OpenAI 가 핵심 사업 구조로 생각하는 GPT 이니셔티브 사업화에 내가 소기업 이지만 이런것을 목표로 분석작업을 해야할것 같읍니다 ...   다음에 설명하겠지만 커스토마이징 초거대 모델 개발을 위한 준비가 나의 공부 목표와도 일치하는것 같읍니다 ...   즉 초거대 모델의 분야 분야별 특성에 맞게 그 기능을 커스토마이징을 어떻게 구현 해야 가능한지 뭐 이런것들의 고민이 필요할것 같읍니다 ....  OpenAI 는 다음과 같이 GPT 이니셔티브 사업화 를 애기합니다   .....  사용자가 자신만의 ChatGPT 버전을 만들 수 있도록 지원하는 GPT 이니셔티브를 진행하고 있습니다. GPT 이니셔티브는 사용자의 개인 및 직업적 요구 사항을 더 잘 충족할 수 있도록 AI의 기능을 개선하는 것을 목표로 합니다.     

딥네트워크    장석원      HP  010 3350  6509     이메일   sayhi7@daum.net

나는 꿈이 몇개 있다 ...   나는 70 년대 국민학교를 다녔을때 그때 흑백 TV 로 방송했던 만화영화 마징가 Z 라는것을 보면서 어린 나이에 생각했던것이 나도 커서 로봇 과학자가 되야겠다라고 생각했었다 ...   나 중학교때인가 600 만불의 사나이라는 미국 드라마도 흑백 TV 로 방송했었다 ...  이런것 보면서 로봇 이라는것에 관심을 가지기 시작했다 ...  이런 내가 올해 나이 60 이 됬다 ...   나는 그동안 인생동안  IT 분야 30 년 경험이 있다 ...   내 세대를 지내온 엔지니어들이 공통적으로 느끼는게  인터넷 세상이 본격적으로 나와서  각종 정보가 홍수를 이루는 시대가 된지  5 - 10 년 밖에 안된다 ...  인터넷 시대 전에는 이런 그급 정보가 주로 유명대 교수님 연구실이나 대기업 연구소 아니면 국영기업 연구소나 되야 이런 고급정보를 접근이 가능햿던 시대였기에  나도 뭔가를 시도하려 했을때 가장 큰 문제가  이런 고급 기술 정보 확보(내지 접근 자체가 불가능했기에)가 너무 어려웠기에 나는  해봐야겠다 라는 생각을 접어야 했었다 ...   그래서 내가 지금 나이 60 이지만 본격적으로 뭔가를 해보겠다고 뛰어든것은 최근 6 - 7 년 사이의 일 이다 ...  이때 부터 인터넷 세상의 고급정보들이  꽤 도움이 되는게 상당히 많이 공개되기 시작했다 ...    내가 거의 50 년전 국민학교 시절 로봇 공부해 보겠다고 어린 시절 마음 먹었지만 실제로 공부를 해보겠다고 시작한것은 최근 3 - 4 년전쯤에 적극적으로 공부하기 시작했다 ...    이런 우여곡절 끝에 로봇 개발의 기본인 모터의 정밀 토크 및 위치제어 공부를 시작하게 된다 ...  모터 토크 제어 및 위치제어의 핵심 원리 이해가 가능한 정보를 얻는것을 무려 3 년 이상을 노력(시행착오)하고서야 이제 비로소 나는 거의 정답에 가까운 고급 정보 확보에 성공했다 ....    이제서야 비로소 모터의 토크제어 / 위치제어를  PI  제어루프로 정밀제어하는 고급 기술정보 확보에 성공했다 ...    내가 모터 정밀 제어 노하우를 확보한것으로 로봇 개발 준비를 여기서  멈추지는 않았다 ...   로봇제어도 미사일 제어 처럼 자세검출 및 정밀 자세제어가 기본이다 ...   정밀 자세검출 및 제어를 위해서는 9 축 센서 칩으로 자세 검출하는것을 정밀 구현하는것도 필요하고 여기에 50 년전에 개발된 이론인 칼만필터로 자세 정밀 제어 하는것 까지 공부를 또 해야 한다 ...  진짜 쉽게 되는게 없다 ...  칼만필터 동작 원리 분석도 시작한지 1 년도 넘어가지만 그 원리의 핵심을 아직 파악하지 못했다 ...   이것 파악도 앞으로 수많은 시행착오를 거치면 파악에 성공할것 이다 ...    보스톤 다이나믹스가  1 조원에 현대차에 인수됬는데  아무려면 1 조원짜리 기술이 쉽게 파악 가능하리라고는 생각치 않았지만 공부해 보니 진짜 산 너머 산이다 ...    칼만필터 아직 파악 성공은 못하고 있지만 그래도 로봇 설계의 기본인 모터 정밀 제어 노하우는 파악에 성공했다   차근 차근 앞으로 나아가려 한다 ...   

딥네트워크    장석원    HP  010 3350  6509    이메일  sayhi7@daum.net

올해 나이 60 이 됬다 ...   대기업 연구소도 대학원 졸업하고 한동안 다녀보고 그동안 30 년 할 얘기가 참 많다 ...    인생에는 정답이 없는것 같다 ...  그동안 30 년은 그럭저럭 밥벌이는 했는데 문제는 지금 부터다 ...   나이 60 이니 이제 회사에 조인해 일하는것은 너무 힘들어졌다 ...    그래서 한 5 년전부터 매일 매일  하루에 최소 3 시간 이상을 글로벌 대기업에서 이슈화가 많이 되는 기술분야를 공부를 적극적으로 시작했다 ...   지금 생각하면 이렇게 5 년전에 공부를 시작한게 진짜 잘한 일이 됬다 ...    요즘 가장 뜨겁게 이슈화가 되는 기술분야인 인공지능 초거대 모델 개발을 주로 대기업들이 진행하고 있다 ...   OpenAI 는 ChatGPT 개발 인프라 구축에 거의 1 조 를 썼다고 본것 같다 ...  요즘 살펴보니 OpenAI 는 능력있는 ChatGPT 전문가 영입에 100 억을 쓴다고 본것 같다 ...  주변 얘기가 이러하니 감히 저 같은 소기업은 이런 초거대 모델 뭘 하겠다는 얘기를 할수가 없는 상황이다 ...   그래도 5 년전부터 GPT 를 관심있게 살피기 시작했구요 ...    나 같은 소기업이 초거대 모델을 공부해 보려면 뭘 어디 부터 살펴봐야 하는지 가늠하기가 참 어려웠다 ...   맨 처음 공부 시작할때 든 생각은 구글 트랜스포머 모델을 잘 분석해 봐야 겠다라고 생각했구요 ...    공부하다 보니 구글 트랜스포머 모델로  GPT 모델을 학습시키려면 초기에 공부 시작할때 든 생각은  딥러닝 모델 세부 구조를 어떻게 구성해야 하나가 제일 중요한줄 알았다 ...  공부하다 보니  분산학습 시  구글 트랜스포머 모델을 어떤식으로 동작하도록 구현해야 하는지가 더 중요할수 있겠다고  깨닮음이 있었다 ...   이렇게 깨닮음을 얻기는 했는데 공부하다 보니  구글 트랜스포머 모델을 학습 시키는데 필요한  엔비디아 딥러닝 서버 DGX-1 의  HW 설계 및 SW 설계를 파악이 필요하다는것을 절실히 느꼈다 ...    산 너머 산 이다 ...   지금 하나 하나 파악해 가고 있다 ...    엔비디아 딥러닝 서버 SW 설계의 핵심 중 하나가 리눅스커널상에서  엔비디아 딥러닝 서버의 네트웍 통신 개발 환경을 어떤식으로 구현했는지  또 이것을 구글 텐서플로우 환경에 어떻게 적용시켰는지 뭐 이런것 파악이  분산학습 이나 병렬학습 공부시 필요해서 공부중이다 ...      요즘 엔비디아 A100 GPU 나 H100 GPU 가 초거대 모델 구현시 너무나 큰 비중을 차지하는것이 요즘 화두 이기에  이걸 견제하려고  전 세계 글로벌 기업들이 너도나도 할것 없이 나만의 NPU 개발을 위해 시도를 하고 있다 ...  내가 지금까지 애기한 이런것들을 공부를 하는것도 나한테 기회가 오면 나도 NPU 관련 이슈도 대응할 능력을 갖기 위해서다 ...    NPU 이슈 전체 대응 능력 보유는 쉽지 않으니 그 일부라도 확실히 준비하자는게 나의 생각 이다 ...     

