KR101823387B1 - 이기종 센서를 이용한 고 신뢰 센서 융합 장치 및 그 방법 - Google Patents

이기종 센서를 이용한 고 신뢰 센서 융합 장치 및 그 방법 Download PDF

Info

Publication number
KR101823387B1
KR101823387B1 KR1020160052998A KR20160052998A KR101823387B1 KR 101823387 B1 KR101823387 B1 KR 101823387B1 KR 1020160052998 A KR1020160052998 A KR 1020160052998A KR 20160052998 A KR20160052998 A KR 20160052998A KR 101823387 B1 KR101823387 B1 KR 101823387B1
Authority
KR
South Korea
Prior art keywords
sensor
output value
noise
defect
permanent
Prior art date
Application number
KR1020160052998A
Other languages
English (en)
Other versions
KR20170123476A (ko
Inventor
조민수
권수현
금대현
백영미
이성훈
손상혁
Original Assignee
재단법인대구경북과학기술원
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 재단법인대구경북과학기술원 filed Critical 재단법인대구경북과학기술원
Priority to KR1020160052998A priority Critical patent/KR101823387B1/ko
Publication of KR20170123476A publication Critical patent/KR20170123476A/ko
Application granted granted Critical
Publication of KR101823387B1 publication Critical patent/KR101823387B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2832—Specific tests of electronic circuits not provided for elsewhere
    • G01R31/2836—Fault-finding or characterising
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2832—Specific tests of electronic circuits not provided for elsewhere
    • G01R31/2836—Fault-finding or characterising
    • G01R31/2837—Characterising or performance testing, e.g. of frequency response
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2832—Specific tests of electronic circuits not provided for elsewhere
    • G01R31/2836—Fault-finding or characterising
    • G01R31/2846—Fault-finding or characterising using hard- or software simulation or using knowledge-based systems, e.g. expert systems, artificial intelligence or interactive algorithms

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

본 발명의 일면에 따른 센서 융합 장치는 센서의 오차범위를 산출하고, 센서의 영구적 결함의 판단기준을 결정하는 센서 검정부, 정규분포에 기반하여 센서의 측정값으로부터 최적의 제1출력값을 산출하는 확률론적 모델 처리부, 센서의 잡음이 정규분포를 따르는지 여부를 분석하는 잡음 분석부, 마줄로 알고리즘을 이용하여 센서의 측정값으로부터 최적의 제2출력값을 산출하고, 센서의 영구적인 결함을 검출하는 비확률론적 모델처리부 및 잡음의 분포 형태에 따라 상기 제1 출력값과 제2 출력값 중 어느 하나를 센서의 출력값으로 선택하고, 센서의 영구적인 결함이 검출된 경우 제어기에 영구적인 결함을 경고하는 모델 선택부를 포함한다.

