KR20230053560A - 자가 발전식 센서, 이를 포함하는 모니터링 시스템 - Google Patents
자가 발전식 센서, 이를 포함하는 모니터링 시스템 Download PDFInfo
- Publication number
- KR20230053560A KR20230053560A KR1020230044260A KR20230044260A KR20230053560A KR 20230053560 A KR20230053560 A KR 20230053560A KR 1020230044260 A KR1020230044260 A KR 1020230044260A KR 20230044260 A KR20230044260 A KR 20230044260A KR 20230053560 A KR20230053560 A KR 20230053560A
- Authority
- KR
- South Korea
- Prior art keywords
- monitoring
- target device
- monitoring target
- unit
- sensing
- Prior art date
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 167
- 238000012806 monitoring device Methods 0.000 claims description 46
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 10
- 238000013136 deep learning model Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 238000004146 energy storage Methods 0.000 abstract description 27
- 238000010248 power generation Methods 0.000 abstract description 21
- 238000004891 communication Methods 0.000 description 28
- 239000003990 capacitor Substances 0.000 description 26
- 238000013528 artificial neural network Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 15
- 238000000034 method Methods 0.000 description 14
- 238000001514 detection method Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 238000013135 deep learning Methods 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000007599 discharging Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 2
- 230000001070 adhesive effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 206010012289 Dementia Diseases 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- JDZCKJOXGCMJGS-UHFFFAOYSA-N [Li].[S] Chemical compound [Li].[S] JDZCKJOXGCMJGS-UHFFFAOYSA-N 0.000 description 1
- BNOODXBBXFZASF-UHFFFAOYSA-N [Na].[S] Chemical compound [Na].[S] BNOODXBBXFZASF-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 239000003985 ceramic capacitor Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03G—SPRING, WEIGHT, INERTIA OR LIKE MOTORS; MECHANICAL-POWER PRODUCING DEVICES OR MECHANISMS, NOT OTHERWISE PROVIDED FOR OR USING ENERGY SOURCES NOT OTHERWISE PROVIDED FOR
- F03G7/00—Mechanical-power-producing mechanisms, not otherwise provided for or using energy sources not otherwise provided for
- F03G7/08—Mechanical-power-producing mechanisms, not otherwise provided for or using energy sources not otherwise provided for recovering energy derived from swinging, rolling, pitching or like movements, e.g. from the vibrations of a machine
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02N—ELECTRIC MACHINES NOT OTHERWISE PROVIDED FOR
- H02N2/00—Electric machines in general using piezoelectric effect, electrostriction or magnetostriction
- H02N2/18—Electric machines in general using piezoelectric effect, electrostriction or magnetostriction producing electrical output from mechanical input, e.g. generators
- H02N2/186—Vibration harvesters
-
- H—ELECTRICITY
- H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
- H10N—ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
- H10N30/00—Piezoelectric or electrostrictive devices
- H10N30/30—Piezoelectric or electrostrictive devices with mechanical input and electrical output, e.g. functioning as generators or sensors
- H10N30/302—Sensors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/50—Energy storage in industry with an added climate change mitigation effect
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Emergency Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
본 발명은 자가 발전식 센서 및 이를 포함하는 모니터링 시스템에 관한 것이다.
본 발명의 일 실시 예에 따른 자가 발전식 센서는, 물리적인 외부 자극을 전기 에너지로 전환하는 발전부와, 전기 에너지에 대응하는 센싱신호를 생성하여 외부로 송출하는 센싱부를 포함하고, 센싱부는, 발전부로부터 전송되는 전기 에너지를 저장하는 전기 에너지 저장부와, 전기 에너지 저장부에 저장되는 전기 에너지의 저장량과 기준 저장량의 비교 결과에 따라 통전상태 또는 절전상태로 전환하는 스위칭부와, 스위칭부가 통전상태로 전환함에 따라, 전기 에너지 저장부에 저장된 전기 에너지를 기반으로 센싱신호를 생성하여 무선으로 송출하는 프로세서를 포함할 수 있다.
본 발명의 일 실시 예에 따른 자가 발전식 센서는, 물리적인 외부 자극을 전기 에너지로 전환하는 발전부와, 전기 에너지에 대응하는 센싱신호를 생성하여 외부로 송출하는 센싱부를 포함하고, 센싱부는, 발전부로부터 전송되는 전기 에너지를 저장하는 전기 에너지 저장부와, 전기 에너지 저장부에 저장되는 전기 에너지의 저장량과 기준 저장량의 비교 결과에 따라 통전상태 또는 절전상태로 전환하는 스위칭부와, 스위칭부가 통전상태로 전환함에 따라, 전기 에너지 저장부에 저장된 전기 에너지를 기반으로 센싱신호를 생성하여 무선으로 송출하는 프로세서를 포함할 수 있다.
Description
본 발명은 자가 발전식 센서 및 이를 포함하는 모니터링 시스템에 관한 것이다.
일반적으로 산업용 기계, 설비, 로봇 등을 사용하는 공장에서는 이들 기계 장치의 운전 상태 및 고장 발생 여부 등의 정보와 작업자들의 안전을 확보하기 위하여 다양한 감지센서들을 활용하고 있다. 이러한 감지센서는 대규모의 장치들을 효율적으로 안전하게 관리하는 것을 가능하게 하므로, 점점 더 사용범위가 확대되고 있다.
일반적인 감지센서들은 별도의 전력 공급원으로부터 공급되는 전력(예를 들어, 센서에 내장된 배터리로부터 공급되는 전력 또는 전원 케이블을 통하여 공급되는 전력)에 의하여 작동되고 있다. 배터리로부터 공급되는 전력에 의하여 동작하는 감지센서의 경우 환경오염의 발생을 야기할 수 있고, 전원 케이블을 통하여 공급되는 전력에 의하여 동작하는 감지센서의 경우 전원 공급을 위해 반드시 배선 및 공간이 필요한 문제점이 있다.
전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
본 발명의 일 과제는, 무선으로 신호를 송신할 수 있고, 배터리와 같은 전력 공급원이 없이도 자가 발전에 의하여 자가 발전식 센서를 제공하는데 있다.
본 발명의 일 과제는, 전원 공급을 위해 배선이 불필요한 자가 발전식 센서를 제공하는데 있다.
본 발명의 일 과제는, 소형화 및 경량화가 가능한 자가 발전식 센서를 제공하는데 있다.
본 발명의 일 과제는, 대상기기에 부착된 자가 발전식 센서로부터 무선으로 수신한 감지 신호를 기반으로 하여 대상기기의 동작 상태를 모니터링 하는데 있다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제에 한정되지 않으며, 언급되지 않은 본 발명의 다른 과제 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시 예에 의해보다 분명하게 이해될 것이다. 또한, 본 발명이 해결하고자 하는 과제 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 알 수 있을 것이다.
본 발명의 일 실시 예에 따른 자가 발전식 센서는, 물리적인 외부 자극을 전기 에너지로 전환하는 발전부와, 전기 에너지에 대응하는 센싱신호를 생성하여 외부로 송출하는 센싱부를 포함하고, 센싱부는, 발전부로부터 전송되는 전기 에너지를 저장하는 전기 에너지 저장부와, 전기 에너지 저장부에 저장되는 전기 에너지의 저장량과 기준 저장량의 비교 결과에 따라 통전상태 또는 절전상태로 전환하는 스위칭부와, 스위칭부가 통전상태로 전환함에 따라, 전기 에너지 저장부에 저장된 전기 에너지를 기반으로 센싱신호를 생성하여 무선으로 송출하는 프로세서를 포함할 수 있다.