딥네트워크   장석원   HP  010 3350 6509   이메일  sayhi7@daum.net    

인공지능 기술이 너무 빨리 발전하는통에 생각치도 못했던 일들이 가능해졌고  이로인해 세상이 급변 하는 시대에 살고있다 ...   내가 올해 나이 60 이다 ....   92 년 1 월에 대기업 연구소 입사했을때가 엇그제 같다 ...  대기업 연구소는 7 년만에 자의반 타의반으로 그만두었다 ...  90 년대말 /  2000 년초에는 초고속 인터넷이 보급되면서  웹 설계 기술인 프론트 엔드 설계 기술과 백 엔드 설계 기술로 웹 서비스나 회사 홈페이지 를 만들수 있으면 넉넉한 밥벌이가 됬던 시절이다 ...   이 시기에 네이버 와 다음도 대기업 경력자들이 창업했던 시기였다 ...   이때 나의 한계는 무었인가 하면 이 시기는 지금과는 달리 인터넷에 고급 기술정보가 거의 없어서  기술정보를 획득하기가 너무 힘들어서  나는 웹 서비스 설계를 하는 구현 노하우 공부하는것을 거의 포기했었기에 대기업을 그만두었을때  한동안 힘들었고  나도 IMF 시기에 대기업을 그만뒀는데도 불구하고  나는 이런 사업 관련 세부 준비가 너무나 부족해서 네이버 다음 창업자처럼 철저한 사업 여러가지 세부 준비가 안 됬기에 IMF 시기에 거대한 창업은 엄두도 못냈었다 ...   이때가 기회였는데 말이다  ...   김대중 정부 들어서고 벤쳐 창업 지원을 정부가 적극적으로 했던 시기라 이때 창업해서 크게 성공한 벤쳐 창업가가 이제는 대기업이 된곳이 꽤 있다 ....    그래서  요즘이나 그때나 사람은 기회가 올때 잡기 위해 항상 철저히 준비된 사람이 되야 한다고 귀에 못이 박히게 애기해도 이를 허술히 듣는 경우가 굉장히 많고  나도 그때는 여러가지로 준비가 전혀 안됬었다 ...     내 나이 60 이다   나도 15 년전쯤 사업하다 쫄딱 말아 먹었었고 그래서 한 15 년 세월이 쉽지 않았다 ...   이렇게 쫄딱 말아 먹고  그래도 근근히 생활비 벌이는 했다 ...   그러다가 한 6 년전쯤  이렇게 지내서는 나의 노후가 너무 막막할것 같았다 ...  그래서  이때 부터  대기업의 핵심 기술분야 국내외 논문과 해외 글로벌 대기업의 각종 기술자료를 매일 매일 하루에 3 시간 이상을 돈이 되는 기술정보 확보를 위해서 꾸준히 세부 검토 분석을 했다 ...  그래서 현재는 카메라 분야 그리고 로봇 분야와 방산 레이더 개발 분야의 모든 노하우를 확보 성공한것은 아니고  이와 관련해서 나는 인터넷의 기술정보 분석으로 파악 가능한 돈이 되는 정보인 핵심 노하우 정보를 수십 가지 파악에 성공한 상태다 ....   내가 파악한 노하우를 소개하자면  SAR 위성에서 지상의 지형지물의 영상 데이터을 얻는 노하우 중 핵심 구현 노하우 전부는 아니고 그중 돈이 되는 몇가지 기술정보를 파악 성공했고  인공지능 분야의 경우도 삼성이 스마트폰에 10 개 국어 통번역 기능의 온 디바이스 AI 기술을 상용화해 출시 했는데  이의 구현과 관련해 공부해야 할 이슈가 굉장히 여러가지 인데  초거대 모델인 GPT-3 모델의 파인튜닝을 대기업들은 어떻게 처리하는지 라든가  OpenAI 가 엔비디아 A100 GPU 를 수천개 이상을 클라우드 환경에서 어떻게 초거대 모델을 분산학습 처리를 어떻게 처리했는지 등등 이런 기술 이슈들을 그동안 6 년간 기술자료를 검토 분석했읍니다 ...   나름 성과도 있으니 이런 글도 쓰겠지요 ...   OpenAI 가 초거대 모델 개발을 위해 몇조원을 투입해 개발 성공했는데 나 같은 소기업이 가능하겠냐 라고 하시겠지만 요즘은 인터넷에 이런 고급 기술정보를 한 매일 매일 몇시간씩  몇년 검토분석하면 나름 의미있는 고급 정보를 확보하는게 가능하거든요 ...     

이쪽으로 관심있어서 연락 주실 분은 아래의 연락처로 연락 부탁드립니다  ....   

일인기업  딥네트워크    장석원   HP  010 3350  6509    이메일   sayhi7@daum.net   

올해 내 나이가 60 이 됬다 ...   IT 분야 종사한지 30 년 이다 ...  쉽지않은 세월 이었다 ...  오늘 지금은 밤 12시 50 분이다 ...  요즘 챗 GPT 가 나온지 1 년이 넘으면서 이제 챗 GPT 가 인간을 위협하는것을 걱정할 정도로 인공지능 기술이 발전했다 ...  원래 챗 GPT 의 모체가 되는 기술은 GPT-3 기술이다 ...  삼성전자도 일주일전쯤 갤럭시 24 폰에 온 디바이스 AI 를 탑재해서 10 개국어 통변역 기능을 상용화했다고 한다 ...   이제 구글 트랜스포머 모델이 스마트폰에서 동작하는것이 가능한 시대가 됬다 ...  나도 구글 트랜스포머 모델 논문 분석한지는 4 년도 넘는 세월동안 분석 검토를 계속 했었다 ...  4 년 넘는 세월동안 구글 트랜스포머 모델을 분석하면서  아직까지는 세상에 본격적으로 나오기는 이른가 라는 생각을 했었기에 4 년 동안 일주일에 한 6 - 7 시간 정도를 시간 투자를 했었다 ...   이제 삼성이 갤럭시 24 폰에 음성 통번역을 구글 트랜스포머 모델로 상용화 성공하는것을 보면서  나도 지금 부터는 본격적으로 구글 트랜스포머 모델을 파야하겠다라고 결심했다 ...  구글 트램스포머 모델을 판다고 하면 기본적으로 검토분석해야 할 딥러닝 모델이 GPT-3 이다 ...   GPT-3 모델은 학습 데이터 갯수가 3000 억개 이다 ...   여기서 부터가 출발점이다 ...   그리고  GPT-3 모델을 학습시키려면 가장 기본으로 엔비디아 A100 GPU 를 100 개 이상 준비해야 한다 ...  요즘 엔비디아 GPU 는 부르는게 값이다 한장에 5000 만원 이상이라고 한다 ...   그렇다면 나는 GPT 모델을 학습시키기 위한 준비작업으로 어떤것을 해야할까 ?  GPT-3 모델은 수백장의 GPU 에서 동작하므로 구글 트랜스포머 모델을 어떻게 설계해야  GPU 수백장에서 3000 억개의 학습 데이터가 한쪽에 치우치지 않고 GPU 를 어떤식으로 수백장을 동작시킬수 있는지 이런것의 파악이 가장 중요하다 ...  내가 그동안 4 년여 기간 동안 이런 사항들의 준비는 어느정도 되 있다 ....  삼성이 갤럭시 24 폰에 통번역 기능을 집어 넣을때 가장 핵심 기술이 지금 말했던 이게 가장 핵심이다 ...  이게 기본이 되서 인공지능 핵심 칩셋인 NPU 설계가 가능해진다 ...    이게  NPU 칩 설계의 기본이 되는 사항이다 ...   NPU 칩 설계를 하려면 구글 트랜스포머 모델의 경량화 설계관련 딥러닝 모델의 세부 검토분석이 당연 필요하다 ...   나는 구글 트랜스포머 모델로 음성언어 통번역만 검토 분석한게 아니고 초거대 언어모델인 LLM 이슈도 검토분석하고 있다 ...  챗 GPT 도 기본이 되는게  GPT-3 PreTrained Model 을 기반으로 설계했다고 하고 그래서 GPT-3 Pre-Trained Model 의 구조 및 학습 데이터 설계 그리고 대규모 GPU 로 학습시키는 노하우 뭐 이런것들이 준비가 안됬다면 모래성으로 집을 지은것과 같다 ...  나도 GPT-3 학습 시키는 준비는 약 70 % 는 준비가 된것 같다 ...   이런것들 분석하면서 어느것에서 돈이 되는 포인트가 되는지 이런 생각하면서 요즘 분석을 하고 있다 ...   경기가 요즘 얼어 붙어서 일꺼리 의뢰가 아예 없다 ...     나와 생각이 통하는 기업과 애기해 보고 싶다 ...    요즘은 정보 공유가 10 년전보다 100 배 이상 많아 졌기에 나같은 일인기업도 대기업에 비벼볼수 있는 사업 기술 노하우 확보가 가능한데 이런것 이해 못하시는 경영자분들도 상당히 많다 ...   관심있으신 분들 연락 부탁드립니다 ....   

딥네트워크  장석원 /  HP 010 3350 6509  /  이메일  sayhi7@daum.net  

반도체 파운드리 공장에서 3 나노 회로 패턴을 만드는 방법은 다음과 같습니다.

먼저 웨이퍼 위에 감광액이라는 빛에 민감한 물질을 얇게 도포합니다. 감광액의 두께와 균일성이 매우 중요하며, 회전 코팅 방법 등이 사용됩니다.
다음으로 노광장비라는 기계에 웨이퍼를 넣고, 반도체 설계도인 마스크를 씌웁니다. 마스크에 특정 파장의 빛을 통과시켜 웨이퍼에 회로 패턴을 프린팅합니다. 이때, 노광의 시간과 빛의 강도가 회로의 정밀도에 큰 영향을 미칩니다.
그 후에 감광액을 화학 용액에 담가서 빛을 쏘인 부분이나 쏘지 않은 부분을 제거합니다. 이 과정을 통해 웨이퍼 위에 나노 단위의 미세한 회선들이 그려집니다.
이렇게 만들어진 회로 패턴은 다른 공정을 거쳐 반도체 칩으로 완성됩니다.           

나는  3 나노 회로 선폭을 웨이퍼에 회로를 새기는 작업이 어떻게 되는지가 가장 궁금했다 ...   EUV 장비의 13.5 nm 의 광파장을 E-Beam 이라고 부르는데  3 나노 회로 선폭을 웨이퍼에 회로를 새기는 작업의 핵심이   EUV 장비가 13.5 nm 의 광파장인 E-Beam 을 웨이퍼에 쏠때 어떻게 제어해서   3 나노 회로 선폭의 정밀도로 광파장을 정확한 위치에 쏠수 있을까가  EUV 장비의 핵심 이더라구요 ....    EUV 장비의 13.5 nm 의 광파장 E-Beam  을 전기장과 자기장을 제어해서  3 나노 회로 선폭의 정밀도로 광파장을 정확한 위치에  쏘는것 이더군요 ...   EUV 장비의 13.5 nm 의 광파장 E-Beam  을 전기장과 자기장을 제어해서  3 나노 회로 선폭의 정밀도로 광파장을 정확한 위치에  쏘는것이 핵심 이라는것은 파악했는데  이것을 구현하려면   광파장 E-Beam  을 웨이퍼로 쏠때 이때  E-Beam 의 미세한 방향제어를  E-Beam  발사 과정에서  전기장과 자기장을 가하는  초정밀 제어로  한번에 가능할것 같지는 않고 이것 구현이 시행착오를 많이 해야 할것 같읍니다 ...      딥네트워크는 이런것들 고민하고 있읍니다 .... 

