지식 및 정보제어 연구실

전기공학과 김성신

지식 및 정보제어 연구실은 복잡한 산업 시스템과 공정의 분석, 진단, 최적화, 자동화에 중점을 두고 다양한 인공지능 및 데이터 기반 제어 기술을 연구하고 있습니다. 본 연구실은 퍼지 논리, 인공신경망, 뉴로-퍼지 시스템, 웨이블릿 변환 등 첨단 인공지능 기법과 수학적·통계적 방법론을 융합하여, 기존의 전통적 접근법으로는 해결하기 어려운 복잡한 시스템 문제를 효과적으로 해결하고자 합니다. 이러한 기술들은 발전소, 제조업, 에너지, 환경 등 다양한 산업 현장에 적용되어 시스템의 신뢰성, 안전성, 효율성 향상에 기여하고 있습니다. 특히, 고장 진단 및 예지 분야에서 독보적인 연구 역량을 보유하고 있습니다. Auto-Associative Kernel Regression(AAKR), 독립성분분석(ICA), 마할라노비스 거리, Local Outlier Factor(LOF) 등 다양한 데이터 기반 고장 탐지 및 이상 진단 알고리즘을 개발하여, 실제 산업 플랜트, 발전소, CNC 머신, 에너지 저장장치(ESS) 등에서 조기 이상 탐지와 고장 원인 분석에 성공적으로 적용하고 있습니다. 또한, 딥러닝 및 강화학습 기반의 예지 모델을 통해 설비의 잔여수명 예측, 유지보수 최적화, 운영 효율성 증대 등 실질적인 산업 혁신을 이끌고 있습니다. 신호 및 영상 처리와 센서 융합 기술도 연구의 중요한 축을 이루고 있습니다. 웨이블릿 변환, 주성분분석, 딥러닝 기반 특징 추출, 스테레오 비전, 컬러 정보, 가버 웨이블릿 등 다양한 영상 및 신호 처리 기법을 활용하여, 모바일 로봇의 위치 보정, AGV의 경로 추적, 실내외 환경 인식, 객체 검출 등 다양한 응용 분야에서 우수한 성과를 거두고 있습니다. 센서 융합에서는 퍼지 추론 시스템, 칼만 필터, 파티클 필터 등 고급 알고리즘을 적용하여, 여러 센서의 데이터를 통합 분석함으로써 정밀도와 신뢰도를 극대화하고 있습니다. 연구실은 최근 빅데이터, 클라우드, 사물인터넷(IoT) 등 최신 ICT 기술과의 융합을 통해, 스마트 팩토리, 에너지 관리, 환경 모니터링, 자율주행 등 다양한 첨단 산업 분야로 연구 영역을 확장하고 있습니다. 또한, 실제 산업 현장과의 긴밀한 산학협력을 바탕으로, 연구 성과의 실용화와 기술 이전에도 적극적으로 참여하고 있습니다. 앞으로도 지식 및 정보제어 연구실은 인공지능, 데이터 기반 제어, 신호 및 영상 처리, 센서 융합 등 다양한 첨단 기술을 바탕으로, 복잡한 시스템의 혁신적 제어와 진단, 예지 기술 개발에 앞장서며, 산업 현장의 스마트화와 미래 사회의 지속가능한 발전에 기여할 것입니다.