[대학원] 인공지능과 건전성 예측 및 관리

Lecture

Chapter 0. AI-PHM? concerns and challenges for real-world applications [Lecture]

Chapter 1. Artifical Intelligence: Artifical Neural Network and Optimixation [Lecture]

• 퍼셉트론 (Perceptron)

• 다층 퍼셉트론 (MLP)

• 오차 역전파 (Error packpropagation)

Chapter 2. Prognostics and Health Management [Lecture]

• 건전성 예측 및 관리

• PHM 절차

• PHM 기법

• PHM 이점

Chapter 3. Sensors [Lecture-1]/[Lecture-2]

• PHM을 위한 센서 기초

• 센서 유형 분류

Chapter 4. Data Acquisition : Digital signal processing [Lecture]

Chapter 5. PoF-based method: principles [Lecture]

Chapter 6. Machine Learning in PHM [Lecture]

• 머신러닝(ML) 기본원리

• 머신러닝(ML) 주요 기법

• 머신러닝(ML)의 현재와 미래

Chapter 7. Deep Learning in PHM [Lecture]

• PHM을 위한 딥러닝 기법

• 심층신경망 (DNN)

• 합성곱신경망 (CNN)

• 순환신경망(RNN)

• 오토인코더 (Autoencoder)

Chapter 8. 이미지 기반 PHM [Lecture]

• 이미지 기반 심층신경망?

• 합성곱 신경망 기초(CNN Basis)

• Object detection

• Case studies in PHM

Chapter 9. eXplainable Artifical Intelligence (XAI) [Lecture-1] / [Lecture-2]

• XAI 도입 배경

• XAI 주요 기법

• Case study : 가스터빈 이상진단

• Case study : 가스터빈 수명예지

Chapter 10. Physics-Informed Neural Network (PINN) [Lecture]

• PINN 기본원리

• PINN 역사

• PINN 주요기법

• Case study : 전기보터 AX-PHM

• Case study : LIB AX-PHM

Hands on practice

1. Python basic and essential libraries [Lab/code] 

2. MLP and HPO [Lab/code] 

3. Optimization [Lab/code]

4. Regression [Lab/code]

5. Data processing for PHM [Lab/code1/code2]

6. Dropout and BN [Lab/code]

7. Machine Learning [Lab/code]

8. [Part-I] CNN and AE [Lab/code] / [Part-II] Object Detection [Lab/code]

9. XAI [Lab/code]

10. PINN [Lab/code]