딥네트워크  /  장석원   /  HP  010 3350 6509  /  이메일   sayhi7@daum.net

EUV 노광공정 / 증착공정 / 건식 에칭공정의 반도체 공정설계 기술의 동작구조를 약 70 % 파악한 일인기업의 사이트의 구현 기술력 위주 소개 자료를 5 가지 정도의 핵심으로 나누어서  다음과 같이 소개 합니다 ...

EUV 노광공정은 극자외선 파장의 광원을 사용하여 웨이퍼에 미세한 회로 패턴을 새기는 공정이다. EUV 노광공정은 기존의 불화아르곤 노광공정보다 더 높은 해상도와 생산성을 제공하며, 차세대 반도체 공정의 핵심 기술로 간주된다.
EUV 노광공정에서는 빛을 반사하는 거울을 사용하여 레이저 광원을 웨이퍼에 투사한다. 이 때, 거울의 표면은 매우 정밀하고 깨끗해야 하며, 빛의 흡수를 최소화하기 위해 진공 상태를 유지해야 한다. 거울의 품질과 진공도는 EUV 노광공정의 성능과 안정성에 큰 영향을 미친다.
EUV 노광공정에서는 웨이퍼에 코팅된 감광액 (PR)이 빛에 민감하게 반응하여 회로 패턴을 형성한다. 감광액은 막이 얇고 균일해야 하며, EUV 빛에 적합한 특성을 갖춰야 한다. 감광액의 품질과 적용 방법은 EUV 노광공정의 정밀도와 효율성에 중요한 역할을 한다.
EUV 노광공정에서는 웨이퍼에 새겨진 회로 패턴을 식각하여 원하는 형태로 만든다. 식각은 건식 에칭과 습식 에칭의 두 가지 방법이 있다. 건식 에칭은 플라즈마를 이용하여 원하는 부분만 제거하는 방법이고, 습식 에칭은 화학액을 이용하여 원하는 부분만 제거하는 방법이다. 식각의 방법과 조건은 EUV 노광공정의 정확성과 속도에 영향을 미친다.
EUV 노광공정에서는 웨이퍼에 증착하여 다양한 소자를 형성한다. 증착은 물질을 원하는 부분에 아주 얇은 막으로 입히는 공정이다. 증착은 화학기상증착 (CVD) 와 원자층증착 (ALD) 의 두 가지 방법이 있다. CVD 는 가스 상태의 물질을 화학 반응을 통해 웨이퍼에 증착하는 방법이고, ALD 는 원자 단위로 물질을 웨이퍼에 증착하는 방법이다. 증착의 방법과 재료는 EUV 노광공정의 전기적 특성과 내구성에 영향을 미친다.
이상으로 EUV 노광공정 증착공정 건식 에칭공정의 공정설계 처리과정등의 정보를 70 % 파악한 일인기업의 사이트의 구현 기술력 위주 소개 자료를 5 가지 정도의 핵심으로 나누어서 상세히 소개하였습니다.     

관심을 가지는 기업과 협의해 보고 싶읍니다 ...

딥네트워크  /   장석원   /  HP  010 3350 6509  /  이메일  sayhi7@daum.net 

제가 운영하는 딥네트워크는 SAR 레이더 구현에 대해 다음과 같이 보유한  3가지 핵심 노하우를 소개하고자 합니다.

FMCW 레이더 기술: FMCW 레이더는 주파수가 연속적으로 변화하는 신호를 송수신하여 타겟의 거리와 속도를 측정하는 기술입니다. FMCW 레이더는 다른 레이더 방식에 비해 제작이 용이하고, 가까운 거리에서도 높은 해상도를 가집니다. FMCW 레이더는 차량 레이더 분야에 많이 사용되고 있으며, SAR 레이더에도 적용할 수 있습니다.
위상배열 안테나 기술: 위상배열 안테나는 여러 개의 안테나 요소를 배열하여 전자적으로 빔을 조절하는 기술입니다. 위상배열 안테나는 빔의 방향과 형태를 다양하게 바꿀 수 있으며, 많은 타겟을 탐지할 수 있습니다. 위상배열 안테나는 SAR 레이더의 이득과 성능을 향상시키는 데 도움이 됩니다.
SAR 위성 알고리즘 기술: SAR 위성 알고리즘은 위성에서 송수신한 SAR 신호를 처리하여 지상의 지형지물을 고해상도로 획득하는 기술입니다. SAR 위성 알고리즘은 SAR 신호의 특성과 위성의 운동을 고려하여 영상을 복원하고, 간섭계, 편파, 다중입출력 등의 기술을 활용하여 영상의 품질과 정보량을 높입니다.     

관심을 가지는 기업과 협의해 보고 싶읍니다 ...

딥네트워크  /   장석원   /  HP  010 3350 6509  /  이메일  sayhi7@daum.net 

제가 운영한 일인기업 딥네트워크의 기술력 소개를 2 축의 관절제어를 전류제어와 위치제어를 PI 루프로 제어하는 것의 핵심 위주로 3 가지로 정리하면 다음과 같습니다.

BLDC Motor는 브러시가 없는 DC 모터로, 고정자에 코일을, 회전자에 영구자석을 부착하여 작동합니다. BLDC Motor를 제어하려면 코일에 흐르는 전류의 방향과 타이밍을 정확하게 제어해야 합니다. 이를 위해 전자석에 의해 생성되는 자기장과 회전자의 자기장 사이의 상호작용을 감지하고, 적절한 전압과 주파수를 인버터를 통해 공급하는 방식을 사용합니다.
BLDC Motor로 2 축의 관절제어를 하려면 전류제어와 위치제어를 동시에 수행해야 합니다. 전류제어는 BLDC Motor의 토크를 제어하는 것으로, 코일에 흐르는 전류의 크기와 방향을 조절하여 회전자의 회전력을 결정합니다. 위치제어는 BLDC Motor의 각도를 제어하는 것으로, 코일에 흐르는 전류의 위상을 변화시켜 회전자의 회전 방향과 속도를 결정합니다. 전류제어와 위치제어는 서로 영향을 주고 받으므로, 복잡한 제어 알고리즘을 필요로 합니다.
BLDC Motor로 2 축의 관절제어를 전류제어와 위치제어를 PI 루프로 제어하는 것은, 전류 오차와 위치 오차를 최소화하고, 제어 성능을 향상시키고, 외부 잡음에 강하게 만들기 위한 방법입니다. PI 루프는 비례 적분 제어기로, 제어 목표값과 실제 값의 차이를 계산하고, 이에 따라 전류를 증가시키거나 감소시키는 피드백 제어 방식입니다. PI 루프를 통해 전류제어와 위치제어를 독립적으로 수행할 수 있으며, 제어 정확도와 안정성을 높일 수 있습니다.     

관심을 가지는 기업과 협의해 보고 싶읍니다 ...

딥네트워크  /   장석원   /  HP  010 3350 6509  /  이메일  sayhi7@daum.net 

제가 운영하는 일인기업 딥네트워크는  EUV Source Control System 의 전자빔의 초점 위치를 감지하는 딥러닝 알고리즘 적용과 관련하여 다음과 같은 것들을 추가로 더 준비가 필요하다고 생각합니다.

전자빔의 초점 위치를 감지하는 딥러닝 알고리즘의 성능과 정확도를 향상시키기 위해, 다양한 유형과 품질의 전자빔 이미지 데이터를 수집하고, 라벨링하고, 전처리하고, 분석하고, 학습하고, 평가하고, 최적화하는 과정을 반복적으로 수행해야 합니다.
전자빔의 초점 위치를 감지하는 딥러닝 알고리즘의 적용 범위와 활용도를 넓히기 위해, 다른 공정 단계에서 발생하는 다양한 유형의 결함을 구분하고, 극단적으로 감지하기 어려운 결함 신호와 주위 패턴 및 공정 노이즈를 구분하는 기능을 개발하고, 테스트하고, 검증하고, 배포해야 합니다.
전자빔의 초점 위치를 감지하는 딥러닝 알고리즘의 연구와 개발 결과물을 공유하고, 피드백을 받기 위해, 관련 분야의 학술 논문이나 특허를 작성하고, 발표하고, 출판하고, 등록하고, 참고하고, 인용하고, 활용해야 합니다.

관심을 가지는 기업과 협의해 보고 싶읍니다 ...

딥네트워크  /   장석원   /  HP  010 3350 6509  /  이메일  sayhi7@daum.net 

VICSEL (Vertical-Cavity Surface-Emitting Laser) 레이저 다이오드 어레이는 수직 공진 표면 발광 레이저의 배열로서, 레이저 빔을 표면 방향으로 방출하는 특징이 있습니다.
VICSEL 레이저 다이오드 어레이는 레이저 빔의 방향을 제어하거나 어드레싱 가능한 어레이로 구성하여 레이저 빔의 분포를 다양하게 조절할 수 있습니다.
VICSEL 레이저 다이오드 어레이는 높은 효율, 낮은 파장 이동, 우수한 신뢰성, 웨이퍼 수준 제조 공정 등의 장점을 가지고 있습니다.
SPAD (Single Photon Avalanche Diode) 이미지 센서는 라이다에서 송출된 레이저 빔의 반사 신호를 단일 광자 수준에서 감지할 수 있는 고감도 검출기입니다.
SPAD 이미지 센서는 빠른 응답시간, 낮은 노이즈, 높은 검출효율 등의 장점을 가지고 있습니다.
SPAD 이미지 센서는 CMOS (complementary metal-oxide-semiconductor)로 제조될 수 있어 대량생산과 저렴한 비용이 가능합니다.

VICSEL (Vertical-Cavity Surface-Emitting Laser) 레이저 다이오드 어레이와 SPAD 이미지 센서로 자동차 라이다 장치 구현시  SPAD 이미지 센서가    송출된 레이저 빔의 반사 신호를 단일 광자 수준에서 감지할 수 있는 고감도 검출기인 SPAD 이미지 센서 검출신호를 어떻게 Image Processing 해서 3 차원의 영상을 얻는것이 가능한지 그 세부 노하우 확보에 성공했읍니다 ...

