KR102163619B1 - System and method to cable modeling using time domain reflectometry and general regression neural network - Google Patents
System and method to cable modeling using time domain reflectometry and general regression neural network Download PDFInfo
- Publication number
- KR102163619B1 KR102163619B1 KR1020190085241A KR20190085241A KR102163619B1 KR 102163619 B1 KR102163619 B1 KR 102163619B1 KR 1020190085241 A KR1020190085241 A KR 1020190085241A KR 20190085241 A KR20190085241 A KR 20190085241A KR 102163619 B1 KR102163619 B1 KR 102163619B1
- Authority
- KR
- South Korea
- Prior art keywords
- cable
- value
- reflected signal
- parameter value
- reflected
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/16—Cables, cable trees or wire harnesses
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Algebra (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Measurement Of Resistance Or Impedance (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
Description
본 발명은 케이블 모델링에 관한 것으로, 더욱 상세하게는 시간 영역 반사파 계측법의 결과로부터 특징을 추출한 후, 이를 일반 회귀 신경망에 투입하여 케이블 모델링에 필요한 파라미터를 추정하는 시간 영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 시스템 및 방법에 관한 것이다.The present invention relates to cable modeling, and more particularly, by extracting features from the results of the time domain reflected wave measurement, and then inserting it into a general regression neural network to estimate parameters required for cable modeling, using a time domain reflected wave measurement method and a general regression neural network. It relates to a cable modeling system and method.
일반적으로 케이블을 모델링하기 위해서는 케이블의 S-parameter를 이용하였다. S-parameter는 네트워크 분석기를 이용하여 측정되는데, 이를 위해서는 케이블 양단에 분석기를 연결해야하는 과정이 필요하다. 이 때 긴 케이블을 대상으로 S-parameter를 측정하는 경우에는 케이블 양단에 분석기를 연결하는 것이 어려운 한계점을 안고 있다.In general, the S-parameter of the cable was used to model the cable. The S-parameter is measured using a network analyzer, which requires a process of connecting the analyzer to both ends of the cable. In this case, when measuring S-parameters for a long cable, it is difficult to connect the analyzer to both ends of the cable.
기존에는 케이블 모델링 기술에 있어서, 케이블과 연결된 커넥터를 포함하지 않는 경우가 대다수에 해당한다. 커넥터를 모델링에 포함하는 경우 상대 유전율, 유전 손실, 상대 투자율 3 가지 변수 중 특정 변수의 변화를 고려하지 않는 한계점을 안고 있다.Conventionally, in cable modeling technology, most cases do not include a connector connected to a cable. When the connector is included in the modeling, it has a limitation that it does not consider the change of a specific variable among three variables: relative permittivity, dielectric loss, and relative permeability.
이에, 케이블 모델링 기술에 있어서 케이블의 길이와 상관없이, 단순한 절차를 통한 모델링 기술을 개발할 필요성이 있다.Accordingly, in the cable modeling technology, there is a need to develop a modeling technology through a simple procedure regardless of the length of the cable.
이에 본 발명은 상기와 같은 제반 사항을 고려하여 제안된 것으로, 보다 단순한 절차를 통해 고주파수 응답을 반영한 케이블 모델링 기술을 제공하는 것을 목적으로 한다.Accordingly, the present invention has been proposed in consideration of the above matters, and an object of the present invention is to provide a cable modeling technology reflecting a high frequency response through a simpler procedure.
또한, 본 발명은 커넥터의 특성이 포함된 반사신호의 전반부와, 케이블의 임피던스에 따라 결정되는 반사신호의 중반부를 이용하는 등 케이블 특성에 따른 모델링 기술을 구현하는 것을 목적으로 한다.Another object of the present invention is to implement a modeling technique according to cable characteristics, such as using the first half of the reflected signal including the characteristics of the connector and the middle of the reflected signal determined according to the impedance of the cable.
또한, 본 발명은 반사신호 전체를 특징으로 사용하는 것이 아닌, 커넥터의 캐패시턴스와 인덕턴스 변화에 따라 가장 크게 변화하는 요소인 반사신호의 피크전압, 최소/최대값 형성시간, 전압값 등 일부 값을 특징으로 이용함으로써, 회귀의 효율성을 높이는 것을 목적으로 한다. In addition, the present invention does not use the entire reflected signal as a feature, but features some values such as the peak voltage of the reflected signal, the minimum/maximum value formation time, and the voltage value, which are factors that change the most according to changes in the capacitance and inductance of the connector. By using it, it aims to increase the efficiency of regression.
또한, 본 발명은 케이블 모델이 가지는 변수의 변화를 고려하여 케이블을 모델링함으로써, 정확도 높은 케이블 모델링 기술을 제공하는 것을 목적으로 한다.In addition, an object of the present invention is to provide a cable modeling technology with high accuracy by modeling a cable in consideration of a change in a variable of a cable model.
또한, 본 발명은 시뮬레이션과 실측과의 비교를 통해 객관적이고 간단한 케이블 모델링 파라미터를 제공하는 것을 목적으로 한다.In addition, it is an object of the present invention to provide an objective and simple cable modeling parameter through comparison between simulation and actual measurement.
또한, 본 발명은 실제로 실험해볼 수 없는 다양한 상황을 모의하여 케이블 진단 관련 연구에 사용될 수 있으며, 고장 분석, 계통 보호 및 진단 등의 분야에서 활용 가능하도록 하는 것을 목적으로 한다.In addition, the present invention can be used for cable diagnosis-related research by simulating various situations that cannot be actually tested, and has an object of making it usable in the fields of failure analysis, system protection, and diagnosis.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해할 수 있을 것이다.The objects of the present invention are not limited to the objects mentioned above, and other objects not mentioned will be clearly understood by those skilled in the art from the following description.
상기와 같은 목적을 달성하기 위하여 본 발명의 기술적 사상에 의한 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 시스템은 시간영역 반사파 계측법(TDR)으로 시뮬레이션 케이블과 대상 케이블의 반사신호로부터 제1반사신호 특징을 각각 추출하는 제1반사신호 특징 추출부, 상기 추출된 제1반사신호 특징을 일반 회귀 신경망에 입력하여 적어도 하나 이상의 커넥터 파라미터 값을 출력하는 커넥터 파라미터 값 출력부, 상기 출력된 커넥터 파라미터 값을 기초로 한 시뮬레이션 케이블과, 상기 대상 케이블의 반사신호로부터 제2반사신호 특징을 각각 추출하는 제2반사신호 특징 추출부, 상기 추출된 제2반사신호 특징을 일반 회귀 신경망에 입력하여 적어도 하나 이상의 케이블 파라미터 값을 출력하는 케이블 파라미터 값 출력부, 상기 출력된 커넥터 파라미터 값 및 케이블 파라미터 값을 기초로 상기 대상 케이블을 모델링하는 케이블 모델링부를 포함할 수 있다.In order to achieve the above object, a cable modeling system using a time domain reflected wave measurement method and a general regression neural network according to the technical idea of the present invention uses the time domain reflected wave measurement method (TDR) to obtain the first reflected signal from the reflected signal of the simulation cable and the target cable. A first reflection signal feature extraction unit for extracting features, a connector parameter value output unit for inputting the extracted first reflection signal characteristics to a general regression neural network to output at least one connector parameter value, and the output connector parameter value At least one cable based on the simulation cable, a second reflection signal feature extraction unit for extracting a second reflection signal characteristic from the reflection signal of the target cable, respectively, and inputting the extracted second reflection signal characteristic into a general regression neural network A cable parameter value output unit for outputting a parameter value, and a cable modeling unit for modeling the target cable based on the output connector parameter value and cable parameter value.
이 때 상기 제1반사신호 특징은 반사신호 전반부에 해당하고, 상기 제2반사신호 특징은 반사신호 중반부에 해당할 수 있다.In this case, the first reflective signal feature may correspond to the first half of the reflective signal, and the second reflective signal feature may correspond to the mid reflective signal.
상기 제1반사신호 특징은 상기 시뮬레이션 케이블 또는 대상 케이블의 반사신호의 전반부에 해당하는 피크전압, 상기 반사신호 전반부의 미분함수 중 최소값에 해당하는 최소값 형성시간, 상기 최소값 형성시간에 해당하는 상기 반사신호의 전압값 중 적어도 어느 하나 이상을 포함할 수 있다.The first reflected signal characteristic is a peak voltage corresponding to the first half of the reflected signal of the simulation cable or the target cable, a minimum value forming time corresponding to a minimum value among a derivative function of the first half of the reflected signal, and the reflected signal corresponding to the minimum value forming time It may include at least one or more of the voltage values of.
상기 제2반사신호 특징은 상기 시뮬레이션 케이블 또는 대상 케이블의 반사신호의 중반부에 해당하는 수렴전압, 상기 반사신호 중반부의 미분함수에서 최대값에 해당하는 최대값 형성시간, 상기 최대값 형성시간에 해당하는 상기 반사신호의 전압값 중 적어도 어느 하나 이상을 포함할 수 있다.The second reflective signal features include a convergence voltage corresponding to the middle part of the reflected signal of the simulation cable or the target cable, a maximum value forming time corresponding to a maximum value in the derivative function of the intermediate part of the reflected signal, and the maximum value forming time. At least one or more of the voltage values of the reflected signal may be included.
한편, 상기 커넥터 파라미터 값은 커넥터의 인덕턴스 값(L) 및 캐패시턴스 값(C)을 포함하는 파라미터 값이라 할 수 있다.Meanwhile, the connector parameter value may be referred to as a parameter value including an inductance value (L) and a capacitance value (C) of the connector.
상기 케이블 파라미터 값은 케이블의 상대 유전율 값, 유전 손실 값 및 상대 투자율 값을 포함하는 파라미터 값이라 할 수 있다.The cable parameter value may be a parameter value including a relative permittivity value, a dielectric loss value, and a relative permeability value of the cable.
상기 시뮬레이션 케이블의 반사신호는 상기 시뮬레이션 케이블의 파라미터 값을 기 설정된 범위 내에서 변화시키며 생성된 반사신호 데이터베이스로부터 추출된 반사신호라 할 수 있다.The reflected signal of the simulation cable may be referred to as a reflected signal extracted from the generated reflected signal database by changing a parameter value of the simulation cable within a preset range.
이 때 상기 일반 회귀 신경망은 상기 대상 케이블의 반사신호로부터 각각 추출된 제1반사신호 특징 또는 제2반사신호 특징을 입력받는 입력층, 상기 시뮬레이션 케이블의 반사신호 데이터베이스를 입력받는 패턴층, 상기 입력받은 대상 케이블의 반사신호 및 시뮬레이션 케이블의 반사신호 데이터베이스 간의 유사도 값을 각각 산출하는 합산층, 상기 산출된 유사도 값으로부터 상기 대상 케이블과의 유사도가 가장 높은 파라미터 값을 출력하는 출력층을 포함할 수 있다.At this time, the general regression neural network is an input layer receiving the first reflection signal characteristic or the second reflection signal characteristic respectively extracted from the reflection signal of the target cable, the pattern layer receiving the reflection signal database of the simulation cable, the input A summing layer for calculating a similarity value between the reflected signal of the target cable and the reflected signal database of the simulated cable, respectively, and an output layer for outputting a parameter value having the highest similarity with the target cable from the calculated similarity value.
