지능제어 시스템 연구실
IT융합공학과 김상우
지능제어 시스템 연구실은 전자전기공학 분야를 기반으로, 인공지능, 딥러닝, 신호처리, 최적 제어 등 첨단 기술을 융합하여 산업 현장의 다양한 문제를 해결하는 데 주력하고 있습니다. 본 연구실은 모터와 배터리의 고장 진단, 상태 예측, 잔여 수명 추정 등 신뢰성 높은 진단 및 예측 시스템 개발에 앞장서고 있습니다. 특히, 전기자동차, 에너지 저장 시스템, 스마트 팩토리 등 미래 산업의 핵심 분야에서 요구되는 고도화된 진단 및 제어 기술을 연구하고 있습니다.
연구실은 딥러닝 기반의 영상처리 기술을 활용하여, 철강 및 제조 산업에서 발생하는 제품 결함 검출, 제품 정보 인식, 공정 자동화 등 다양한 응용 분야에서 혁신적인 솔루션을 제공하고 있습니다. 최신 딥러닝 모델과 멀티모달 데이터 융합 기술을 통해, 제한된 데이터 환경에서도 높은 정확도와 신뢰성을 보장하는 영상 분석 및 자동화 시스템을 개발하고 있습니다.
또한, 최적 제어 및 신호처리 알고리즘 개발을 통해, 복잡한 산업 시스템의 안정성과 효율성을 극대화하고 있습니다. 데이터 기반의 최적화, 예측 제어, 적응형 필터링 등 다양한 첨단 제어 이론을 실제 산업 현장에 적용하여, 시스템의 성능을 극대화하고, 유지보수 비용을 절감하는 데 기여하고 있습니다.
지능제어 시스템 연구실은 포스코, 한국전력공사, 삼성중공업 등 국내외 주요 산업체와의 산학협력을 통해, 연구성과를 실제 산업 현장에 적용하고 있습니다. 이를 통해 제조 공정의 효율성 향상, 불량률 감소, 작업자 안전 확보 등 산업 경쟁력 강화에 크게 기여하고 있습니다.
앞으로도 본 연구실은 인공지능, 딥러닝, 제어 및 신호처리 분야의 최신 기술을 바탕으로, 산업 현장의 다양한 요구에 부응하는 혁신적인 솔루션을 지속적으로 개발해 나갈 것입니다.
Control Systems
AI Vision
Battery Diagnosis
모터 및 배터리 진단을 위한 인공지능 기반 고장 진단 기술
지능제어 시스템 연구실은 모터와 배터리의 상태를 실시간으로 진단하고 예측하는 인공지능 기반의 고장 진단 기술을 중점적으로 연구하고 있습니다. 특히 영구자석 동기전동기(PMSM)와 리튬이온 배터리의 다양한 결함을 조기에 탐지하고, 그 심각도를 정량적으로 평가하는 알고리즘 개발에 주력하고 있습니다. 이를 위해 신호처리, 최적 제어, 딥러닝 등 다양한 첨단 기법을 융합하여, 산업 현장에서 발생할 수 있는 다양한 고장 상황에 신속하게 대응할 수 있는 솔루션을 제공합니다.
최근에는 딥러닝을 활용한 고장 진단 및 예측 기술이 크게 발전하고 있습니다. 예를 들어, 신경망 기반의 상태 추정(State Estimation) 및 결함 진단(Fault Diagnosis) 알고리즘을 통해, 배터리의 충전 상태(SOC), 건강 상태(SOH), 잔여 수명(RUL) 등을 정확하게 예측할 수 있습니다. 또한, 모터의 전류 및 전압 신호를 분석하여 선간 단락, 감자 고장 등 다양한 결함을 실시간으로 탐지하고, 그 심각도를 정량화하는 연구도 활발히 진행되고 있습니다.
이러한 기술은 전기자동차, 에너지 저장 시스템(ESS), 스마트 팩토리 등 다양한 산업 분야에 적용되고 있습니다. 연구실은 산업체와의 긴밀한 협력을 통해 실제 현장에 적용 가능한 진단 및 예측 시스템을 개발하고 있으며, 이를 통해 산업 설비의 신뢰성 향상과 유지보수 비용 절감에 크게 기여하고 있습니다.