딥 네트워크 장석원  HP :  010-3350 6509    이메일 :  sayhi7@daum.net 

요즘 시대는 그야말로 급변하고 있다.  인공지능 기술이 이제 거의 인간을 뛰어넘는 분야가 도래하고 있다 ...  몇일만 지나면 나는 나이 60 이다 ...  89 년에 대학원 졸업하고 사회생활을 30 년 넘게 했다 ...   사람이 성공하려면 실력이 100 점 이어야 하는데 세상여건 혹은 주변여건이 나를 제대로 도와줄수 있는 환경이 가능하면 성공으로 가는길을 단축할수 있다 ....  98 년에 IMF 환란 위기가 한국에 있어서 그때 저도 아픔을 겪었지만 또 이 때 인터넷 기술이 전세계적으로 보급이 시작된 시기이기도 하다 ...  IMF 시기때 인터넷이 도입됬는데  이때 웹 서비스 만드는 기술 노하우 준비가 되 있었던 구글 / 네이버 / 다음 등등의 창업 멤버들은 웹 서비스를 설계해서 서비스를 상용화했다 ...  나는 IMF 시기인 34 살때 이런 상용화 가능한 노하우 준비가 많이 부족했다 ...  IMF 시기에 이런류의 사업하라고 나에게 세상이 기회를 줬는데도 나는 그 기회를 잡을수 있는 기술 노하우가 너무나 많이 부족했다 ...  2000 년초 사람들은 제 3 의 물결이 온다라고 했다 ...  그 제 3 의 물결이라는것이 인터넷을 적용한 웹 서비스 설계 기술 즉 웹 으로 프론트엔드와 백엔드 부분을 모두 설계 능력을 준비했던  구글 / 네이버 / 다음 같은 창업자들은 20여년이 지난 지금 세상을 좌지우지 하고 있다 ...   IMF 시기 나는 대기업을 그만두었고(구조조정)  힘든 시기를 한 20 년 보냈다  ...   그리고 나이 60 인 현재 나는 그동안 6 - 7 년 인터넷으로 기술자료 및 국내외 논문분석을 한 10000 건 넘게 자료 검토분석을 하느라 하루에 서너시간을 자료 검토분석에 시간을 투입했고 .....   물론 이때도 밥벌이를 위해 일도 했다 ...    기술자료 및 국내외 논문분석을 한 10000 건 이 넘으니 이제 100 점짜리 기술을 확보한 분야가 한 세가지는 되는것 같다 ...   그동안  한 7 년 꾸준한 시간투자를 하는 시기에는 언제쯤 이나 100 점짜리 기술 노하우를 확보하나 그게 큰 고민이었다 ...  요즘엔 인터넷의 수백조개의 기술정보들을 어떻게 잘 활용하느냐에 따라 나의 인생이 바뀔수도 있다는것을 절감 한다 ...    인터넷의 수백조개의 기술정보에서 돈이 되는 100 점짜리 기술 노하우를 뽑아 내려면 그 만큼 시간투자가 필요하다 ...    나도 한 7 년 시간 투자했다고 했는데 거의 7 년 시간투자를 하니  돈이 되는 100 점짜리 기술 노하우 확보가 가능해 진것 이다 ...   세상에 공짜가 없읍니다 ...  이렇게 7 년 투자해야 돈이 되는 정보가 보입니다 ...  그 만큼 시행착오도 수백번 겪었다는 의미 입니다 ...    제가 7 년 시간 투자한 동안 제가 놀면서 했겠읍니까 ?  이때 저도 밥벌이 일 하면서 시간투자한겁니다 ....  

딥네트워크 / 장석원 / HP :  010 3350 6509 /  sayhi7@daum.net 

딥네트워크는 SAR 레이더 설계 펌웨어 노하우 약 80 %를 보유한 일인기업입니다.  SAR 레이더는 지상 또는 해양의 타겟을 고해상도로 관측할 수 있는 레이다 시스템입니다. 딥네트워크의 핵심 노하우는 다음과 같습니다:       

SAR 위성의 핵심 기능을 담당하는 chirp 신호 발생기를 설계합니다. chirp 신호는 선형 주파수 변조 신호로, SAR 영상의 해상도와 SNR을 결정하는 중요한 요소입니다. chirp 신호 발생기는 아날로그 또는  디지털 방식으로 구현할 수 있습니다.
SAR 위성의 영상 처리 알고리즘을 설계합니다.  SAR 영상 처리 알고리즘은 송신된 chirp 신호와 수신된 신호를 상호상관하여 영상을 생성하는 과정입니다. 영상 처리 알고리즘에는 범위 압축, 방위 압축, 자세 보상, 도플러 보정, 지도 투영 등의 단계가 포함됩니다.   이 부분의 구현 노하우를 딥 네트워크는 보유하고 있읍니다 ...

스펙트럼 길이 확장: SAR 레이더에서 수신한 전파의 스펙트럼을 푸리에 변환하여 타겟의 스펙트럼을 얻습니다. 이때, 스펙트럼의 길이를 확장하여 타겟의 세부 정보를 더 잘 표현할 수 있습니다. 이 기술은 SAR 영상의 해상도와 품질을 향상시킵니다.
서브 어퍼처: SAR 레이더가 타겟을 관측하는 동안 안테나의 방향을 여러 번 바꾸어서 다양한 입사각에서 영상을 획득합니다. 이때, 각각의 입사각에서 얻은 영상을 합성하여, 안테나의 효과적인 길이를 늘립니다. 이 기술은 SAR 영상의 방위 해상도를 향상시킵니다.
도플러 효과 보상: SAR 레이더와 타겟 사이의 거리 변화가 전파의 위상에 영향을 줍니다. 이를 도플러 효과라고 합니다. 도플러 효과를 보상하면, SAR 영상의 왜곡을 줄일 수 있습니다. 이 기술은 SAR 영상의 정확도와 성능을 향상시킵니다.       

칼만필터로 SAR 위성의 자세 검출에 대해 요약하면 다음과 같은데 현재 구현 분석중 입니다.
칼만필터는 관성항법 센서인 가속도계와 자이로스코프의 측정값을 융합하여 오차를 줄이고 자세를 추정하는 기법입니다.
가속도계는 장기적으로 안정적이지만 잡음과 중력의 영향을 받으며, 자이로스코프는 잡음과 중력의 영향을 받지 않지만 장기적으로 편향이 누적됩니다. 이 두 센서는 서로 상호 보완적인 특성을 가지므로, 칼만필터를 통해 장점만을 활용할 수 있습니다.
칼만필터는 자이로스코프의 측정값을 오일러 각도의 변화율로 변환하고, 가속도계의 측정값을 오일러 각도로 변환하여, 두 값의 차이를 최소화하는 최적의 자세를 찾습니다. 이 과정에서 칼만필터의 상태변수, 측정변수, 공분산 행렬, 측정행렬, 칼만 이득 등의 파라미터를 적절하게 설정해야 합니다.

딥네트워크는 이러한 핵심 노하우를 바탕으로, SAR 레이더의 선도적인 일인기업으로서, 감시 및 정찰, 정보 확보, 지형 측량 등 다양한 분야에서 활용될 수 있는 최고의 SAR 레이더 솔루션을 제공합니다. 

딥네트워크  장석원 /  HP :  010 3350 6509   /    sayhi7@daum.net  

BLDC Motor 제어 전문 딥네트워크 사업화 내용 소개

딥네트워크는 브러시리스 DC 모터를 제어하는 획기적인 솔루션을 제공하는 일인기업입니다. 딥네트워크는 TI의 TIDA-010250 개발 보드를 사용하여 FOC 알고리즘과 TI의 InstaSPIN-FOC 소프트웨어 라이브러리를 기반으로 한 펌웨어 설계 세부 검토 분석을 수행하였습니다. 

딥네트워크의 모터제어 사업화 구조중 TI 사의 FOC 알고리즘과 TI의 InstaSPIN-FOC 소프트웨어 라이브러리란 ?

FOC 알고리즘은 Field Oriented Control의 약자로, 모터의 자기장의 크기와 방향을 정밀하게 제어하여 토크를 안정적이고 효율적으로 제어하는 기법입니다. FOC 알고리즘은 다음과 같은 세 가지 핵심 기능을 가집니다.

• 모터의 특성을 자동으로 식별하고 튜닝하는 FAST (Flux, Angle, Speed and Torque) 추정기
• 모터의 회전자 위치를 센서 없이 정확하게 예측하는 옵저버
• 모터의 전류를 벡터로 변환하고 제어하는 SVPWM (Space Vector Pulse Width Modulation) 모듈

TI의 InstaSPIN-FOC 소프트웨어 라이브러리는 TI의 C2000 마이크로컨트롤러에 내장된 ROM에 저장된 FOC 알고리즘을 실행하는 소프트웨어 패키지입니다. InstaSPIN-FOC 소프트웨어 라이브러리는 다음과 같은 장점을 가집니다.

• 모든 종류의 3상 동기식 또는 비동기식 모터를 지원합니다
• 복잡한 수학적 변환과 추정 알고리즘을 간단하게 구현할 수 있습니다
  

저의 전기차 모터제어 개발 보드의 펌웨어 설계 커스토마이징 노하우 소개

다양한 응용 분야에 맞게 전기차 모터제어 전문 딥네트워크는 펌웨어를 커스토마이징할 수 있습니다.  DQ 벡터제어 PMSM 모터의 펌웨어 설계 알고리즘의 세부 동작원리 파악에 성공했기에  위에서 제가 설명드린 TI PMSM Motor Controller Chipset 을 적용해서 TI 의 InstaSPIN-FOC 소프트웨어 라이브러리를 적용해서 구현하는 노하우를 보유하고 있읍니다 ...