상기 합산층은 아래 수학식 1 및 수학식 2로 표현되는 유사도 값 산출식에 따라 상기 입력받은 대상 케이블의 반사신호 및 시뮬레이션 케이블의 반사신호 데이터베이스 간의 유사도 값을 산출할 수 있다.The summing layer may calculate a similarity value between the reflected signal of the received target cable and the reflected signal database of the simulated cable according to the similarity value calculation equation represented by
<수학식 1><
(
<수학식 2><Equation 2>
(
상기와 같은 목적을 달성하기 위하여 본 발명의 기술적 사상에 의한 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 방법은 제1반사신호 특징 추출부에서 시간영역 반사파 계측법(TDR)으로 시뮬레이션 케이블과 대상 케이블의 반사신호로부터 제1반사신호 특징을 각각 추출하는 제1반사신호 특징 추출단계, 커넥터 파라미터 값 출력부에서 상기 추출된 제1반사신호 특징을 일반 회귀 신경망에 입력하여 적어도 하나 이상의 커넥터 파라미터 값을 출력하는 커넥터 파라미터 값 출력단계, 제2반사신호 특징 추출부에서 상기 출력된 커넥터 파라미터 값을 기초로 한 시뮬레이션 케이블과, 상기 대상 케이블의 반사신호로부터 제2반사신호 특징을 각각 추출하는 제2반사신호 특징 추출단계, 케이블 파라미터 값 출력부에서 상기 추출된 제2반사신호 특징을 일반 회귀 신경망에 입력하여 적어도 하나 이상의 케이블 파라미터 값을 출력하는 케이블 파라미터 값 출력단계, 케이블 모델링부에서 상기 출력된 커넥터 파라미터 값 및 케이블 파라미터 값을 기초로 상기 대상 케이블을 모델링하는 케이블 모델링단계를 포함할 수 있다.In order to achieve the above object, the time domain reflected wave measurement method and the cable modeling method using a general regression neural network according to the technical idea of the present invention are simulated cables and target cables using the time domain reflected wave measurement method (TDR) in the first reflected signal feature extraction unit. A first reflection signal feature extraction step of extracting a first reflection signal feature from each of the reflected signals of, and outputting at least one connector parameter value by inputting the extracted first reflection signal feature from a connector parameter value output unit to a general regression neural network A connector parameter value output step, a simulation cable based on the connector parameter value output from the second reflection signal characteristic extraction unit, and a second reflection signal characteristic for extracting a second reflection signal characteristic from the reflected signal of the target cable, respectively Extraction step, a cable parameter value output step of outputting at least one cable parameter value by inputting the extracted second reflection signal characteristic from a cable parameter value output unit to a general regression neural network, the connector parameter value output from the cable modeling unit, and A cable modeling step of modeling the target cable based on a cable parameter value may be included.
이 때 상기 제1반사신호 특징은 반사신호 전반부에 해당하고, 상기 제2반사신호 특징은 반사신호 중반부에 해당할 수 있다.In this case, the first reflective signal feature may correspond to the first half of the reflective signal, and the second reflective signal feature may correspond to the mid reflective signal.
상기 제1반사신호 특징은 상기 시뮬레이션 케이블 또는 대상 케이블의 반사신호의 전반부에 해당하는 피크전압, 상기 반사신호 전반부의 미분함수 중 최소값에 해당하는 최소값 형성시간, 상기 최소값 형성시간에 해당하는 상기 반사신호의 전압값 중 적어도 어느 하나 이상을 포함할 수 있다.The first reflected signal characteristic is a peak voltage corresponding to the first half of the reflected signal of the simulation cable or the target cable, a minimum value forming time corresponding to a minimum value among a derivative function of the first half of the reflected signal, and the reflected signal corresponding to the minimum value forming time It may include at least one or more of the voltage values of.
상기 제2반사신호 특징은 상기 시뮬레이션 케이블 또는 대상 케이블의 반사신호의 중반부에 해당하는 수렴전압, 상기 반사신호 중반부의 미분함수에서 최대값에 해당하는 최대값 형성시간, 상기 최대값 형성시간에 해당하는 상기 반사신호의 전압값 중 적어도 어느 하나 이상을 포함할 수 있다.The second reflective signal features include a convergence voltage corresponding to the middle part of the reflected signal of the simulation cable or the target cable, a maximum value forming time corresponding to a maximum value in the derivative function of the intermediate part of the reflected signal, and the maximum value forming time. At least one or more of the voltage values of the reflected signal may be included.
상기 커넥터 파라미터 값은 커넥터의 인덕턴스 값(L) 및 캐패시턴스 값(C)을 포함하는 파라미터 값이라 할 수 있다.The connector parameter value may be referred to as a parameter value including an inductance value (L) and a capacitance value (C) of the connector.
상기 케이블 파라미터 값은 케이블의 상대 유전율 값, 유전 손실 값 및 상대 투자율 값을 포함하는 파라미터 값이라 할 수 있다.The cable parameter value may be a parameter value including a relative permittivity value, a dielectric loss value, and a relative permeability value of the cable.
한편, 상기 시뮬레이션 케이블의 반사신호는 상기 시뮬레이션 케이블의 파라미터 값을 기 설정된 범위 내에서 변화시키며 생성된 반사신호 데이터베이스로부터 추출된 반사신호라 할 수 있다.Meanwhile, the reflected signal of the simulation cable may be referred to as a reflected signal extracted from the generated reflected signal database by changing a parameter value of the simulation cable within a preset range.
상기 일반 회귀 신경망은 입력층에서 상기 대상 케이블의 반사신호로부터 각각 추출된 제1반사신호 특징 또는 제2반사신호 특징을 입력받는 대상 케이블 반사신호 특징 입력단계, 패턴층에서 상기 시뮬레이션 케이블의 반사신호 데이터베이스를 입력받는 시뮬레이션 케이블 반사신호 입력단계, 합산층에서 상기 입력받은 대상 케이블의 반사신호 및 시뮬레이션 케이블의 반사신호 데이터베이스 간의 유사도 값을 각각 산출하는 유사도 값 산출단계, 출력층에서 상기 산출된 유사도 값으로부터 상기 대상 케이블과의 유사도가 가장 높은 파라미터 값을 출력하는 파라미터 값 출력단계를 포함할 수 있다.In the general regression neural network, a target cable reflection signal characteristic input step for receiving a first reflection signal characteristic or a second reflection signal characteristic respectively extracted from the reflection signal of the target cable in the input layer, the reflection signal database of the simulation cable in the pattern layer A simulation cable reflection signal input step receiving input, a similarity value calculation step of calculating a similarity value between the reflected signal of the target cable and the reflected signal database of the simulation cable, respectively, in the summing layer, the object from the calculated similarity value in the output layer A parameter value output step of outputting a parameter value having the highest similarity to the cable may be included.
상기 유사도 값 산출단계는 아래 수학식 1 및 수학식 2로 표현되는 유사도 값 산출식에 따라 상기 입력받은 대상 케이블의 반사신호 및 시뮬레이션 케이블의 반사신호 데이터베이스 간의 유사도 값을 산출할 수 있다.The similarity value calculation step may calculate a similarity value between the reflected signal of the received target cable and the reflected signal database of the simulated cable according to the similarity value calculation formula expressed by
<수학식 1><
(
<수학식 2><Equation 2>
(
이상에서 설명한 바와 같은 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 시스템 및 방법에 따르면, According to the time domain reflected wave measurement method and the cable modeling system and method using a general regression neural network as described above,
첫째, 보다 단순한 절차를 통해 고주파수 응답을 반영한 케이블 모델링 기술을 제공할 수 있는 효과를 가진다.First, it has the effect of providing a cable modeling technology that reflects the high frequency response through a simpler procedure.
둘째, 본 발명은 커넥터의 특성이 포함된 반사신호의 전반부와, 케이블의 임피던스에 따라 결정되는 반사신호의 중반부를 이용하는 등 케이블 특성에 따른 모델링 기술을 구현함으로써, 모델링의 신뢰도를 높일 수 있는 효과를 가진다.Second, the present invention implements modeling technology according to cable characteristics, such as using the first half of the reflected signal including the characteristics of the connector and the middle of the reflected signal determined according to the impedance of the cable, thereby improving the reliability of modeling. Have.
셋째, 본 발명은 반사신호 전체를 특징으로 사용하는 것이 아닌, 커넥터의 캐패시턴스와 인덕턴스 변화에 따라 가장 크게 변화하는 요소인 반사신호의 피크전압, 최소/최대값 형성시간, 전압값 등 일부 값을 특징으로 이용함으로써, 회귀의 효율성을 높일 수 있는 효과를 가진다.Third, the present invention does not use the entire reflected signal as a feature, but features some values such as the peak voltage of the reflected signal, the minimum/maximum value formation time, and the voltage value, which are factors that change the most according to the change in the capacitance and inductance of the connector. By using it, it has the effect of increasing the efficiency of regression.
넷째, 본 발명은 케이블 모델이 가지는 변수의 변화를 고려하여 케이블을 모델링함으로써, 정확도 높은 케이블 모델링 기술을 제공할 수 있는 효과를 가진다.Fourth, the present invention has an effect of providing a high-accuracy cable modeling technology by modeling a cable in consideration of changes in variables of the cable model.
다섯째, 본 발명은 시뮬레이션과 실측과의 비교를 통해 객관적이고 간단한 케이블 모델링 파라미터를 제공할 수 있는 효과를 가진다.Fifth, the present invention has the effect of providing an objective and simple cable modeling parameter through comparison between simulation and actual measurement.
여섯째, 본 발명은 실제로 실험해볼 수 없는 다양한 상황을 모의하여 케이블 진단 관련 연구에 사용될 수 있으며, 고장 분석, 계통 보호 및 진단 등의 분야에서 활용 가능한 효과를 가진다.Sixth, the present invention can be used in research related to cable diagnosis by simulating various situations that cannot be actually tested, and has an effect that can be used in fields such as failure analysis, system protection, and diagnosis.
도 1은 본 발명의 실시예에 따른 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 시스템을 나타낸 구성도.
도 2는 본 발명의 실시예에 따른 일반 회귀 신경망을 나타낸 도면.
도 3은 본 발명의 실시예에 따른 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 방법을 나타낸 순서도.
도 4는 본 발명의 실시예로서, 커넥터 파라미터 값과 케이블 파라미터 값의 도출을 위한 제1반사신호 특징과 제2반사신호 특징을 나타낸 그래프.
도 5는 본 발명의 실시예로서, 상온 및 초전도 상태의 초전도케이블 모델링 방법을 나타낸 순서도.
도 6은 본 발명의 실시예로서, 상온 및 초전도 상태의 시뮬레이션 케이블과, 대상 케이블의 모델링 최종 결과를 나타낸 그래프.
