KR101226768B1 - 계층구조 ｆｃｍ－ｔｓｋ 퍼지 추론을 이용한 유분 농도 추정 시스템 및 방법 - Google Patents

계층구조 ｆｃｍ－ｔｓｋ 퍼지 추론을 이용한 유분 농도 추정 시스템 및 방법 Download PDF

Info

Publication number
KR101226768B1
KR101226768B1 KR1020100061828A KR20100061828A KR101226768B1 KR 101226768 B1 KR101226768 B1 KR 101226768B1 KR 1020100061828 A KR1020100061828 A KR 1020100061828A KR 20100061828 A KR20100061828 A KR 20100061828A KR 101226768 B1 KR101226768 B1 KR 101226768B1
Authority
KR
South Korea
Prior art keywords
concentration
scattered light
reference signal
light reference
fuzzy inference
Prior art date
Application number
KR1020100061828A
Other languages
English (en)
Other versions
KR20120001165A (ko
Inventor
김성신
백경동
조재우
장용석
최문호
Original Assignee
주식회사 마르센
부산대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 마르센, 부산대학교 산학협력단 filed Critical 주식회사 마르센
Priority to KR1020100061828A priority Critical patent/KR101226768B1/ko
Publication of KR20120001165A publication Critical patent/KR20120001165A/ko
Application granted granted Critical
Publication of KR101226768B1 publication Critical patent/KR101226768B1/ko

Links

Images

Landscapes

  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)

Abstract

본 발명은 투과/산란광 측정방식을 적용하여 실시간 연속 측정이 가능하고 부유 물질 영향을 줄이고 유분 농도의 정확한 추정이 가능하도록 한 계층구조 FCM-TSK 퍼지 추론을 이용한 유분 농도 추정 시스템 및 방법에 관한 것으로, 측정 대상의 입자를 투과한 빛과 입자에 부딪혀 산란되는 빛을 이용하는 투과/산란광 측정방식의 시스템에 있어서, 보정한 0°센서 신호를 입력으로 1차 농도 추정값을 출력하는 1차 농도 추정값 출력부;상기 1차 농도 추정값 및 45°센서 신호를 이용하여 45°산란광 레퍼런스 신호 차이값을 출력하는 45°산란광 레퍼런스 신호 차이값 출력부;상기 1차 농도 추정값 및 90°센서 신호를 이용하여 90°산란광 레퍼런스 신호 차이값을 출력하는 90°산란광 레퍼런스 신호 차이값 출력부;계층적 구조를 갖고 1차 농도 추정값 및 45°산란광 레퍼런스 신호 차이값을 이용하여 2차 농도 추정값을 구하고, 90°산란광 레퍼런스 신호 차이값을 이용한 추론으로 최종 유분 농도값을 출력하는 TSK 퍼지 추론부;를 포함한다.

Description

계층구조 ＦＣＭ－ＴＳＫ 퍼지 추론을 이용한 유분 농도 추정 시스템 및 방법{system and method for estimating oil content using hierarchical ＦＣＭ－ＴＳＫ fuzzy inference}
본 발명은 기름배출 감시제어 시스템에 관한 것으로, 구체적으로 투과/산란광 측정방식을 적용하여 실시간 연속 측정이 가능하고 부유 물질 영향을 줄이고 유분 농도의 정확한 추정이 가능하도록 한 계층구조 FCM-TSK 퍼지 추론을 이용한 유분 농도 추정 시스템 및 방법에 관한 것이다.
국제해사기구 환경보호위원회 IMO MEPC(international maritime organization marine environment protection committee)는 국제해양오염방지협약 MARPOL 73/78 규정을 통하여 선박으로부터 배출되는 폐수에 기름 배출을 제한시켰다.
선박의 선외배출물에 의한 해양오염은 연안 양식업이나 해양 및 연안생태계에 치명적인 영향을 주므로 해양오염 및 수질오염을 방지하기 위하여 국제적으로 유류배출량을 제한하고 있다. MARPOL 협약은 20개의 조문과 6개의 부속서로 구성되어 있으며 MARPOL 73/78 부속서(annex) I 에서 규제하는 대상들은 원유, 중유, 슬러지, 폐유 및 정제유를 포함한 모든 형태의 석유와 유분(oil content)을 함유한 혼합물이다.
그러나 유조선(oil tanker)의 경우는 일정한 예외가 적용된다. i) 특별해역 내에 있지 아니할 것, ii) 가장 가까운 육지로부터 유조선까지의 거리가 50해리를 넘을 것, iii) 항해 중일 것, iv) 유분의 순간 배출율이 1해리당 30리터를 넘지 않을 것, v) 기름의 총 배출량이 화물량의 15,000분의 1 이하일 것, vi) 유조선이 기름배출감시제어장치 및 슬랍탱크(slot tank) 장치를 작동시키고 있을 때 배출이 허용된다.
개정된 MEPC 결의서(resolution) MEPC.108(49)에 따르면, 대형 원유선의 의무 장비인 기름배출 감시장치(oil discharge monitoring equipment)는 150GRT(gross tonnage) 이상의 모든 탱커에 의무적으로 설치하도록 규정하고 있으며 개정 이후 기름 측정 정밀도 요건이 더욱 강화되었다.
그러나 현재까지 처리배출수중의 유분을 검출하는데 있어서 완벽한 유분농도 측정법은 확립되어 있지 않은 실정이다. 이는 기준 값이 명확하게 정의되어 있지 않고 실제 환경에서의 모래나 외벽 부식물과 같은 간섭성분의 영향이 크게 나타나기 때문이다.
따라서, 처리 배출수중의 정확한 유분농도 측정과 간섭성분의 영향을 최소화할 수 있는 방법이 요구된다.
본 발명은 완벽한 유분농도 측정 방법이 확립되지 않은 문제를 해결하기 위한 것으로, 투과/산란광 측정방식을 적용하여 실시간 연속 측정이 가능하고 부유 물질 영향을 줄이고 유분 농도의 정확한 추정이 가능하도록 한 계층구조 FCM-TSK 퍼지 추론을 이용한 유분 농도 추정 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명은 물 속에 함유된 기름의 농도 측정을 위하여 측정블럭 한쪽 면에 발광부인 할로겐 램프의 빛을 주사하고 입자를 투과한 빛과 입자에 부딪혀 산란되는 빛을 수광부인 포토 다이오드를 이용하여 측정한 후 물질의 농도에 따라 변화하는 두 신호의 비율을 정보로 사용하는 투과/산란광 측정방식을 적용한 유분 농도 추정 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명은 측정된 투과, 산란 데이터를 바탕으로 국제해사기구 환경보호위원회의 규정을 만족하는 유분 농도 추정과 간섭성분의 영향을 최소화 할 수 있는 알고리즘을 제공하는데 그 목적이 있다.
본 발명은 효과적인 유분농도 검출을 위하여 투과/산란광 신호를 유분 농도로 변환하는 방법 및 유분농도 오차보정 방법을 제공하는데 그 목적이 있다.
본 발명은 부유물질 유무에 따른 유분 응답 특성이 반영될 수 있도록 학습이 가능한 지능 시스템을 사용한 농도 추정모델을 제공하는데 그 목적이 있다.
본 발명은 비선형(nonlinear), 동적(dynamic) 모델에 응용되는 TSK 퍼지추론 시스템을 이용하여 모델을 구축하는데 있어서 절차가 간단하고 결과값을 얻기까지의 계산시간 역시 많이 소요되지 않는 장점을 가지고 있는 유분 농도 추정 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
이와 같은 목적을 달성하기 위한 본 발명에 따른 계층구조 FCM-TSK 퍼지 추론을 이용한 유분 농도 추정 시스템은 측정 대상의 입자를 투과한 빛과 입자에 부딪혀 산란되는 빛을 이용하는 투과/산란광 측정방식의 시스템에 있어서, 보정한 0°센서 신호를 입력으로 1차 농도 추정값을 출력하는 1차 농도 추정값 출력부;상기 1차 농도 추정값 및 45°센서 신호를 이용하여 45°산란광 레퍼런스 신호 차이값을 출력하는 45°산란광 레퍼런스 신호 차이값 출력부;상기 1차 농도 추정값 및 90°센서 신호를 이용하여 90°산란광 레퍼런스 신호 차이값을 출력하는 90°산란광 레퍼런스 신호 차이값 출력부;계층적 구조를 갖고 1차 농도 추정값 및 45°산란광 레퍼런스 신호 차이값을 이용하여 2차 농도 추정값을 구하고, 90°산란광 레퍼런스 신호 차이값을 이용한 추론으로 최종 유분 농도값을 출력하는 TSK 퍼지 추론부;를 포함하는 것을 특징으로 한다.
여기서, 상기 1차 농도 추정값 출력부는,0°센서 신호의 보정을 수행하는 0°센서 신호 보정부와,보정한 0°센서 신호를 입력으로 1차 농도 추정값을 출력하는 0°투과 모델 블록을 포함하는 것을 특징으로 한다.
그리고 상기 45°산란광 레퍼런스 신호 차이값 출력부는,45°센서 신호의 보정을 수행하는 45°센서 신호 보정부와,1차 농도 추정값을 입력으로 45°산란광 레퍼런스 신호를 출력하는 45°산란 모델 블록과,상기 45°센서 신호 보정부의 보정된 45°센서 신호와 45°산란 모델 블록의 45°산란광 레퍼런스 신호의 차이를 구하여 45°산란광 레퍼런스 신호 차이값을 출력하는 제 1 차이값 출력부를 포함하는 것을 특징으로 한다.
그리고 상기 90°산란광 레퍼런스 신호 차이값 출력부는,90°센서 신호의 보정을 수행하는 90°센서 신호 보정부와,1차 농도 추정값을 입력으로 90°산란광 레퍼런스 신호를 출력하는 90°산란 모델 블록과,상기 90°센서 신호 보정부의 보정된 90°센서 신호와 90°산란 모델 블록의 90°산란광 레퍼런스 신호의 차이를 구하여 90°산란광 레퍼런스 신호 차이값을 출력하는 제 2 차이값 출력부를 포함하는 것을 특징으로 한다.
그리고 상기 TSK 퍼지 추론부는,1차 농도 추정값 및 45°산란광 레퍼런스 신호 차이값을 이용한 FCM-TSK 퍼지추론으로 2차 농도 추정값을 출력하는 제 1 TSK 퍼지 추론부와,2차 농도 추정값 및 90°산란광 레퍼런스 신호 차이값을 이용한 FCM-TSK 퍼지추론으로 최종 유분 농도값을 출력하는 제 2 TSK 퍼지 추론부를 포함하는 것을 특징으로 한다.
다른 목적을 달성하기 위한 본 발명에 따른 계층구조 FCM-TSK 퍼지 추론을 이용한 유분 농도 추정 방법은 측정 대상의 입자를 투과한 빛과 입자에 부딪혀 산란되는 빛을 이용하는 투과/산란광 측정 방식의 유분 농도 추정에 있어서,보정한 0°센서 신호를 입력으로 1차 농도 추정값을 구하는 단계;상기 1차 농도 추정값 및 45°센서 신호를 이용하여 45°산란광 레퍼런스 신호 차이값을 구하는 단계;1차 농도 추정값 및 45°산란광 레퍼런스 신호 차이값을 이용하여 2차 농도 추정값을 구하는 단계;상기 1차 농도 추정값 및 90°센서 신호를 이용하여 90°산란광 레퍼런스 신호 차이값을 구하는 단계;상기 구해진 2차 농도 추정값 및 90°산란광 레퍼런스 신호 차이값을 이용한 추론으로 최종 유분 농도값을 구하는 단계;를 포함하는 것을 특징으로 한다.
그리고 상기 1차 농도 추정값을 구하는 단계에서,0°센서 신호를 보정 후 투과함수에 대응하여 일차적인 추정농도를 계산하기 위한 투과 함수는,
Figure 112010041867225-pat00001
이고,여기서,
Figure 112010041867225-pat00002
는 다항식 파라미터,
Figure 112010041867225-pat00003
는 0°센서 데이터인 것을 특징으로 한다.
그리고 상기 45°산란광 레퍼런스 신호 차이값을 구하는 단계에서,
Figure 112010041867225-pat00004
으로 계산하고,여기서,
Figure 112010041867225-pat00005
는 다항식 파라미터, 입력인 1차 추정농도를 산란 함수(45°)에 대응하여 산란 신호(45°)를 계산하는 것을 특징으로 한다.
그리고 상기 90°산란광 레퍼런스 신호 차이값을 구하는 단계에서,
Figure 112010041867225-pat00006
으로 구하고,여기서,
Figure 112010041867225-pat00007
는 다항식 파라미터, 입력인 1차 추정농도를 산란 함수(90°)에 대응하여 산란신호(90°)를 계산하는 것을 특징으로 한다.
그리고 상기 최종 유분 농도값을 구하는 단계에서, 임의의 부유물질이 첨가되었을 경우에서의 농도 추정을 위하여 정규화 전의 0°센서 신호를 사용하여,
Figure 112010041867225-pat00008
을 이용하여 임의의 부유물질 농도에 대한 센서 데이터를 유추하고, 여기서,
Figure 112010041867225-pat00009
는 임의의 부유물질의 농도에 대한 센서 데이터,
Figure 112010041867225-pat00010
는 최대 부유물질의 농도에 대한 센서 데이터,
Figure 112010041867225-pat00011
는 부유물질이 첨가되지 않은 센서 데이터,
Figure 112010041867225-pat00012
는 기준 신호를 의미하고, 식에서 구해진 부유물질의 비율을 이용하여 45˚ 센서 데이터와 90˚ 센서 데이터를 생성하여 학습모델의 부유물 농도 정보로 사용하는 것을 특징으로 한다.
이와 같은 본 발명에 따른 계층구조 FCM-TSK 퍼지 추론을 이용한 유분 농도 추정 시스템 및 방법은 다음과 같은 효과를 갖는다.
첫째, 계층구조 FCM-TSK 퍼지 추론 시스템을 이용한 유분농도 추정 모델을 적용하는 것에 의해 정확한 유분농도 추정이 가능하다.
둘째, 투과/산란광 측정방식을 적용하여 실시간 연속 측정이 가능하고 부유 물질 영향을 줄이고 유분 농도의 정확한 추정이 가능하다.
셋째, 측정 환경이 달라지더라도 초기값을 학습하여 시스템을 근사화하기 때문에 정확한 추정이 가능하다.
넷째, 부유물 영향, 유분농도 측정 데이터에 기반한 학습 모델이므로 외부 외란에 강인성을 가지고 있다.
다섯째, 유분농도 측정 기기에 계층적 퍼지 추론시스인 지능 시스템의 도입으로 저비용으로 신뢰성이 높은 시스템 구축이 용이하다.
여섯째, 모델을 구축하는데 있어서 절차가 간단하고 결과값을 얻기까지의 계산시간이 많이 소요되지 않는 장점을 갖는다.
도 1a내지 도 1c는 본 발명에 따른 유분 농도 추정 시스템의 구성도
도 2는 본 발명에 따른 유분 농도 추정 시스템의 상세 구성도
도 3은 본 발명에 따른 유분 농도 추정 시스템에 적용되는 FCM-TSK 퍼지 추론시스템의 구성도
도 4a내지 도 4c는 본 발명에 따른 유분 농도 추정 시스템의 부유 물질 농도에 대한 데이터 생성 과정을 나타낸 그래프
도 5a내지 도 5c는 부유 물질의 영향을 최소화하기 위한 보정 이전의 측정 데이터 그래프
도 6a내지 도 6c는 부유 물질의 영향을 최소화하기 위한 보정 이후의 정규화 데이터 그래프
도 7a내지 도 7b는 산란광 레퍼런스 모델을 이용한 산란광 오차 데이터를 나타낸 그래프
이하, 본 발명에 따른 계층구조 FCM-TSK 퍼지 추론을 이용한 유분 농도 추정 시스템 및 방법의 바람직한 실시예에 관하여 상세히 설명하면 다음과 같다.
본 발명에 따른 계층구조 FCM-TSK 퍼지 추론을 이용한 유분 농도 추정 시스템 및 방법의 특징 및 이점들은 이하에서의 각 실시예에 대한 상세한 설명을 통해 명백해질 것이다.
도 1a내지 도 1c는 본 발명에 따른 유분 농도 추정 시스템의 구성도이고, 도 2는 본 발명에 따른 유분 농도 추정 시스템의 상세 구성도이다.
본 발명은 선박 등에서의 배출되는 폐수에 의한 오염을 방지하기 위해 기름의 배출을 감시하는 기름배출 감시제어장치에 적용되는 것으로, 투과/산란광 측정방식을 적용하여 실시간 연속 측정이 가능하고 부유 물질 영향을 줄이고 유분 농도의 정확한 추정이 가능하도록 한 것이다.
본 발명은 유분 검출의 보정을 위한 농도 추정 수단에서, 정규화 전의 0˚센서 데이터로부터 임의의 부유물질이 첨가되었을 경우의 비율을 계산하고 계산된 비율을 토대로 45˚와 90˚산란 데이터를 생성하여 보정하는 구조이다.
