Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Active management of battery degradation in wireless sensor network using deep reinforcement learning for group battery replacement

Created by
  • Haebom
Category
Empty

저자

Jong-Hyun Jeonga, Hongki Jo, Qiang Zhou, Tahsin Afroz Hoque Nishat, Lang Wu

개요

본 논문은 배터리 수명이 제한적인 무선 센서 네트워크(WSN)의 구조 건전성 모니터링(SHM) 적용 시 발생하는 문제점을 해결하기 위해 심층 강화 학습(DRL) 기반의 능동적 배터리 성능 저하 관리 방법을 제안한다. 기존의 개별 배터리 수명 연장 중심의 방법과 달리, 시스템 전체 관점에서 WSN의 동작 주기를 최적화하여 배터리 집단 교체를 가능하게 함으로써 유지보수 비용을 절감하고 WSN 성능 저하를 방지한다. 실제 WSN 환경을 기반으로 한 시뮬레이션 환경을 구축하여 DRL 에이전트를 학습시켰고, 다양한 네트워크 크기에서 장기간 성능을 검증하여 효율성과 확장성을 확인하였다.

시사점, 한계점

•
시사점:
◦
시스템 레벨에서 배터리 성능 저하를 관리하는 새로운 접근법 제시
◦
DRL을 활용하여 WSN의 동작 주기를 최적화하고 배터리 교체 시기를 효율적으로 관리
◦
개별 배터리 교체 대신 집단 교체를 통해 유지보수 비용 절감 및 작업 효율 증대
◦
다양한 네트워크 크기에서의 성능 검증을 통해 확장성 확인
•
한계점:
◦
시뮬레이션 환경 기반 연구로 실제 환경 적용 시 성능 차이 발생 가능성
◦
DRL 학습에 필요한 데이터 및 계산 자원의 양이 클 수 있음
◦
다양한 환경 변수(온도, 습도 등)에 대한 고려가 부족할 수 있음
◦
실제 WSN 구축 및 배터리 교체 비용에 대한 분석 부족
👍
Made with Slashpage