도 7은 본 발명의 실시예로서, 시간-주파수영역 반사파 계측법(TFDR)을 이용한 상온 상태(300K)의 시뮬레이션 케이블과, 대상 케이블의 모델링 최종 결과를 나타낸 그래프.
도 8은 본 발명의 실시예로서, 시간-주파수영역 반사파 계측법(TFDR)을 이용한 초전도 상태(77K)의 시뮬레이션 케이블과, 대상 케이블의 모델링 최종 결과를 나타낸 그래프.1 is a block diagram showing a cable modeling system using a time domain reflected wave measurement method and a general regression neural network according to an embodiment of the present invention.
2 is a diagram showing a general regression neural network according to an embodiment of the present invention.
3 is a flowchart illustrating a time domain reflected wave measurement method and a cable modeling method using a general regression neural network according to an embodiment of the present invention.
4 is a graph showing characteristics of a first reflected signal and a characteristic of a second reflected signal for deriving connector parameter values and cable parameter values according to an embodiment of the present invention.
5 is a flow chart showing a method for modeling a superconducting cable at room temperature and in a superconducting state as an embodiment of the present invention.
6 is a graph showing a simulation cable at room temperature and superconducting state and a final result of modeling a target cable as an embodiment of the present invention.
7 is a graph showing a simulation cable in a room temperature state (300K) using a time-frequency domain reflection wave measurement method (TFDR) as an embodiment of the present invention and a final result of modeling the target cable.
8 is a graph showing a simulation cable in a superconducting state (77K) using a time-frequency domain reflected wave measurement method (TFDR) and a final result of modeling a target cable as an embodiment of the present invention.
본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시예를 예시하는 첨부 도면 및 첨부 도면에 기재된 내용을 참조하여야만 한다. 본 발명의 특징 및 이점들은 첨부 도면에 의거한 다음의 상세한 설명으로 더욱 명백해질 것이다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 발명자가 그 자신의 발명의 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 할 것이다. 또한 본 발명과 관련된 공지 기능 및 그 구성에 대한 구체적인 설명은 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우, 그 구체적인 설명을 생략하였음에 유의해야할 것이다.In order to fully understand the present invention, operational advantages of the present invention, and objects achieved by the implementation of the present invention, reference should be made to the accompanying drawings illustrating preferred embodiments of the present invention and the contents described in the accompanying drawings. Features and advantages of the present invention will become more apparent from the following detailed description based on the accompanying drawings. Prior to this, the terms or words used in the present specification and claims are based on the principle that the inventor can appropriately define the concept of the term in order to explain it in the best way of his own invention. It should be interpreted as a corresponding meaning and concept. In addition, when it is determined that the detailed description of known functions and configurations thereof related to the present invention may unnecessarily obscure the subject matter of the present invention, it should be noted that the detailed description has been omitted.
도 1은 본 발명의 실시예에 따른 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 시스템을 나타낸 구성도이고, 도 2는 본 발명의 실시예에 따른 일반 회귀 신경망을 나타낸 도면이다.1 is a block diagram showing a cable modeling system using a time domain reflected wave measurement method and a general regression neural network according to an embodiment of the present invention, and FIG. 2 is a diagram showing a general regression neural network according to an embodiment of the present invention.
먼저 도 1을 참조하면, 본 발명의 실시예에 따른 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 시스템은 제1반사신호 특징 추출부(100), 커넥터 파라미터 값 출력부(200), 제2반사신호 특징 추출부(300), 케이블 파라미터 값 출력부(400) 및 케이블 모델링부(500)를 포함할 수 있다.First, referring to FIG. 1, a cable modeling system using a time domain reflected wave measurement method and a general regression neural network according to an embodiment of the present invention includes a first reflected signal
제1반사신호 특징 추출부(100)는 시간영역 반사파 계측법(TDR)으로 시뮬레이션 케이블과 대상 케이블의 반사신호로부터 제1반사신호 특징을 각각 추출할 수 있다. 이는 시뮬레이션 케이블과 대상 케이블의 제1반사신호 특징 비교를 통해, 대상 케이블과 가장 유사한 파라미터를 추정하기 위한 제1반사신호를 추정하기 위한 구성요소라 할 수 있다. 이 때 제1반사신호를 이용하여 추정하고자 하는 파라미터는 커넥터 파라미터라 할 수 있다.The first reflected signal
한편, 제1반사신호 특징은 시뮬레이션 케이블 또는 대상 케이블의 반사신호 중에서도, 반사신호 전반부에 해당하는 특징이라 할 수 있다. 이 때 시뮬레이션 케이블의 반사신호는 시뮬레이션 케이블에 연결된 시뮬레이션 커넥터의 파라미터 값을 기 설정된 범위 내에서 변화시키며 생성된 반사신호 데이터베이스로부터 추출된 반사신호라 할 수 있다. 시뮬레이션 커넥터의 파라미터 값은 인덕턴스 값(L) 및 캐패시턴스 값을 포함할 수 있다.Meanwhile, the first reflected signal characteristic may be a characteristic corresponding to the first half of the reflected signal among the reflected signals of the simulation cable or the target cable. At this time, the reflected signal of the simulation cable is a reflected signal extracted from the generated reflected signal database by changing the parameter value of the simulation connector connected to the simulation cable within a preset range. The parameter values of the simulation connector may include an inductance value (L) and a capacitance value.
제1반사신호 특징은 시간영역 반사파 계측법(TDR) 외에 다양한 종류의 반사파 계측법으로 용이하게 변경하여 추출할 수 있다.The characteristic of the first reflected signal can be easily changed and extracted into various types of reflected wave measurement methods other than the time domain reflected wave measurement method (TDR).
또한, 제1반사신호 특징은 시뮬레이션 케이블 또는 대상 케이블의 반사신호의 전반부에 해당하는 피크전압, 반사신호 전반부의 미분함수 중 최소값에 해당하는 최소값 형성시간, 상기 최소값 형성시간에 해당하는 상기 반사신호의 전압값 중 적어도 어느 하나 이상을 포함할 수 있다. 이는 커넥터의 특성이 포함된 반사신호의 전반부를 이용하여 케이블 특성에 따른 모델링 기술을 구현함으로써, 모델링의 신뢰도를 높이기 위한 특징이라 할 수 있다.In addition, the characteristics of the first reflected signal include a peak voltage corresponding to the first half of the reflected signal of a simulation cable or a target cable, a minimum value forming time corresponding to the minimum value among the derivative functions of the first half of the reflected signal, and the reflected signal corresponding to the minimum value forming time. It may include at least one or more of the voltage values. This can be said to be a feature to increase the reliability of modeling by implementing a modeling technique according to cable characteristics using the first half of the reflected signal including the characteristics of the connector.
보다 상세하게, 시간 영역 반사파 계측법 결과의 전반부는 고정된 계측기의 임피던스와 커넥터의 임피던스 간 차이에 의해 결정된다. 이에, 반사신호의 전반부에는 커넥터의 특성이 포함되어있다고 할 수 있다.More specifically, the first half of the time domain reflected wave measurement result is determined by the difference between the impedance of the fixed measuring instrument and the impedance of the connector. Accordingly, it can be said that the first half of the reflected signal includes the characteristics of the connector.
커넥터 파라미터 값 출력부(200)는 제1반사신호 특징 추출부(100)로부터 추출된 제1반사신호 특징을 일반 회귀 신경망에 입력하여 적어도 하나 이상의 커넥터 파라미터 값을 출력할 수 있다.The connector parameter
제2반사신호 특징 추출부(300)는 커넥터 파라미터 값 출력부(200)로부터 출력된 커넥터 파라미터 값을 기초로 한 시뮬레이션 케이블과, 대상 케이블의 반사신호로부터 제2반사신호 특징을 각각 추출할 수 있다. 이는 시뮬레이션 케이블과 대상 케이블의 제2반사신호 특징 비교를 통해, 대상 케이블과 가장 유사한 파라미터를 추정하기 위한 제2반사신호를 추정하기 위한 구성요소라 할 수 있다. 이 때 제2반사신호를 이용하여 추정하고자 하는 파라미터는 케이블 파라미터라 할 수 있다.The second reflection signal
제2반사신호 특징은 시뮬레이션 케이블 또는 대상 케이블의 반사신호 중에서도, 반사신호 중반부에 해당하는 특징이라 할 수 있다. 이 때 시뮬레이션 케이블의 반사신호는 시뮬레이션 케이블의 파라미터 값을 기 설정된 범위 내에서 변화시키며 생성된 반사신호 데이터베이스로부터 추출된 반사신호라 할 수 있다. 시뮬레이션 케이블의 파라미터 값은 케이블의 상대 유전율 값, 유전 손실 값 및 상대 투자율 값을 포함할 수 있다. 이는 케이블 모델이 가지는 변수의 변화를 고려하기 위해 포함되는 파라미터 값이라 할 수 있다.The second reflection signal characteristic may be a characteristic corresponding to the center of the reflected signal among the reflected signals of the simulation cable or the target cable. At this time, the reflected signal of the simulation cable can be referred to as a reflected signal extracted from the generated reflected signal database by changing the parameter value of the simulation cable within a preset range. The parameter values of the simulation cable may include a relative permittivity value, a dielectric loss value, and a relative permeability value of the cable. This can be said to be a parameter value included to consider the change of the variable of the cable model.
보다 상세하게, 케이블의 유전체 특성은 크게 상대 유전율 값, 유전 손실 값, 상대 투자율 값으로 나타낼 수 있다. 종래 기술의 경우, 상대 투자율 값의 변화를 고려하지 않고 나머지 2개의 변수인 상대 유전율 값, 유전 손실 값만을 최적화하여 모델링을 진행하였다. 다만, 본 발명에서는 상기 3가지 변수를 모두 고려(해당 변수들의 최적값을 설정)함으로써, 모델링을 진행할 수 있다.In more detail, the dielectric properties of the cable can be largely represented by a relative permittivity value, a dielectric loss value, and a relative permeability value. In the case of the prior art, modeling was performed by optimizing only the other two variables, the relative permittivity value and the dielectric loss value, without considering the change in the relative permeability value. However, in the present invention, modeling can proceed by considering all three variables (setting optimal values of the variables).
제2반사신호 특징은 제1반사신호 특징과 마찬가지로, 시간영역 반사파 계측법(TDR) 외에 다양한 종류의 반사파 계측법으로 용이하게 변경하여 추출할 수 있다.The second reflected signal characteristic, like the first reflected signal characteristic, can be easily changed and extracted into various types of reflected wave measurement methods other than the time domain reflected wave measurement method (TDR).
