표제지
국문초록
목차
제1장 서론 10
1.1. 연구 배경 10
1.2. 연구 목적 12
1.3. 논문의 구성 13
제2장 이론적 배경 14
2.1. 딥러닝 모델 14
2.1.1. RNN(Recurrent Neural Network) 14
2.1.2. LSTM(Long Short-Term Memory) 17
2.1.3. GRU(Gated Recurrent Unit) 21
2.2. 센서 이론 24
2.2.1. 온도 센서 24
2.2.2. Electrocardiography(ECG,심전도) 센서 25
2.2.3. Vibration(진동) 센서 26
2.3. 이상 탐지(Anomaly Detection) 이론 27
제3장 실험 방법 29
3.1. 학습 및 예측 30
3.2. 센서 패턴의 이상 탐지 33
3.2.1. F₁ - Score 34
3.2.2. 임계치(Threshold) 설정 34
3.2.3. 95% Confidence Interval 36
제4장 실험 결과 및 분석 37
4.1. 온도 센서 패턴 37
4.1.1. 온도 센서 패턴의 예측 38
4.1.2. 온도 센서 패턴의 이상 탐지 39
4.2. ECG 센서 패턴 43
4.2.1. ECG 센서 패턴의 예측 44
4.2.2. ECG 센서 패턴의 이상 탐지 45
4.3. 진동 센서 패턴 50
4.3.1. 진동 센서 패턴 예측 50
4.3.2. 진동 센서 패턴의 이상 탐지 52
4.4. 칼만 필터(Kalman Filter)를 적용한 진동 센서 패턴 53
4.4.1. 칼만 필터(Kalman Filter) 이론 53
4.4.2. 칼만 필터를 적용한 진동 센서 패턴 예측 57
4.4.3. 칼만 필터를 적용한 진동 센서 패턴의 이상 탐지 59
제5장 결론 65
참고문헌 66
ABSTRACT 68
〈표 4.1〉 온도 센서 예측 패턴의 모델별 RMSE 평균 39
〈표 4.2〉 온도 센서 패턴의 딥러닝 모델별 이상 탐지 성능 평가(a,b,c)(max 1.0), {W=Window size, U=Unit size} 40
〈표 4.3〉 온도 센서 패턴의 모델 별 F₁ - Score 평균 41
〈표 4.4〉 ECG 센서 패턴의 모델별 RMSE 평균 45
〈표 4.5〉 ECG 센서 패턴의 딥러닝 모델별 이상 탐지 성능 평가(a,b,c)(max 1.0), {W=Window size, U=Unit size} 47
〈표 4.6〉 ECG 센서 패턴의 모델 별 F₁ - Score 평균 47
〈표 4.7〉 진동 센서 패턴의 RMSE, F₁ - Score (window size=10, unit size=60) 52
〈표 4.8〉 칼만 필터 적용 전/후 데이터 범위 58
〈표 4.9〉 진동 센서 예측 패턴의 모델별 RMSE 평균 59
〈표 4.10〉 Unfiltered 대비 filtered의 오차율 향상 59
〈표 4.11〉 칼만필터 적용 후 진동 센서 패턴의 딥러닝 모델별 이상 탐지 성능 평가 (a,b,c) {W=Window size, U=Unit size} 61
〈표 4.12〉 진동센서의 모델 별 F₁ - Score 평균 62
〈그림 2.1〉 (a)RNN 기본 구조, (b)RNN을 펼친 구조 15
〈그림 2.2〉 Cell-State 모형 17
〈그림 2.3〉 Forget gate 18
〈그림 2.4〉 Input gate 18
〈그림 2.5〉 Cell-State Update 19
〈그림 2.6〉 Output gate 20
〈그림 2.7〉 LSTM 모형 21
〈그림 2.8〉 GRU 모형 23
〈그림 3.1〉 학습 및 예측 순서도 30
〈그림 3.2〉 Window size 구성의 예 31
〈그림 3.3〉 Unit size 구성 31
〈그림 3.4〉 데이터 학습 순서도 32
〈그림 3.5〉 센서 패턴의 이상 탐지 순서도 33
〈그림 3.6〉 (a) 설정된 임계치를 기준으로 각각 Precision과 Recall, F₁ - Score을 계산한 그래프의 예, (b) p(i)(수식 3-3)을 계산하여 0.021의 임계치를 경계로 정상과...[이미지참조] 35
〈그림 4.1〉 온도 센서의 정상 패턴 37
〈그림 4.2〉 온도 센서 예측 패턴의 예 (a)RNN (b) LSTM (c) GRU 38
〈그림 4.3〉 온도 센서의 이상 패턴 39
〈그림 4.4〉 온도 센서 패턴의 Unit size 기준 F₁ - Score 평균 41
〈그림 4.5〉 온도 센서 패턴의 Window size 기준 F₁ - Score 평균 42
〈그림 4.6〉 ECG 센서의 정상 패턴 43
〈그림 4.7〉 ECG 센서 예측 패턴의 예 (a)RNN (b)LSTM (c)GRU 45
〈그림 4.8〉 ECG 센서의 이상 패턴 46
〈그림 4.9〉 ECG 센서 패턴의 Unit size 기준 F₁ - Score 평균 48
〈그림 4.10〉 ECG 센서 패턴의 Window size 기준 F₁ - Score 평균 49
〈그림 4.11〉 진동 센서의 정상 패턴 50
〈그림 4.12〉 진동 센서 예측 패턴의 예 (a)RNN (b)LSTM (c)GRU 51
〈그림 4.13〉 진동 센서 패턴의 이상 패턴 52
〈그림 4.14〉 칼만 필터 적용 순서도 53
〈그림 4.15〉 칼만 필터 프로세스 56
〈그림 4.16〉 칼만 필터 적용 전/후 비교 (unfiltered : blue, filtered : orange) 57
〈그림 4.17〉 칼만 필터 적용 후의 딥러닝 예측 패턴의 예(a,b,c) (Window size=10, Unit size=60). 59
〈그림 4.18〉 칼만 필터 적용 후의 이상 패턴 60
〈그림 4.19〉 진동 센서 패턴의 Unit size 기준 F₁ - Score 평균 62
〈그림 4.20〉 진동 센서 패턴의 Window size 기준 F₁ - Score 평균 63