본 발명의 일 실시 예에 따른 모니터링 장치는, 모니터링 대상기기에 장착되어 모니터링 대상기기에서 발생하는 물리적인 에너지에 대응하는 센싱신호를 생성하여 송출하는 자가 발전식 센서와, 자가 발전식 센서가 송출하는 센싱신호를 수집하여, 모니터링 대상기기의 상태를 모니터링하는 모니터링 장치를 포함하고, 모니터링 장치는, 센싱신호와, 센싱신호를 수신하는 신호수신주기를 결합한 모니터링 센싱 데이터를 생성하는 생성부와, 모니터링 센싱 데이터로부터 신호수신주기의 변동률을 계산하고, 신호수신주기의 변동률을 기반으로 하여 모니터링 대상기기의 동작 이상여부를 판단하는 판단부와, 판단부의 판단 결과에 대응하여 모니터링 대상기기의 동작을 제어하는 모니터링 결과 정보를 생성하는 제어부를 포함할 수 있다.
본 발명의 다른 실시 예에 따른 모니터링 장치는, 모니터링 대상기기에 장착되어 모니터링 대상기기에서 발생하는 물리적인 에너지에 대응하는 센싱신호를 생성하여 송출하는 자가 발전식 센서와, 자가 발전식 센서가 송출하는 센싱신호를 수집하여, 모니터링 대상기기의 상태를 모니터링하는 모니터링 장치를 포함하고, 모니터링 장치는, 센싱신호와, 센싱신호를 수신하는 신호수신주기를 결합한 시계열 데이터로서의 모니터링 센싱 데이터를 생성하는 제1 생성부와, 모니터링 센싱 데이터를 입력으로 하여 모니터링 대상기기의 상태 정보를 분류하도록 미리 훈련된 비지도 학습 기반 딥러닝 모델을 이용하여 모니터링 센싱 데이터에 대응하는 모니터링 대상기기의 상태 정보를 분류하는 분류부를 포함할 수 있다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체가 더 제공될 수 있다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 발명에 의하면, 자가 발전식 센서는 별도의 전력 공급원이 없이도 동작할 수 있다.
또한, 자가 발전식 센서는 전력 공급선 및 신호 통신선이 불필요하므로 기설립된 공장, 선박, 항공, 기차 등 다양한 대상기기에 손쉽게 설치할 수 있다.
또한, 자가 발전식 센서의 소형화 경량화가 가능하므로 자가 발전식 센서를 포스트-잇(post-it)과 같이 대상기기에 부착하여 활용할 수 있다.
또한 발전부와 감지부가 하나로 합일되도록 제작하여 자가 발전식 센서의 크기 및 회로의 복잡도를 줄일 수 있다.
또한, 대상기기에서 발생한 진동 및/또는 움직임을 에너지로 변환하여 자가 발전식 센서를 충전하고, 일정량 이상 충전된 자가 발전식 센서가 송출하는 무선 신호에 따라 대상기기를 모니터링 함으로써 대상기기의 상태를 정확하게 판단할 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시 예에 따른 자가 발전식 센서의 측면도이다.
도 2는 본 발명의 일 실시 예에 따른 자가 발전식 센서의 평면도이다.
도 3은 본 발명의 일 실시 예에 따른 자가 발전식 센서 중 센싱부의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다.
도 4는 도 3에 개시된 센싱부의 회로도이다.
도 5는 본 발명의 일 실시 예에 따른 모니터링 시스템을 개략적으로 설명하는 예시도이다.
도 6은 도 5의 모니터링 시스템 중 모니터링 장치의 구성을 개략적으로 설명하기 위하여 도시한 블록도 이다.
도 7은 본 발명의 다른 실시 예에 따른 모니터링 시스템을 개략적으로 설명하는 예시도이다.
도 8은 도 7의 모니터링 시스템 중 모니터링 장치의 구성을 개략적으로 설명하기 위하여 도시한 블록도 이다.
도 9는 도 9의 모니터링 장치 중 모니터링 관리부의 구성을 개략적으로 설명하기 위하여 도시한 블록도 이다.
도 10은 도 7의 모니터링 장치가 분류하는 모니터링 대상 기기의 상태 정보를 도시한 도면이다.
도 2는 본 발명의 일 실시 예에 따른 자가 발전식 센서의 평면도이다.
도 3은 본 발명의 일 실시 예에 따른 자가 발전식 센서 중 센싱부의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다.
도 4는 도 3에 개시된 센싱부의 회로도이다.
도 5는 본 발명의 일 실시 예에 따른 모니터링 시스템을 개략적으로 설명하는 예시도이다.
도 6은 도 5의 모니터링 시스템 중 모니터링 장치의 구성을 개략적으로 설명하기 위하여 도시한 블록도 이다.
도 7은 본 발명의 다른 실시 예에 따른 모니터링 시스템을 개략적으로 설명하는 예시도이다.
도 8은 도 7의 모니터링 시스템 중 모니터링 장치의 구성을 개략적으로 설명하기 위하여 도시한 블록도 이다.
도 9는 도 9의 모니터링 장치 중 모니터링 관리부의 구성을 개략적으로 설명하기 위하여 도시한 블록도 이다.
도 10은 도 7의 모니터링 장치가 분류하는 모니터링 대상 기기의 상태 정보를 도시한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 아래에서 제시되는 실시 예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
이하, 본 발명에 따른 실시 예들을 첨부된 도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 일 실시 예에 따른 자가 발전식 센서의 측면도이고, 도 2는 본 발명의 일 실시 예에 따른 자가 발전식 센서의 평면도이고, 도 3은 본 발명의 일 실시 예에 따른 자가 발전식 센서 중 센싱부의 구성을 개략적으로 설명하기 위하여 도시한 블록도이고, 도 4는 도 3에 개시된 센싱부의 회로도이다.
도 1 내지 도 4를 참조하면, 자가 발전식 센서(100)는 발전부(110), 증폭부(120), 고정부(130) 및 센싱부(140)를 포함할 수 있다.
발전부(110)는 물리적인 외부 자극을 전기 에너지로 전환할 수 있다. 여기서 물리적인 외부 자극은 압력, 마찰 진동, 소리 및 초음파 중 하나 이상을 포함할 수 있다. 또한 물리적인 외부 자극은 열 또는 빛을 포함할 수 있다. 이러한 물리적인 외부 자극은 자가 발전식 센서(100)가 장착된 대상기기(도 5의 200)에서 발생할 수 있다.
발전부(110)는 물리적인 외부 자극을 전기 에너지로 전환하는 소자를 포함할 수 있다. 이러한 소자는 자가 발전 소자, 자가 발전 센서 등을 포함할 수 있으며, 예를 들어, 압전 소자, 마찰전기 발전소자, 진동 발전 소자 등을 포함할 수 있다. 또한 이러한 소자는 열전 소자 또는 태양광 발전 소자 등을 포함할 수 있으나, 이들로 한정되는 것은 아니다.
증폭부(120)는 발전부(110)와 전기적으로 연결되고, 물리적인 외부 자극을 증폭하여 발전부(110)로 출력할 수 있다. 예를 들어, 물리적인 자극이 마찰 진동인 경우, 증폭부(120)는 마찰 진동을 증폭하는 무게 추(미도시)를 포함할 수 있다. 여기서 무게 추는 질량 체로서 세라믹 또는 철 등의 특성을 갖는 볼(ball)로써, 물리적인 외부 자극인 마찰 진동에 의해 무게 추의 이동 및/또는 부딪힘에 의해 생성된 물리적인 에너지를 발전부(110)로 출력할 수 있다.
