메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제27권 제1호
발행연도
2021.1
수록면
8 - 21 (14page)
DOI
10.5626/KTCP.2021.27.1.8

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2021

정상 충방전 데이터에 기반한 리튬 이온 배터리 고장 탐지
이건희 정보과학회 컴퓨팅의 실제 논문지 2021.01 학술저널

2020

정상 충방전 데이터에 기반한 리튬 이온 배터리 고장 탐지
이건희 컴퓨터과학과 2020.01 학위논문

초록· 키워드

오류제보하기
배터리의 고장은 탑재된 응용 전체의 성능 저하를 일으킬 뿐만 아니라, 심각한 사고로도 이어질 수 있기 때문에 고장 배터리의 진단은 매우 중요한 문제이다. 하지만 진단을 위해 고장 배터리를 확보하는 것이 현실적으로 어렵기 때문에, 정상 배터리의 데이터만을 활용해서 배터리의 고장을 찾아낼 수 있어야 한다. 이 논문에서는 머신 러닝에 기반해, 정상적인 배터리만을 사용해 고장을 진단할 수 있는 기술을 최초로 제시한다. 제안 방법론은 배터리의 정상 데이터와 이를 구성하는 인자 사이의 관계를 정의하고, 그 관계를 정확하게 예측할 수 있는 모델을 만들어 임의의 방전 프로필이 모델에 얼마나 적합한지 확인하는 방식으로 이루어진다. 제안 방법론을 검증하기 위해, NCR18650B 배터리를 사용한 실험을 진행하였고, 과방전 및 과충전 고장 데이터를 만들어 이를 구분하는지 확인했다. 그 결과, 정상 배터리 데이터의 약 96%를 정상으로 진단하는 모델을 이용해 약 97%의 정확도로 고장 배터리를 진단했다.
#임베디드 시스템 #2차전지 #고장 진단 #기계학습 #embedded systems #battery #fault diagnosis #machine learning

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 제안 방법론의 중심 개념
4. 충방전 데이터 기반 진단 기법
5. 사례 연구
6. 제안 방법론 검증
7. 결론
References

참고문헌 (31)

참고문헌 신청
NCR18650B, Panasonic Industrial Devices, https://na.industrial.panasonic.com/sites/default/pidsa/files/ncr18650b.pdf google schola Maccor Series 4300K, https://na.industrial.panasonic.com/sites/default/pidsa/files/ncr18650a.pdf google schola SU-642 Environmental Test Chamber, https://espec.com/na/products/model/su_641 google schola Drive Cycle Analysis Tool. DriveCAT, NREL, https://www.nrel.gov/transportation/drive-cycle-tool/ google schola C. Wu, C. Zhu, and Y. Ge, "A New Fault Diagnosis and Prognosis Technology for High-Power Lithium-Ion Battery," IEEE Transactions on Plasma Science, Vol. 45, No. 7, pp. 1533-1538, Jul. 2017. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

EIS를 활용한 고장인자 선정 및 LSTM 기반 리튬이온 배터리 고장진단 알고리즘 연구
신승화 ,  이평연 ,  조상우 외 2명 한국정밀공학회 학술발표대회 논문집 2022 .05
리튬이온 배터리의 열폭주 이상징후 감지를 위한 측정 변수 특성 분석
임병주 ,  조성훈 ,  이가람 외 2명 한국수소및신에너지학회논문집 2022 .02
상업용 리튬 배터리의 수명 예측을 위한 고속대량충방전 데이터 정규화 선형회귀모델의 적용
김장군 ,  이종숙 한국수소및신에너지학회논문집 2021 .12
LRCN을 이용한 리튬 이온 배터리의 건강 상태 추정
홍선리 ,  강모세 ,  정학근 외 2명 전력전자학회논문지 2021 .06
전기자동차 리튬이온전지의 리튬 플레이팅을 방지하는 급속충전 모델
이동철 ,  김병묵 ,  신치범 한국에너지학회 학술발표회 2021 .04

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-569-001489850