전기차 PMSM 모터 제어시 FOC 제어는 다음과 같은 단계로 이루어집니다:

1. 회전자 위치 감지: 모터의 정확한 회전자 위치를 파악하기 위해 센서를 사용합니다.
2. 클라크 변환 (Clarke Transformation): 3상 전류를 2상 전류로 변환합니다.
3. 파크 변환 (Park Transformation): 회전자 위치에 따라 변환된 2상 전류를 (d)-축과 (q)-축 전류로 분리합니다.
4. PI 제어기:  d 축과  q 축 전류를 조절하여 원하는 토크와 속도를 얻습니다.
5. 역 파크 변환 (Inverse Park Transformation):  d 축과  q 축 전류를 다시 3상 전류로 변환합니다.
6. 역 클라크 변환 (Inverse Clarke Transformation): 2상 전류를 3상 전류로 변환하여 인버터를 통해 모터에 공급합니다.

딥네트워크의 TI 사와  InstaSPIN-FOC 소프트웨어 라이브러리  상용화 관련 기술지원 라이센싱 계약

TI 사와 기술지원 라이센싱 계약을 맺으려면 다음과 같은 절차를 따르면 됩니다.

• TI의 웹사이트에서 라이센싱 프로그램에 대한 정보를 확인하고, 관심 있는 기술 또는 제품을 선택합니다.
• TI의 라이센싱 담당자에게 연락하여 라이센싱 가능 여부, 조건, 비용 등을 상담합니다.
• TI와 비밀유지계약 (NDA)을 체결하고, 기술 또는 제품에 대한 자세한 정보를 제공받습니다.

전기차 모터제어 펌웨어의 동작 원리를 실제 모터 제어에 어떻게 적용하는지 설명드리겠습니다.

1. 회전자 위치 검출 (Position Sensing):
   • 전향보상기 제어는 모터의 회전자 위치를 정확하게 파악해야 합니다. 이를 위해 홀 센서(Hall sensor)나 엔코더(Encoder)와 같은 위치 센서를 사용합니다.
   • 홀 센서는 회전자의 자기장 변화를 감지하여 회전자의 위치를 알려줍니다. 엔코더는 회전자의 각도를 디지털 신호로 변환하여 제어 시스템에 전달합니다.
2. 전류 제어 (Current Control):
   • 모터의 상류에는 고정자 코일이 있습니다. 이 코일에 전류를 공급하여 회전자를 움직입니다.
   • PWM(Pulse Width Modulation) 제어를 사용하여 고정자 코일에 가변 전압을 적용합니다. PWM 듀티 사이클을 조절하여 평균 전압을 제어합니다.
   • 전류 제어는 모터의 토크와 속도를 조절하는 핵심 요소입니다.
3. 전향보상기 제어 (Field-Oriented Control, FOC):
   • FOC는 모터의 회전자 위치를 기반으로 고정자 코일에 전류를 공급하는 방식입니다.
   • 회전자 위치를 감지한 후, (d)-축과 (q)-축으로 전류를 변환합니다. (d)-축은 회전자 자기장 방향, (q)-축은 회전자 자기장과 수직 방향입니다.
   • (d)-축 전류는 회전자 자기장을 따라 토크를 생성하고, (q)-축 전류는 회전자 자기장을 균형시킵니다.
   • 이렇게 변환된 전류를 고정자 코일에 적용하여 최적의 토크를 생성합니다.
4. PI 제어기 (Proportional-Integral Controller):
   • FOC에서는 PI 제어기를 사용하여 (d)-축과 (q)-축 전류를 조절합니다.
   • PI 제어기는 토크 오차를 측정하고, 이를 통해 (d)-축과 (q)-축 전류를 조절합니다.
   • PI 제어기는 토크와 속도를 안정적으로 유지하며, 최적의 토크를 생성합니다.

이렇게 회전자 위치 검출, 전류 제어, FOC, PI 제어기를 조합하여 전향보상기 제어를 구현합니다. 이는 모터의 최적 토크를 생성하고 효율적으로 운전할 수 있도록 합니다.

저의 경우 로봇 축 관절제어를 위한 BLDC Motor 의 토크/위치/속도 제어를 위한 모터 제어 펌웨어가 어떤 설계 구조로 구현하는지를 파악하는데 성공했읍니다 ...   로봇 축 관절제어를 위한 모터제어 프로토타입 펌웨어 구현 정도의 노하우를 확보했구요 ...    저도 구글링 2000 번 넘는 시행착오(국내외 논문분석)를 거쳐 3 년여만에 제가 원하는 돈이 되는 세부 정보를 얻는데 성공했읍니다 ....      제가 확보한  BLDC 모터 정밀제어 노하우는  위치제어 / 속도제어 / 토크제어를 Closed Loop  PI  제어를 하는데 필요한 제어 알고리즘 수식을 확보해서 이해하는데 성공했읍니다 ...     BLDC Motor 로 위치제어 / 속도제어 / 토크제어를 Closed Loop  PI  제어를 하려면 BLDC Motor 는 어떤 규격의 것을 선택해야 하는지와 이는 또 어느 업체에서 이를 취급하는지 등등도 파악하고 있읍니다 ...   4 Pole - BLDC Motor 제어를 PWM 구동 방식으로  6 - STEP Sequence 로 제어하려면 세부적으로 어떻게 제어해야 하는지 등등도 파악에 성공했읍니다 ...    

ISL94202는 배터리 팩의 상태를 모니터링하고, 경계 조건이 감지되면 자동으로 시스템을 종료하고 복구하는 기능을 가지고 있습니다.

이러한 기능은 배터리 팩을 보호하고, 안전하게 유지하기 위한 중요한 역할을 합니다.

경계 조건에서의 자동 종료 및 복구:

• ISL94202는 배터리 셀의 전압, 전류, 온도 등을 지속적으로 모니터링합니다.
• 설정된 경계값(예: 과전압, 과전류, 과열 등)을 초과하거나 미달할 경우, ISL94202는 자동으로 배터리 팩의 충전 또는
• 방전 경로를 차단하여 시스템을 안전하게 종료합니다.
• 조건이 정상 범위로 돌아오면, ISL94202는 자동으로 시스템을 복구하여 정상 작동 상태로 되돌립니다.

팩 셀 밸런싱의 자동 제어:

• ISL94202는 각 셀의 전압을 모니터링하고, 셀 간의 전압 차이가 설정된 임계값을 초과하면, 자동으로 셀 밸런싱을 시작합니다.
• 셀 밸런싱은 과충전된 셀에서 전력을 빼내어, 전압이 낮은 셀로 전달함으로써 셀들 간의 전압을 균일하게 만드는 과정입니다.
• 이 과정은 배터리 팩의 전체 수명을 연장하고, 성능을 최적화하는 데 도움이 됩니다.

이러한 동작 알고리즘은 ISL94202의 내부 로직에 의해 구현되며, 사용자는 ISL94202의 EEPROM을 프로그래밍하여

이러한 기능들을 설정하고 조정할 수 있습니다

Active Balance MP264X는 리튬 이온, 리튬 폴리머, 또는 리튬 철 인산염 배터리들 사이에서 고전류 충전 재분배를

가능하게 하는 고도로 통합된 양방향 액티브 밸런서입니다. 이 장치는 두 가지 작동 모드를 가지고 있습니다: 

버크 밸런스 모드와 부스트 밸런스 모드.

• 버크 밸런스 모드: MODE 핀이 낮은 상태일 때, MP264X는 전진 버크 밸런스 모드에서 작동하여
• 상위 셀(CU)에서 하위 셀(CL)로 불일치 에너지를 전송합니다.
• 부스트 밸런스 모드: MODE 핀이 높은 상태일 때, MP264X는 역 부스트 밸런스 모드에서 작동하여
• CL에서 CU로 불일치 에너지를 전송합니다.

ISL94202 배터리 셀 충전 컨트롤러는 리튬 이온 배터리 모니터 IC로, 3개에서 8개의 시리즈로 연결된 셀을 지원합니다.

이 IC는 배터리 모니터링과 팩 제어를 완벽하게 제공하며, 자동으로 셀 밸런싱을 제어합니다.

Active Balance MP264X는 고도로 통합된 양방향 액티브 밸런서로, 리튬 이온, 리튬 폴리머 또는

리튬 철 인산염 배터리들 사이에서 고전류 충전 재분배를 가능하게 합니다. 이 장치는 두 가지 작동 모드를 가지고 있습니다:

버크 밸런스 모드와 부스트 밸런스 모드. MODE가 낮으면 MP264X는 전진 버크 밸런스 모드에서 작동하여

상위 셀(CU)에서 하위 셀(CL)로 불일치 에너지를 전송합니다. MODE가 높으면 MP264X는

역 부스트 밸런스 모드에서 작동하여 CL에서 CU로 불일치 에너지를 전송합니다.

EMB1428Q는 SPI 버스 인터페이스를 통해 충전/방전 명령을 수신하는 동작 구조와 에너지 이동을 위한 12개의 플로팅 MOSFET 게이트 드라이버를 제어하는 설계 원리에 대해 다음과 같이 설명할 수 있습니다:

1. SPI 버스 인터페이스를 통한 명령 수신:
   • EMB1428Q는 SPI(Serial Peripheral Interface) 버스를 사용하여 메인 컨트롤러(CPU/MCU)로부터 충전/방전 명령을 수신합니다.
   • 메인 컨트롤러는 SPI 버스를 통해 EMB1428Q에게 어떤 배터리 셀을 충전하거나 방전할지에 대한 명령을 전송합니다.
   • 또한, EMB1428Q는 SPI 버스를 통해 발생할 수 있는 장애나 오류를 메인 컨트롤러에 보고합니다.
2. 에너지 이동을 위한 플로팅 MOSFET 게이트 드라이버 제어:
   • EMB1428Q는 최대 7개의 직렬로 연결된 배터리 셀 간에 에너지를 이동시키기 위해 필요한 12개의 플로팅 MOSFET 게이트 드라이버를 제공합니다.
   • 이 드라이버들은 EMB1499 DC/DC 컨트롤러 IC와 함께 작동하여, 충전 및 방전 모드를 제어하고 활성화합니다.
   • 각 게이트 드라이버는 특정 배터리 셀에 연결된 MOSFET을 개별적으로 제어하여, 에너지를 필요한 셀로 이동시키거나, 과충전된 셀에서 에너지를 빼내어 다른 셀로 분배하는 역할을 합니다.