Description

이기종 센서를 이용한 고 신뢰 센서 융합 장치 및 그 방법{A resilient sensor fusion apparatus by using heterogeneous sensors and method thereof}
본 발명은 센서 융합 장치 및 그 방법에 관한 것으로 보다 상세하게는 이기종 센서 또는 다중 센서를 이용하여 제어의 신뢰성을 확보하는 센서 융합 장치 및 방법에 관한 것이다.
종래 단일 센서에 기반한 시스템은 제어의 신뢰성이 떨어지므로 신뢰성 도모를 위하여 이기종 센서 또는 다종 센서를 결합하는 센서 융합 방법이 제시되었고, 센서에 대한 다양한 필터를 적용하거나 저가의 다수의 센서를 보조로 추가하여 성능을 높이는 연구가 수행 중이다. 그러나, 이기종 센서의 시스템적 오류와 무작위 오류가 포함된 측정 오류를 반영하여 센서 측정값의 신뢰도를 시스템 제어에 고려하는 기술이 미흡하여 문제된다. 특히 센서로부터 얻어진 측정값에 잡음이 포함된 경우, 센서의 잡음으로 인한 오차누적으로 작동 시스템이 오작동하는 문제가 있다.
종래 센서 융합 기술은 확률에 기반한 모델을 사용하여 잡음을 보정하는데, 통계적 편의성 때문에 잡음이 정규분포를 이룬다는 가정을 이용한다. 정규분포의 특성이 나타나는 잡음의 경우에는 결과의 신뢰성이 인정되나, 광대역 전력선 통신과 같이 감마 분포를 가지는 감마 잡음의 경우에는 종래 확률론적 모델의 성능을 보장할 수 없는 문제가 있다.
본 발명은 전술한 문제를 해결하기 위하여, 이기종 센서를 이용하여 신뢰성을 확보한 센서 융합 장치 및 방법을 제공하는 것을 그 목적으로 한다.
보다 자세하게는 이기종 센서 또는 다종 센서를 사용하는 시스템에서 제어의 신뢰성을 확보하는 방법을 제공하고, 시스템 제어의 신뢰성 및 안전성에 영향을 끼치는 센서를 판단하는 방법을 제공하고, 환경의 불확실성으로 인한 문제를 판단하고 시스템이 탄력적으로 적응하는 방법을 제공하기 위함이다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 목적을 달성하기 위한 본 발명의 일면에 따른 센서 융합 장치는 센서의 오차범위를 산출하고, 센서의 영구적 결함의 판단기준을 결정하는 센서 검정부, 정규분포에 기반하여 센서의 측정값으로부터 최적의 제1출력값을 산출하는 확률론적 모델 처리부, 센서의 잡음이 정규분포를 따르는지 여부를 분석하는 잡음 분석부, 마줄로 알고리즘을 이용하여 센서의 측정값으로부터 최적의 제2출력값을 산출하고, 센서의 영구적인 결함을 검출하는 비확률론적 모델처리부 및 잡음의 분포 형태에 따라 상기 제1 출력값과 제2 출력값 중 어느 하나를 센서의 출력값으로 선택하고, 센서의 영구적인 결함이 검출된 경우 제어기에 영구적인 결함을 경고하는 모델 선택부를 포함한다.
본 발명의 다른 일면에 따른 센서 융합 방법은 센서의 오차범위를 산출하고, 센서의 영구적 결함의 판단기준을 결정하는 센서 검정 단계, 정규분포에 기반하여 센서의 측정값으로부터 최적의 제1출력값을 산출하는 확률론적 모델 처리 단계, 센서의 잡음이 정규분포를 따르는지 여부를 분석하는 잡음 분석 단계, 마줄로 알고리즘을 이용하여 센서의 측정값으로부터 최적의 제2출력값을 산출하고, 센서의 영구적인 결함을 검출하는 비확률론적 모델 처리 단계 및 잡음의 분포 형태에 따라 상기 제1 출력값과 제2 출력값 중 어느 하나를 센서의 출력값으로 선택하고, 센서의 영구적인 결함이 검출된 경우 제어기에 영구적인 결함을 경고하는 모델 선택 단계를 포함한다.
본 발명에 따르면, 이기종 센서의 잡음 분포를 고려하여 센서 융합 방법을 선택하여 신뢰성을 보장하는 센서의 출력값을 산출하는 효과가 있다.
본 발명은 센서의 일시적인 오작동과 영구적인 오작동을 구분하여 시스템의 제어의 신뢰성을 향상 시키는 효과가 있다.
본 발명은 이기종 센서의 데이터 융합을 통하여 시스템 내부 또는 외부의 상황 변화에 적응할 수 있고, 복잡하고 높은 신뢰수준이 요구되는 장치에 있어서 안정적인 제어기능을 제공할 수 있다.
도 1은 본 발명의 일실시예에 따른 이기종 센서의 센서 융합 장치를 설명하기 위한 블록도.
도 2은 본 발명의 부분 실시예에 따른 센서의 결함 판단기준을 산출하기 위한 실험 데이터의 그래프.
도 3는 본 발명의 부분 실시예에 따른 잡음 분석의 결과 그래프.
도 4은 본 발명의 다른 실시예에 따른 마줄로 알고리즘의 적용을 설명하기 위한 예시도.
도 5는 본 발명의 다른 실시예에 따른 이기종 센서의 센서 융합 방법을 설명하기 위한 절차흐름도.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 한편, 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성소자, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성소자, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