딥러닝 기반 영상처리 및 스마트 제조공정 자동화
본 연구실은 딥러닝 기반의 영상처리 기술을 활용하여 철강, 제조, 에너지 등 다양한 산업 현장의 스마트 자동화에 기여하고 있습니다. 특히 제철소, 발전소 등에서 발생하는 제품 결함 검출, 제품 정보 인식, 공정 자동화 등에서 영상 데이터를 효과적으로 분석하고 활용하는 기술을 개발하고 있습니다. 예를 들어, 스마트 CCTV 영상분석 플랫폼, 제품 번호 인식 시스템, 표면 결함 검출 알고리즘 등은 실제 산업 현장에서 높은 정확도와 신뢰성을 인정받고 있습니다.
연구실은 FCN, CNN, Vision Transformer 등 최신 딥러닝 모델을 영상처리 분야에 적극적으로 도입하고 있습니다. 이를 통해 제한된 데이터 환경에서도 높은 성능을 보장하는 결함 검출, 문자 인식, 객체 검출 알고리즘을 개발하고 있습니다. 또한, 멀티스펙트럴 드론 영상, 산업용 카메라 등 다양한 센서 데이터를 융합하여, 복잡한 제조 환경에서도 신뢰성 높은 자동화 솔루션을 제공하고 있습니다.
이러한 연구는 포스코, 한국전력공사, 삼성중공업 등 국내외 주요 산업체와의 산학협력을 통해 실제 현장에 적용되고 있습니다. 연구실의 기술은 제조 공정의 효율성 향상, 불량률 감소, 작업자 안전 확보 등 다양한 측면에서 산업 경쟁력 강화에 크게 기여하고 있습니다.
최적 제어 및 신호처리 알고리즘 개발
지능제어 시스템 연구실은 다양한 산업 시스템의 성능을 극대화하기 위한 최적 제어 및 신호처리 알고리즘 개발에도 많은 노력을 기울이고 있습니다. 특히, 동적 인코딩 알고리즘(DEAS), 적응형 필터링, 예측 제어(MPC) 등 첨단 제어 이론을 실제 산업 공정에 적용하여, 시스템의 안정성과 효율성을 동시에 확보하는 연구를 수행하고 있습니다.
예를 들어, 제철소의 소둔로, 열연공정, 발전소의 마이크로그리드 등 복잡한 산업 시스템에서 발생하는 다양한 변수와 불확실성을 효과적으로 제어하기 위해, 데이터 기반의 최적화 기법과 모델 기반의 예측 제어 기법을 융합하고 있습니다. 또한, 신호처리 분야에서는 잡음 환경에서도 신뢰성 높은 데이터 추출 및 상태 추정이 가능하도록, 적응형 필터, 칼만 필터, 신경망 기반 신호처리 등 다양한 알고리즘을 개발하고 있습니다.
이러한 연구는 산업 현장의 자동화, 에너지 효율화, 설비 신뢰성 향상 등 다양한 응용 분야에 적용되고 있습니다. 연구실은 이론적 연구와 더불어 실제 산업체와의 협력을 통해 현장 적용성을 높이고, 산업계의 다양한 요구에 부응하는 맞춤형 제어 및 신호처리 솔루션을 제공하고 있습니다.
1
Self-attention network-based state of charge estimation for lithium-ion batteries with gapped temperature data
Youngbin Song, Shina Park, Sang Woo Kim, Gyogwon Koo
Expert Systems With Applications, 2025
2
Online State-of-Charge and Capacity Co-Estimation for Lithium-Ion Batteries under Aging and Varying Temperatures
Donghee Son, Youngbin Song, Shina Park, Junseok Oh, Sang Woo Kim
Energy, 2025
3
Strip-wise controller with neural network predictive model for annealing furnace under operational constraints
Mingi Cho, Sang Woo Kim
Expert Systems With Applications, 2025
1
GRINDING 자동화를 위한 스카핑 슬라브의 피팅 결함 검출 딥러닝 모델에 대한 연구 개발
2
딥러닝 활용한 영구자석 동기전동기의 선간 단락 고장 조기진단에 관한 기초 연구
3
MULTI-SPECTRAL 드론영상에 대하여 FCN 기반 딥러닝 및 영상처리를 이용한 송전선로 및 폴리머 현수애자 검출 알고리즘 개발