EMB1428Q 칩셋은 배터리 셀 간의 전압을 균등하게 유지하기 위해 액티브 셀 밸런싱을 수행하는 스위치 매트릭스 게이트 드라이버입니다. 이 칩셋의 주요 작동 원리는 다음과 같습니다:

1. 전압 모니터링: EMB1428Q는 연결된 배터리 셀들의 전압을 지속적으로 모니터링합니다. 이 데이터는 셀 간의 전압 차이를 파악하는 데 사용됩니다.
2. 에너지 전송 제어: 전압 차이가 감지되면, EMB1428Q는 스위치 매트릭스를 통해 높은 전압의 셀에서 낮은 전압의 셀로 에너지를 전송하도록 MOSFET 게이트를 제어합니다.
3. 스위치 매트릭스: 칩셋은 12개의 부유 MOSFET 게이트 드라이버를 제공하여 최대 7개의 직렬로 연결된 배터리 셀을 밸런싱할 수 있습니다. 이 드라이버들은 각 셀에 연결된 MOSFET을 제어하여 에너지 이동 경로를 설정합니다1.
4. 밸런싱 실행: EMB1428Q는 EMB1499 DC/DC 컨트롤러 IC와 함께 작동하여, 필요한 시점에 적절한 셀 간 연결을 활성화시키고 에너지를 효율적으로 전송합니다.

저의 전기차 바테리 BMS 개발 보드의 펌웨어 설계 커스토마이징 노하우 소개

이러한 과정을 통해 EMB1428Q는 배터리 팩의 전체 성능을 최적화하고, 각 셀의 수명을 균일하게 유지하며, 전체 시스템의 안정성과 효율성을 높이는 데 기여합니다.  저희 딥네트워크가 바테리 BMS 설계도 깊이있게 검토 분석을 하다 보니 깨닭은게 BMS 설계에 최적화된 바테리 HW 스택을 설계하는것을 빈틈없이 HW 설계를 하면 아무래도 BMS 펌웨어의 성능은  BMS HW 설계 범주내에서 펌웨어 성능이 나올수 있는것 같읍니다 ...  TI 의 EMB1428Q 칩셋이  SPI 버스 인터페이스를 통해 충전/방전 명령을 수신하는 동작 구조와 에너지 이동을 위한 12개의 플로팅 MOSFET 게이트 드라이버를 제어하는 펌웨어 설계 원리를 파악에 성공했읍니다   저는 이를 위해 MOSFET 스위칭 제어를 위한  설계 방법 파악을 통해 에너지 이동을 위한 플로팅 MOSFET 게이트 드라이버 제어를 TI 사 EMB1428Q 칩셋을 적용해 펌웨어로  BMS 펌웨어 구현 노하우도 확보 성공했읍니다  ...    제가 파악한바로는 BMS HW 설계의 핵심은  셀 충방전 회로 설계시 스위치 캐패시티드 네트워크로 설게하는데 이때  MOSFET 스위칭 소자의 게이트 구동회로 설계시 MOSFET 회로가 플로팅됬을때  게이트 구동회로에 인가전압을 어떻게 인가하도록 설계하는냐가 핵심인데 이것도 파악에 성공했읍니다 ...

저희 회사는 전기차 바테리 충전 제어 전문 일인기업으로서,  TI  사  EMB1428Q 칩셋을  활용하여 삼성 21700 50E / 7S 20P 바테리 셀의 충전 성능을 극대화할 수 있는 펌웨어와 기법을 분석하였습니다. 저희 회사의 제품과 서비스에 관심이 있으시다면, 저희 기업 블로그 사이트를 방문하시거나 연락주시기 바랍니다. 감사합니다.

딥네트워크      장석원      010 3350 6509     sayhi7@daum.net

마스크 스테이지와 웨이퍼 스테이지는 EUV 광선이 정확하게 투영될 수 있도록 마스크와 웨이퍼의 위치를 제어하는 세부 설계 구조 및 그 원리에 대해 간단히 언급해 보겠습니다.

마스크 스테이지는 EUV 광원으로부터 나오는 EUV 광선을 반사하는 마스크를 고정하고, 원하는 회로 패턴을 가진 부분을 EUV 광선에 노출시키기 위해 x, y, z 축 방향으로 이동하고, 회전하고, 기울이는 기능을 수행하는 장치입니다. 마스크 스테이지는 마스크의 위치와 각도를 정밀하게 측정하고 제어하기 위해 인코더, 액추에이터, 센서 등을 포함하고 있습니다.

웨이퍼 스테이지는 마스크에서 반사된 EUV 광선을 받는 웨이퍼를 고정하고, 웨이퍼의 모든 영역에 EUV 광선이 균일하게 노출되도록 x, y, z 축 방향으로 이동하고, 회전하고, 기울이는 기능을 수행하는 장치입니다. 웨이퍼 스테이지도 마스크 스테이지와 마찬가지로 웨이퍼의 위치와 각도를 정밀하게 측정하고 제어하기 위해 인코더, 액추에이터, 센서 등을 포함하고 있습니다.

마스크 스테이지와 웨이퍼 스테이지는 스캔 방식 (scan mode)을 사용하여 EUV 광선이 마스크와 웨이퍼를 순차적으로 스캔하도록 구현하는 구현 원리와 설계 방법에 대해 간단히 설명해 드리겠습니다.

스캔 방식은 마스크와 웨이퍼를 서로 반대 방향으로 동기화하여 움직이면서 EUV 광선을 마스크의 일부분만 통과시키는 슬릿 (slit)을 이용하여 웨이퍼의 모든 영역에 마스크의 패턴을 전달하는 방식입니다. 스캔 방식은 마스크와 웨이퍼의 크기가 다르고, EUV 광선의 투영 영역이 제한적이기 때문에 필요한 방식입니다.   

저희 딥네트워크는  마스크의 위치와 각도를 정밀하게 측정하고 제어하는것과 웨이퍼의 위치와 각도를 정밀하게 측정하고 제어하는것의 확실한 구현 안을 정밀도 1/100 mm 정도로 정밀하게  위치와 각도를 정밀하게 측정하고 제어하는것의 세부 구현 해결 방안을 나름 확보에 성공했읍니다 ...   위치와 각도를 정밀하게 측정하고 제어하려면 모터 정밀제어로 제어하는것도 중요하고 모터정밀제어가 정밀하게 됬는지 측정하는 노하우도 중요한데 저희 딥네트워크는 이 두가지 구현 노하우를 모두 확보에 성공했읍니다 ....

딥네트워크는 EUV 마스크 스테이지 와 웨이퍼 스테이지는 EUV 광선이 정확하게 투영될 수 있도록 마스크와 웨이퍼의 위치를 제어하는 세부 설계 구조 및 그 원리 분석중 입니다 ...   제가 로봇 축 관절 제어를 모터 정밀제어로 구현 가능한 기술은 있는데 이것으로 EUV 쪽에 적용하려면 무었을 더 고민해야 하는지를 현재 고민하고 분석중 입니다 ...   좀 더 구체적인 구현 방안 자료도 갖고는 있는데 저도 좀 더 고민하는 중 입니다 ...   

딥 네트워크  장석원     HP :  010 3350 6509    이메일 :  sayhi7@daum.net 

제  소개를 하면 이제 보름만 잇으면 나이 60 입니다 ...  40 년전에 대학/대학원도 졸업했고  대기업 연구소 들어갔을때만해도 인생 풀리나보다 했는데 ...  세상사라는게 내 맘대로는 안되더라구요 ...  대기업 연구소에서 HW 개발 일을 했었고 경지에 올랐을때 IMF 가 터졌읍니다 ...   이 IMF 시기라는게 참 묘한게 이때 부터 IT 기업들의 세상이 HW 개발 중심에서 SW 개발 중심으로 변화를 본격적으로 하는 시기였읍니다 ...  저는 IMF 가 터졌을때 HW 개발은 나름 경지에 올랐는데 SW 개발은 경험이 많지 않아서 자신감도 부족했고 두려움이 많았읍니다 ...   98 년 IMF 직후 저는 이제 나이 34 이었기에 SW 개발을 경험이 많지 않고 자신감도 부족해서 두려움이 많았는데 ...  왜 이럴수밖에 없냐하면 98 년 직후 구글도 생겨나고 인터넷도 이때 생기고 했던 시기 입니다 ...  98 년쯤 이때 인터넷이 생겨나는 시기 이때를 제 3 의 물결이 온다라고 언론에서 떠들었죠 ... 지금은 4 차 산업혁명 시기라고 떠들지 않았읍니까 ?  제가  제 3 의 물결이 밀려오는 시기(세계적으로도 미국 구글 같은 인터넷 기술 전문기업이 막 설립됬던 시기) 이에 대한 철저한 준비가 전혀되 있지 않아서  2000 년대초 IMF 직후 김대중 정부 시기 한국에 벤쳐 붐이 일어났을때 저도 기회를 잡았어야 했는데 ...   결국 IMF 직후 제 3 의 물결이 밀려오는 시기 이에 대한 철저한 준비가 완벽했던 인간들은 지금 벤쳐 1 세대라고 하며 부 를 축적하고 중견기업 내지 대기업으로 회사를 키우는게 가능햇던 시기였읍니다 ...    참 중요한 한 시기(때)를 준비가 되있지 않으면 저 같이 이렇게 그동안 20 년을 보내긴 보냈어도 생활비 벌이 밖에 못하는 그야말로 허송세월을 했던거죠 ...   저는 2024년에 나이 60 입니다 ...  제가 IMF 직후 허송세월을 했다는 이야기를 했는데  저는 요 최근 6 - 7 년을 하루에 3 - 4 시간씩 빡시게 구글링을 했읍니다 ...   제가 다시 일어나기 위해서는 고급 정보가 필요한데 이 고급정보를 제공 가능한게 바로 구글링 입니다 ...   구글링도 그냥 쉽게 고급정보를 얻는것은 불가능 합니다 ...  다 노력이 그 만큼 필요 합니다 ...  세상사 공짜가 앖읍니다 ...  저도 그렇게 6 년 이상을 빡시게 기술자료 검토 분석을 했읍니다 ... 일년에 국내외 논문 내지 기술자료를 약 1000 개 이상 검토 분석을 했으니 이걸 6 년을 했으니 검토한 기술자료가 한 6000 개 정도 입니다 ...  제가 그동안 6 년을 검토 분석한 기술분야는 딥러닝 인공지능 분야 / 카메라 관련 기술 개발 분야 /  로봇 축 관절제어를 위한 모터 정밀제어 분야 / 전투기나 군함의 레이더 개발 분야  등등을 검토 분석했읍니다 ...  저도 7 년전 기술자료 검토 분석을 본격으로 시작할때만 해도  지금까지해서 이렇게 돈이 확실히 되는 기술 노하우를 20 - 30 개  확보가 가능할줄은 몰랐읍니다 ...    10000 시간 노력하면 앞이 보일꺼라 누군가가 조언했는데 ...  진짜 한 6 년 이상을 하루에 3 -  4 시간씩 기술자료 분석을 하니 이렇게  돈이 확실히 되는 기술 노하우를 20 - 30 개  확보가 가능해졌읍니다 ...   현재 저는 한 15 년전쯤 크게 실패해서 집도 날려 먹었고 그동안 어려웠지만 크게 성공해보고 싶어서 저의 자기계발을 위해 한 6 년 빡시게 노력하니 지금은 앞이 보이는것 같읍니다 ...    저도 인생 60 년을 살아보니 한 큐에 되는일은 전혀 없구요 ...  한 6 - 7 년을 꾸준히 노력을 빡시게 해야 뭔가 될까 말까 한다는것 입니다 ....     제 이야기 들어 주셔서 감사드립니다 ....