고정부(130)는 자가 발전식 센서(100)를 대상기기(200)에 부착시키기 위한 구성요소로서, 대상기기(200)의 형태, 부착 위치 등을 고려하여 이 분야에서 공지된 기술에 따라 적절하게 선택하여 형성될 수 있다. 본 실시 예에서 고정부(130)는 일 면이 발전부(110) 하면에 부착되고, 타 면이 대상기기(200)에 부착될 수 있다. 본 실시 예에서 고정부(130)는 접착제, 접착 시트, 자석 등을 이용할 수 있다.
센싱부(140)는 발전부(110)에서 전환된 전기 에너지에 대응하는 센싱신호를 생성하여 외부로 송출할 수 있다. 도 3 및 도 4를 참조하면, 센싱부(140)는 전력 변환부(141), 전기 에너지 저장부(142), 스위칭부(143) 및 프로세서(144)를 포함할 수 있다.
전력 변환부(PMIC: power management integrated circuit, 141)는 발전부(110)로부터 전송되는 전기 에너지에 포함되는 교류 전압을 정류하여 직류 전압으로 변환하여 전기 에너지 저장부(142)로 전송할 수 있다.
전기 에너지 저장부(142)는 발전부(110)로부터 전송되어 전력 변환부(141)를 거친 직류 전압을 저장할 수 있다. 본 실시 예에서 전기 에너지 저장부(142)는 캐패시터 및 2차전지 등을 포함할 수 있다. 그러나 전기 에너지 저장부(142)가 이들로 한정되는 것은 아니며, 이 분야에 공지된 장치가 제한 없이 사용될 수 있다. 구체적으로 수퍼캐패시터, 하이브리드 슈퍼캐패시터, 리튬전지, 리튬황전지, MLCC(multi-layer ceramic capacitor), 나트륨황전지, 리독스플로 전지 등이 사용될 수 있다.
본 실시 예에서 전기 에너지 저장부(142)는 전력 변환부(141)로부터 전송되는 직류 전압을 충전 및 방전하는 캐패시터(도 4의 C9)를 포함할 수 있다. 이 캐패시터(C9)는 스위칭부(143)가 통전상태로 전환함에 따라 충전된 직류 전압을 프로세서(144)로 방전하고, 스위칭부(143)가 절연 상태로 전환함에 따라 전력 변환부(141)로부터 전송되는 직류 전압을 충전할 수 있다.
본 실시 예에서 전기 에너지 저장부(142)는 메인 전기 에너지 저장부(미도시)와, 서브 전기 에너지 저장부(미도시)를 포함할 수 있다. 메인 전기 에너지 저장부는 후술하는 전기 에너지 저장부(142)의 동작과 동일할 수 잇다. 서브 전기 에너지 저장부는 프로세서(144)가 센싱신호를 생성하여 무선으로 송출한 후 남은 잉여 전력을 저장하였다가 필요 시에 이를 이용할 수 있다.
스위칭부(143)는 전기 에너지 저장부(142)와 프로세서(144)를 전기적으로 통전상태로 전환하거나 절전상태로 전환할 수 있다. 스위칭부(143)는 전기 에너지 저장부(142)에 저장되는 직류 전압과 기준 저장량으로써의 기준 전압의 비교 결과에 따라 통전상태 또는 절전상태로 전환할 수 있다.
도 4를 참조하면, 스위칭부(143)는 노이즈 제거부(143-1), 전압 검출부(143-2) 및 스위치 소자(143-3)를 포함할 수 있다.
노이즈 제거부(143-1)는 전력 변환부(141)로부터 출력되는 직류 전압의 노이즈를 제거할 수 있다. 본 실시 예에서 노이즈 제거부(143-1)는 L/C 노이즈 필터를 포함할 수 있다.
전압 검출부(143-2)는 전기 에너지 저장부(142)로서의 캐패시터(C9)에 충전되는 전압을 검출할 수 있다.
스위치 소자(143-3)는 전압 검출부(143-2)의 전압 검출 결과, 캐패시터(C9)에 충전되는 전압이 기설정된 기준값(예를 들어, 3.0V) 이상임에 따라 통전상태로 전환되어, 캐패시터(C9)에서 방전되는 직류전압이 프로세서(144)로 출력될 수 있다. 스위치 소자(143-3)는 전압 검출부(143-2)의 전압 검출 결과, 캐패시터(C9)에 충전되는 전압이 기설정된 기준값(예를 들어, 3.0V) 미만임에 따라 절전상태로 전환되어, 캐패시터(C9)는 전력 변환부(141)로부터의 직류 전압으로 충전될 수 있다.
본 실시 예에서 스위치 소자(14-3)의 통전상태 전환 즉, 턴 온과, 캐패시터(C9)의 방전 시작은 동일한 의미로 해석될 수 있다. 본 실시 예에서 스위치 소자(143-3)는 반도체, 다이오드, 트랜지스터, 슈미트 트리거 소자 등이 사용될 수 있으며, 이에 한정되는 것은 아니다.
본 실시 예의 스위칭부(143)는 일반적인 스위칭부와 다르게, 전기 에너지 저장부(142)로서의 캐패시터(C9)에 저장된 전압이 0.0V 인 상태에서 기준전압 3.0V 미만까지는 절전상태고, 3.0V 이상이되면 통전상태로 전환하는 어려움이 존재할 수 있다.
일반적인 스위칭부는 높은 전압에서 낮은 전압으로 떨어짐에 따라 스위칭을 수행하는 것으로 설계되어 있고, 전압을 모니터링 하는 회로가 지속적으로 낮아지는 전압을 모니터링하고 있기 때문에 설계된 대로 정확한 전압 및 시간에 스위칭부를 작동시키는 것이 가능하다.
그러나, 본 실시 예에 일반적인 스위칭부를 적용해본 결과, O.0V에서 양전압 방향으로 전압이 상승하는 것에 대해 제대로 감지하지 못하고 오동작을 일으키는 것이 확인되었다. 또한, 스위칭부의 오동작을 방지하기 해서는 불규칙적이고 간헐적인 자가 발전 방식의 전원 특성을 제어해야 하는 어려움이 존재하는 것이 확인되었다. 본 실시 예에서는 전원이 일정한 전력을 센싱부(140)에 공급하는 것이 아니라, 발전부(110)를 통해 불규칙하고 간헐적인 전력이 공급된다. 따라서, 본 실시예에 일반적인 스위칭부를 적용하는 경우, 전압을 모니터링 하면서 정확한 시점에 스위치 소자(143-3)가 작동하는 것이 구현되기 어렵다. 일반적인 스위치 소자는 충분한 전원을 통해 전력을 공급 받으며 전압을 모니터링하는 것을 기준으로 설계되어 있다. 결과적으로, 일반적인 스위치 소자는 3.0V 이하에서 전압을 모니터링 하기 위해 소요되는 전력이 발전량과 유사하거나 동등하기 때문에 본 실시 예에 적합하지 않을 수 있다. 다시 말해, 본 실시예에 일반적인 스위치 소자가 채용된 경우, 본 실시예의 목적 및 효과가 구현되기 어렵다. 즉, 자가 발전식 센서(100)의 목적 및 효과가 구현되기 위해서는 상술한 스위칭부(143)가 채용되는 것이 필수적이다.
특히 공급되는 전원의 특징 상 캐패시터(C9)의 전압이 불규칙적으로 ±0.2V 정도 흔들림에 따라, 캐패시터(C9)에 충분한 전력이 없는 상태에서 스위치 소자(143-3)가 작동하여 전력 불충분으로 센싱부(140) 전체가 작동하지 않는 경우가 빈번이 발생하고 있다. 따라서 이러한 문제들을 극복하기 위해 L/C 노이즈 필터를 포함하는 노이즈 제거부(143-1)를 이용하여 전력 변환부(141)로부터 입력되는 직류 전압의 노이즈를 제거하고, 전압 검출부(143-2) 및 스위치 소자(143-3)를 더 포함하여 스위칭부(143)를 구성하였다.
