구차니의 잡동사니 모음

유튜브 알고리즘으로 보게 된 내용

빅 데이터 등에서 차원이 높아질수록(DB에서는 개별 entity의 정보가 늘어날 수록)

유사함의 기준으로 삼을 수 있는 부분이 점점 줄어들게 되고

이는 곳 같다 , 다르다 의 판단으로 사용할 수 없게 됨을 의미한다.

그래서 적절하게 차원을 낮춰서(즉 비교 변수의 갯수를 줄여) 처리 하거나

그게 아니라면 빅 데이터로 빈 공간을 줄여서 판단의 근거로 삼거나..

일단은 해당 용어는 데이터 마이닝에서 나왔다고 한다.

[링크 : https://en.m.wikipedia.org/wiki/Curse_of_dimensionality]

[링크 : https://youtu.be/EXHR2-hECRM]

잘 만들면 -3dB의 감쇠만을 가지는 분배기 만들때 들어가는 회로

원형으로 생겼고 끝에는 다시 저항으로 묶여 있는 신기한 구조다.

[링크 : http://www.rfdh.com/bas_rf/begin/coupler.php3]

[링크 : https://en.wikipedia.org/wiki/Wilkinson_power_divider]

엑셀에서 한번만 클릭하면 되는걸 막상 구현하려니 묘하게 어렵네

[링크 : https://www.codewithc.com/c-program-for-linear-exponential-curve-fitting/]

[링크 : https://www.bragitoff.com/2018/06/exponential-fitting-c-program/]

+

[링크 : https://www.w3schools.com/ai/tryit.asp?filename=tryai_plotly_regression3]

RC 스너버 (저항 - 캐피시터)

RCD 스너버 (저항 - 캐패시터 - 다이오드)

그런데 RC랑 RCD랑은 D가 하나 붙었을 뿐인데 직렬과 병렬로 엄청 차이가 생긴다.

신기하네..

[링크 : https://m.blog.naver.com/ludvik_lab/222266163190]

[링크 : https://www.wassada.com/bbs_detail.php?bbs_num=109982&tb=board_hifi&id=&num=&pg=]

억제하는 것을 스너버라고 하는 듯

[링크 : https://en.wikipedia.org/wiki/Snubber]

[링크 : https://english.dict.naver.com/english-dictionary/#/entry/enen/fa3998f5d7ec46e6b58cbbaebea702ec]

SMPS 사용품이라 노이즈 생각을 안했었는데

부하가 걸린 채로 측정하니 생각외로 노이즈가 심하다.

물론 디지털에서는 상관없다고는 하지만 아날로그 회로라면 꽤나 치명적인 듯

그래서 발열이 심하지만 레귤레이터를 쓰는구나 싶다.

회사에서 사용중인 제품의 스위칭 파워 노이즈

스위칭 주파수를 제외하고도 스위칭에 의한 노이즈가 생겨난다고 한다.

즉 위의 그림에서 크게 튀는것은 스위칭 노이즈고 델타 x는 스위칭 주기로 보면 될 듯.

[링크 : https://techweb.rohm.co.kr/know-how/nowisee/7121/]

결국은 얘도 opamp가 들어가는 녀석이구나..

공식 유도에서 Go는 아마도 Gain 인 것 같은데

Go = R3 / 2*R1

즉, R3와 R1의 비율로 주파수가 달라지게 되는 듯.

[링크 : http://www.chungpaemt.co.kr/ebook/AReS_EO_HTML2/HTMLContents/part9/experiment9_3_ko.html]

LPF 통과 이후 HPF 통과 시키면 BPF!

[링크 : https://eunkyovely.tistory.com/52]

R/L/C 로만 구성하기

[링크 : https://m.blog.naver.com/cj3024/221127859638]

참.. 구시대적인 약어라고 해야하나

coordinate rotation digital computer

좌표계 회전 디지털 컴퓨터 라고 번역을 해야 할 것 같긴한데

cordic 알고리즘은 수치 연산에 대한 대부분을 최소한의 하드웨어 로직을 통해 구현 가능하도록 해준다고 한다.

덧셈 뺄셈 나눗셈 sin() cos() 등등등.. 고정 소수점 연산도 가능하다는 듯

[링크 : https://en.m.wikipedia.org/wiki/CORDIC]

c로 쓸만한게 안보이네..

[링크 : https://kiritchatterjee.wordpress.com/2014/11/10/a-simple-digital-low-pass-filter-in-c/]

[링크 : https://stackoverflow.com/questions/27106205/low-pass-filter-in-c]

[링크 : https://stackoverflow.com/questions/13882038/implementing-simple-high-and-low-pass-filters-in-c]

BPFI = N/2 * F * ( 1 + B / P * cos theta)

BPFO = N/2 * F * ( 1 - B / P * cos theta)

FTF = F / 2 * ( 1 - B / P * cos theta)

BSF = P / 2B * F * [ 1 - (B / P * cos theta)^2 ]

[링크 : https://da-nika.tistory.com/89]

BPFO(Ball Pass Frequency Outer race, 외륜결함)
BPFI(Ball Pass Frequency Inner race, 내륜결함)
BSF(Ball Spin Frequency, 구름 요소 결함)
FTF(Fundamental Train Frequency, 케이지 결함)

[링크 : https://velog.io/@workhard/BPFI-BPFO에-대하여]

crest factor = peak / rms

[링크 : https://www.maintenance.org/fileSendAction/fcType/0/fcOid/399590942964051870/filePointer/399590942964815739/fodoid/399590942964815737/Crest_Factor.pdf]

+
kurtosis - peakiness 의 통계값. 값이 높을 수록 뾰족하다

crest factor - 실제 현실 입력값과 진동장비 시험 입력 값을 비교하기 위해 사용(무슨 의미이려나?)

                    kurtosis가 증가시 crest factor도 증가

[링크 : https://scribblinganything.tistory.com/184]

+

23.04.04

[링크 : https://kr.mathworks.com/help/predmaint/ug/Rolling-Element-Bearing-Fault-Diagnosis.html]

[링크 : https://blog.kubwa.co.kr/진동센서-데이터-푸리에변환-fft-을-이용한-신호처리-및-고장-예측-모델-986f89e8eb8c]

skewness / 왜도

중립 -0.5 < x < 0.5

[링크 : https://dining-developer.tistory.com/17]

+

23.04.07

kurtosis는 0 근처 값이면 정상으로 판독이 가능 하다는 의미이려나?

[링크 : https://hyunhp.tistory.com/184]

skewness(왜도)와 kurtosis(첨도)는 모집단 평균을 알아야 구함

[링크 : https://m.blog.naver.com/istech7/50154573592]

파이썬 계산 예제

[링크 : https://gooopy.tistory.com/120]

도대체 이걸 적용하면 머가 나오는거지?

[링크 : http://www.ktword.co.kr/test/view/view.php?m_temp1=4690]