earticle

한국어

설비의 결함 진단은 ITS분야 중 유지보수 및 안전성을 특히 더 고려해야하는 교통과는 뗄 수 없는 분야이다. 그 중, 많은 인원이 사용하는 대중교통은 그 특성상 사용하는 인원의 규모차이로 인해 유지보수 측면 뿐만 아니라 안전성을 위해서도 설비에 대한 결함 진단은 중요하다. 각 모듈들에 센서를 부착하여 전체적인 모니터링을 가능케 하는 기술은 현재 자율주행차와 전기차등의 분야에서 어느정도의 가능성을 보이고 있다. 취득되는 데이터들이 있다면 그곳에 딥러닝을 적용하는 것 또한 가능할 것이며 이러한 관점에서 여러 설비에 부착된 센서데이터들을 활용한 결함진단에 딥러닝을 적용하고자 하는 연구가 발전하고 있다. 본 연구에서는 지하철 열차 보깅을 1:2 규모로 설계된 고장 시뮬레이션 실험 플랫폼에서 수집된 다중 결함 데이터를 활용하여 기존의 많이 연구되는 단일 모듈의 결함이 아닌 다중 결함 탐지를 진행하고자 한다. Transformer와 Graph Attention을 활용한 아키텍쳐를 설계했다. Graph Attention Convolution의 다중결함 진단의 적용가능성을 탐색하엿고 그 가능성을 볼 수 있다.