도 4로부터 발전부(110)에서 발생한 진동 에너지는 전력 변환부(141)에서 직류 전압으로 변환되어 전기 에너지 저장부(142)로서의 캐패시터(C9)를 충전시킨다. 캐패시터(C9)는 충전이 됨에 따라 전압이 0V부터 천천히 상승한다. 캐패시터(C9)의 충전 전압이 스위칭부(143)에 세팅된 전압값(예를 들어, 3.0V)에 도달하면 스위칭부(143)가 턴 온함과 동시에 캐패시터(C9)는 방전을 시작하고, 캐패시터(C9)의 방전 전력이 프로세서(144)로 출력되어 프로세서(144)가 동작을 시작한다. 프로세서(144)가 전력을 소모함에 따라 캐패시터(C9)가 방전되고, 캐패시터(C9)가 방전됨에 따라 캐패시터(C9)의 전압값이 낮아진다. 캐패시터(C9)에 남아 있는 전압이 스위칭부(143)에 세팅된 전압값 보다 낮아지면 스위칭부(143)가 턴 오프되고, 프로세서(144)가 동작을 중단한다.
프로세서(144)는 스위칭부(143)가 통전상태로 전환되어 전기 에너지 저장부(142)로서의 캐패시터(C9)가 방전하는 전압을 수신하여 동작을 개시하여 센싱신호를 생성하고, 생성한 센싱신호를 무선으로 송출할 수 있다.
본 실시 예에서, 프로세서(144)는 메모리(144-1), 생성부(144-2), 통신부(144-3) 및 제어부(144-4)를 포함할 수 있다.
메모리(144-1)는 프로세서(144)를 구동하는 프로그램이 저장될 수 있고, 자가 발전식 센서(100)의 고유 정보를 나타내는 MAC 주소가 저장될 수 있고, 생성부(144-2)가 생성한 센싱신호를 저장할 수 있다.
생성부(144-2)는 자신의 고유정보 즉, MAC 주소 및 캐패시터(C9)가 방전한 시간 정보를 포함하는 센싱신호를 생성할 수 있다. 여기서 센싱신호로부터 캐패시터(C9)의 방전주기를 알 수 있다. 선택적 실시 예로, 생성부(144-2)가 생성하는 센싱신호는 프로세서(144)에 포함된 온도 측정 소자(미도시)가 측정한 온도값을 더 포함할 수 있고, 더 나아가 습도, 압력, 조도, 전류량 같은 부가적인 정보를 생성하여 더 포함할 수 있다.
통신부(144-3)는 생성부(144-2)가 생성한 센싱정보를 무선 통신 방식 예를 들어, 블루투스(bluetooth), BLE(Bluetooth low energy), 적외선 통신(IrDA, infrared data association), ZigBee, LoRa 등을 이용하여 외부로 송출할 수 있다. 그러나 무선 통신 방식으로 한정되지 않고, 유선 통신도 가능하다.
제어부(144-4)는 프로세서(144) 전체 동작을 제어할 수 있다. 제어부(144-4)는 스위칭부(143)가 턴 온 되어 전기 에너지 저장부(142)로서의 캐패시터(C9)로부터 전력이 공급되면 프로세서(144)의 동작을 개시하고, 스위칭부(143)가 턴 오프 되어 전기 에너지 저장부(142)로서의 캐패시터(C9)로부터 전력 공급이 중단되면 프로세서(144)의 동작을 종료할 수 있다.
종래의 자가 발전형 감지 센서는 전력 에너지를 생산하는 발전부와, 대상기기의 진동 등을 감지하는 센싱부가 별도로 구성되어 있어서, 발전부와 연결된 전력 제어 회로와 센싱부와 연결된 센서 제어 회로가 개별적으로 존재해야 함에 따라 자가 발전형 감지 센서의 구조가 복잡하고, 전력 소모량이 많은 단점이 있다. 즉, 종래의 자가 발전형 감지 센서의 구조가 복잡해짐에 따라 제조 원가가 상승되며, 자가 발전에 의하여 생산되는 전력량의 한계로 인하여 다수의 압전 소자, 마찰 전기 소자 등을 사용하여 출력을 높여야 하는 단점이 있다. 반면에 본 실시 예는 발전부와 센싱부가 하나로 통합 구성되어 있어서 상술한 바와 같은 종래 기술의 단점을 매우 효율적으로 해소할 수 있다.
도 5는 본 발명의 일 실시 예에 따른 모니터링 시스템을 개략적으로 설명하는 예시도이고, 도 6은 도 5의 모니터링 시스템 중 모니터링 장치의 구성을 개략적으로 설명하기 위하여 도시한 블록도 이다. 이하의 설명에서 도 1 내지 도 4에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 5 및 도 6을 참조하면, 모니터링 시스템(1)은 자가 발전식 센서(100), 모니터링 대상기기(200) 및 모니터링 장치(300)를 포함할 수 있다.
자가 발전식 센서(100)는 모니터링 대상기기(200)에 장착되어 모니터링 대상기기(200)에서 발생하는 물리적인 에너지에 대응하는 센싱신호를 생성하여 모니터링 장치(300)로 송출할 수 있다. 자가 발전식 센서(100)의 상세한 설명은 도 1 내지 도 4와 같으므로 상세한 설명은 생략하기로 한다.
모니터링 장치(300)는 모니터링 대상기기(200)에 장착된 자가 발전식 센서(100)가 송출하는 센싱신호를 수집하여, 모니터링 대상기기(200)의 상태를 모니터링할 수 있다. 본 실시 예에서 모니터링 장치(300)는 비콘 스캐너(beacon scanner), 게이트웨이(gateway), 중계기(repeater) 등으로 구성될 수 있다.
본 실시 예에서, 모니터링 장치(300)는 통신부(310), 메모리(320), 생성부(330), 판단부(340) 및 제어부(350)를 포함할 수 있다.
통신부(310)는 자가 발전식 센서(100)와, 모니터링 장치(300) 간의 송수신 신호를 패킷 데이터 형태로 제공하는 데 필요한 통신 인터페이스를 제공할 수 있다. 본 실시 예에서 통신부(310)는 무선 통신 인터페이스 예를 들어, 블루투스(bluetooth), BLE(Bluetooth low energy), 적외선 통신(IrDA, infrared data association), ZigBee, LoRa 등을 이용할 수 있으며, 이에 한정되지 않고 유선 통신 인터페이스도 이용할 수 있다. 또한 통신부(310)는 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
메모리(320)는 제어부(350)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행할 수 있다. 본 실시 예에서 메모리(320)는 자가 발전식 센서(100)가 송출하는 센싱신호를 저장할 수 있고, 생성부(330)가 생성한 모니터링 센싱 데이터를 저장할 수 있다. 여기서, 메모리(320)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 이러한 메모리(320)는 내장 메모리 및/또는 외장 메모리를 포함할 수 있으며, DRAM, SRAM, 또는 SDRAM 등과 같은 휘발성 메모리, OTPROM(one time programmable ROM), PROM, EPROM, EEPROM, mask ROM, flash ROM, NAND 플래시 메모리, 또는 NOR 플래시 메모리 등과 같은 비휘발성 메모리, SSD. CF(compact flash) 카드, SD 카드, Micro-SD 카드, Mini-SD 카드, Xd 카드, 또는 메모리 스틱(memory stick) 등과 같은 플래시 드라이브, 또는 HDD와 같은 저장 장치를 포함할 수 있다.
