Feature Analysis for Geometric Anomaly Diagnosis in Hypertube Guideway

본 연구에서는 주행 중 획득되는 계측신호를 통해 하이퍼튜브 가이드웨이의 기하학적 이상상태를 효과적으로 분류·예측할 수 있도록 특징분석연구를 수행하였다. 이를 위해 가이드웨이의 기하학적 형태를 4가지로 구분하고, 하이퍼튜브 차량의 동적 모델을 구성하였다. 그리고, 각 가이드웨이 프로파일 생성 후 시뮬레이션을 통해 얻어진 주행 데이터를 통해 총 22개 시간 및 주파수 영역 기반 특징을 추출하고, 분류에 효과적인 특징을 선택하였다. 특징선택 시 4개 형태를 동시에 분류할 수 있는 다중분류 접근법과 한 쌍의 형태에 대해 우수한 특징을 개별적으로 선택해내는 이진분류 접근법의 두 가지 접근법을 사용하였다. 각 접근법으로 선택된 특징들은 인공신경망 모델 기반의 가이드웨이 형태 예측모델에 적용하여 정확도를 비교하였다. 그 결과 이진분류 접근법으로 선택된 특징 사용 시 90% 이상 정확도를 달성하여 이상상태 분류에 효과적인 것으로 나타났다.