또한, 제2반사신호 특징은 시뮬레이션 케이블 또는 대상 케이블의 반사신호의 중반부에 해당하는 수렴전압, 반사신호 중반부의 미분함수에서 최대값에 해당하는 최대값 형성시간, 최대값 형성시간에 해당하는 반사신호의 전압값 중 적어도 어느 하나 이상을 포함할 수 있다. 이는 케이블의 임피던스에 따라 결정되는 반사신호의 중반부를 이용하여 케이블 특성에 따른 모델링 기술을 구현함으로써, 모델링의 신뢰도를 높이기 위한 특징이라 할 수 있다.In addition, the characteristics of the second reflected signal are the convergence voltage corresponding to the middle of the reflected signal of the simulation cable or the target cable, the maximum value forming time corresponding to the maximum value in the derivative function of the intermediate part of the reflected signal, and the reflected signal corresponding to the maximum value forming time. It may include at least one or more of the voltage values of. This can be said to be a feature for increasing the reliability of modeling by implementing a modeling technique according to cable characteristics by using the middle portion of the reflected signal determined according to the impedance of the cable.
한편, 반사신호 특징(제1반사신호 특징 및 제2반사신호 특징)은 반사신호 전체를 특징으로 사용하는 것이 아닌, 커넥터의 캐패시턴스와 인덕턴스 변화에 따라 가장 크게 변화하는 요소인 반사신호의 피크전압, 최소/최대값 형성시간, 전압값 등 일부 값을 특징으로 이용함으로써, 회귀의 효율성을 높일 수 있다. 이는 반사신호 전체를 특징으로 사용할 경우, 샘플의 개수가 많아져 회귀의 효율성이 떨어지는 것을 개선하고자 한 것이라 할 수 있다. 이에 반사신호 특징 추출은 사전에 진행될 수 있다. 또한, 반사신호 특징은 커넥터의 변화에 따라 뚜렷하게 변화할수록 사용하기에 효과적이라 할 수 있다.On the other hand, the characteristics of the reflected signal (the first characteristic and the second characteristic of the reflected signal) are not used as a characteristic of the entire reflected signal, but the peak voltage of the reflected signal, which is a factor that changes the most according to the change in the capacitance and inductance of the connector, By using some values such as minimum/maximum formation time and voltage values as features, the efficiency of regression can be improved. This can be said to be intended to improve the reduction in regression efficiency due to an increase in the number of samples when the entire reflected signal is used as a feature. Accordingly, the reflection signal feature extraction may be performed in advance. In addition, the characteristics of the reflected signal can be said to be more effective in use as the characteristics of the reflected signal change more clearly according to the change of the connector.
케이블 파라미터 값 출력부(400)는 제2반사신호 특징 추출부(300)로부터 추출된 제2반사신호 특징을 일반 회귀 신경망에 입력하여 적어도 하나 이상의 케이블 파라미터 값을 출력할 수 있다.The cable parameter
케이블 모델링부(500)는 커넥터 파라미터 값 출력부(200) 및 케이블 파라미터 값 출력부(400)로부터 출력된 커넥터 파라미터 값 및 케이블 파라미터 값을 기초로 대상 케이블을 모델링할 수 있다.The
한편, 커넥터 파라미터 값 출력부(200) 및 케이블 파라미터 값 출력부(400)의 일반 회귀 신경망은 동일한 구조를 가지지만, 각 신경망은 서로 다른 신경망에 해당할 수 있다. 커넥터 파라미터 값 출력부(200)에서 사용되는 신경망은 제1반사신호 특징으로 구성되며, 케이블 파라미터 값 출력부(400)에서 사용되는 신경망은 제2반사신호 특징으로 구성될 수 있다. 이러한 각 신경망을 구성하는 특징 역시 서로 다른 데이터베이스로 만들어질 수 있다.Meanwhile, although the general regression neural networks of the connector parameter
제1반사신호 특징은 커넥터의 인덕턴스와 케페시턴스 변화에 따라 생성된 시간영역 반사파계측법 결과로부터 형성되며, 제2반사신호 특징은 케이블의 상대 유전율/유전 손실/상대 투자율 변화에 따라 생성된 시간영역 반사파계측법 결과로부터 형성될 수 있다.The first reflected signal characteristic is formed from the result of the time domain reflection wave measurement method generated according to the change in inductance and capacitance of the connector, and the second reflected signal characteristic is the time domain generated according to the change in the relative permittivity/dielectric loss/relative permeability of the cable. It can be formed from the result of reflected wave measurement.
한편, 도 2를 참조하여 커넥터 파라미터 값 출력부(200) 및 케이블 파라미터 값 출력부(400)의 일반 회귀 신경망을 설명하면 다음과 같다.Meanwhile, a general regression neural network of the connector parameter
도 2에 도시된 바와 같이, 본 발명의 실시예에 따른 일반 회귀 신경망은 입력층(Input layer), 패턴층(Pattern layer), 합산층(Summation layer) 및 출력층(Output layer)을 포함할 수 있다.As shown in FIG. 2, a general regression neural network according to an embodiment of the present invention may include an input layer, a pattern layer, a summation layer, and an output layer. .
입력층(Input layer)은 대상 케이블의 반사신호로부터 각각 추출된 제1반사신호 특징 또는 제2반사신호 특징을 입력받을 수 있다.The input layer may receive a first reflection signal characteristic or a second reflection signal characteristic respectively extracted from the reflection signal of the target cable.
패턴층(Pattern layer)은 시뮬레이션 케이블의 반사신호 데이터베이스를 입력받을 수 있다. 이 때 시뮬레이션 케이블의 반사신호 데이터베이스는 시뮬레이션 케이블에 연결된 시뮬레이션 커넥터의 파라미터 값을 기 설정된 범위 내에서 변화시키며 생성된 반사신호 데이터와, 시뮬레이션 케이블의 파라미터 값을 기 설정된 범위 내에서 변화시키며 생성된 반사신호 데이터로 이루어진 데이터베이스라 할 수 있다. 보다 상세하게, 시뮬레이션 케이블의 반사신호 데이터베이스는 시뮬레이션 케이블의 반사신호 데이터베이스로부터 추출된 제1반사신호 특징 또는 제2반사신호 특징을 입력받을 수 있다.The pattern layer may receive the reflected signal database of the simulation cable. At this time, the reflected signal database of the simulation cable changes the parameter value of the simulation connector connected to the simulation cable within a preset range, and changes the generated reflected signal data and the parameter value of the simulation cable within the preset range. It can be said to be a database of data. In more detail, the reflection signal database of the simulation cable may receive a first reflection signal characteristic or a second reflection signal characteristic extracted from the reflection signal database of the simulation cable.
합산층(Summation layer)은 입력층(Input layer)으로부터 입력받은 대상 케이블의 반사신호 및 패턴층(Pattern layer)으로부터 입력받은 시뮬레이션 케이블의 반사신호 데이터베이스 간의 유사도 값을 각각 산출할 수 있다. 이 때 합산층(Summation layer)은 아래 수학식 1 및 수학식 2로 표현되는 유사도 값 산출식에 따라 상기 입력받은 대상 케이블의 반사신호 및 시뮬레이션 케이블의 반사신호 데이터베이스 간의 유사도 값을 산출할 수 있다.The summation layer may calculate a similarity value between a reflection signal of a target cable input from an input layer and a reflection signal database of a simulation cable input from a pattern layer, respectively. In this case, the summation layer may calculate a similarity value between the reflected signal of the received target cable and the reflected signal database of the simulated cable according to the similarity value calculation equation represented by
<수학식 1><
(
<수학식 2><Equation 2>
(
출력층(Output layer)에서는 합산층(Summation layer)으로부터 산출된 유사도 값으로부터 대상 케이블과의 유사도가 가장 높은 파라미터 값을 출력할 수 있다.In the output layer, a parameter value having the highest similarity with the target cable may be output from the similarity value calculated from the summation layer.
도 3은 본 발명의 실시예에 따른 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 방법을 나타낸 순서도이다.3 is a flowchart showing a time domain reflected wave measurement method and a cable modeling method using a general regression neural network according to an embodiment of the present invention.
도 3을 참조하면, 본 발명의 실시예에 따른 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 방법은 제1반사신호 특징 추출단계(S100), 커넥터 파라미터 값 출력단계(S200), 제2반사신호 특징 추출단계(S300), 케이블 파라미터 값 출력단계(S400) 및 케이블 모델링단계(S500)를 포함할 수 있다.3, the time domain reflection wave measurement method and the cable modeling method using a general regression neural network according to an embodiment of the present invention include a first reflection signal feature extraction step (S100), a connector parameter value output step (S200), and a second reflection. A signal feature extraction step S300, a cable parameter value output step S400, and a cable modeling step S500 may be included.
제1반사신호 특징 추출단계에서는 제1반사신호 특징 추출부(100)에서 시간영역 반사파 계측법(TDR)으로 시뮬레이션 케이블과 대상 케이블의 반사신호로부터 제1반사신호 특징을 각각 추출할 수 있다(S100). 이는 시뮬레이션 케이블과 대상 케이블의 제1반사신호 특징 비교를 통해, 대상 케이블과 가장 유사한 파라미터를 추정하기 위한 제1반사신호를 추정하기 위한 단계라 할 수 있다. 이 때 제1반사신호를 이용하여 추정하고자 하는 파라미터는 커넥터 파라미터라 할 수 있다.In the first reflected signal feature extraction step, the first reflected signal
한편, 제1반사신호 특징은 시뮬레이션 케이블 또는 대상 케이블의 반사신호 중에서도, 반사신호 전반부에 해당하는 특징이라 할 수 있다. 이 때 시뮬레이션 케이블의 반사신호는 시뮬레이션 케이블에 연결된 시뮬레이션 커넥터의 파라미터 값을 기 설정된 범위 내에서 변화시키며 생성된 반사신호 데이터베이스로부터 추출된 반사신호라 할 수 있다. 시뮬레이션 커넥터의 파라미터 값은 인덕턴스 값(L) 및 캐패시턴스 값을 포함할 수 있다.Meanwhile, the first reflected signal characteristic may be a characteristic corresponding to the first half of the reflected signal among the reflected signals of the simulation cable or the target cable. At this time, the reflected signal of the simulation cable is a reflected signal extracted from the generated reflected signal database by changing the parameter value of the simulation connector connected to the simulation cable within a preset range. The parameter values of the simulation connector may include an inductance value (L) and a capacitance value.
제1반사신호 특징은 시간영역 반사파 계측법(TDR) 외에 다양한 종류의 반사파 계측법으로 용이하게 변경하여 추출할 수 있다.The characteristic of the first reflected signal can be easily changed and extracted into various types of reflected wave measurement methods other than the time domain reflected wave measurement method (TDR).
또한, 제1반사신호 특징은 시뮬레이션 케이블 또는 대상 케이블의 반사신호의 전반부에 해당하는 피크전압, 반사신호 전반부의 미분함수 중 최소값에 해당하는 최소값 형성시간, 최소값 형성시간에 해당하는 반사신호의 전압값 중 적어도 어느 하나 이상을 포함할 수 있다. 이는 커넥터의 특성이 포함된 반사신호의 전반부를 이용하여 케이블 특성에 따른 모델링 기술을 구현함으로써, 모델링의 신뢰도를 높이기 위한 특징이라 할 수 있다.In addition, the first characteristic of the reflected signal is the peak voltage corresponding to the first half of the reflected signal of the simulation cable or the target cable, the minimum value forming time corresponding to the minimum value among the derivative functions of the first half of the reflected signal, and the voltage value of the reflected signal corresponding to the minimum value forming time. It may include at least any one or more of. This can be said to be a feature to increase the reliability of modeling by implementing a modeling technique according to cable characteristics using the first half of the reflected signal including the characteristics of the connector.
