http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
리튬 이온 전지 흑연 음극 표면의 리튬 전착 현상 분석
손준혁(Junhyeok Son),진홍수(Hongsoo Jin),여규찬(Gyuchan Yeo),채수종(Sujong Chae) 한국전지학회 2022 한국전지학회지 Vol.2 No.1
리튬 메탈의 전착은 부분적인 충전 또는 과충전 시 음극 전극에서 발생한다. 전착된 리튬은 낮은 가역성과 부반응의 가속화로 전지 성능에 영향을 미친다. 이에 따라, 우리는 반쪽셀과 역설계된 완전셀 형태에서 과충전에 의한 리튬 금속의 전착에 대해 조사하였다. 반쪽셀의 과충전 용량이 증가함에 따라 전착된 리튬층의 두께는 증가하였다. 추가적으로, 음극 전극 표면에서의 리튬 전착으로 인해 역설계된 완전셀에서 용량 유지율이 급격히 감소하는 것을 확인할 수 있었다. The lithium deposition occurs on the surface of graphite anode when partially charged or overcharged. This deposited lithium affects battery performance by its poor reversibility and acceleration of side reactions. Accordingly, we investigated the deposition of lithium metal by overcharge at half-cell and reverse designed full-cell configuration. With the increase of overcharging capacity of half-cell, the thickness of the deposited lithium layer has increased. Additionally, the capacity retention showed a rapid decline with reversed designed full-cell due to the lithium deposition at the surface of the anode electrode.
김윤주(Yunju Kim),손준혁(Junhyeok Son),최영숙(Youngsuk Choi),제승완(Seungwan Je),조석헌(Seokheon Cho) 한국통신학회 2023 한국통신학회 학술대회논문집 Vol.2023 No.11
최근 우리나라는 고령화가 진행되고 있으며, 이에 따라 노인들의 낙상 사고 발생률 또한 증가하고 있다. 낙상은 치명적인 부상 및 사망을 초래할 수 있으며, 이를 예방하기 위해서는 빠르고 정확한 낙상 감지 시스템의 개발이 필요하다. 본 연구에서는 UMAFall 데이터세트를 활용하여 기계학습 알고리즘 기반 낙상 감지 분류 모델의 성능을 분석 및 비교하였다. 낙상 감지 분류 모델을 위해 Random Forest (RF)와 K-Nearest Neighbor (K-NN) 알고리즘들을 고려하였다. 그 결과, RF 알고리즘 기반 낙상 감지 분류 예측 모델 성능이 85.61%로 더 높은 정확도를 보였고, 낙상 감지 분류 모델에 있어서 더욱 중요한 민감도에서 82.69% 값을 보였다. 또한, 데이터 비율에 따른 낙상 감지 정확도를 확인한 결과, RF 알고리즘 사용 시 낙상이 발생한 후 약 2.7 초 후부터 비교적 정확하게 낙상을 감지 및 분류할 수 있었다.