원문정보
Fault Prediction of Passive Multiplexers Based on Non-Stationary Time Series Analysis
피인용수 : 0건 (자료제공 : 네이버학술정보)
초록
한국어
본 연구는 통신 인프라에 사용되는 Passive Multiplexer의 고장 예측을 위해, 불규칙한 시계열 데이터를 정량적으로 분석하고 AI 학습을 위한 구조화된 데이터셋을 구축하는 전처리 기법을 제안한다. 기존의 MUX 고장 진단은 장비의 물리적 특성과 시계열의 비선형적·불규칙한 변화로 인해 수작업 기반의 사후 대응에 의존해 왔다. 이에 본 연구에서는 취득된 데이터를 전처리하고 상관관계를 분석한 후, 시간에 따른 구간별 변화율을 정량화하여 3차원 벡터로 표현하는 시공간 기울기 기반 특징 추출 기법(STSFE)을 설계하였다. STSFE는 고장 징후의 시공간적 이동을 시각화하고, 고차원 특징을 효과적으로 추출함으로써 AI 기반 MUX 사전 고장 예측의 정확도를 향상시킬 수 있는 다차원 데이터 기반 접근을 제안한다.
목차
요약
1. 서론
2. 관련연구
3. 실험방법
3.1. 데이터 전처리 및 상관관계 분석
3.2. 시공간 기울기 기반 특징 추출 기법
4. 실험결과
4.1. 결과도출
4.2. 결과분석
5. 결론
Acknowledgement
참고문헌
1. 서론
2. 관련연구
3. 실험방법
3.1. 데이터 전처리 및 상관관계 분석
3.2. 시공간 기울기 기반 특징 추출 기법
4. 실험결과
4.1. 결과도출
4.2. 결과분석
5. 결론
Acknowledgement
참고문헌
저자정보
참고문헌
자료제공 : 네이버학술정보