보다 상세하게, 시간 영역 반사파 계측법 결과의 전반부는 고정된 계측기의 임피던스와 커넥터의 임피던스 간 차이에 의해 결정된다. 이에, 반사신호의 전반부에는 커넥터의 특성이 포함되어있다고 할 수 있다.More specifically, the first half of the time domain reflected wave measurement result is determined by the difference between the impedance of the fixed measuring instrument and the impedance of the connector. Accordingly, it can be said that the first half of the reflected signal includes the characteristics of the connector.
커넥터 파라미터 값 출력단계에서는 커넥터 파라미터 값 출력부(200)에서 제1반사신호 특징 추출단계(S100)로부터 추출된 제1반사신호 특징을 일반 회귀 신경망에 입력하여 적어도 하나 이상의 커넥터 파라미터 값을 출력할 수 있다(S200).In the connector parameter value output step, at least one connector parameter value may be output by inputting the first reflection signal feature extracted from the first reflection signal feature extraction step (S100) in the connector parameter
제2반사신호 특징 추출단계에서는 제2반사신호 특징 추출부(300)에서 커넥터 파라미터 값 출력단계(S200)로부터 출력된 커넥터 파라미터 값을 기초로 한 시뮬레이션 케이블과, 대상 케이블의 반사신호로부터 제2반사신호 특징을 각각 추출할 수 있다(S300). 이는 시뮬레이션 케이블과 대상 케이블의 제2반사신호 특징 비교를 통해, 대상 케이블과 가장 유사한 파라미터를 추정하기 위한 제2반사신호를 추정하기 위한 단계라 할 수 있다. 이 때 제2반사신호를 이용하여 추정하고자 하는 파라미터는 케이블 파라미터라 할 수 있다.In the second reflection signal feature extraction step, a simulation cable based on the connector parameter value output from the connector parameter value output step (S200) from the second reflection signal
제2반사신호 특징은 시뮬레이션 케이블 또는 대상 케이블의 반사신호 중에서도, 반사신호 중반부에 해당하는 특징이라 할 수 있다. 이 때 시뮬레이션 케이블의 반사신호는 시뮬레이션 케이블의 파라미터 값을 기 설정된 범위 내에서 변화시키며 생성된 반사신호 데이터베이스로부터 추출된 반사신호라 할 수 있다. 시뮬레이션 케이블의 파라미터 값은 케이블의 상대 유전율 값, 유전 손실 값 및 상대 투자율 값을 포함할 수 있다. 이는 케이블 모델이 가지는 변수의 변화를 고려하기 위해 포함되는 파라미터 값이라 할 수 있다.The second reflection signal characteristic may be a characteristic corresponding to the center of the reflected signal among the reflected signals of the simulation cable or the target cable. At this time, the reflected signal of the simulation cable can be referred to as a reflected signal extracted from the generated reflected signal database by changing the parameter value of the simulation cable within a preset range. The parameter values of the simulation cable may include a relative permittivity value, a dielectric loss value, and a relative permeability value of the cable. This can be said to be a parameter value included to consider the change of the variable of the cable model.
보다 상세하게, 케이블의 유전체 특성은 크게 상대 유전율 값, 유전 손실 값, 상대 투자율 값으로 나타낼 수 있다. 종래 기술의 경우, 상대 투자율 값의 변화를 고려하지 않고 나머지 2개의 변수인 상대 유전율 값, 유전 손실 값만을 최적화하여 모델링을 진행하였다. 다만, 본 발명에서는 상기 3가지 변수를 모두 고려(해당 변수들의 최적값을 설정)함으로써, 모델링을 진행할 수 있다.In more detail, the dielectric properties of the cable can be largely represented by a relative permittivity value, a dielectric loss value, and a relative permeability value. In the case of the prior art, modeling was performed by optimizing only the other two variables, the relative permittivity value and the dielectric loss value, without considering the change in the relative permeability value. However, in the present invention, modeling can proceed by considering all three variables (setting optimal values of the variables).
제2반사신호 특징은 제1반사신호 특징과 마찬가지로, 시간영역 반사파 계측법(TDR) 외에 다양한 종류의 반사파 계측법으로 용이하게 변경하여 추출할 수 있다.The second reflected signal characteristic, like the first reflected signal characteristic, can be easily changed and extracted into various types of reflected wave measurement methods other than the time domain reflected wave measurement method (TDR).
또한, 제2반사신호 특징은 시뮬레이션 케이블 또는 대상 케이블의 반사신호의 중반부에 해당하는 수렴전압, 반사신호 중반부의 미분함수에서 최대값에 해당하는 최대값 형성시간, 최대값 형성시간에 해당하는 반사신호의 전압값 중 적어도 어느 하나 이상을 포함할 수 있다. 이는 케이블의 임피던스에 따라 결정되는 반사신호의 중반부를 이용하여 케이블 특성에 따른 모델링 기술을 구현함으로써, 모델링의 신뢰도를 높이기 위한 특징이라 할 수 있다.In addition, the characteristics of the second reflected signal are the convergence voltage corresponding to the middle of the reflected signal of the simulation cable or the target cable, the maximum value forming time corresponding to the maximum value in the derivative function of the intermediate part of the reflected signal, and the reflected signal corresponding to the maximum value forming time. It may include at least one or more of the voltage values of. This can be said to be a feature for increasing the reliability of modeling by implementing a modeling technique according to cable characteristics by using the middle portion of the reflected signal determined according to the impedance of the cable.
한편, 반사신호 특징(제1반사신호 특징 및 제2반사신호 특징)은 반사신호 전체를 특징으로 사용하는 것이 아닌, 커넥터의 캐패시턴스와 인덕턴스 변화에 따라 가장 크게 변화하는 요소인 반사신호의 피크전압, 최소/최대값 형성시간, 전압값 등 일부 값을 특징으로 이용함으로써, 회귀의 효율성을 높일 수 있다. 이는 반사신호 전체를 특징으로 사용할 경우, 샘플의 개수가 많아져 회귀의 효율성이 떨어지는 것을 개선하고자 한 것이라 할 수 있다. 이에 반사신호 특징 추출은 사전에 진행될 수 있다. 또한, 반사신호 특징은 커넥터의 변화에 따라 뚜렷하게 변화할수록 사용하기에 효과적이라 할 수 있다.On the other hand, the characteristics of the reflected signal (the first characteristic and the second characteristic of the reflected signal) are not used as a characteristic of the entire reflected signal, but the peak voltage of the reflected signal, which is a factor that changes the most according to the change in the capacitance and inductance of the connector, By using some values such as minimum/maximum formation time and voltage values as features, the efficiency of regression can be improved. This can be said to be intended to improve the reduction in regression efficiency due to an increase in the number of samples when the entire reflected signal is used as a feature. Accordingly, the reflection signal feature extraction may be performed in advance. In addition, the characteristics of the reflected signal can be said to be more effective in use as the characteristics of the reflected signal change more clearly according to the change of the connector.
케이블 파라미터 값 출력단계에서는 케이블 파라미터 값 출력부(400)에서 제2반사신호 특징 추출단계(S300)로부터 추출된 제2반사신호 특징을 일반 회귀 신경망에 입력하여 적어도 하나 이상의 케이블 파라미터 값을 출력할 수 있다(S400).In the cable parameter value output step, at least one cable parameter value may be output by inputting the second reflected signal feature extracted from the second reflected signal feature extraction step (S300) in the cable parameter
케이블 모델링단계에서는 케이블 모델링부(500)에서 커넥터 파라미터 값 출력단계(S200) 및 케이블 파라미터 값 출력단계(S400)로부터 출력된 커넥터 파라미터 값 및 케이블 파라미터 값을 기초로 대상 케이블을 모델링할 수 있다(S500).In the cable modeling step, the
한편, 커넥터 파라미터 값 출력단계(S200) 및 케이블 파라미터 값 출력단계(S400)의 일반 회귀 신경망은 동일한 구조를 가지지만, 각 신경망은 서로 다른 신경망에 해당할 수 있다. 커넥터 파라미터 값 출력단계(S200)에서 사용되는 신경망은 제1반사신호 특징으로 구성되며, 케이블 파라미터 값 출력단계(S400)에서 사용되는 신경망은 제2반사신호 특징으로 구성될 수 있다. 이러한 각 신경망을 구성하는 특징 역시 서로 다른 데이터베이스로 만들어질 수 있다.Meanwhile, although the general regression neural networks in the connector parameter value output step S200 and the cable parameter value output step S400 have the same structure, each neural network may correspond to a different neural network. The neural network used in the connector parameter value output step S200 may be configured with a first reflective signal feature, and the neural network used in the cable parameter value output step S400 may be configured with a second reflective signal feature. The characteristics of each of these neural networks can also be made into different databases.
제1반사신호 특징은 커넥터의 인덕턴스와 케페시턴스 변화에 따라 생성된 시간영역 반사파계측법 결과로부터 형성되며, 제2반사신호 특징은 케이블의 상대 유전율/유전 손실/상대 투자율 변화에 따라 생성된 시간영역 반사파계측법 결과로부터 형성될 수 있다.The first reflected signal characteristic is formed from the result of the time domain reflection wave measurement method generated according to the change in inductance and capacitance of the connector, and the second reflected signal characteristic is the time domain generated according to the change in the relative permittivity/dielectric loss/relative permeability of the cable. It can be formed from the result of reflected wave measurement.
한편, 커넥터 파라미터 값 출력단계(S200) 및 케이블 파라미터 값 출력단계(S400)의 일반 회귀 신경망은 도 2를 참조하여 설명할 수 있다.Meanwhile, the general regression neural network of the connector parameter value output step S200 and the cable parameter value output step S400 may be described with reference to FIG. 2.
도 2에 도시된 바와 같이, 본 발명의 실시예에 따른 일반 회귀 신경망은 입, 패턴층(Pattern layer), 합산층(Summation layer) 및 출력층(Output layer)을 포함할 수 있다. 이를 통해 대상 케이블 반사신호 특징입력단계, 시뮬레이션 케이블 반사신호 입력단계, 유사도 값 산출단계 및 파라미터 값 출력단계로 진행될 수 있다. As shown in FIG. 2, a general regression neural network according to an embodiment of the present invention may include a mouth, a pattern layer, a summation layer, and an output layer. Through this, the target cable reflected signal characteristic input step, the simulation cable reflected signal input step, the similarity value calculation step, and the parameter value output step may be performed.
먼저 대상 케이블 반사신호 특징 입력단계에서는 입력층(Input layer)에서 대상 케이블의 반사신호로부터 각각 추출된 제1반사신호 특징 또는 제2반사신호 특징을 입력받을 수 있다.First, in the target cable reflected signal characteristic input step, a first reflected signal characteristic or a second reflected signal characteristic extracted from the reflected signal of the target cable may be input from an input layer.