본 발명에 따른 유분농도 검출장치는 도 1a내지 도 1c에서와 같이, 크게 투과/산란광 측정부와, 농도 추정부로 나눌 수 있다.
투과/산란광 측정부는 할로겐 램프, 포토 다이오드에 빛을 전달하기 위한 광섬유, 투과광과 산란광을 계측하기 위한 포토 다이오드 등이 있다.
농도 추정부는 계측신호 증폭회로, 계측된 신호를 통해 유분을 검출하고 농도로 변환하는 인터페이스 보드가 있다.
현재까지 처리배출수중의 유분을 검출하는데 있어서 완벽한 유분농도 측정법은 확립되어 있지 않은 실정이다. 이는 실제 환경에서의 모래나 산화철 등 외벽 부식물과 같은 부유물질의 영향이 크게 나타나기 때문이다.
그러므로 처리 배출수의 정확한 유분농도 검출은 부유물질의 영향을 최소화 하는 방법이 필요하다.
본 발명은 농도 추정부를 설계함에 있어 부유물질 영향을 줄이고 정확한 유분 농도를 추정하는 것이다.
본 발명은 물 속에 함유된 기름의 농도 측정을 위하여 측정블럭 한쪽 면에 발광부인 할로겐 램프의 빛을 주사하고 입자를 투과한 빛과 입자에 부딪혀 산란되는 빛을 수광부인 포토 다이오드를 이용하여 측정한 후 물질의 농도에 따라 변화하는 두 신호의 비율을 정보로 사용하는 투과/산란광 측정방식을 적용한 것이다.
본 발명에 따른 유분 농도 추정 시스템의 상세 구성은 다음과 같다.
도 2에서와 같이, 보정한 0°센서 신호를 입력으로 1차 농도 추정값을 출력하는 1차 농도 추정값 출력부(100)와, 1차 농도 추정값 및 45°센서 신호를 이용하여 45°산란광 레퍼런스 신호 차이값을 출력하는 45°산란광 레퍼런스 신호 차이값 출력부(200)와, 1차 농도 추정값 및 90°센서 신호를 이용하여 90°산란광 레퍼런스 신호 차이값을 출력하는 90°산란광 레퍼런스 신호 차이값 출력부(300)와, 계층적 구조를 갖고 1차 농도 추정값 및 45°산란광 레퍼런스 신호 차이값을 이용하여 2차 농도 추정값을 구하고, 90°산란광 레퍼런스 신호 차이값을 이용한 추론으로 최종 유분 농도값을 출력하는 TSK 퍼지 추론부(400)를 포함한다.
구체적으로 1차 농도 추정값 출력부(100)는 0°센서 신호의 보정을 수행하는 0°센서 신호 보정부(21)와, 보정한 0°센서 신호를 입력으로 1차 농도 추정값을 출력하는 0°투과 모델 블록(24)을 포함한다.
그리고 45°산란광 레퍼런스 신호 차이값 출력부(200)는 45°센서 신호의 보정을 수행하는 45°센서 신호 보정부(22)와, 1차 농도 추정값을 입력으로 45°산란광 레퍼런스 신호를 출력하는 45°산란 모델 블록(25)과, 상기 45°센서 신호 보정부(22)의 보정된 45°센서 신호와 45°산란 모델 블록(25)의 45°산란광 레퍼런스 신호의 차이를 구하여 45°산란광 레퍼런스 신호 차이값을 출력하는 제 1 차이값 출력부(29)를 포함한다.
그리고 90°산란광 레퍼런스 신호 차이값 출력부(300)는 90°센서 신호의 보정을 수행하는 90°센서 신호 보정부(23)와, 1차 농도 추정값을 입력으로 90°산란광 레퍼런스 신호를 출력하는 90°산란 모델 블록(26)과, 상기 90°센서 신호 보정부(23)의 보정된 90°센서 신호와 90°산란 모델 블록(26)의 90°산란광 레퍼런스 신호의 차이를 구하여 90°산란광 레퍼런스 신호 차이값을 출력하는 제 2 차이값 출력부(30)를 포함한다.
그리고 TSK 퍼지 추론부(400)는 1차 농도 추정값 및 45°산란광 레퍼런스 신호 차이값을 이용한 FCM-TSK 퍼지추론으로 2차 농도 추정값을 출력하는 제 1 TSK 퍼지 추론부(27)와, 2차 농도 추정값 및 90°산란광 레퍼런스 신호 차이값을 이용한 FCM-TSK 퍼지추론으로 최종 유분 농도값을 출력하는 제 2 TSK 퍼지 추론부(28)를 포함한다.
도 3은 본 발명에 따른 유분 농도 추정 시스템에 적용되는 FCM-TSK 퍼지 추론시스템의 구성도이다.
농도추정 값을 보정하고 부유물질의 영향을 최소화하는데 사용한 지능알고리즘 구조이다. 사용된 알고리즘은 FCM(Fuzzy c-means clustering) 알고리즘과 TSK(Takagi-Sugeno-Kang) 퍼지 추론 시스템을 결합하였고 계층구조로 학습을 수행한다.
클러스터링 알고리즘과 계층구조는 입력변수에 대한 TSK 퍼지 추론 시스템의 규칙의 수를 줄여 외란에 강인하도록 설계되었다.
이와 같은 구조를 갖는 본 발명에 따른 계층구조 FCM-TSK 퍼지 추론을 이용한 유분 농도 추정 시스템의 유분 농도 추정 과정을 구체적으로 설명하면 다음과 같다.
본 발명에 따른 유분농도 추정 방법은 0°센서 신호로 1차 유분 농도를 추정하고 이후 산란광으로 1차 유분농도 추정값을 보정을 하게 된다. 각 센서 신호는 농도측정 전 빛의 밝기를 입력받아 보정을 하여 사용한다.
보정된 센서 신호들은 레퍼런스 모델들(0° transmitted model, 45° and 90° scattered model)의 입력으로 사용하여 기준 신호를 생성한다.
0° 투과모델(0° transmitted model)은 보정한 0° 신호를 입력으로 1차 농도추정을 출력한다.
45° 산란모델(45° scattered model)은 1차 농도추정 값을 입력으로 45° 산란광 레퍼런스 신호를 출력한다.
그리고 90° 산란모델(90° scattered model)은 1차 농도추정 값을 입력으로 90° 산란광 레퍼런스 신호를 출력한다.
1단계 계층적 FCM-TSK 퍼지추론 시스템(FCM-TSK(1))은 1차 농도추정값, 45° 산란광 레퍼런스 신호의 차이값을 입력으로 2차 농도추정을 출력하고 2단계 계층적 FCM-TSK 퍼지추론 시스템(FCM-TSK(2))은 2차 농도추정값, 90° 산란광 레퍼런스 신호의 차이값을 입력으로 최종 유분농도를 출력한다.
이러한 구조는 비선형 학습모델의 계산량을 줄여 과도학습(over-fitting)문제를 해결하고 산란광 레퍼런스 신호 차이를 이용해 유분농도 추정을 방해하는 부유물질의 영향을 최소화시킨다.
도 4a내지 도 4c는 본 발명에 따른 유분 농도 추정 시스템의 부유 물질 농도에 대한 데이터 생성 과정을 나타낸 그래프이다.
유분농도 추정모델이 부유물질(산화철, 에터플자이트)의 농도 영향을 최소화시키기 위한 방법으로 정규화 전의 0˚센서 데이터로부터 부유물질의 농도를 추정하고 계산된 비율을 토대로 45˚와 90˚산란광 데이터를 생성하여 유분농도 추정모델인 계층구조 FCM-TSK 모델을 학습시켜 농도추정을 보정한다.
도 5a내지 도 5c는 부유 물질의 영향을 최소화하기 위한 보정 이전의 측정 데이터 그래프이다.