이하, 본 발명의 바람직한 실시예에 대하여 첨부한 도면을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 일실시예에 따른 이기종 센서의 센서 융합 장치를 설명하기 위한 블록도를 나타낸다.
본 발명의 일면에 따른 센서 융합 장치는 센서의 오차범위를 산출하고, 센서의 영구적 결함의 판단기준을 결정하는 센서 검정부(140), 정규분포에 기반하여 센서의 측정값으로부터 최적의 제1출력값을 산출하는 확률론적 모델 처리부(110), 센서의 잡음이 정규분포를 따르는지 여부를 분석하는 잡음 분석부(120), 마줄로 알고리즘을 이용하여 센서의 측정값으로부터 최적의 제2출력값을 산출하고, 센서의 영구적인 결함을 검출하는 비확률론적 모델처리부(130) 및 잡음의 분포 형태에 따라 상기 제1 출력값과 제2 출력값 중 어느 하나를 센서의 출력값으로 선택하고, 센서의 영구적인 결함이 검출된 경우 제어기에 영구적인 결함을 경고하는 모델 선택부(150)를 포함한다.
센서 입력부는 하나 이상의 센서를 포함하고, 각 센서의 측정값을 센서 융합 장치(100)에 입력한다.
측정 오류(Measurement error)는 시스템적 오류(systematic error, 이하 '결함')와 무작위 오류(random error, 이하 '잡음')로 나뉜다. 결함(defect)이란 시스템 자체에 내재된 오류로서 평균이 0이 아니므로 통계적 편이(statistical bias)가 존재한다. 반면 잡음(noise)이란 측정의 불확실성에서 오는 오류로서 그 평균을 0이라 본다. 잡음은 제어하기 위한 비용이 커서 제어할 수 없는 것으로 본다. 다만, 현실적으로 결함은 잡음과 구분하기 어려운 문제가 있으므로, 통상 잡음분석이라 하면, 결함에 대한 분석을 포함하는 의미로 많이 쓰인다.
센서를 설치하기 전에 센서의 결함의 존재여부를 테스트 하기는 하나, 센서의 결함은 설치 이후에 발생할 수 있는 것이므로 센서를 이용하는 중에 센서의 결함을 검정하여 신뢰성을 확보한 센서 융합 장치가 필요하다.
센서 입력부로부터 센서의 측정값이 입력되면, 확률론적 모델 처리부(110), 잡음 분석부(120), 비확률론적 모델처리부(130)는 동시에 센서의 측정값을 처리한다.
확률론적 모델 처리부(110)는 센서의 측정값과 센서의 오차범위를 이용하여 최적의 제1 출력값을 산출할 수 있다. 각 센서의 측정값을
Figure 112016041523635-pat00001
, 각 센서의 표준편차를
Figure 112016041523635-pat00002
라 하면, 제1 출력값(
Figure 112016041523635-pat00003
을 다음과 같이 정할 수 있다.
[수학식 1]
Figure 112016041523635-pat00004
이 때, 제1 출력값의 기대값과 분산은 다음과 같다.
[수학식 2]
Figure 112016041523635-pat00005
[수학식 3]
Figure 112016041523635-pat00006
Figure 112016041523635-pat00007
위 식을 이용하여 제1 출력값 및 제1 출력값의 오차범위를 산출할 수 있다.
더 간단하게는
[수학식 4]
Figure 112016041523635-pat00008
[수학식 5]
Figure 112016041523635-pat00009
을 이용하여 제1 출력값 및 제1 출력값의 오차범위를 산출할 수 있다.
비확률론적 모델 처리부(130)는 센서의 측정값들의 상호관계를 이용하여 최적의 제2 출력값을 산출한다. 상기 비확률론적 모델의 일실시례로 마줄로 알고리즘을 이용할 수 있다. 마줄로 알고리즘에 대한 상세한 설명은 도 4에서 하도록 한다.
잡음 분석부(120)는 각 센서에 대하여 반복 측정한 측정치를 바탕으로 센서의 잡음이 정규분포를 따르지는 여부를 분석한다. 잡음의 분포가 정규분포를 따르는지 분석하기 위해서는 Shapiro-Wilk 검정, Jarque-Bera 검정, Kolmogorov-smirnov 검정(이하 'KS 검정'), Lilliefors 검정, Anderson-Darling 검정 중 어느 하나의 방법을 이용할 수 있다.
Jarque-Bera 검정은 통계치의 왜도(skewness)와 첨도(kurtosis)를 계산하여 카이제곱 분포를 이용해 분포의 정규성을 검정하는 모수적 방법이다. 다만, 본 발명에서는 센서의 수가 작을 수 있어 왜도와 첨도로부터 정규분포를 검정하는 Jarque-Bera 검정은 신뢰성이 낮은 문제가 있다. Jarque-Bera 검정에 비해 모수적 검정방법인 Shapiro-Wilk 검정의 신뢰도가 더 높은 것으로 알려져 있다.