시뮬레이션 케이블 반사신호 입력단계에서는 패턴층(Pattern layer)에서 시뮬레이션 케이블의 반사신호 데이터베이스를 입력받을 수 있다. 이 때 시뮬레이션 케이블의 반사신호 데이터베이스는 시뮬레이션 케이블에 연결된 시뮬레이션 커넥터의 파라미터 값을 기 설정된 범위 내에서 변화시키며 생성된 반사신호 데이터와, 시뮬레이션 케이블의 파라미터 값을 기 설정된 범위 내에서 변화시키며 생성된 반사신호 데이터로 이루어진 데이터베이스라 할 수 있다. 보다 상세하게, 시뮬레이션 케이블의 반사신호 데이터베이스는 시뮬레이션 케이블의 반사신호 데이터베이스로부터 추출된 제1반사신호 특징 또는 제2반사신호 특징을 입력받을 수 있다.In the simulation cable reflection signal input step, a reflection signal database of the simulation cable may be input from a pattern layer. At this time, the reflected signal database of the simulation cable changes the parameter value of the simulation connector connected to the simulation cable within a preset range, and changes the generated reflected signal data and the parameter value of the simulation cable within the preset range. It can be said to be a database of data. In more detail, the reflection signal database of the simulation cable may receive a first reflection signal characteristic or a second reflection signal characteristic extracted from the reflection signal database of the simulation cable.
유사도 값 산출단계에서는 합산층(Summation layer)에서 대상 케이블 반사신호 특징 입력단계로부터 입력받은 대상 케이블의 반사신호, 시뮬레이션 케이블 반사신호 입력단계로부터 입력받은 시뮬레이션 케이블의 반사신호 데이터베이스 간의 유사도 값을 각각 산출할 수 있다. 이 때 유사도 값 산출단계는 아래 수학식 1 및 수학식 2로 표현되는 유사도 값 산출식에 따라 상기 입력받은 대상 케이블의 반사신호 및 시뮬레이션 케이블의 반사신호 데이터베이스 간의 유사도 값을 산출할 수 있다.In the similarity value calculation step, the similarity value between the reflected signal of the target cable received from the characteristic input step of the target cable reflected signal in the summation layer and the reflected signal database of the simulated cable received from the simulation cable reflected signal input step is calculated. I can. In this case, in the similarity value calculation step, a similarity value between the reflected signal of the received target cable and the reflected signal database of the simulated cable may be calculated according to the similarity value calculation equation expressed by
<수학식 1><
(
<수학식 2><Equation 2>
(
파라미터 값 출력단계에서는 출력층(Output layer)에서 유사도 값 산출단계로부터 산출된 유사도 값으로부터 대상 케이블과의 유사도가 가장 높은 파라미터 값을 출력할 수 있다.In the parameter value output step, the parameter value having the highest similarity to the target cable may be output from the similarity value calculated from the similarity value calculation step in the output layer.
도 4는 본 발명의 실시예로서, 커넥터 파라미터 값과 케이블 파라미터 값의 도출을 위한 제1반사신호 특징과 제2반사신호 특징을 나타낸 그래프이고, (a)는 시간영역 반사파 계측법(TDR)의 결과를 나타낸 그래프이며, (b)는 시간영역 반사파 계측법(TDR) 결과에 대한 미분함수를 나타낸 그래프이다.4 is a graph showing characteristics of a first reflected signal and a characteristic of a second reflected signal for deriving connector parameter values and cable parameter values as an embodiment of the present invention, and (a) is a result of a time domain reflected wave measurement method (TDR). Is a graph showing, and (b) is a graph showing the derivative function for the result of the time domain reflected wave measurement (TDR).
즉, 도 4에서 (a)는 제1반사신호 특징 중 ‘피크전압’, ‘최소값 형성시간’, ‘최소값 형성시간에 해당하는 반사신호의 전압값’이 나타난 그래프라 할 수 있고, (b)는 제2반사신호 특징 중 ‘수렴전압’, ‘최대값 형성시간’, ‘최대값 형성시간에 해당하는 반사신호의 전압값’이 나타난 그래프라 할 수 있다.That is, in FIG. 4 (a) is a graph showing the'peak voltage', the'minimum value formation time', and'the voltage value of the reflection signal corresponding to the minimum value formation time' among the characteristics of the first reflection signal, and (b) Is a graph showing the'convergence voltage', the'maximum value forming time', and'the voltage value of the reflected signal corresponding to the maximum value forming time' among the characteristics of the second reflected signal.
도 4(a)에 도시된 바와 같이, V-peak는 TDR 반사신호 전반부의 ‘피크전압’에 해당할 수 있다. t1은 반사신호 r(t)의 미분함수 r’(t) 중 최소값을 형성하는 시간인 ‘최소값 형성시간’에 해당할 수 있다. r(t1)은 t1 시간에서 반사신호 r(t)의 전압값인 ‘최소값 형성시간에 해당하는 반사신호의 전압값’에 해당할 수 있다.As shown in FIG. 4(a), V-peak may correspond to the'peak voltage' of the first half of the TDR reflected signal. t1 may correspond to a'minimum value formation time', which is a time to form a minimum value among the derivative function r'(t) of the reflected signal r(t). r(t1) may correspond to'the voltage value of the reflected signal corresponding to the minimum value formation time', which is the voltage value of the reflected signal r(t) at time t1.
그리고 도 4(b)에 도시된 바와 같이, Vsat은 TDR 반사신호 중반부의 ‘수렴전압’에 해당할 수 있다. t2은 반사신호 r(t)의 미분함수 r’(t) 중 최대값을 형성하는 시간인 ‘최대값 형성시간’에 해당할 수 있다. r(t2)은 t2 시간에서 반사신호 r(t)의 전압값인 ‘최대값 형성시간에 해당하는 반사신호의 전압값’에 해당할 수 있다. 한편, t2은 반사파가 되돌아오고나서 최대변화를 보이는 시간이라 할 수 있다.And, as shown in FIG. 4(b), Vsat may correspond to a'convergence voltage' in the middle of the TDR reflected signal. t2 may correspond to a'maximum value formation time', which is a time to form a maximum value among the derivative function r'(t) of the reflected signal r(t). r(t2) may correspond to'the voltage value of the reflected signal corresponding to the maximum value formation time', which is the voltage value of the reflected signal r(t) at time t2. On the other hand, t2 can be said to be the time to show the maximum change after the reflected wave returns.
도 5는 본 발명의 실시예로서, 상온 및 초전도 상태의 초전도케이블 모델링 방법을 나타낸 순서도이며, 도 6은 본 발명의 실시예로서, 상온 및 초전도 상태의 시뮬레이션 케이블과, 대상 케이블의 모델링 최종 결과를 나타낸 그래프이고, 표 1은 본 발명의 실시예로서, 커넥터 파라미터 값과 케이블 파라미터 값의 도출을 위한 입력 값(INPUT) 및 출력 값(OUTPUT)을 나타낸 표이다.FIG. 5 is a flow chart showing a method for modeling a superconducting cable in a room temperature and superconducting state as an embodiment of the present invention, and FIG. 6 is an embodiment of the present invention. The graph is shown, and Table 1 is a table showing an input value (INPUT) and an output value (OUTPUT) for deriving connector parameter values and cable parameter values as an embodiment of the present invention.
먼저 도 5를 참조하면, 본 발명의 실시예에 따른 상온 및 초전도 상태의 케이블 모델링 방법은 크게 커넥터 파라미터 값 추정단계(Connector Regression) 및 케이블 파라미터 값 추정단계(Cable Regression)를 포함하며, 도 3에 도시된 순서도와 동일한 과정으로 상온 및 초전도 상태의 케이블을 모델링할 수 있다.First, referring to FIG. 5, a method for modeling a cable in a room temperature and superconducting state according to an embodiment of the present invention largely includes a connector parameter value estimating step (Connector Regression) and a cable parameter value estimating step (Cable Regression). A cable in a room temperature and superconducting state can be modeled in the same process as the flow chart shown.
이 때 시간영역 반사파 계측법(TDR)으로 커넥터 파라미터 값 및 케이블 파라미터 값을 추정하는 과정은 각각 초전도 상태(77K) 및 상온 상태(300K) 조건에서 2번 수행할 수 있다.In this case, the process of estimating the connector parameter value and the cable parameter value by the time domain reflected wave measurement method (TDR) may be performed twice in a superconducting state (77K) and a room temperature state (300K), respectively.
이를 통해 최종적으로 도출된 값인 출력 값(OUTPUT)은 아래 표 1의 Output Parameters이라 할 수 있다.The output value (OUTPUT), which is the value finally derived through this, can be referred to as the Output Parameters in Table 1 below.
<표 1><Table 1>
상기 표 1과 같이, 최종적으로 커넥터 파라미터 값과 케이블 파라미터 값이 결정되면 시간영역 반사파 계측법(TDR)을 통한 시뮬레이션 케이블의 반사신호와 대상 케이블의 반사신호(실측)가 도 6과 같이 일치하는 것을 확인할 수 있다.As shown in Table 1 above, when the connector parameter value and the cable parameter value are finally determined, it is confirmed that the reflected signal of the simulated cable and the reflected signal (actual measurement) of the target cable through the time domain reflected wave measurement method (TDR) match as shown in FIG. I can.
이 때 도 6에서 (a)는 상온 상태(300K)의 케이블 모델링 최종 결과 그래프를 나타내고, (b)는 초전도 상태(77K)의 케이블 모델링 최종 결과 그래프를 나타낼 수 있다.In this case, in FIG. 6, (a) shows a graph of the final result of cable modeling in the room temperature state (300K), and (b) shows a graph of the final result of cable modeling in the superconducting state (77K).
보다 상세하게 표 1과 도 6을 참조하면, 시뮬레이션 케이블의 반사신호는 시뮬레이션 케이블의 파라미터 값을 기 설정된 범위 내에서 변화시키며 생성된 반사신호 데이터베이스로부터 추출될 수 있는데, 여기서 추출 기준은 대상 케이블의 반사신호(실측) 결과와 가장 유사한 시뮬레이션 케이블의 반사신호 결과를 채택하여 추출할 수 있다.In more detail, referring to Tables 1 and 6, the reflected signal of the simulation cable can be extracted from the generated reflected signal database by changing the parameter value of the simulation cable within a preset range, where the extraction criterion is the reflection of the target cable. The reflected signal result of the simulation cable that is most similar to the signal (actual measurement) result can be adopted and extracted.
도 7은 본 발명의 실시예로서, 시간-주파수영역 반사파 계측법(TFDR)을 이용한 상온 상태(300K)의 시뮬레이션 케이블과, 대상 케이블의 모델링 최종 결과를 나타낸 그래프이다.7 is a graph showing a simulation cable in a room temperature state (300K) using a time-frequency domain reflection wave measurement method (TFDR) as an embodiment of the present invention and a final result of modeling the target cable.