도 6a내지 도 6c는 부유 물질의 영향을 최소화하기 위한 보정 이후의 정규화 데이터 그래프이고, 도 7a내지 도 7b는 산란광 레퍼런스 모델을 이용한 산란광 오차 데이터를 나타낸 그래프이다.
도 6a내지 도 6c는 유분농도 추정을 방해하는 부유물질들의 영향을 최소화시키기 위해 보정을 걸친 결과를 나타낸 것이다.
이와 같이 부유물 영향에 의한 초기값은 보정되었지만, 도 7a내지 도 7b에서와 같이 산란광 레퍼런스 신호와의 오차가 존재한다. 이러한 오차는 유분농도 추정에 영향을 받으며 본 발명에서 사용한 계층적 FCM-TSK가 산란광 레퍼런스 신호와의 오차를 기반으로 유분농도 추정한다.
MARPOL 협약과 개정된 MEPC 결의서(resolution) MEPC.108(49)에 따르면, 선박의 선외배출물에 의한 해양오염이 연안 양식업이나 해양 및 연안생태계에 치명적인 영향을 주므로 해양오염 및 수질오염을 방지하기 위하여 유류배출량을 제한하고 있다.
유분 농도 측정 방식에는 여러 가지가 있지만, 본 발명에서는 시스템의 실시간 연속 측정과 정확성를 고려할 경우 성능이 좋은 투과-산란광 측정방식을 적용한다.
본 발명에 따른 계층구조 FCM-TSK 퍼지 추론을 이용한 유분 농도 추정 방법은 정규화 전의 0˚센서 데이터로부터 임의의 부유물질이 첨가되었을 경우의 비율을 계산하고 계산된 비율을 토대로 45˚와 90˚산란 데이터를 생성하여 보정하는 것이다.
즉, 측정 대상의 입자를 투과한 빛과 입자에 부딪혀 산란되는 빛을 이용하는 투과,산란광 측정 방식의 유분 농도 추정에 있어서, 보정한 0°센서 신호를 입력으로 1차 농도 추정값을 구하는 단계와, 상기 1차 농도 추정값 및 45°센서 신호를 이용하여 45°산란광 레퍼런스 신호 차이값을 구하는 단계와, 상기 1차 농도 추정값 및 90°센서 신호를 이용하여 90°산란광 레퍼런스 신호 차이값을 구하는 단계와, 계층적 구조를 갖고 1차 농도 추정값 및 45°산란광 레퍼런스 신호 차이값을 이용하여 2차 농도 추정값을 구하고, 구해진 2차 농도 추정값 및 90°산란광 레퍼런스 신호 차이값을 이용한 추론으로 최종 유분 농도값을 구하는 단계를 포함한다.
그리고 투과 산란광 측정방식은 물 속에 함유된 기름의 농도 측정을 위하여 측정블럭 한쪽면에 발광부인 할로겐 램프의 빛을 주사하고 입자를 투과한 빛과 입자에 부딪혀 산란되는 빛을 수광부인 포토 다이오드를 이용하여 측정한 후 물질의 농도에 따라 변화하는 두 신호의 비율을 정보로 사용한다.
측정된 투과, 산란 데이터를 바탕으로 국제해사기구 환경보호위원회의 규정을 만족하면서 정확한 농도 추정과 부유물질의 영향을 최소화 할 수 있는 알고리즘 개발에 의의가 있다고 할 수 있다.
부유물질의 일예로는 해수 교환시 습득이 가능한 모래의 성분인 애터플자이트와 선박내벽의 부식으로 인한 산화철이 있다.
투과부의 보정방법은 최소-최대 정규화 방법을 사용하였고, 관련 수식은 수학식 1에서와 같다.
Figure 112010041867225-pat00013
위 수식에서 k: 농도 구간, n: 구간별 데이터 개수를 의미한다.
산란부에서는 최소값을 통한 보정방법을 사용하고 관련 수식은 수학식 2와 같다.
Figure 112010041867225-pat00014
보정전, 후에 대한 결과는 도 5a내지 도 5c, 도 6a내지 도 6c에서 확인할 수 있으며, 상기 수식을 이용해 보정을 하였지만, 여전히 도 4a내지 도 4c에서 나타낸 바와 같이 오차가 존재하게 된다.
이 오차를 보정하기 위해 투과 모델(0°)과 산란 모델(45°, 90°)들을 이용한다.
먼저 0°데이터를 보정 후 투과함수에 대응하여 일차적인 추정농도를 계산한다. 일차적인 추정 농도를 계산하기 위한 투과 함수는 수학식 3과 같다.
Figure 112010041867225-pat00015
여기서,
Figure 112010041867225-pat00016
은 다항식 파라미터,
Figure 112010041867225-pat00017
는 0°센서 데이터를 의미하며, 0°데이터를 입력으로 받아 1차 추정농도를 계산하는 것이다.
투과 함수를 통해 계산된 일차적 추정농도는 계층적 퍼지추론 시스템의 제 1 TSK 퍼지 추론부(27)의 첫 번째 입력이 된다. 그리고 보정된 0°데이터를 다시 산란 함수(45°)에 대응하여 산란 신호(45°)를 생성하며 산란 함수(45°)는 수학식 4와 같다.
Figure 112010041867225-pat00018
여기서,
Figure 112010041867225-pat00019
는 다항식 파라미터, 입력인 1차 추정농도를 산란 함수(45°)에 대응하여 산란 신호(45°)를 계산하게 된다.
생성된 산란 신호와 현재의 45°신호의 차이를 계층적 퍼지추론 시스템의 제 1 TSK 퍼지 추론부(27)의 두 번째 입력으로 하여 학습시킨다.
학습된 후 추정한 농도를 계층적 퍼지추론 시스템의 제 2 TSK 퍼지 추론부(28)의 첫 번째 입력으로 한다.
다음으로, 0°데이터를 다시 산란 모델(90°)에 대응하여 산란 신호(90°)를 계산하며, 산란 함수(90°)는 수학식 5와 같다.
Figure 112010041867225-pat00020
여기서,
Figure 112010041867225-pat00021
는 다항식 파라미터, 입력인 1차 추정농도를 산란 함수(90°)에 대응하여 산란신호(90°)를 계산하게 된다.
산란 신호(90°)를 생성한 후 현재 90°신호의 차이를 계층적 퍼지추론 시스템의 제 2 TSK 퍼지 추론부(28)의 두 번째 입력으로 하여 학습시킨 후 최종 유분농도를 추정하게 된다.
하지만 임의의 부유물질이 첨가되었을 경우에는 농도 추정에 어려움이 있다.
이러한 어려움을 해결하기 위해서 정규화 전의 비율 정보를 사용한다.
정규화 전의 0°센서 데이터에서는 부유물질 첨가에 대한 관계를 확인할 수 있다. 수학식 6을 토대로 임의의 부유물질 첨가량을 알 수 있으며, 이를 토대로 임의의 부유물질 농도에 대한 센서 데이터를 유추할 수 있다.
Figure 112010041867225-pat00022
여기서,
Figure 112010041867225-pat00023
는 임의의 부유물질의 농도에 대한 센서 데이터, 는 최대 부유물질의 농도에 대한 센서 데이터,
Figure 112010041867225-pat00025
는 부유물질이 첨가되지 않은 센서 데이터,
Figure 112010041867225-pat00026