생성부(330)는 자가 발전식 센서(100)가 송출하는 센싱신호와, 센싱신호를 수신하는 신호수신주기를 결합한 모니터링 센싱 데이터를 생성할 수 있다. 여기서 소정의 시간 간격으로 동일한 센싱신호를 수신하는 모니터링 장치(300)는 생성부(330)를 통하여 신호수신주기를 산출할 수 있고, 이를 센싱신호에 결합하여 모니터링 센싱 데이터를 생성할 수 있다.
판단부(340)는 모니터링 센싱 데이터로부터 신호수신주기의 변동률을 계산하고, 신호수신주기의 변동률을 기반으로 하여 모니터링 대상기기(200)의 동작 이상여부를 판단할 수 있다. 판단부(340)는 신호수신주기의 변동률이 기설정된 범위 이하인 경우 모니터링 대상기기(200)가 정상적으로 동작하고 있다고 판단하고, 신호수신주기의 변동률이 기설정된 범위를 초과하는 경우 모니터링 대상기기(200)의 동작 이상을 판단할 수 있다.
여기에서, 기설정된 범위는 자가 발전식 센서(100)에 의하여 수집된 신호(데이터)에 기초하여 설정될 수 있다. 예를 들어, 소정의 기간 동안에 자가 발전식 센서(100)로부터 수집된 신호(데이터)는 딥 러닝(deep learning)을 통하여 학습될 수 있고, 이에 따라 기설정된 범위가 도출될 수 있다. 다시 말해, 기설정된 범위는 자가 발전식 센서(100)의 사용자 또는 기술자에 의하여 설정되지 않고, 자가 발전식 센서(100)로부터 수집된 신호에 의하여 설정될 수 있다.
제어부(350)는 판단부(340)의 판단 결과를 수신하여 모니터링 대상기기(200)의 동작을 제어하는 모니터링 결과 정보를 생성할 수 있다. 제어부(350)는 판단부(340)로부터 신호수신주기의 변동률이 기설정된 범위를 초과하여 모니터링 대상기기(200)가 동작 이상이라는 판단 결과를 수신하는 경우에, 모니터링 대상기기(200)의 동작을 종료하도록 모니터링 결과 정보를 생성할 수 있다. 제어부(350)는 모니터링 대상기기(200)의 동작을 종료하기 전에, 모니터링 대상기기(200)를 동작이상으로 판단한 판단 결과에 대응하여 알람을 발생하도록 지시하는 모니터링 결과 정보를 생성할 수 있다.
이러한 모니터링 결과 정보는 모니터링 장치(300)에 구비된 디스플레이부(미도시)를 통하여 출력되거나, 관리자의 단말기로 전송되어 관리자가 확인 후 모니터링 대상기기(200)를 제어하도록 할 수 있다.
본 실시 예에서 제어부(350)는 모니터링 장치(300) 전체의 동작을 제어할 수 있다. 제어부(350)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령어로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
도 7은 본 발명의 다른 실시 예에 따른 모니터링 시스템을 개략적으로 설명하는 예시도이다. 이하의 설명에서 도 1 내지 도 6에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 7을 참조하면 모니터링 시스템(2)은 자가 발전식 센서(100), 모니터링 대상기기(200), 게이트웨이(300), 모니터링 장치(400), 관리자 단말기(500) 및 네트워크(600)를 포함할 수 있다.
자가 발전식 센서(100)는 모니터링 대상기기(200)에 장착되어 모니터링 대상기기(200)에서 발생하는 물리적인 에너지에 대응하는 센싱신호를 생성하여 게이트웨이(300)로 송출할 수 있다. 자가 발전식 센서(100)의 상세한 설명은 도 1 내지 도 4와 같으므로 상세한 설명은 생략하기로 한다.
게이트웨이(300)는 대상기기(200)에 장착된 자가 발전식 센서(100)가 송출하는 센싱신호를 수집하고, 네트워크(600)를 통하여 모니터링 장치(400)로 전송할 수 있다. 본 실시 예에서 게이트웨이(300)는 도 5 및 도 6에 도시된 모니터링 장치(300)와 동일한 기능을 수행할 수 있으며, 이에 대한 상세한 설명은 생략하기로 한다. 본 실시 예에서 게이트웨이(300)는 자가 발전식 센서(100)와 무선 통신 인터페이스를 통해 데이터를 송수신하고, 네트워크(600)를 통해 모니터링 장치(400)와 데이터를 송수신할 수 있다.
모니터링 장치(400)는 게이트웨이(300) 및 네트워크(600)를 통하여 모니터링 대상기기(200)에 장착된 자가 발전식 센서(100)가 송출하는 센싱신호를 수집하여, 모니터링 대상기기(200)의 상태를 모니터링할 수 있다.
모니터링 장치(400)는 센싱신호와, 센싱신호를 수신하는 신호수신주기를 결합한 시계열 데이터로서의 모니터링 센싱 데이터를 생성하고, 모니터링 센싱 데이터를 입력으로 하여 모니터링 대상기기의 상태 정보를 분류하도록 미리 훈련된 비지도 학습 기반 딥러닝 모델을 이용하여 모니터링 센싱 데이터에 대응하는 모니터링 대상기기(200)의 상태 정보를 분류할 수 있다.
본 실시 예에서 모니터링 장치(400)는 모니터링 센싱 데이터를 이용하여 모니터링 대상기기(200)의 상태를 모니터링할 수 있도록, 모니터링 센싱 데이터에 대하여 딥러닝(Deep Learning) 등 머신 러닝(machine learning)을 수행할 수 있고, 머신 러닝에 사용되는 데이터, 결과 데이터 등을 저장할 수 있다.
머신 러닝의 일종인 딥러닝(deep learning) 기술은 데이터를 기반으로 다단계로 깊은 수준까지 내려가 학습할 수 있다. 딥러닝은 단계를 높여갈수록 복수의 데이터들로부터 핵심적인 데이터를 추출하는 머신 러닝 알고리즘의 집합을 나타낼 수 있다.
딥러닝 구조는 인공신경망(ANN)을 포함할 수 있으며, 예를 들어 딥러닝 구조는 CNN(convolutional neural network), RNN(recurrent neural network), DBN(deep belief network) 등 심층신경망(DNN)으로 구성될 수 있다. 본 실시 예에 따른 딥러닝 구조는 공지된 다양한 구조를 이용할 수 있다. 예를 들어, 본 발명에 따른 딥러닝 구조는 CNN, RNN, DBN 등을 포함할 수 있다. RNN은, 자연어 처리 등에 많이 이용되고 있으며, 시간의 흐름에 따라 변하는 시계열 데이터(time-series data) 처리에 효과적인 구조로 매 순간마다 레이어를 쌓아올려 인공신경망 구조를 구성할 수 있다. DBN은 딥러닝 기법인 RBM(restricted boltzman machine)을 다층으로 쌓아 구성되는 딥러닝 구조를 포함할 수 있다. RBM 학습을 반복하여, 일정 수의 레이어가 되면 해당 개수의 레이어를 가지는 DBN을 구성할 수 있다. CNN은 사람이 물체를 인식할 때 물체의 기본적인 특징들을 추출되는 다음 뇌 속에서 복잡한 계산을 거쳐 그 결과를 기반으로 물체를 인식한다는 가정을 기반으로 만들어진 사람의 뇌 기능을 모사한 모델을 포함할 수 있다.
