-1} d q \\) 역변환식은 공식이 뭐야?"
] |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.