는 기준 신호를 의미하며, 식에서 구해진 부유물질의 비율을 이용하면 산란부 즉, 45˚ 센서 데이터와 90˚ 센서 데이터를 생성하여 사용할 수 있다.
즉, 비율을 통해 임의의 부유물질의 농도에 대한 데이터 생성이 가능하며 이를 본 발명의 알고리즘인 HFCM-TSK의 데이터 학습에 사용한다.
그리고 사용된 알고리즘은 지능제어 기법 중 하나인 클러스터링 기반의 알고리즘인 FCM(Fuzzy C-Mean) 알고리즘과 TSK(Takagi-Sugeno-Kang) 퍼지모델을 계층적인 구조(Hierarchical Structure)로 합한 HFCM-TSK 퍼지 모델을 제안한다.
TSK 퍼지모델은 ANFIS(Adaptive Network based Fuzzy Inference System)를 사용하여 학습하였다.
상기 알고리즘을 제안하는 이유는 ANFIS는 규칙의 수를 최소로 하면서 복잡한 비선형 시스템의 표현에 뛰어난 능력을 보이나 입력공간의 증가에 따른 계산량의 급증과 규칙의 수가 지수적으로 증가하는 문제점(Curse of dimension)을 가지고 있다.
이러한 문제점을 해결하기 위해서 성능에 타당한 클러스터의 수, 즉 퍼지 규칙 수을 얻는 방법인 FCM 클러스터링과 계층적 구조로 퍼지 규칙의 지수적인 증가 문제를 해결하고자 한다.
학습을 위해 사용된 클러스터링 기반 TSK 모델의 구조와 각 단계에 대하여 도 3을 참고하여 설명하면 다음과 같다.
FCM 클러스터링은 목적함수를 최소화하도록 주어진 데이터로부터 유사한 클러스터를 나누며 생성된 클러스터는 시스템의 특성을 반영하는 퍼지 규칙 정보로 사용한다.
FCM 알고리즘의 클러스터 추정순서는 다음의 단계와 같다.
단계 1.
Figure 112010041867225-pat00027
과 클러스터 수
Figure 112010041867225-pat00028
를 설정하며, 관련 수식은 수학식 7과 같다.
Figure 112010041867225-pat00029
여기서 c는 클러스터 수를 의미하고,
Figure 112010041867225-pat00030
은 정규화된 입력을 나타낸다.
단계 2. 초기 분할 행렬
Figure 112010041867225-pat00031
와 역치
Figure 112010041867225-pat00032
를 설정하고 반복지수 0에서 p까지 정한다. 여기서
Figure 112010041867225-pat00033
이다.
단계 3.
Figure 112010041867225-pat00034
와 수학식 2를 이용하여 각각의 클러스터 중심
Figure 112010041867225-pat00035
을 계산한다.
Figure 112010041867225-pat00036
단계 4.
Figure 112010041867225-pat00037
와 식을 이용하여 다음 번 분할 행렬
Figure 112010041867225-pat00038
을 구한다.
Figure 112010041867225-pat00039
단계 5.
Figure 112010041867225-pat00040
이 만족한다면 멈추고, 그렇지 않으면 단계3으로 가서
Figure 112010041867225-pat00041
로 설정한다. 여기서 결정된 각 클러스터는 시스템의 특성을 기술하는 퍼지 규칙으로 사용되며 수학식 10과 같이 TSK 형태의 퍼지 규칙으로 사용된다.
Figure 112010041867225-pat00042
여기서,
Figure 112010041867225-pat00043
결론부 파라미터이며,
Figure 112010041867225-pat00044
은 0과 1사이에 정규화된 입력이다.
Layer 1에서는 입력 노드로 외부의 입력을 다음층으로 전달한다.
Layer 2에서는 각 노드는 소속함수에 대응되고 입력의 적합도를 출력하며 각 노드 i에 의한 출력은 수학식 11과 같다.
Figure 112010041867225-pat00045
여기서,
Figure 112010041867225-pat00046
는 노드
Figure 112010041867225-pat00047
의 입력,
Figure 112010041867225-pat00048
는 퍼지 언어 변수이다.
Figure 112010041867225-pat00049
는
Figure 112010041867225-pat00050
의 멤버쉽 함수값으로 입력
Figure 112010041867225-pat00051
가
Figure 112010041867225-pat00052
를 만족하는 정도를 나타낸다.
Layer 3에서는 각 퍼지 규칙의 전반부 적합도를 계산한다.
Figure 112010041867225-pat00053
Layer 4에서는 퍼지 규칙의 정규화된 적합도를 계산한다. 각 노드
Figure 112010041867225-pat00054
는
Figure 112010041867225-pat00055
번째 규칙의 적합도에 대한 모든 규칙의 적합도의 합의비를 수학식 13에서와 같이 계산한다.
Figure 112010041867225-pat00056
Layer 5에서는 가중치와 후건부의 값을 곱한다.
Figure 112010041867225-pat00057
Layer 6에서는 마지막으로 전건부의 출력들을 합하여 전체 시스템의 추론값을 구한다.
Figure 112010041867225-pat00058
이와 같은 본 발명은 유분 검출의 보정을 위한 농도 추정 과정에서 정규화 전의 0˚센서 데이터로부터 임의의 부유물질이 첨가되었을 경우의 비율을 계산하고 계산된 비율을 토대로 45˚와 90˚산란 데이터를 생성하여 보정하는 구조이다.
따라서, 투과/산란광 측정방식을 적용하여 실시간 연속 측정이 가능하고 부유 물질 영향을 줄이고 유분 농도의 정확한 추정이 가능하다.
이상에서의 설명에서와 같이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 본 발명이 구현되어 있음을 이해할 수 있을 것이다.
그러므로 명시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 하고, 본 발명의 범위는 전술한 설명이 아니라 특허청구 범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
21. 0°센서 신호 보정부 22. 45°센서 신호 보정부
23. 90°센서 신호 보정부 24. 0°투과 모델 블록
25. 45°산란 모델 블록 26. 90°산란 모델 블록
27. 제 1 TSK 퍼지 추론부 28. 제 2 TSK 퍼지 추론부
29. 제 1 차이값 출력부 30. 제 2 차이값 출력부

Claims (10)

  1. 측정 대상의 입자를 투과한 빛과 입자에 부딪혀 산란되는 빛을 이용하는 투과/산란광 측정방식의 시스템에 있어서,
    보정한 0°센서 신호를 입력으로 1차 농도 추정값을 출력하는 1차 농도 추정값 출력부;
    상기 1차 농도 추정값 및 45°센서 신호를 이용하여 45°산란광 레퍼런스 신호 차이값을 출력하는 45°산란광 레퍼런스 신호 차이값 출력부;
    상기 1차 농도 추정값 및 90°센서 신호를 이용하여 90°산란광 레퍼런스 신호 차이값을 출력하는 90°산란광 레퍼런스 신호 차이값 출력부;
    계층적 구조의 1차 농도 추정값 및 45°산란광 레퍼런스 신호 차이값을 이용한 FCM-TSK 퍼지추론으로 2차 농도 추정값을 출력하는 제 1 TSK 퍼지 추론부와, 2차 농도 추정값 및 90°산란광 레퍼런스 신호 차이값을 이용한 FCM-TSK 퍼지추론으로 최종 유분 농도값을 출력하는 제 2 TSK 퍼지 추론부로 구성되는 TSK 퍼지 추론부;를 포함하는 것을 특징으로 하는 계층구조 FCM-TSK 퍼지 추론을 이용한 유분 농도 추정 시스템.
  2. 제 1 항에 있어서, 상기 1차 농도 추정값 출력부는,
    0°센서 신호의 보정을 수행하는 0°센서 신호 보정부와,
    보정한 0°센서 신호를 입력으로 1차 농도 추정값을 출력하는 0°투과 모델 블록을 포함하는 것을 특징으로 하는 계층구조 FCM-TSK 퍼지 추론을 이용한 유분 농도 추정 시스템.
  3. 제 1 항에 있어서, 상기 45°산란광 레퍼런스 신호 차이값 출력부는,
    45°센서 신호의 보정을 수행하는 45°센서 신호 보정부와,
    1차 농도 추정값을 입력으로 45°산란광 레퍼런스 신호를 출력하는 45°산란 모델 블록과,
    상기 45°센서 신호 보정부의 보정된 45°센서 신호와 45°산란 모델 블록의 45°산란광 레퍼런스 신호의 차이를 구하여 45°산란광 레퍼런스 신호 차이값을 출력하는 제 1 차이값 출력부를 포함하는 것을 특징으로 하는 계층구조 FCM-TSK 퍼지 추론을 이용한 유분 농도 추정 시스템.
  4. 제 1 항에 있어서, 상기 90°산란광 레퍼런스 신호 차이값 출력부는,
    90°센서 신호의 보정을 수행하는 90°센서 신호 보정부와,
    1차 농도 추정값을 입력으로 90°산란광 레퍼런스 신호를 출력하는 90°산란 모델 블록과,
    상기 90°센서 신호 보정부의 보정된 90°센서 신호와 90°산란 모델 블록의 90°산란광 레퍼런스 신호의 차이를 구하여 90°산란광 레퍼런스 신호 차이값을 출력하는 제 2 차이값 출력부를 포함하는 것을 특징으로 하는 계층구조 FCM-TSK 퍼지 추론을 이용한 유분 농도 추정 시스템.
  5. 삭제
  6. 측정 대상의 입자를 투과한 빛과 입자에 부딪혀 산란되는 빛을 이용하는 투과/산란광 측정 방식의 유분 농도 추정에 있어서,
    보정한 0°센서 신호를 입력으로 1차 농도 추정값을 구하는 단계;
    상기 1차 농도 추정값 및 45°센서 신호를 이용하여 45°산란광 레퍼런스 신호 차이값을 구하는 단계;
    1차 농도 추정값 및 45°산란광 레퍼런스 신호 차이값을 이용하여 2차 농도 추정값을 구하는 단계;
    상기 1차 농도 추정값 및 90°센서 신호를 이용하여 90°산란광 레퍼런스 신호 차이값을 구하는 단계;
    상기 구해진 2차 농도 추정값 및 90°산란광 레퍼런스 신호 차이값을 이용한 추론으로 최종 유분 농도값을 구하는 단계;를 포함하는 것을 특징으로 하는 계층구조 FCM-TSK 퍼지 추론을 이용한 유분 농도 추정 방법.
  7. 제 6 항에 있어서, 상기 1차 농도 추정값을 구하는 단계에서,
    0°센서 신호를 보정 후 투과함수에 대응하여 일차적인 추정농도를 계산하기 위한 투과 함수는,
    Figure 112010041867225-pat00059
    이고,
    여기서,
    Figure 112010041867225-pat00060
    은 다항식 파라미터,
    Figure 112010041867225-pat00061
    는 0°센서 데이터인 것을 특징으로 하는 계층구조 FCM-TSK 퍼지 추론을 이용한 유분 농도 추정 방법.
  8. 제 6 항에 있어서, 상기 45°산란광 레퍼런스 신호 차이값을 구하는 단계에서,
    Figure 112010041867225-pat00062
    으로 계산하고,
    여기서,
    Figure 112010041867225-pat00063
    는 다항식 파라미터, 입력인 1차 추정농도를 산란 함수(45°)에 대응하여 산란 신호(45°)를 계산하는 것을 특징으로 하는 계층구조 FCM-TSK 퍼지 추론을 이용한 유분 농도 추정 방법.
  9. 제 6 항에 있어서, 상기 90°산란광 레퍼런스 신호 차이값을 구하는 단계에서,
    Figure 112010041867225-pat00064
    으로 구하고,
    여기서,
    Figure 112010041867225-pat00065
    는 다항식 파라미터, 입력인 1차 추정농도를 산란 함수(90°)에 대응하여 산란신호(90°)를 계산하는 것을 특징으로 하는 계층구조 FCM-TSK 퍼지 추론을 이용한 유분 농도 추정 방법.
  10. 제 6 항에 있어서, 상기 최종 유분 농도값을 구하는 단계에서,
    임의의 부유물질이 첨가되었을 경우에서의 농도 추정을 위하여 정규화 전의 0°센서 신호를 사용하여,
    Figure 112010041867225-pat00066
    을 이용하여 임의의 부유물질 농도에 대한 센서 데이터를 유추하고,
    여기서,
    Figure 112010041867225-pat00067
    는 임의의 부유물질의 농도에 대한 센서 데이터,
    Figure 112010041867225-pat00068
    는 최대 부유물질의 농도에 대한 센서 데이터,
    Figure 112010041867225-pat00069
    는 부유물질이 첨가되지 않은 센서 데이터,
    Figure 112010041867225-pat00070
    는 기준 신호를 의미하고,
    식에서 구해진 부유물질의 비율을 이용하여 45˚ 센서 데이터와 90˚ 센서 데이터를 생성하여 사용하는 것을 특징으로 하는 계층구조 FCM-TSK 퍼지 추론을 이용한 유분 농도 추정 방법.
KR1020100061828A 2010-06-29 2010-06-29 계층구조 ｆｃｍ－ｔｓｋ 퍼지 추론을 이용한 유분 농도 추정 시스템 및 방법 KR101226768B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100061828A KR101226768B1 (ko) 2010-06-29 2010-06-29 계층구조 ｆｃｍ－ｔｓｋ 퍼지 추론을 이용한 유분 농도 추정 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100061828A KR101226768B1 (ko) 2010-06-29 2010-06-29 계층구조 ｆｃｍ－ｔｓｋ 퍼지 추론을 이용한 유분 농도 추정 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20120001165A KR20120001165A (ko) 2012-01-04
KR101226768B1 true KR101226768B1 (ko) 2013-02-25