도 7은 시간영역 반사파 계측법(TDR) 대신 시간-주파수영역 반사파 계측법(TFDR)을 이용한 실시예로서, 이 때 (a)는 상온 상태의 시뮬레이션 케이블과 대상 케이블의 시계열 그래프를 나타내며, (b)는 (a)에 상응하는 상온 상태의 시뮬레이션 케이블과 대상 케이블의 시간-주파수 상호 상관관계 그래프를 나타낼 수 있다.7 is an embodiment using a time-frequency domain reflection wave measurement method (TFDR) instead of a time domain reflection wave measurement method (TDR), wherein (a) shows a time series graph of the simulated cable and the target cable at room temperature, and (b) is The time-frequency correlation graph of the simulated cable at room temperature and the target cable corresponding to (a) can be shown.
도 8은 본 발명의 실시예로서, 시간-주파수영역 반사파 계측법(TFDR)을 이용한 초전도 상태(77K)의 시뮬레이션 케이블과, 대상 케이블의 모델링 최종 결과를 나타낸 그래프이다.FIG. 8 is a graph showing a simulation cable in a superconducting state (77K) using a time-frequency domain reflected wave measurement (TFDR) method and a final result of modeling a target cable as an embodiment of the present invention.
도 8은 시간영역 반사파 계측법(TDR) 대신 시간-주파수영역 반사파 계측법(TFDR)을 이용한 실시예로서, 이 때 (a)는 초전도 상태의 시뮬레이션 케이블과 대상 케이블의 시계열 그래프를 나타내며, (b)는 (a)에 상응하는 초전도 상태의 시뮬레이션 케이블과 대상 케이블의 시간-주파수 상호 상관관계 그래프를 나타낼 수 있다.8 is an embodiment using a time-frequency domain reflected wave measurement (TFDR) instead of a time domain reflected wave measurement (TDR), in which (a) shows a time series graph of a simulated cable in a superconducting state and a target cable, and (b) is The time-frequency correlation graph of the simulated cable in the superconducting state corresponding to (a) and the target cable can be shown.
그리고 표 2는 본 발명의 실시예로서, 시간-주파수영역 반사파 계측법(TFDR)을 이용한 상온 및 초전도 상태의 시뮬레이션 케이블과 대상 케이블의 에러율을 나타낸 결과이다. (표 2는 도 7 및 도 8과 동일한 실험을 통해 얻은 결과라 할 수 있다.)And Table 2 is an embodiment of the present invention, a result showing the error rate of the simulation cable and the target cable at room temperature and superconducting state using a time-frequency domain reflected wave measurement (TFDR). (Table 2 can be said to be the results obtained through the same experiment as in FIGS. 7 and 8.)
<표 2><Table 2>
도 7, 도 8 및 표 2를 참조하면, 시뮬레이션 케이블(Simulated)과 대상 케이블(Measured)은 에러율(Error Rate)이 2% 미만으로서 거의 유사한 모델링 결과 값이 나타난 것을 확인할 수 있다.7, 8, and Table 2, it can be seen that the simulation cable (Simulated) and the target cable (Measured) have an error rate of less than 2%, which results in almost similar modeling results.
한편, 도 7, 도 8 및 표 2의 실시예는 상온 상태(300K)와 초전도 상태(77K)에서 전파의 특성이 전혀 달라지기 때문에, 파라미터 값도 달라질 수 있다는 가정 하에 실험하여 이의 모델링 성능을 비교한 것이라 할 수 있다.On the other hand, in the examples of FIGS. 7, 8 and 2, since the characteristics of radio waves are completely different in the room temperature state (300K) and the superconducting state (77K), the modeling performance thereof is compared by experimenting under the assumption that the parameter value may also vary. It can be said that it was one thing.
이상에서 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정이 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서 그러한 모든 적절한 변경 및 수정들도 본 발명의 범위에 속하는 것으로 간주되어야할 것이다.Although described and illustrated in connection with a preferred embodiment for illustrating the technical idea of the present invention above, the present invention is not limited to the configuration and operation as illustrated and described as described above, and deviates from the scope of the technical idea. It will be well understood by those skilled in the art that a number of changes and modifications can be made to the present invention without. Therefore, all such appropriate changes and modifications should be considered to be within the scope of the present invention.
100 : 제1반사신호 특징 추출부 200 : 커넥터 파라미터 값 출력부
300 : 제2반사신호 특징 추출부 400 : 케이블 파라미터 값 출력부
500 : 케이블 모델링부100: first reflected signal feature extraction unit 200: connector parameter value output unit
300: second reflected signal feature extraction unit 400: cable parameter value output unit
500: cable modeling unit
Claims (18)
상기 추출된 제1반사신호 특징을 일반 회귀 신경망에 입력하여 적어도 하나 이상의 커넥터 파라미터 값을 출력하는 커넥터 파라미터 값 출력부;
상기 출력된 커넥터 파라미터 값을 기초로 한 시뮬레이션 케이블과, 상기 대상 케이블의 반사신호로부터 제2반사신호 특징을 각각 추출하는 제2반사신호 특징 추출부;
상기 추출된 제2반사신호 특징을 일반 회귀 신경망에 입력하여 적어도 하나 이상의 케이블 파라미터 값을 출력하는 케이블 파라미터 값 출력부; 및
상기 출력된 커넥터 파라미터 값 및 케이블 파라미터 값을 기초로 상기 대상 케이블을 모델링하는 케이블 모델링부;를 포함하는 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 시스템.A first reflected signal feature extracting unit for extracting first reflected signal features from the reflected signals of the simulation cable and the target cable using a time domain reflected wave measurement method (TDR);
A connector parameter value output unit configured to output at least one connector parameter value by inputting the extracted first reflection signal characteristic into a general regression neural network;
A simulation cable based on the output connector parameter value, and a second reflection signal feature extraction unit for extracting a second reflection signal characteristic from the reflection signal of the target cable;
A cable parameter value output unit configured to output at least one cable parameter value by inputting the extracted second reflection signal characteristic into a general regression neural network; And
A cable modeling system using a time domain reflected wave measurement method and a general regression neural network including; a cable modeling unit that models the target cable based on the output connector parameter value and cable parameter value.
상기 제1반사신호 특징은 반사신호 전반부에 해당하고,
상기 제2반사신호 특징은 반사신호 중반부에 해당하는 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 시스템.The method of claim 1,
The first reflected signal characteristic corresponds to the first half of the reflected signal,
The second reflected signal characteristic is a cable modeling system using a time domain reflected wave measurement method and a general regression neural network corresponding to the center of the reflected signal.
상기 시뮬레이션 케이블 또는 대상 케이블의 반사신호의 전반부에 해당하는 피크전압;
상기 반사신호 전반부의 미분함수 중 최소값에 해당하는 최소값 형성시간; 및
상기 최소값 형성시간에 해당하는 상기 반사신호의 전압값; 중 적어도 어느 하나 이상을 포함하는 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 시스템.The method of claim 2, wherein the characteristic of the first reflected signal is:
A peak voltage corresponding to the first half of the reflected signal of the simulation cable or the target cable;
A minimum value formation time corresponding to a minimum value among the derivative functions of the first half of the reflected signal; And
A voltage value of the reflected signal corresponding to the minimum value formation time; A cable modeling system using a time domain reflected wave measurement method including at least one or more of and a general regression neural network.
상기 시뮬레이션 케이블 또는 대상 케이블의 반사신호의 중반부에 해당하는 수렴전압;
상기 반사신호 중반부의 미분함수에서 최대값에 해당하는 최대값 형성시간; 및
상기 최대값 형성시간에 해당하는 상기 반사신호의 전압값 중 적어도 어느 하나 이상을 포함하는 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 시스템.The method of claim 2, wherein the second reflection signal characteristic is
A convergence voltage corresponding to the center of the reflected signal of the simulation cable or the target cable;
A maximum value forming time corresponding to a maximum value in the derivative function of the half of the reflected signal; And
A cable modeling system using a time domain reflected wave measurement method and a general regression neural network including at least one or more of voltage values of the reflected signal corresponding to the maximum value formation time.
커넥터의 인덕턴스 값(L) 및 캐패시턴스 값(C)을 포함하는 파라미터 값인 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 시스템.The method of claim 1, wherein the connector parameter value is
A cable modeling system using a time domain reflected wave measurement method and a general regression neural network, which is a parameter value including inductance value (L) and capacitance value (C) of a connector.
케이블의 상대 유전율 값, 유전 손실 값 및 상대 투자율 값을 포함하는 파라미터 값인 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 시스템.The method of claim 1, wherein the cable parameter value is
A cable modeling system using a time domain reflected wave measurement method and a general regression neural network, which are parameter values including the relative permittivity value, dielectric loss value, and relative permeability value of the cable.
상기 시뮬레이션 케이블의 파라미터 값을 기 설정된 범위 내에서 변화시키며 생성된 반사신호 데이터베이스로부터 추출된 반사신호인 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 시스템.The method of claim 1, wherein the reflected signal of the simulation cable,
A cable modeling system using a time domain reflected wave measurement method and a general regression neural network, which is a reflected signal extracted from the generated reflected signal database by changing the parameter value of the simulation cable within a preset range.
상기 대상 케이블의 반사신호로부터 각각 추출된 제1반사신호 특징 또는 제2반사신호 특징을 입력받는 입력층;
상기 시뮬레이션 케이블의 반사신호 데이터베이스를 입력받는 패턴층;
상기 입력받은 대상 케이블의 반사신호 및 시뮬레이션 케이블의 반사신호 데이터베이스 간의 유사도 값을 각각 산출하는 합산층; 및
상기 산출된 유사도 값으로부터 상기 대상 케이블과의 유사도가 가장 높은 파라미터 값을 출력하는 출력층;을 포함하는 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 시스템.The method of claim 7, wherein the general regression neural network,
An input layer receiving a first reflection signal characteristic or a second reflection signal characteristic respectively extracted from the reflection signal of the target cable;
A pattern layer for receiving the reflected signal database of the simulation cable;
A summing layer for calculating a similarity value between the received reflected signal of the target cable and the reflected signal database of the simulation cable, respectively; And
A cable modeling system using a time domain reflected wave measurement method and a general regression neural network comprising; an output layer that outputs a parameter value having the highest similarity with the target cable from the calculated similarity value.
아래 수학식 1 및 수학식 2로 표현되는 유사도 값 산출식에 따라 상기 입력받은 대상 케이블의 반사신호 및 시뮬레이션 케이블의 반사신호 데이터베이스 간의 유사도 값을 산출하는 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 시스템.
<수학식 1>
(
<수학식 2>
(
Cable modeling using a time domain reflected wave measurement method and a general regression neural network that calculates the similarity value between the reflected signal of the received target cable and the reflected signal database of the simulated cable according to the similarity value calculation formula expressed by Equations 1 and 2 below. system.