KS 검정은 리퍼런스 분포의 누적확률밀도 함수와 검정대상 분포의 누적확률밀도 함수를 서로 비교하여 교집합의 넓이를 이용하여 분포의 유사성을 판단하는 비모수적 검정 방법이다. 본 발명에서는 센서의 잡음 분포가 정규분포인지 검정하기 위하여 KS 검정을 이용할 수 있으나 KS 검정은 분포의 형태가 알려진 어느 분포(예컨대, 감마 분포)에서도 사용할 수 있다. Lilliefors 검정과 Anderson-Darling 검정은 KS 검정과 유사한 방법을 사용한다.
모델 선택부(150)는 잡음 분석의 결과 모든 센서 중에서 과반수 이상의 센서의 잡음이 정규분포를 따르는 경우에는 확률론적 모델 처리부에서 산출한 제1출력값을 제어기에 출력할 출력값으로 선택한다. 모든 센서 중에서 센서의 잡음이 정규분포를 따르는 경우가 과반에 미치지 못하는 경우에는 비확률론적 모델 처리부에서 산출한 제2출력값을 제어기에 출력할 출력값으로 선택한다.
또한 모델 선택부(150)는 비확률론적 모델 처리부(130)에서 특정 센서에 영구적인 결함을 검출한 경우 제어기에 센서의 결함을 경고한다. 사용자는 결함 경고를 확인하여 적절한 조치를 취할 수 있을 것이다.
도 2은 본 발명의 부분 실시예에 따른 센서의 결함을 판단하기 기준을 산출하기 위한 실험 데이터의 그래프를 나타낸다.
센서의 결함을 판단하기 위하여 실제 측정을 하기 전에 센서를 이용하여 실험한 결과를 이용한다. 이는 센서 검정부(140)가 수행하여 저장소에 저장하고 결함 검출부(136)가 저장된 정보를 이용하여 센서의 결함을 검출한다.
도 2의 윈도우 크기(w)는 개별 센서별로 반복측정 횟수를 의미한다. 개별 센서의 측정값과 개별 센서의 표본평균과의 차이를 오차(error)로 정의한다.
w=200 일 경우, 표본평균
Figure 112016041523635-pat00010
이 되고, 각각의 오차는
Figure 112016041523635-pat00011
=
Figure 112016041523635-pat00012
가 된다. 여기서
Figure 112016041523635-pat00013
는 하나의 센서에서 반복하여 측정한 측정값을 뜻하고, 개별 센서별로 센서 검정부(140)는 당해 절차를 반복한다. 결함 최대수(
Figure 112016041523635-pat00014
)는 200개 중 오차(
Figure 112016041523635-pat00015
)가 오차 한계(
Figure 112016041523635-pat00016
)보다 큰(
Figure 112016041523635-pat00017
>
Figure 112016041523635-pat00018
) 경우의 수를 뜻한다. 오차 한계(
Figure 112016041523635-pat00019
)가 0인 경우에는
Figure 112016041523635-pat00020
=1 이 될 것이며(표본평균과 완전히 동일한 개별 센서의 측정값이 존재할 확률은 0에 가까움), 오차 한계(
Figure 112016041523635-pat00021
)의 값을 크게 하면(예컨대, 0.06)
Figure 112016041523635-pat00022
값은 1보다 작아질 것이며(예컨대,
Figure 112016041523635-pat00023
=0.06 일 때 도 2의 R. Encoder의 경우
Figure 112016041523635-pat00024
값이 약 0.5 정도),
Figure 112016041523635-pat00025
가 커짐에 따라
Figure 112016041523635-pat00026
값은 0에 수렴하게 된다. 도 2는 측정 중인 센서별로 설정한 오차한계(
Figure 112016041523635-pat00027
)보다 큰
Figure 112016041523635-pat00028
값을 갖는 측정횟수(결함 최대수,
Figure 112016041523635-pat00029
)를 측정하여 오차한계에 따른
Figure 112016041523635-pat00030
값을 산출한 실험 데이터를 그래프로 나타낸 것이다.
실험적으로 얻은 그래프로부터 니 포인트(Knee point)를 얻는다. 실험데이터를 역누적밀도함수로 회귀분석하고 도함수의 변곡점을 이용하여 니 포인트를 산출하게 된다.
상기 니 포인트는 개별 센서의 영구적인 결함을 판정하는 결함 임계치로 결정할 수 있다. 다만, 센서별로 오차 특성은 다양할 수 있으므로, 상기 니 포인트외에
Figure 112016041523635-pat00031
값을 기준으로
Figure 112016041523635-pat00032