한편, 인공신경망의 학습은 주어진 입력에 대하여 원하는 출력이 나오도록 노드간 연결선의 웨이트(weight)를 조정(필요한 경우 바이어스(bias) 값도 조정)함으로써 이루어질 수 있다. 또한, 인공신경망은 학습에 의해 웨이트(weight) 값을 지속적으로 업데이트시킬 수 있다. 또한, 인공신경망의 학습에는 역전파(back propagation) 등의 방법이 사용될 수 있다.
한편, 모니터링 장치(400)에는 인공신경망(artificial neural network)이 탑재될 수 있고, 수신되는 압축기 운전 데이터를 입력 데이터로 하는 머신 러닝 기반의 압축기의 상태 정보 군집화를 수행할 수 있다.
모니터링 장치(400)는 인공신경망, 예를 들어, CNN, RNN, DBN 등 심층신경망(deep neural network: DNN)을 포함될 수 있고, 심층신경망을 학습할 수 있다. 이러한 인공신경망의 머신 러닝 방법으로는 지도학습(supervised learning)과, 비지도학습(unsupervised learning)과, 강화 학습(reinforcement learning)이 모두 사용될 수 있다. 모니터링 장치(400)는 설정에 따라 학습 후 인공신경망 구조를 업데이트시키도록 제어할 수 있다.
지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다. 본 실시 예에서는 모니터링 대상기기(200)의 상태를 판단하기 위해 비지도 학습을 수행할 수 있으나, 이에 한정되는 것은 아니다.
관리자 단말기(500)는 모니터링 장치(400)가 제공하는 모니터링 어플리케이션 및/또는 모니터링 사이트에 접속하여, 모니터링 대상기기(200)에 대한 모니터링 서비스를 받을 수 있다.
이러한 관리자 단말기(500)는 컴퓨팅 장치(미도시)의 기능을 수행할 수 있는 통신 단말기를 포함할 수 있으며, 사용자가 조작하는 데스크 탑 컴퓨터(501), 스마트폰(502), 노트북(503), 태블릿 PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. 또한, 관리자 단말기(500)는 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 단말기 일 수 있다. 이러한 관리자 단말기(500)는 상술한 내용에 제한되지 아니하며, 웹 브라우징이 가능한 단말기는 제한 없이 차용될 수 있다.
네트워크(600)는 게이트웨이(300)와, 모니터링 장치(400)와, 관리자 단말기(500)를 연결하는 역할을 수행할 수 있다. 이러한 네트워크(600)는 예컨대 LANs(local area networks), WANs(wide area networks), MANs(metropolitan area networks), ISDNs(integrated service digital networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 또한 네트워크(600)는 근거리 통신 및/또는 원거리 통신을 이용하여 정보를 송수신할 수 있다. 여기서, 근거리 통신은 블루투스(bluetooth), RFID(radio frequency identification), 적외선 통신(IrDA, infrared data association), UWB(ultra-wideband), ZigBee, Wi-Fi (wireless fidelity) 기술을 포함할 수 있고, 원거리 통신은 CDMA(code division multiple access), FDMA(frequency division multiple access), TDMA(time division multiple access), OFDMA(orthogonal frequency division multiple access), SC-FDMA(single carrier frequency division multiple access) 기술을 포함할 수 있다.
네트워크(600)는 허브, 브리지, 라우터, 스위치와 같은 네트워크 요소들의 연결을 포함할 수 있다. 네트워크(600)는 인터넷과 같은 공용 네트워크 및 안전한 기업 사설 네트워크와 같은 사설 네트워크를 비롯한 하나 이상의 연결된 네트워크들, 예컨대 다중 네트워크 환경을 포함할 수 있다. 네트워크(600)에의 액세스는 하나 이상의 유선 또는 무선 액세스 네트워크들을 통해 제공될 수 있다. 더 나아가 네트워크(600)는 사물 등 분산된 구성 요소들 간에 정보를 주고 받아 처리하는 IoT(Internet of Things, 사물인터넷) 망 및/또는 5G 통신을 지원할 수 있다.
도 8은 도 7의 모니터링 시스템 중 모니터링 장치의 구성을 개략적으로 설명하기 위하여 도시한 블록도 이고, 도 9는 도 9의 모니터링 장치 중 모니터링 관리부의 구성을 개략적으로 설명하기 위하여 도시한 블록도 이다. 이하의 설명에서 도 1 내지 도 7에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 8 및 도 9를 참조하면, 모니터링 장치(400)는 통신부(410), 저장 매체(420), 프로그램 저장부(430), 데이터베이스(440), 모니터링 관리부(450) 및 제어부(460)를 포함할 수 있다.
통신부(410)는 네트워크(600)와 연동하여 게이트웨이(300)와, 모니터링 장치(400)와 관리자 단말기(500) 간의 송수신 신호를 패킷 데이터 형태로 제공하는 데 필요한 통신 인터페이스를 제공할 수 있다. 또한, 통신부(410)는 게이트웨이(300)가 수집한 정보를 모니터링 장치(400)로 전송하는 역할을 수행할 수 있다. 나아가, 통신부(410)는 관리자 단말기(500)로부터 소정의 정보 요청 신호를 수신하는 역할을 할 수 있고, 모니터링 관리부(450)가 처리한 정보를 관리자 단말기(500)로 전송하는 역할을 수행할 수 있다. 여기서, 통신망이라 함은, 게이트웨이(300)와, 모니터링 장치(400)와 관리자 단말기(500)를 연결하는 역할을 수행하는 매개체로써, 관리자 단말기(500)가 모니터링 장치(400)에 접속한 후 정보를 송수신할 수 있도록 접속 경로를 제공하는 경로를 포함할 수 있다. 또한 통신부(410)는 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
저장 매체(420)는 제어부(460)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행한다. 여기서, 저장 매체(420)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
프로그램 저장부(430)는 게이트웨이(300)를 통하여 자가 발전식 센서(100)로부터 센싱신호가 수신되면 모니터링 센싱 데이터를 생성하는 작업, 미리 훈련된 비지도 학습 기반 딥러닝 모델을 이용하여 모니터링 센싱 데이터에 대응하는 모니터링 대상기기(200)의 상태 정보를 분류하는 작업, 미리 훈련된 심층신경망 모델을 이용하여 모니터링 대상기기(200)의 이상상태를 판단하는 작업, 모니터링 대상기기(200)의 이상상태 판단에 대응하여 모니터링 대상기기(200)의 완전한 고장 전에 알림을 발생하도록 하는 작업 등을 수행하는 제어 소프트웨어를 탑재하고 있다.
데이터베이스(440)는 모니터링 대상기기(200)에 대한 모니터링 센싱 데이터와, 모니터링 대상기기(200)에 대한 상태 정보 이력과, 모니터링 대상기기(200)에 대한 이상상태 판단 결과 이력 등을 저장하는 관리 데이터베이스를 더 포함할 수 있다.
또한 데이터베이스(440)는 모니터링 대상기기(200)에 대한 모니터링 서비스를 제공받을 관리자의 정보를 저장하는 유저 데이터베이스를 포함할 수 있다. 여기서, 관리자의 정보는 관리자의 이름, 소속, 인적 사항, 성별, 나이, 연락처, 이메일, 주소, 이미지 등 치매노인 및 보호자에 대한 기본적인 정보와, 아이디(ID) (또는 이메일) 및 패스워드(password) 등 사용자의 인증(로그인)에 대한 정보, 접속 국가, 접속 위치, 접속에 이용한 장치에 대한 정보, 접속된 네트워크 환경 등 접속과 관련된 정보 등을 포함할 수 있다.
또한 유저 데이터베이스에는 관리자의 고유정보와, 모니터링 어플리케이션 또는 모니터링 사이트에 접속한 관리자가 제공받은 정보 및/또는 카테고리 이력, 관리자가 설정한 환경 설정 정보, 관리자가 이용한 자원 사용량 정보, 관리자의 자원 사용량에 대응한 과금 및 결제 정보가 저장될 수 있다.
