딥러닝 기반 고장진단 및 AI/베이지안 최적화 설계 연구

Deep Learning Fault Diagnosis and AI-Based Optimization for Engineering Control

연구 내용

고장 데이터에서 비선형 매핑 증강을 이용해 딥러닝 기반 진단 성능을 개선하고, 베이지안 최적화로 공학적 제어 파라미터를 탐색하는 연구

비선형 매핑 증강을 적용하여 딥러닝 기반 고장진단 모델의 입력 분포 변화와 도메인 편이를 다루는 연구를 수행합니다. 데이터의 학습 안정성을 높이기 위한 전처리·변환 관점의 기법을 정리하고, 기계 시스템에서 상태 이상을 판별하는 분류 체계를 구성합니다. 또한 공학 설계와 제어 문제에서 베이지안 최적화를 활용하여 평가 비용이 큰 목적함수의 최적 제어 변수를 효율적으로 탐색합니다. 이러한 AI 방법은 가변형 유체기기 설계·상태진단을 위한 기반 플랫폼 기술 및 운영관리 시스템 개발 과제와 연계되어, 설계-진단-운영을 연결하는 데이터 기반 절차를 구축하는 데 활용합니다.

관련 프로젝트

4건

연구 흐름

초기에는 기계 시스템 고장진단에서 비선형 매핑 증강을 적용하여 딥러닝 알고리즘의 일반화 성능을 높이는 연구를 진행했습니다. 이후 진단 성능의 실용성을 위해 데이터 기반 설계·제어와 결합되는 형태의 AI 최적화 접근으로 확장했습니다. 최근에는 베이지안 최적화를 이용해 입자 거동 제어처럼 제한된 평가 횟수에서도 목적을 만족하는 파라미터 탐색을 수행하고, AI/ICT 기반 가변형 유체기기의 설계·상태진단 플랫폼과 운영관리 시스템 개발로 이어지도록 구성하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

딥러닝 고장진단 파이프라인
도메인 편이 대응 진단 모듈
베이지안 최적화 기반 제어 변수 탐색
가변형 유체기기 상태진단
AI/ICT 운영관리 시스템
데이터 기반 상태 모니터링
제어 파라미터 최적화 자동화
기계 시스템 이상 탐지
진단-설계 연계 의사결정
설비 운영 최적화 절차