=0.05 또는
Figure 112016041523635-pat00033
=0.01 인 오차한계(
Figure 112016041523635-pat00034
)를 개별 센서의 영구적인 결함을 판정하는 결함 임계치로 결정할 수도 있다. 상기 결함 임계치는 개별 센서의 측정범위를 산출할 때 사용할 수 있다.
또한, 도 2의 실험데이터를 기반으로 각 센서의 측정치에 대한 표준편차를 산출하는 것도 가능하고, 산출한 표준편차를 이용하여 상기 개별 센서의 영구적인 결함을 판정하는 결함 임계치로 사용하거나, 개별 센서의 측정범위를 산출할 때 이용할 수 있다.
도 3는 본 발명의 부분 실시예에 따른 잡음 분석의 결과 그래프.
도 2의 데이터를 가공하여 도 3의 그래프(하단)를 생성할 수 있다.
Figure 112016041523635-pat00035
의 변화율을 이용하여 오차한계(
Figure 112016041523635-pat00036
)별 밀도를 산출할 수 있고, 이를 개별 센서별 잡음 데이터로 산출할 수 있다.
예컨대, w=200일 때, 하나의 센서에 대하여 200회 반복 측정된 측정치 각각의 오차한계(
Figure 112016041523635-pat00037
) 값을 산출할 수 있고, 이를 잡음으로 보고 분포가 정규분포를 따르는지 여부를 판단할 수 있다.
센서의 잡음 분석은 개별 센서에 대하여 이루어지므로 잡음 분석을 위하여 일정기간 반복하여 하나의 센서에 대하여 측정할 필요가 있게 된다.
도 4은 본 발명의 다른 실시예에 따른 마줄로 알고리즘의 적용을 설명하기 위한 예시도를 나타낸다.
비확률론적 모델 처리부(130)는 제2산출부(135)와 결함 검출부(136)를 포함한다. 제2 산출부(135)는 비확률론적 모델에 따라 제2출력값을 산출하는데, 비확률론적 모델의 일례로서 마줄로 알고리즘이 있다.
개별 센서의 측정값이
Figure 112016041523635-pat00038
이고 오차범위가
Figure 112016041523635-pat00039
라 하면, 측정구간 [
Figure 112016041523635-pat00040
을 산출할 수 있다.
마줄로 알고리즘은 상기 측정구간 중에 일정 수 이상의 측정구간의 교집합이 공집합이 아닐 경우, 그 측정구간들의 교집합을 출력값(출력구간)으로 최적화하는 것을 뜻한다. 도 4에 따르면, 출력구간1은 센서2, 센서3, 센서4 및 센서5 의 출력구간의 교집합으로 총 4개의 출력구간의 교집합을 의미하고, 출력구간2은 센서2, 센서3, 센서4 및 센서5 중 적어도 3개 이상의 센서들의 출력구간의 교집합이 존재하는 범위를 나타낸다. 이 때, 출력구간1 또는 출력구간2를 제2출력값으로 결정하고, 센서1은 출력구간1 또는 출력구간2와 교집합이 존재하지 아니하므로 센서의 결함이 있는 것으로 판단하여 통계 대상에서 제외시킨다.
센서1의 결함이 영구적인지 여부는 사전에 센서 검정부에서 산출한 센서1의 결함 임계치를 벗어나는 경우는 센서1의 결함이 영구적인 것으로 판단하고, 제어기에 결함 경고를 출력하도록 한다.
도 5는 본 발명의 다른 실시예에 따른 이기종 센서의 센서 융합 방법을 설명하기 위한 절차흐름도를 나타낸다.
본 발명의 다른 일면에 따른 센서 융합 방법은 센서의 오차범위를 산출하고, 센서의 영구적 결함의 판단기준을 결정하는 센서 검정 단계, 정규분포에 기반하여 센서의 측정값으로부터 최적의 제1출력값을 산출하는 확률론적 모델 처리 단계, 센서의 잡음이 정규분포를 따르는지 여부를 분석하는 잡음 분석 단계, 마줄로 알고리즘을 이용하여 센서의 측정값으로부터 최적의 제2출력값을 산출하고, 센서의 영구적인 결함을 검출하는 비확률론적 모델 처리 단계 및 잡음의 분포 형태에 따라 상기 제1 출력값과 제2 출력값 중 어느 하나를 센서의 출력값으로 선택하고, 센서의 영구적인 결함이 검출된 경우 제어기에 영구적인 결함을 경고하는 모델 선택 단계를 포함한다.
본 발명에 따른 센서 융합 방법은 센서를 검정하는 단계에서 산출한 결함 임계치, 표준편차 및 실험 데이터를 별도 저장소에 저장하는 검정 결과를 저장하는 단계(S520)를 더 포함할 수 있다. 저장소에 저장된 정보는 센서의 결함을 검출하는 단계(S570)에서 영구적인 결함인지 여부를 판단 기준으로 사용할 수 있고, 각 센서의 오차범위로서 사용할 수 있다.
센서 입력부는 하나 이상의 센서를 포함하고, 각 센서의 측정값은 센서를 검정하는 단계, 확률론적 처리 단계, 잡음을 분석하는 단계 및 비확률론적 처리 단계에 모두 입력되며, 센서 입력부로부터 센서의 측정값이 입력되면, 확률론적 처리 단계(S530), 잡음 분석 단계(S580), 비확률론적 처리 단계(S550)는 동시에 센서의 측정값을 처리한다.
확률론적 단계(S530)에서는 센서의 측정값과 센서의 오차범위를 이용하여 최적의 제1 출력값을 산출할 수 있다. 각 센서의 측정값을
Figure 112016041523635-pat00041
, 각 센서의 표준편차를
Figure 112016041523635-pat00042
라 하면, 제1 출력값(
Figure 112016041523635-pat00043
을 다음과 같이 정할 수 있다.
[수학식 1]
Figure 112016041523635-pat00044
이 때, 제1 출력값의 기대값과 분산은 다음과 같다.
[수학식 2]
Figure 112016041523635-pat00045
[수학식 3]
Figure 112016041523635-pat00046
Figure 112016041523635-pat00047
위 식을 이용하여 제1 출력값 및 제1 출력값의 오차범위를 산출할 수 있다.
더 간단하게는
[수학식 4]
Figure 112016041523635-pat00048
[수학식 5]
Figure 112016041523635-pat00049
을 이용하여 제1 출력값 및 제1 출력값의 오차범위를 산출할 수 있다.
비확률론적 처리 단계(S550)에서는 비확률론적 모델을 이용하여 센서의 측정값으로부터 최적의 제2 출력값을 산출한다. 상기 비확률론적 처리 단계의 일실시례로 마줄로 알고리즘을 이용할 수 있다. 마줄로 알고리즘에 대한 상세한 설명은 도 4에서 한 것과 동일하다.
잡음을 분석하는 단계(120)에서는 각 센서에 대하여 반복 측정한 측정치를 바탕으로 센서의 잡음이 정규분포를 따르지는 여부를 분석한다. 잡음의 분포가 정규분포를 따르는지 분석하기 위해서는 Shapiro-Wilk 검정, Jarque-Bera 검정, Kolmogorov-smirnov 검정(이하 'KS 검정'), Lilliefors 검정, Anderson-Darling 검정 중 어느 하나의 방법을 이용할 수 있다.
Jarque-Bera 검정은 통계치의 왜도(skewness)와 첨도(kurtosis)를 계산하여 카이제곱 분포를 이용해 분포의 정규성을 검정하는 모수적 방법이다. 다만, 본 발명에서는 센서의 수가 작을 수 있어 왜도와 첨도로부터 정규분포를 검정하는 Jarque-Bera 검정은 신뢰성이 낮은 문제가 있다. Jarque-Bera 검정에 비해 모수적 검정방법인 Shapiro-Wilk 검정의 신뢰도가 더 높은 것으로 알려져 있다.
KS 검정은 리퍼런스 분포의 누적확률밀도 함수와 검정대상 분포의 누적확률밀도 함수를 서로 비교하여 교집합의 넓이를 이용하여 분포의 유사성을 판단하는 비모수적 검정 방법이다. 본 발명에서는 센서의 잡음 분포가 정규분포인지 검정하기 위하여 KS 검정을 이용할 수 있으나 KS 검정은 분포의 형태가 알려진 어느 분포(예컨대, 감마 분포)에서도 사용할 수 있다. Lilliefors 검정과 Anderson-Darling 검정은 KS 검정과 유사한 방법을 사용한다.
모델 선택 단계(S590)에서는 잡음 분석의 결과 모든 센서 중에서 과반수 이상의 센서의 잡음이 정규분포를 따르는 경우에는 확률론적 처리 단계에서 산출한 제1출력값을 제어기에 출력할 출력값으로 선택한다. 모든 센서 중에서 센서의 잡음이 정규분포를 따르는 경우가 과반에 미치지 못하는 경우에는 비확률론적 처리 단계에서 산출한 제2출력값을 제어기에 출력할 출력값으로 선택한다.
또한 모델 선택 단계(S590)에서는 비확률론적 처리 단계(S590)에서 특정 센서에 영구적인 결함을 검출한 경우 제어기에 센서의 결함을 경고한다. 사용자는 결함 경고를 확인하여 적절한 조치를 취할 수 있을 것이다.
이상, 본 발명의 구성에 대하여 첨부 도면을 참조하여 상세히 설명하였으나, 이는 예시에 불과한 것으로서, 본 발명이 속하는 기술 분야에 통상의 지식을 가진 자라면 본 발명의 기술적 사상의 범위 내에서 다양한 변형과 변경이가능함은 물론이다. 따라서 본 발명의 보호 범위는 전술한 실시예에 국한되어서는 아니 되며 이하의 특허청구범위의 기재에 의하여 정해져야 할 것이다.
100 : 센서 융합 장치
110 : 확률론적 모델 처리부
115 : 제1산출부
120 : 잡음 분석부
130 : 비확률론적 모델 처리부
135 : 제2산출부
136 : 결함 검출부
140 : 센서 검정부
150 : 모델 선백부
S510 : 센서를 검정하는 단계
S520 : 센서의 검정 결과를 저장하는 단계
S530 : 확률론적 처리 단계
S540 : 제1출력값을 산출하는 단계
S550 : 비확률론적 처리 단계
S560 : 제2 출력값을 산출하는 단계
S570 : 결함을 검출하는 단계
S575 : 결함을 경고하는 단계
S580 : 센서의 잡음을 분석하는 단계
S590 : 잡음을 분포 형태에 따라 모델을 선택하는 단계

Claims (8)

  1. 센서의 오차범위를 산출하고, 센서의 영구적 결함의 판단기준을 결정하는 센서 검정부;
    정규분포에 기반하여 센서의 측정값으로부터 최적의 제1출력값을 산출하는 확률론적 모델 처리부;
    센서의 잡음이 정규분포를 따르는지 여부를 분석하는 잡음 분석부;
    마줄로 알고리즘을 기반으로, 각 센서에서 측정한 측정구간들의 교집합으로부터 최적의 제2출력값을 산출하고, 센서의 영구적인 결함을 검출하는 비확률론적 모델 처리부; 및
    잡음의 분포 형태에 따라 상기 제1 출력값과 제2 출력값 중 어느 하나를 센서의 출력값으로 선택하고, 센서의 영구적인 결함이 검출된 경우 제어기에 영구적인 결함을 경고하는 모델 선택부
    를 포함하는 센서 융합 장치.
  2. 삭제
  3. 제1항에 있어서
    상기 잡음 분석부의 잡음이 정규분포를 따르는지 여부를 검정하는 방법은
    Jarque-Bera 검정, Shapiro-Wilk 검정, Kolomogorov-Smirnov 검정, Lilliefors 검정 및 Anderson-Darling 검정 중 어느 하나의 방법으로 하는 것을 특징으로 하는
    센서 융합 장치.
  4. 제1항에 있어서,
    상기 비확률론적 모델 처리부가 결함이 영구적인지 여부를 판단하는 것은 각 센서의 특성을 실험적으로 파악하여 순각적으로 발생할 수 있는 결함 임계치를 사전에 측정하여 저장하고, 현재 센서의 측정값의 오류치와 비교하여 오류가 영구적인지 여부를 판단하는 것을 특징으로 하는
    센서 융합 장치.
  5. 센서의 오차범위를 산출하고, 센서의 영구적 결함의 판단기준을 결정하는 센서 검정 단계;
    정규분포에 기반하여 센서의 측정값으로부터 최적의 제1출력값을 산출하는 확률론적 모델 처리 단계;
    센서의 잡음이 정규분포를 따르는지 여부를 분석하는 잡음 분석 단계;
    마줄로 알고리즘을 기반으로, 각 센서에서 측정한 측정구간들의 교집합으로부터 최적의 제2출력값을 산출하고, 센서의 영구적인 결함을 검출하는 비확률론적 모델 처리 단계; 및
    잡음의 분포 형태에 따라 상기 제1 출력값과 제2 출력값 중 어느 하나를 센서의 출력값으로 선택하고, 센서의 영구적인 결함이 검출된 경우 제어기에 영구적인 결함을 경고하는 모델 선택 단계
    를 포함하는 센서 융합 방법.
  6. 삭제
  7. 제5항에 있어서
    상기 잡음 분석 단계에서
    센서의 잡음이 정규분포를 따르는지 검정하는 방법은
    Jarque-Bera 검점, Shapiro-Wilk 검정, Kolomogorov-Smirnov 검정, Lilliefors 검정 및 Anderson-Darling 검정 중 어느 하나의 방법으로 하는 것을 특징으로 하는
    센서 융합 방법.
  8. 제5항에 있어서,
    상기 센서의 결함을 검출하는 단계는 각 센서의 특성을 실험적으로 파악하여 순각적으로 발생할 수 있는 결함 임계치를 사전에 측정하여 저장하고, 현재 센서의 측정값의 오류치와 비교하여 검출된 결함이 영구적인지 여부를 판단하는 것을 특징으로 하는
    센서 융합 방법.



KR1020160052998A 2016-04-29 2016-04-29 이기종 센서를 이용한 고 신뢰 센서 융합 장치 및 그 방법 KR101823387B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160052998A KR101823387B1 (ko) 2016-04-29 2016-04-29 이기종 센서를 이용한 고 신뢰 센서 융합 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160052998A KR101823387B1 (ko) 2016-04-29 2016-04-29 이기종 센서를 이용한 고 신뢰 센서 융합 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20170123476A KR20170123476A (ko) 2017-11-08
KR101823387B1 true KR101823387B1 (ko) 2018-01-31

Family

ID=60385275

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160052998A KR101823387B1 (ko) 2016-04-29 2016-04-29 이기종 센서를 이용한 고 신뢰 센서 융합 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR101823387B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102385007B1 (ko) * 2019-12-17 2022-04-08 국방기술품질원 산업용 측정장비 상태 정보(시계열 자료) 신뢰수준 기반 교정 시점 예측 장치 및 방법
CN114018238B (zh) * 2021-10-21 2024-05-07 中国电子科技集团公司第五十四研究所 一种横向与纵向联合的多源传感器数据可用性评估方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100792142B1 (ko) * 2007-01-31 2008-01-04 아주대학교산학협력단 무선 센서 네트워크에서의 센싱 데이터 검증방법
JP2009168812A (ja) * 2008-01-14 2009-07-30 Avl List Gmbh 測定システムの測定データを解析及び評価するための方法及び装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100792142B1 (ko) * 2007-01-31 2008-01-04 아주대학교산학협력단 무선 센서 네트워크에서의 센싱 데이터 검증방법
JP2009168812A (ja) * 2008-01-14 2009-07-30 Avl List Gmbh 測定システムの測定データを解析及び評価するための方法及び装置

Also Published As

Publication number Publication date
KR20170123476A (ko) 2017-11-08

Similar Documents

Publication Publication Date Title
Nunzi et al. Detection of anomalies in the behavior of atomic clocks
JPWO2019168167A1 (ja) 検証方法、検証装置、コンピュータプログラム、及び、検証システム
EP2613207A2 (en) Adaptive trend-change detection and function fitting system and method
CN112771462B (zh) 劣化检测系统
BRPI1101439B1 (pt) Método para detectar a degradação do desempenho de um sensor em um aparelho de medição angular de fluxo
US7949497B2 (en) Machine condition monitoring using discontinuity detection
EP2937689A1 (en) Adaptive baseline damage detection system and method
KR101823387B1 (ko) 이기종 센서를 이용한 고 신뢰 센서 융합 장치 및 그 방법
KR20170067292A (ko) 기계 시스템의 잔여 수명 예측 장치 및 방법
CN114492629A (zh) 异常检测方法、装置、电子设备及存储介质
AU2018204791A1 (en) Detecting a transient error in a body fluid sample
CN111698128A (zh) 物联网网络质量检测方法、装置、计算机设备和存储介质
JP2006317194A (ja) マルチセンサ信号異常検知装置および方法
KR20190069435A (ko) 워크피스의 컴퓨터 단층 촬영 검사를 위한 시스템의 기능 상태 모니터링 방법
KR101896157B1 (ko) 통계적 공정 관리에 기반한 센서 제어 방법
KR101754165B1 (ko) 비주기 가속도 데이터를 병합한 구조물 이상거동 검출 및 안전성 평가 시스템
KR20220132824A (ko) 배전설비 상태 이상 개소 감시 시스템 및 방법
KR102384742B1 (ko) 센서 데이터를 이용한 이상 감지 장치 및 방법
KR101886210B1 (ko) 계측기 신뢰성 평가 장치 및 그의 동작 방법
AU2015203847B2 (en) System and method for spot checking small out-of-control conditions in a clinical diagnostic process
CN113792090A (zh) 一种轧钢数据监控方法、系统、介质及电子终端
EP3457609B1 (en) System and method for computing of anomalies based on frequency driven transformation and computing of new features based on point anomaly density
EP2980716A1 (en) System and method for recovering from a large out-of-control condition in a clinical diagnostic process
KR102546071B1 (ko) 기판 처리 장치 및 데이터 변화 판단 방법
US7877240B2 (en) Method for detecting the sources of faults or defective measuring sensors by working case modeling and partial suppression of equations

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