모니터링 관리부(450)는 수집된 센싱신호를 이용하여 모니터링 대상기기(200)에 대한 모니터링 결과 정보를 생성할 수 있다. 도 9를 참조하면, 모니터링 관리부(450)는 수집부(451), 제1 생성부(452), 분류부(453), 판단부(454), 제2 생성부(455)를 포함할 수 있다.
수집부(451)는 게이트웨이(300) 및 네트워크(600)를 통하여 모니터링 대상기기(200)에 장착된 자가 발전식 센서(100)로부터 센싱신호를 수집할 수 있다.
제1 생성부(452)는 수집부(451)가 수집한 센싱신호와, 센싱신호를 수신하는 신호수신주기를 결합한 시계열 데이터로서의 모니터링 센싱 데이터를 생성할 수 있다. 여기서, 신호수신주기는 게이트웨이(300)에서 생성하여 센싱신호에 포함되는 제1 신호수신주기와, 모니터링 장치(400)가 제1 신호주기가 포함된 센싱신호를 수신하는 제2 신호수신주기를 포함할 수 있다.
분류부(453)는 제1 생성부(452)가 생성한 모니터링 센싱 데이터를 입력으로 하여 모니터링 대상기기의 상태 정보를 분류하도록 미리 훈련된 비지도 학습 기반 딥러닝 모델을 이용하여 모니터링 센싱 데이터에 대응하는 모니터링 대상기기(200)의 상태 정보를 분류할 수 있다. 여기서 비지도 학습 기반 딥러닝 모델은 오토 인코더(auto encoder), k 평균 클러스터링(k-means clustering), 자기 조직화 지도(self-organizing map), 심층 신뢰 신경망(deep belief network), 서포트 벡터 머신(support vector machine) 등과 같은 알고리즘 중 하나 이상을 이용할 수 있다.
또한 알고리즘의 종류에 따라서 비지도 학습 기반 딥러닝 모델에서 최종 출력되는 모니터링 대상기기(200)의 상태 정보는 모니터링 대상기기(200)가 아이들(idle) 상태인지 여부와, 모니터링 대상기기(200)가 가동 중인지 여부와, 모니터링 대상기기(200)가 생산하는 생산제품의 종류와, 생산제품의 일별 생산량 중 하나 이상으로 분류된 형태가 될 수 있다.
도 10에는 모니터링 장치(400)가 생성한 모니터링 센싱 데이터(a)를 비지도 학습 기반 딥러닝 모델로 학습하여 생성된 분류 결과(b)로서의 모니터링 대상기기(200)가 생산하는 생산제품의 종류와, 생산제품의 일별 생산량을 도시하고 있다.
판단부(454)는 분류부(453)에서 분류한 모니터링 대상 기기의 상태 정보를 이용하여 모니터링 대상기기의 이상상태를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 모니터링 대상기기(200)의 이상상태를 판단할 수 있다. 여기서 심층신경망 모델은, 모니터링 대상기기(200)가 아이들(idle) 상태인지 여부와, 모니터링 대상기기(200)가 가동 중인지 여부와, 모니터링 대상기기(200)가 생산하는 생산제품의 종류와, 생산제품의 일별 생산량을 포함하는 훈련데이터를 이용하여 미리 훈련된 신경망 모델일 수 있다.
제2 생성부(455)는 판단부(454)의 판단 결과를 수신하여 모니터링 대상기기(200)의 동작을 제어하는 모니터링 결과 정보를 생성할 수 있다. 제2 생성부(455)는 판단부(454)로부터 모니터링 대상기기(200)가 이상 상태임을 판단한 결과에 대응하여 모니터링 대상기기(200)의 동작을 종료하도록 모니터링 결과 정보를 생성할 수 있다. 제어부(350)는 모니터링 대상기기(200)의 동작을 종료하기 전에, 모니터링 대상기기(200)를 이상 상태로 판단한 판단 결과에 대응하여 알람을 발생하도록 지시하는 모니터링 결과 정보를 생성할 수 있다. 이러한 모니터링 결과 정보 생성으로 모니터링 대상기기(200)의 완전한 고장 전에 알림을 발생하여 이에 대응하도록 할 수 있다.
도 8로 돌아와서, 제어부(460)는 일종의 중앙처리장치로서 프로그램 저장부(430)에 탑재된 제어 소프트웨어를 구동하여 모니터링 장치(400) 전체의 동작을 제어할 수 있다. 제어부(460)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령어로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
이상 설명된 본 발명에 따른 실시 예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 발명의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 발명에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다.
본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 자가 발전식 센서
110: 발전부
120: 증폭부
130: 고정부
140: 센싱부
200: 모니터링 대상기기
300: 게이트웨이
400: 모니터링 장치
500: 관리자 단말기
600: 네트워크
110: 발전부
120: 증폭부
130: 고정부
140: 센싱부
200: 모니터링 대상기기
300: 게이트웨이
400: 모니터링 장치
500: 관리자 단말기
600: 네트워크
Claims (7)
- 모니터링 시스템으로서,
모니터링 대상기기에 장착되어 상기 모니터링 대상기기에서 발생하는 물리적인 에너지에 대응하는 센싱신호를 생성하여 송출하는 자가 발전식 센서; 및
상기 자가 발전식 센서가 송출하는 센싱신호를 수집하여, 상기 모니터링 대상기기의 상태를 모니터링하는 모니터링 장치를 포함하고,
상기 모니터링 장치는,
상기 센싱신호와, 상기 센싱신호를 수신하는 신호수신주기를 결합한 모니터링 센싱 데이터를 생성하는 생성부;
상기 모니터링 센싱 데이터로부터 상기 신호수신주기의 변동률을 계산하고, 상기 신호수신주기의 변동률을 기반으로 하여 상기 모니터링 대상기기의 동작 이상여부를 판단하는 판단부; 및
상기 판단부의 판단 결과에 대응하여 상기 모니터링 대상기기의 동작을 제어하는 모니터링 결과 정보를 생성하는 제어부를 포함하는,
모니터링 시스템. - 제 1 항에 있어서,
상기 판단부는,
상기 신호수신주기의 변동률이 기설정된 범위를 초과함에 따라, 상기 모니터링 대상기기를 동작이상으로 판단하고,
상기 제어부는,
상기 모니터링 대상기기를 동작이상으로 판단한 판단 결과에 대응하여, 상기 모니터링 대상기기의 동작을 종료하도록 모니터링 결과 정보를 생성하는,
모니터링 시스템. - 제 2 항에 있어서,
상기 제어부는,
상기 모니터링 대상기기의 동작을 종료하기 전에, 상기 모니터링 대상기기를 동작이상으로 판단한 판단 결과에 대응하는 알람을 발생하도록 지시하는 모니터링 결과 정보를 생성하는,
모니터링 시스템. - 모니터링 시스템으로서,
모니터링 대상기기에 장착되어 상기 모니터링 대상기기에서 발생하는 물리적인 에너지에 대응하는 센싱신호를 생성하여 송출하는 자가 발전식 센서; 및
상기 자가 발전식 센서가 송출하는 센싱신호를 수집하여, 상기 모니터링 대상기기의 상태를 모니터링하는 모니터링 장치를 포함하고,
상기 모니터링 장치는,
상기 센싱신호와, 상기 센싱신호를 수신하는 신호수신주기를 결합한 시계열 데이터로서의 모니터링 센싱 데이터를 생성하는 제1 생성부; 및
모니터링 센싱 데이터를 입력으로 하여 모니터링 대상기기의 상태 정보를 분류하도록 미리 훈련된 비지도 학습 기반 딥러닝 모델을 이용하여 상기 모니터링 센싱 데이터에 대응하는 상기 모니터링 대상기기의 상태 정보를 분류하는 분류부를 포함하는,
모니터링 시스템. - 제 4 항에 있어서,
상기 모니터링 대상기기의 상태 정보는,
상기 모니터링 대상기기가 아이들(idle) 상태인지 여부와, 상기 모니터링 대상기기가 가동 중인지 여부와, 상기 모니터링 대상기기가 생산하는 생산제품의 종류와, 상기 생산제품의 일별 생산량 중 하나 이상을 포함하는,
모니터링 시스템. - 제 4 항에 있어서,
모니터링 대상 기기의 상태 정보를 이용하여 모니터링 대상기기의 이상상태를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 상기 모니터링 대상 기기의 이상상태를 판단하는 판단부를 더 포함하고,
상기 심층신경망 모델은,
상기 모니터링 대상기기가 아이들(idle) 상태인지 여부와, 상기 모니터링 대상기기가 가동 중인지 여부와, 상기 모니터링 대상기기가 생산하는 생산제품의 종류와, 상기 생산제품의 일별 생산량을 포함하는 훈련데이터를 이용하여 미리 훈련된 신경망 모델인,
모니터링 시스템. - 제 6 항에 있어서,
상기 모니터링 대상기기의 이상상태 판단에 대응하여, 상기 모니터링 대상기기의 동작을 제어하는 모니터링 결과 정보를 생성하는 제2 생성부를 더 포함하는,
모니터링 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230044260A KR102641974B1 (ko) | 2020-09-25 | 2023-04-04 | 자가 발전식 센서, 이를 포함하는 모니터링 시스템 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200124404A KR20220041339A (ko) | 2020-09-25 | 2020-09-25 | 자가 발전식 센서, 이를 포함하는 모니터링 시스템 |
| KR1020230044260A KR102641974B1 (ko) | 2020-09-25 | 2023-04-04 | 자가 발전식 센서, 이를 포함하는 모니터링 시스템 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200124404A Division KR20220041339A (ko) | 2019-09-27 | 2020-09-25 | 자가 발전식 센서, 이를 포함하는 모니터링 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230053560A true KR20230053560A (ko) | 2023-04-21 |
| KR102641974B1 KR102641974B1 (ko) | 2024-02-29 |
Family
ID=81183333
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200124404A KR20220041339A (ko) | 2019-09-27 | 2020-09-25 | 자가 발전식 센서, 이를 포함하는 모니터링 시스템 |
| KR1020230044260A KR102641974B1 (ko) | 2020-09-25 | 2023-04-04 | 자가 발전식 센서, 이를 포함하는 모니터링 시스템 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200124404A KR20220041339A (ko) | 2019-09-27 | 2020-09-25 | 자가 발전식 센서, 이를 포함하는 모니터링 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR20220041339A (ko) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000052183A (ja) * | 1998-08-11 | 2000-02-22 | Okuma Corp | カバー装置の損傷防止装置 |
| KR101449605B1 (ko) | 2013-04-30 | 2014-10-13 | 한국철도기술연구원 | 철도 차량의 무선 센서 네트워크 시스템 |
| US9762150B2 (en) * | 2011-09-13 | 2017-09-12 | Mide Technology Corporation | Self-powered sensor system |
| JP2018004473A (ja) * | 2016-07-04 | 2018-01-11 | ファナック株式会社 | 軸受の予測寿命を学習する機械学習装置、寿命予測装置および機械学習方法 |
| KR101901146B1 (ko) * | 2017-11-16 | 2018-09-21 | 한국세라믹기술원 | 자가발전 IoT 센서 모듈 및 이를 갖는 안전사고방지 모니터링 시스템 |
| US11222202B2 (en) * | 2019-01-14 | 2022-01-11 | Deere & Company | Targeted testing and machine-learning systems for detecting and identifying machine behavior |
-
2020
- 2020-09-25 KR KR1020200124404A patent/KR20220041339A/ko not_active IP Right Cessation
-
2023
- 2023-04-04 KR KR1020230044260A patent/KR102641974B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000052183A (ja) * | 1998-08-11 | 2000-02-22 | Okuma Corp | カバー装置の損傷防止装置 |
| US9762150B2 (en) * | 2011-09-13 | 2017-09-12 | Mide Technology Corporation | Self-powered sensor system |
| KR101449605B1 (ko) | 2013-04-30 | 2014-10-13 | 한국철도기술연구원 | 철도 차량의 무선 센서 네트워크 시스템 |
| JP2018004473A (ja) * | 2016-07-04 | 2018-01-11 | ファナック株式会社 | 軸受の予測寿命を学習する機械学習装置、寿命予測装置および機械学習方法 |
| KR101901146B1 (ko) * | 2017-11-16 | 2018-09-21 | 한국세라믹기술원 | 자가발전 IoT 센서 모듈 및 이를 갖는 안전사고방지 모니터링 시스템 |
| US11222202B2 (en) * | 2019-01-14 | 2022-01-11 | Deere & Company | Targeted testing and machine-learning systems for detecting and identifying machine behavior |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102641974B1 (ko) | 2024-02-29 |
| KR20220041339A (ko) | 2022-04-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10903668B2 (en) | Systems and methods for management and monitoring of energy storage and distribution | |
| US11223300B2 (en) | Energy-harvesting sensor system and method therefor | |
| RU2645876C2 (ru) | Устройство для преобразования движения пользователя в электрическое напряжение | |
| KR102455630B1 (ko) | 센서 네트워크에 대한 커뮤니케이션 시스템 | |
| TW201546609A (zh) | 資訊處理裝置、半導體晶片、資訊處理方法、及電腦可讀取儲存媒體 | |
| CN206574235U (zh) | 一种启动电路及人体状态检测装置 | |
| Alhassoun et al. | Context-aware energy optimization for perpetual IoT-based safe communities | |
| US11856344B2 (en) | Self-powered sensor, and monitoring system including same | |
| Reinfurt et al. | Internet of things patterns for devices: Powering, operating, and sensing | |
| Abdal-Kadhim et al. | Event Priority Driven Dissemination EPDD management algorithm for low power WSN nodes powered by a dual source energy harvester | |
| KR101457436B1 (ko) | 저전력 센서 노드 | |
| KR102564792B1 (ko) | 사용자 맞춤형 뷰티 관리 시스템 및 그의 동작 방법 | |
| CN205333601U (zh) | 一种气体检测装置 | |
| KR102641974B1 (ko) | 자가 발전식 센서, 이를 포함하는 모니터링 시스템 | |
| EP4246766A2 (en) | Self-powered sensor, and monitoring system including same | |
| US20230370335A1 (en) | Interfacing event detectors with a network interface | |
| US20210155454A1 (en) | System and a method for detecting an out-of-operation state of an elevator system based on control bus traffic | |
| Muhtaroğlu | Micro-scale energy harvesting for batteryless information technologies | |
| Collotta et al. | A self-powered bluetooth network for intelligent traffic light junction management | |
| Chakraborty et al. | IoT-Based Switch Board for Kids Using ESP Module And AWS | |
| JP2018074613A (ja) | 電子装置 | |
| Malhotra et al. | Power optimization and network congestion controlling technique for an Iot enabled smartbin for smart cities | |
| Chu et al. | Rotation memory neural network identify elders fall situation | |
| Demir et al. | Energy-harvesting methods for WBAN applications | |
| Mon et al. | ANFIS-based wireless sensor network (WSN) applications for air conditioner control |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A107 | Divisional application of patent | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |