표제지
목차
제1장 서론 8
1.1. 연구 배경 및 목적 8
1.2. 논문 구성 10
제2장 관련연구 11
2.1. 오토 인코더 11
2.2. Stacked AutoEncoder(SAE)를 이용한 이상 탐지 12
2.3. Convolutional AutoEncoder(CAE)를 이용한 이상 탐지 14
제3장 제안방법 15
3.1. 데이터 전처리 16
3.2. 이상 탐지 16
3.3. 이상 상태 분류 19
제4장 실험 결과 및 분석 21
4.1. 실험환경 21
4.2. 데이터셋 22
4.3. 실험 결과 25
제5장 결론 31
참고문헌 32
ABSTRACT 36
〈표 1〉 AI 허브에서 수집한 전동기 인버터 전류 데이터 셋 24
〈표 2〉 서로 다른 전력을 가진 전류 데이터를 학습 했을 때의 제안하는 모델과 SSS-AE 모델의 이상 탐지 성능 비교 27
〈표 3〉 제안하는 모델과 ResNet152와의 다중 전력 이상 상태 분류 성능 비교 29
〈표 4〉 제안하는 분류 모델과 ResNet152의 총 Parameter 수 29
〈그림 1〉 제안하는 방법의 순서도 15
〈그림 2〉 제안하는 이상 탐지 모델 구조 17
〈그림 3〉 트랜스포머 인코더 및 디코더의 구조 19
〈그림 4〉 제안하는 이상 상태 분류 모델의 구조 20
〈그림 5〉 전동기 전류 데이터의 정상 데이터 예시 (가) 정방향으로 작동하는 전동기의 전류 데이터, (나) 역방향으로 작동하는 전동기의 전류 데이터 24
〈그림 6〉 서로 다른 전력을 가진 전류 데이터를 학습 했을 때의 제안하는 모델과 SSS-AE 모델의 이상탐지 성능 비교 26
〈그림 7〉 제안하는 모델과 ResNet152의 단일 전력의 이상 상태 분류 성능 28
〈그림 8〉 제안하는 모델과 ResNet152와의 다중 전력 이상 상태 분류 성능 비교 30