열전달 디지털 트윈은 다양한 공학 시스템에서 열 성능을 모니터링, 시뮬레이션, 최적화하는 데 필수적이다. 그러나 이들의 효과는 센서 데이터의 품질, 센서 배치의 효율, 그리고 환경 잡음에 대한 견고성에 크게 좌우된다. PCA 기반 SVD-QRP 및 POD-DEIM과 같은 전통적 최적 센서 배치(Optimal Sensor Placement, OSP) 방법은 비선형 동역학과 높은 잡음 수준이 존재할 때 종종 성능이 저하된다. 이러한 한계를 해결하기 위해 본 연구는 Denoising Autoencoder(DAE)와 이산 최적화를 통합한 고도화된 OSP 프레임워크를 제안한다. DAE는 잡음이 포함된 센서 데이터로부터 정제된 온도장을 재구성하는 데 활용되어 배치의 신뢰성과 잡음에 대한 내성을 향상시킨다. 투영 연산자와 결합된 이산 최적화 절차는 재구성 오차를 최소화하면서 비용 효율적인 센서 구성을 식별한다. 제안된 접근법은 열판, 배터리 모듈, 브러시리스 DC 모터( BLDC) 등 다양한 열적 시나리오에서, 측정 잡음의 수준을 변화시키며 검증한다. 비교 평가를 통해 본 방법이 재구성 정확도, 잡음에 대한 견고성, 센서 효율 측면에서 우수함이 확인된다. 결과는 훨씬 적은 수의 센서로도 고충실도 시뮬레이션을 달성할 수 있는 능력을 보여주며, 실제 디지털 트윈 응용에서의 확장 가능한 배치 가능성을 시사한다. • Denoising Autoencoder를 이용한 잡음-강건(sensor) 센서 배치 프레임워크를 제안한다. • 예산 제약 하에서 센서를 선택하기 위해 투영된 경사하강법을 사용한다. • 열판, 배터리 모듈, BLDC 모터 열 데이터셋에서 검증한다. • 잡음이 있는 환경 및 센서가 희소한 환경에서 SVD-QRP와 POD-DEIM보다 우수하다. • 훨씬 적은 수의 센서로 고충실도 재구성을 달성한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.