Family

ID=45608899

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100061828A KR101226768B1 (ko) 2010-06-29 2010-06-29 계층구조 ｆｃｍ－ｔｓｋ 퍼지 추론을 이용한 유분 농도 추정 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101226768B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4146799A (en) 1976-10-29 1979-03-27 Itt Industries, Inc. Oil concentration detector
KR20000072538A (ko) * 2000-09-08 2000-12-05 박중규 기름배출 감시 제어장치
JP2002250692A (ja) 2001-02-22 2002-09-06 Fellow Kogyo Co Ltd 混入物を含む油水の油分濃度測定装置および測定方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4146799A (en) 1976-10-29 1979-03-27 Itt Industries, Inc. Oil concentration detector
KR20000072538A (ko) * 2000-09-08 2000-12-05 박중규 기름배출 감시 제어장치
JP2002250692A (ja) 2001-02-22 2002-09-06 Fellow Kogyo Co Ltd 混入物を含む油水の油分濃度測定装置および測定方法

Also Published As

Publication number Publication date
KR20120001165A (ko) 2012-01-04

Similar Documents

Publication Publication Date Title
Chen et al. Probabilistic risk analysis for ship-ship collision: State-of-the-art
Farcas et al. Underwater noise modelling for environmental impact assessment
Fang et al. Automatic identification system-based approach for assessing the near-miss collision risk dynamics of ships in ports
Goerlandt et al. A probabilistic model for accidental cargo oil outflow from product tankers in a ship–ship collision
Aldous et al. Uncertainty analysis in ship performance monitoring
Badino et al. Normative framework for ship noise: Present and situation and future trends
Aldous Ship operational efficiency: performance models and uncertainty analysis
Rajaee Wavelet and Neuro‐fuzzy Conjunction Approach for Suspended Sediment Prediction
Zhang et al. An alternative benchmarking tool for operational energy efficiency of ships and its policy implications
Parunov et al. Uncertainties in modelling the low-frequency wave-induced global loads in ships
Mannina et al. Receiving water quality assessment: comparison between simplified and detailed integrated urban modelling approaches
Gupta et al. Statistical modeling of Ship’s hydrodynamic performance indicator
Mauro et al. Critical damages identification in a multi-level damage stability assessment framework for passenger ships
Thornhill et al. Real time local sea state measurement using wave radar and ship motions
KR101226768B1 (ko) 계층구조 ｆｃｍ－ｔｓｋ 퍼지 추론을 이용한 유분 농도 추정 시스템 및 방법
CN114295585A (zh) 一种基于解析模型的多视场海洋激光雷达数据正则化反演方法
KR101860482B1 (ko) 수치해석을 이용한 선박의 대수속도 계측장치의 교정방법
Acomi Impact of chart data accuracy on the safety of navigation
Sogihara et al. Uncertainty analysis for measurement of added resistance in short regular waves: Its application and evaluation
Cepowski The use of a set of artificial neural networks to predict added resistance in head waves at the parametric ship design stage
Er et al. Evaluation of Deep Sea discharge systems efficiency in the eastern black sea using artificial neural network: a case study for Trabzon, Turkey
KR102538802B1 (ko) 선박에 기인하는 해양 침적쓰레기 발생량 추정 시스템 및 방법
Wood et al. Use of surrogate technologies to estimate suspended sediment in the Clearwater River, Idaho, and Snake River, Washington, 2008-10
Khaled et al. Collision risk analysis of chittagong port in Bangladesh by using collision frequency calculation models with modified BBN model
Sertlek Aria of the Dutch North Sea

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20151125

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170102

Year of fee payment: 5

LAPS Lapse due to unpaid annual fee