<Equation 1>
(
<Equation 2>
(
커넥터 파라미터 값 출력부에서 상기 추출된 제1반사신호 특징을 일반 회귀 신경망에 입력하여 적어도 하나 이상의 커넥터 파라미터 값을 출력하는 커넥터 파라미터 값 출력단계;
제2반사신호 특징 추출부에서 상기 출력된 커넥터 파라미터 값을 기초로 한 시뮬레이션 케이블과, 상기 대상 케이블의 반사신호로부터 제2반사신호 특징을 각각 추출하는 제2반사신호 특징 추출단계;
케이블 파라미터 값 출력부에서 상기 추출된 제2반사신호 특징을 일반 회귀 신경망에 입력하여 적어도 하나 이상의 케이블 파라미터 값을 출력하는 케이블 파라미터 값 출력단계; 및
케이블 모델링부에서 상기 출력된 커넥터 파라미터 값 및 케이블 파라미터 값을 기초로 상기 대상 케이블을 모델링하는 케이블 모델링단계;를 포함하는 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 방법.A first reflected signal feature extraction step of extracting first reflected signal features from the reflected signals of the simulated cable and the target cable by a time domain reflected wave measurement method (TDR) in the first reflected signal feature extraction unit;
A connector parameter value output step of outputting at least one connector parameter value by inputting the extracted first reflection signal characteristic from a connector parameter value output unit to a general regression neural network;
A second reflection signal feature extraction step of extracting a second reflection signal characteristic from a simulation cable based on the connector parameter value output from the second reflection signal characteristic extraction unit and a reflection signal of the target cable;
A cable parameter value output step of outputting at least one cable parameter value by inputting the extracted second reflection signal characteristic from a cable parameter value output unit to a general regression neural network; And
A cable modeling step of modeling the target cable based on the output connector parameter value and the cable parameter value from the cable modeling unit, including a time domain reflected wave measurement method and a cable modeling method using a general regression neural network.
상기 제1반사신호 특징은 반사신호 전반부에 해당하고,
상기 제2반사신호 특징은 반사신호 중반부에 해당하는 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 방법.The method of claim 10,
The first reflected signal characteristic corresponds to the first half of the reflected signal,
The second reflected signal characteristic is a time domain reflected wave measurement method corresponding to the center of the reflected signal and a cable modeling method using a general regression neural network.
상기 시뮬레이션 케이블 또는 대상 케이블의 반사신호의 전반부에 해당하는 피크전압;
상기 반사신호 전반부의 미분함수 중 최소값에 해당하는 최소값 형성시간; 및
상기 최소값 형성시간에 해당하는 상기 반사신호의 전압값; 중 적어도 어느 하나 이상을 포함하는 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 방법.The method of claim 11, wherein the characteristic of the first reflected signal is
A peak voltage corresponding to the first half of the reflected signal of the simulation cable or the target cable;
A minimum value formation time corresponding to a minimum value among the derivative functions of the first half of the reflected signal; And
A voltage value of the reflected signal corresponding to the minimum value formation time; A time domain reflected wave measurement method including at least one or more of a cable modeling method using a general regression neural network.
상기 시뮬레이션 케이블 또는 대상 케이블의 반사신호의 중반부에 해당하는 수렴전압;
상기 반사신호 중반부의 미분함수에서 최대값에 해당하는 최대값 형성시간; 및
상기 최대값 형성시간에 해당하는 상기 반사신호의 전압값; 중 적어도 어느 하나 이상을 포함하는 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 방법.The method of claim 11, wherein the second reflection signal characteristic is
A convergence voltage corresponding to the center of the reflected signal of the simulation cable or the target cable;
A maximum value forming time corresponding to a maximum value in the derivative function of the half of the reflected signal; And
A voltage value of the reflected signal corresponding to the maximum value formation time; A time domain reflected wave measurement method including at least one or more of a cable modeling method using a general regression neural network.
커넥터의 인덕턴스 값(L) 및 캐패시턴스 값(C)을 포함하는 파라미터 값인 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 방법.The method of claim 10, wherein the connector parameter value,
A time domain reflected wave measurement method, which is a parameter value including the inductance value (L) and the capacitance value (C) of the connector, and a cable modeling method using a general regression neural network.
케이블의 상대 유전율 값, 유전 손실 값 및 상대 투자율 값을 포함하는 파라미터 값인 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 방법.The method of claim 10, wherein the cable parameter value is
A time domain reflected wave measurement method, which is a parameter value including a relative permittivity value, a dielectric loss value and a relative permeability value of a cable, and a cable modeling method using a general regression neural network
상기 시뮬레이션 케이블의 파라미터 값을 기 설정된 범위 내에서 변화시키며 생성된 반사신호 데이터베이스로부터 추출된 반사신호인 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 방법.The method of claim 10, wherein the reflected signal of the simulation cable,
A cable modeling method using a time domain reflected wave measurement method, which is a reflected signal extracted from the generated reflected signal database by changing the parameter value of the simulation cable within a preset range, and a general regression neural network.
입력층에서 상기 대상 케이블의 반사신호로부터 각각 추출된 제1반사신호 특징 또는 제2반사신호 특징을 입력받는 대상 케이블 반사신호 특징 입력단계;
패턴층에서 상기 시뮬레이션 케이블의 반사신호 데이터베이스를 입력받는 시뮬레이션 케이블 반사신호 입력단계;
합산층에서 상기 입력받은 대상 케이블의 반사신호 및 시뮬레이션 케이블의 반사신호 데이터베이스 간의 유사도 값을 각각 산출하는 유사도 값 산출단계; 및
출력층에서 상기 산출된 유사도 값으로부터 상기 대상 케이블과의 유사도가 가장 높은 파라미터 값을 출력하는 파라미터 값 출력단계;을 포함하는 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 방법.The method of claim 16, wherein the general regression neural network,
A target cable reflection signal characteristic input step of receiving a first reflection signal characteristic or a second reflection signal characteristic respectively extracted from the reflection signal of the target cable in the input layer;
A simulation cable reflection signal input step of receiving a reflection signal database of the simulation cable from the pattern layer;
A similarity value calculation step of calculating a similarity value between the reflected signal of the target cable and the reflected signal database of the simulation cable received from the summing layer; And
A parameter value output step of outputting a parameter value having the highest similarity with the target cable from the calculated similarity value in an output layer; and a time domain reflected wave measurement method and a cable modeling method using a general regression neural network.
아래 수학식 1 및 수학식 2로 표현되는 유사도 값 산출식에 따라 상기 입력받은 대상 케이블의 반사신호 및 시뮬레이션 케이블의 반사신호 데이터베이스 간의 유사도 값을 산출하는 시간영역 반사파 계측법 및 일반 회귀 신경망을 이용한 케이블 모델링 방법.
<수학식 1>
(
<수학식 2>
(
Cable modeling using a time domain reflected wave measurement method and a general regression neural network that calculates the similarity value between the reflected signal of the received target cable and the reflected signal database of the simulated cable according to the similarity value calculation formula expressed by Equations 1 and 2 below. Way.
<Equation 1>
(
<Equation 2>
(
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190085241A KR102163619B1 (en) | 2019-07-15 | 2019-07-15 | System and method to cable modeling using time domain reflectometry and general regression neural network |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190085241A KR102163619B1 (en) | 2019-07-15 | 2019-07-15 | System and method to cable modeling using time domain reflectometry and general regression neural network |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102163619B1 true KR102163619B1 (en) | 2020-10-08 |
Family
ID=72897435
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190085241A KR102163619B1 (en) | 2019-07-15 | 2019-07-15 | System and method to cable modeling using time domain reflectometry and general regression neural network |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102163619B1 (en) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050036560A (en) | 2003-10-16 | 2005-04-20 | 현대모비스 주식회사 | Tongue plate for a seat belt |
| US20100188095A1 (en) * | 2008-03-25 | 2010-07-29 | Radiodetection Ltd. | Time-Domain Reflectometry |
| US20150222511A1 (en) * | 2013-06-27 | 2015-08-06 | Telefonaktiebolaget L M Ericsson (Publ) | Test device and a method for determining communication characteristics of a metal cable |
| KR101570506B1 (en) * | 2014-10-20 | 2015-11-19 | 연세대학교 산학협력단 | Apparatus and method for detecting cable fault location and impedance using linear chirp reflectometry |
-
2019
- 2019-07-15 KR KR1020190085241A patent/KR102163619B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050036560A (en) | 2003-10-16 | 2005-04-20 | 현대모비스 주식회사 | Tongue plate for a seat belt |
| US20100188095A1 (en) * | 2008-03-25 | 2010-07-29 | Radiodetection Ltd. | Time-Domain Reflectometry |
| US20150222511A1 (en) * | 2013-06-27 | 2015-08-06 | Telefonaktiebolaget L M Ericsson (Publ) | Test device and a method for determining communication characteristics of a metal cable |
| KR101570506B1 (en) * | 2014-10-20 | 2015-11-19 | 연세대학교 산학협력단 | Apparatus and method for detecting cable fault location and impedance using linear chirp reflectometry |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102058230B1 (en) | Device, method and system to predict fault of cable | |
| NL2002664C2 (en) | Time-domain reflectometry. | |
| CN106646121B (en) | A kind of discrimination method of distribution network failure wavefront | |
| EP2694986B1 (en) | Transmission line parameter determination | |
| KR102163619B1 (en) | System and method to cable modeling using time domain reflectometry and general regression neural network | |
| Bilbao et al. | Finite difference schemes and digital waveguide networks for the wave equation: Stability, passivity, and numerical dispersion | |
| JP2000163464A (en) | Method for operating computer for providing support in designing and modeling of integrated circuit | |
| KR20170022497A (en) | Device and Method for Analyzing Electromagnetic Wave of Dispesive Dielectric Material Using Higher-order Complex Rational Function | |
| Lopes et al. | New normalized LMS algorithms based on the Kalman filter | |
| US7076382B2 (en) | Method of measuring the effective directivity and/or residual system port impedance match of a system-calibrated vector network analyser | |
| US9009017B2 (en) | Arrangement and method relating to analysis of transmission lines | |
| Laib et al. | A new hybrid approach using time-domain reflectometry combined with wavelet and neural network for fault identification in wiring network | |
| Makharashvili et al. | Prediction of common mode current in cable harnesses | |
| CN105653848A (en) | Method for measuring coupling coil parameters by single-port impendence and sensitivity | |
| Ulrich et al. | Inference of wired network topology using multipoint reflectometry | |
| Smaïl et al. | Fast diagnosis of transmission lines using neural networks and principal component analysis | |
| Andreev et al. | Rational representation in spectrum conjugate domain for parameters determination of reflecting structures | |
| CN115795233B (en) | Method, device and storage medium for extracting time delay term of frequency domain data | |
| Lehmensiek | Efficient adaptive sampling applied to multivariate, multiple output rational interpolation models, with applications in electromagnetics-based device modelling | |
| Admane et al. | Simulation of electric transmission lines with skin effect based on a reduced order differential model | |
| KR102592534B1 (en) | Method for correcting measurement error for s-parameter | |
| Oumri et al. | A reduced model of reflectometry for wired electric networks | |
| Feizifar et al. | Impact of capacitor banks on fault location methods based on fault transient signal analysis in distribution networks | |
| Güneşer et al. | Extracting complex permittivity of materials by Gaussian process regression using the transmission parameter at sub-THz | |
| Hossam-Eldin et al. | Relevant subnetwork identification for topology error detection in power systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |