철도 차량 제동 실린더 압력 예측을 위한 Branch-Attention DeepONet

초록

철도차량의 제동실린더 압력(BCP)은 안전 운행을 좌우하는 핵심 변수이지만, 전자제어장치(ECU) 데이터는 고차원·중복·잡음으로 인해 예측이 어렵다. 본 연구는 높은 예측 정확도와 진단 활용성을 확보하기 위해 탐색적 변수 분석과 경량 Branch-Attention DeepONet을 제안한다. 먼저 상관계수, 다중공선성 분석, 그리고 물리적 성질 등다양한 요인을 고려한 탐색 절차를 통해 66개 변수 중 17개를 선정하고, 시간？변수 종속성을 학습하는 다중헤드 어텐션기반 브랜치 넷과 운행 맥락을 학습하는 트렁크 넷으로 DeepONet을 설계했다. 또한 Power-Sigmoid, ReLU 활성함수를 통해 압력의 비음수성과 물리적 상한을 보장하였다. 실험결과, 제안 모델은 BCP를 정밀하게 예측하고 설명가능성을 보였으며, 이는 실시간 제동 상태 모니터링과 조기 이상 감지를 지원하는 AI기반 디지털 트윈형 진단 시스템으로의 활용 가능성을 보여준다.

키워드