딥네트워크 장석원 /  HP  010 3350 6509

SAR 레이더는 무변조 CW 파형을 사용하므로, 파형의 주파수는 일정합니다. 그러나, 목표물의 위치나 방향에 따라서, 수신된 파형의 위상이 변화 즉 도플러 편이 (Doppler Shift) 는 수신된 파형의 FFT 를 통해 주파수 스펙트럼 분석을 통해 처리됩니다
수신된 파형의 FFT (Fast Fourier Transform)를 통해 주파수 스펙트럼을 분석하여 도플러 편이를 측정할 수 있습니다. FFT는 시간 도메인의 신호를 주파수 도메인으로 변환하는 알고리즘입니다. FFT를 적용하면 수신된 파형의 주파수 성분과 위상 정보를 얻을 수 있습니다. 이를 통해 도플러 편이가 발생한 파형의 주파수 변화량을 계산할 수 있습니다.  인공위성 SAR 레이더의 전체 구현 원리까지는 아니어도 기본 동작 설계 원리는 파악에 성공했읍니다 ...    저희 딥 네트워크는 도플러 편이 (Doppler Shift) 측정을 수신된 파형의 FFT 를 통해 주파수 스펙트럼 분석을 통해 처리하는 세부 노하우 확보에 성공했읍니다 ....    도플러 편이 (Doppler Shift) 측정을 고정밀도로 하려면  FFT (Fast Fourier Transform) 의 계산 복잡도가 높아지는데  어느정도의 정밀도를 유지하면서 계산량 조절로 이를 구현하는 노하우 확보에 성공했읍니다 ....

딥네트워크 장석원    HP :  010-3350 6509

USB CDC ACM 클래스의 API를 이해하고 사용할 수 있습니다. USB CDC ACM 클래스는 USB 장치와 PC 사이에 가상 시리얼 포트를 생성하여 통신할 수 있게 해주는 클래스입니다. 저는 USB CDC ACM 클래스의 API를 사용하여 USB CDC ACM 인스턴스를 선언하고 초기화하고, USB CDC ACM 인터페이스로 데이터를 송수신하고, USB CDC ACM 이벤트를 처리할 수 있습니다.
Nordic UART Service의 API를 이해하고 사용할 수 있습니다. Nordic UART Service는 BLE 장치와 PC 사이에 가상 UART 통신을 가능하게 해주는 서비스입니다. 저는 Nordic UART Service의 API를 사용하여 Nordic UART Service 인스턴스를 선언하고 초기화하고, Nordic UART Service로 데이터를 송수신하고, Nordic UART Service 이벤트를 처리할 수 있습니다.
Nordic UART Service Central의 API를 이해하고 사용할 수 있습니다. Nordic UART Service Central은 BLE 장치가 Nordic UART Service 서버들과 연결되어 데이터를 송수신할 수 있게 해주는 역할을 합니다. 저는 Nordic UART Service Central의 API를 사용하여 Nordic UART Service Central 인스턴스를 선언하고 초기화하고, Nordic UART Service Central 인스턴스에 Nordic UART Service 서버의 핸들을 할당하고, Nordic UART Service Central 인스턴스로 데이터를 송수신하고, Nordic UART Service Central 이벤트를 처리할 수 있습니다.
USB CDC 통신과 UART 서비스로 1 : N 블루투스 송수신을 연결할 수 있습니다.                저는 USB CDC ACM 이벤트 핸들러와 Nordic UART Service Central 이벤트 핸들러를 사용하여 USB CDC 통신과 UART 서비스로 1 : N 블루투스 송수신을 연결할 수 있습니다. 저는 USB CDC ACM 인터페이스로부터 데이터를 읽으면 Nordic UART Service Central 인스턴스들로 데이터를 전송하고, Nordic UART Service Central 인스턴스로부터 데이터를 읽으면 USB CDC ACM 인터페이스로 데이터를 전송합니다 .

딥네트워크  장석원      HP :  010-33506509    이메일 :  sayhi7@daum.net 

저의 경우 2007 년도쯤해서 H.264 비디오 코덱을 독자개발하겠다고 도전했다가 결과 검증과정에서 2 % 가 부족해서 큰 손해를 입었었읍니다 ...   이때만해도 한국에는 인터넷이 도입된지 얼마 안되서 각종 기술정보가 인터넷상에 공유되는게 많지 않았읍니다 ...   각종 기술정보가 인터넷상에 공유되는게 많지 않았다는것은  그 만큼 기술정보가 힘있는 기관이나 업체(대기업)한테 편중되 있었다 라는것 이구요 ...   이때만 해도 기술이 있다 없다를 애기하려면 개발진행을 직접 처리해서 결과물이 있느냐 없냐 가 사람들의 판단 기준이었읍니다 ...    IT 기술이 그동안 20 년간 진보되었다 라는것은  20 년전보다 기술정보 공유가 지금은 몇십배 공유정보의 양과 질이 개선되서  기술블로그 사이트나 글로벌 대기업 사이트에서 제공되고 있읍니다 ...  20 년전에는 다 대외비라고 공개 안하던 기술정보도 이제는 웬만하면 정보 공개가 되거든요(세상이 변한거죠 이걸 잘 모르시는 분도 많읍니다) ...    여기에서 한가지 알아야 할께 있는게 뭐냐 하면 아무리 정보공유가  이전보다 몇십배 몇백배 활발해도 그 공유되는 정보가 뭐가 똥 이고 뭐가 된장인지 구별할수 있는 능력이 없으면 기술 정보가 아무리 많이 공유되도 나한테 직접 도움되기는 어렵읍니다 ...   요즘 대기업 이건 중소기업이건 경영자들은 사회생활 경험이 최소 20 년 이상이기 때문에  이 분들이 기본적으로  개발을 진행해 기술 결과물이 없는것은 전혀 믿지 않는다라는 것 입니다 ...    대기업 이건 중소기업이건 경영자들이 그동안 20 여년간 자기가 경험한게 직접 개발을 진행해야만 기술 노하우 파악이 가능하다라고 생각(고장관념)이 있다라는것 입니다 ...    저도 한가지 기술 분야의 전문적인 기술 노하우를 파악하려면 최소 1 년 이상 시간을 투입해서 세부 기술자료 분석을 하거든요 ...  어떨때는 한가지 이슈를 파악하려고 1 년 이상 걸릴때도 있읍니다 ...   저도 정밀 모터제어(토크제어/위치제어/속도제어)를 상용화 가능한 수준으로 심도있게 노하우 분석(기술자료 분석)에 한 3 년 걸렸읍니다 ...    대기업 이건 중소기업이건 경영자들이 그동안 20 여년간 자기가 경험한게 직접 개발(일)을 진행해야만 기술 노하우 파악이 가능하다라고 믿는 분들은 제가 인터넷상의 기술자료 분석을 통해 세부 기술 노하우를 파악했다고 하면 뭔가 질 이낮은 기술을 파악햇을꺼라 생각 하실겁니다 ...   그런데 ChatGPT 를 의사들도 많이 사용한다고 하고 앞으로 곧, 얼마 뒤면 IT 개발자들이 하는 SW 개발도 ChatGPT 가 가능하다고 많이 이야기 되거든요 ...    이렇게 세상이 변하고 있읍니다 ...   아무리 ChatGPT 가 뛰어나다고 해도 그것을 사용하는 사람이  ChatGPT 에게 정확한 지시를 하려면 그만큼 지시내용이 새부적인 핵심을 꼭 집어서 질문해야 원하는 궁금증 해결도 가능 합니다 ...   ChatGPT 를 이걸 다루려면 사람도 그것을 충분히 다룰 능력이 준비되 있어야 한다는것 입니다 ...   GhatGPT 가 노력없이 공짜로 결과를 얻을수는 없읍니다 ...    저도 그동안 3 - 5 년 빡시게 기술자료 검토분석해서  로봇 축관절 제어 기술이나  이미지센서 / Camera ISP 를 임베디드리눅스 커널 드러이버 / 어플로 설계하는 노하우 확보도 성공했읍니다 ...    이렇게 제 글을 읽어 보시니 제가  로봇 이나 카메라쪽 기술 노하우를 세부적으로 파악 성공해서 100 점 기술을 확보했다는게 조금 이나마 믿어지시는지요 ?     저도 그동안 한 5 년 빡시게 기술자료 분석해서 얻은 세부 기술 노하우 입니다 ...   어떤분들은 이렇게 애기해도 실무 경험없이 진짜 노하우 확보가 가능하냐라고 하실분도 분명히 있을꺼구요 ...   세상이 변했다는것을 피부로 느끼지 못하신 분들은 제 애기에 공감을 못하실것 같읍니다 ...   요즘 ChatGPT 때문에 대기업 들도 비상이 걸렸읍니다 ...  세상이 바꾸있는데 우리 대기업은 어떻게 대응을 해야 하나 이런 경영전략 마련이 반드시 필요한게 요즘 시대 입니다 ...   대기업이 이런 시대 변화(기술개발 전략 트렌드)를 더 빠르게 느끼는것 같읍니다 ...  아무래도 정보가 많으니 그럴겁니다 ...    이 내용은  제 개인적인 의견 임을 미리 밝힙니다 ...

딥네트워크 장석원   /  HP :  010-3350 6509

FMCW 레이더를 FFT 원리를 적용해서 레이더의 타겟까지의 위치와 타겟의 속도를 측정하는 알고리즘 구현 기술을 보유한 제가 운영하는 개인사업자 기업 딥 네트워크의 기술력 소개 핵심 5 가지를 다음과 같은 내용을 제안합니다.
FMCW 레이더는 주파수 변조 연속파 레이더로, 송신기에서 변조된 주파수를 가진 연속파 신호를 발생시키고, 수신기에서 반사된 신호와 비교하여 타겟의 거리와 속도를 측정할 수 있는 레이더입니다.
FFT 원리는 고속 푸리에 변환으로, 시간 도메인에서의 신호를 주파수 도메인으로 변환하는 알고리즘입니다. 이를 통해 신호의 스펙트럼을 분석하고, 주파수 변화량을 구할 수 있습니다.
FMCW 레이더에서 FFT 원리를 적용하면, 송신기와 수신기 사이의 주파수 차이를 구할 수 있습니다. 이 주파수 차이는 타겟의 거리와 속도에 비례하므로, 이를 이용하여 타겟의 거리와 속도를 측정할 수 있습니다.
저는 FMCW 레이더를 FFT 원리를 적용해서 레이더의 타겟까지의 위치와 타겟의 속도를 측정하는 알고리즘을 세부분석에 성공한 경험이 있습니다. 
저의 기업은 FMCW 레이더를 FFT 원리를 적용한 알고리즘을 활용하여 다양한 분야의 응용 제품을 개발을 준비하고 있습니다. 예를 들어, 자동차의 주차 보조 시스템, 무인 항공기의 고도 측정 시스템, 산업용 로봇의 장애물 회피 시스템 등을 제공하고 있습니다.
저의 기업의 기술력 소개 핵심 5 가지를 글로 상세히 제시하였습니다. 

개인사업자 기업  딥 네트워크   장석원   HP :  010-3350 6509     E-Mail  :   sayhi7@daum.net   

저는 아래  2가지 분야 기술을 100점 수준으로 확보하고 있읍니다

모터정밀제어로 로봇 축관절 제어를 위한 펌웨어 세부설계 노하우를 확보 성공했구요

산업용 카메라보드 펌웨어 설계를 유럽 NXP 사 I.MX8 을 사용한 임베디드리눅스커널 드라이버중 이미지센서부 카메라 ISP 부  V4L2 부  MIPI DSI 부 드라이버 수정설계 및 어플수정설계 세부설계 노하우를 확보 성공했읍니다

저의경우 그동안 3년간 정밀모터제어 펌웨어 개발과 임베디드리눅스커널로 카메라 보드 펌웨어 개발 기술력 확보를 하려고 국내외 논문과 기술문서를 약 2000 여개를 검토분석해서 100 점짜리 기술력 확보에 최근 성공했읍니다    그동안은 제 기술력이 100점이 안되서(약간 모자라서)  기술력 부족하다고 갑질을 당했지만 이제는 두가지 큰 기술분야를 100점 기술을 확보했으니 개발(계약)문의가 들어오면  한 건에 5000 짜리 이상 건도 개발용역(기술개발) 결과를 확실히 내는것이 확실히 가능합니다 ...    이제는 100점 기술이 있으니 기회만 오면 잡기만 하면 되거든요   단지 계약 성사가 쉽지않은게 개발미팅가서 세부협의시 이 기술 저 기술 다 해줬으면 한다라고 개발요청하는곳이 꽤 많더라구요

딥네트워크 장석원 59세
010 3350 6509
관심 있으시면 전화통화 부탁드립니다

안녕하세요, 딥네트워크는 카메라 개발용 임베디드리눅스 BSP 소스를 분석하고 MIPI CSI-2 이미지센서와 Camera ISP 를 적용해 V4L2 리눅스 드라이버를 포팅하는 카메라 프레임워크 SW 설계 기술을 보유한 회사입니다. 저희는 다음과 같은 기술력을 갖고 있습니다.        MIPI CSI-2 이미지센서와 Camera ISP 리눅스커널 드라이버가 포팅된 후 V4L2 동작을 시키려면 임베디드리눅스 BSP 소스로 다음과 같은 부분을 수정해야 합니다.
디바이스 트리: 디바이스 트리는 하드웨어의 구성과 속성을 표현하는 텍스트 파일입니다. 디바이스 트리에서는 이미지센서와 Camera ISP 의 노드를 생성하고, 그들의 이름, 주소, 클럭, 파워, 인터럽트, 포맷, 해상도 등의 정보를 설정해야 합니다. 또한, 이미지센서와 Camera ISP 노드 사이에 링크를 생성하고, V4L2 서브시스템과 연결해야 합니다. 
카메라 드라이버: 카메라 드라이버는 이미지센서와 Camera ISP 의 동작을 제어하고, V4L2 인터페이스를 통해 애플리케이션과 통신하는 모듈입니다. 카메라 드라이버에서는 이미지센서와 Camera ISP 의 초기화, 설정, 스트리밍, 파워 관리, 오류 처리 등의 기능을 구현해야 합니다. 또한, V4L2 프레임워크와 호환되도록 드라이버의 구조와 함수를 정의해야 합니다. 
카메라 애플리케이션: 카메라 애플리케이션은 사용자가 카메라의 기능을 사용할 수 있도록 하는 프로그램입니다. 카메라 애플리케이션에서는 V4L2 인터페이스를 통해 카메라 드라이버와 통신하고, 이미지와 비디오를 캡처하고, 저장하고, 표시하고, 조절하는 기능을 구현해야 합니다. 또한, 카메라 애플리케이션은 사용자에게 친숙하고 직관적인 GUI 를 제공해야 합니다.   
MIPI CSI-2 이미지센서와 Camera ISP 를 적용하는 기술: 저희는 MIPI CSI-2 인터페이스를 통해 이미지센서와 통신하고, Camera ISP 를 통해 이미지 프로세싱을 수행하는 기술을 보유하고 있습니다. 저희는 다양한 이미지센서와 Camera ISP 의 특성과 성능을 파악하고, 적절한 파라미터와 알고리즘을 적용하여 고품질의 이미지와 비디오를 생성할 수 있습니다.
V4L2 리눅스 드라이버를 포팅하는 기술: 저희는 V4L2 리눅스 드라이버의 구조와 동작을 이해하고, 새로운 이미지센서와 Camera ISP 를 지원하기 위해 드라이버를 포팅하는 기술을 보유하고 있습니다. 저희는 V4L2 드라이버의 인터페이스와 기능을 활용하고, 드라이버와 하드웨어 사이의 호환성과 안정성을 확보할 수 있습니다.
저희 딥네트워크는 카메라 개발용 임베디드리눅스 BSP 소스를 분석하고 MIPI CSI-2 이미지센서와 Camera ISP 를 적용해 V4L2 리눅스 드라이버를 포팅하는 카메라 프레임워크 SW 설계 기술을 통해 고객의 요구사항에 맞는 최적의 카메라 솔루션을 제공할 수 있습니다.
저희는 카메라 분야의 선도적인 기업으로서, 지속적인 연구와 개발을 통해 더욱 향상된 기술력을 갖추고 있습니다. 저희와 함께하시면, 카메라 개발에 필요한 모든 기술을 한 번에 얻을 수 있습니다.
저희 딥네트워크에 관심을 가져주셔서 감사합니다.

딥 네트워크 장석원
HP : 010-3350 6509
이메일 : sayhi7@daum.net

BLDC Motor 제어 전문 딥네트워크 사업화 내용 소개

딥네트워크는 PMSM Motor 를 3 상 인버터로 Motor 의 속도 및 토크 제어 펌웨어 개발이 가능 합니다 ...  귀사의 개발 사양에 따라 개발기간이나 비용이 조정될수 있고 확실히 결과 내드리는것이 가능 합니다 ...  TI  사  TMS320F28377  로 PMSM Motor 의 FOC 알고리즘을 적용한 펌웨어 개발이 확실히 가능 합니다 ...    TI 사 BMS 칩셋인  EMB1428Q 바테리 BMS 칩셋으로  SPI 버스 인터페이스를 통해 충전/방전 명령을 수신하는 동작 구조와 에너지 이동을 위한 12개의 플로팅 MOSFET 게이트 드라이버를 제어하는  바테리 충전 BMS 제어도 인증절차 기간을 제외하면 빠르게 귀사의 요구에 맞춰 펌웨어 개발이 가능 합니다 ...  저희 딥네트워크가 바테리 BMS 설계도 깊이있게 검토 분석을 하다 보니 깨닭은게 BMS 설계에 최적화된 바테리 HW 스택을 설계하는것을 빈틈없이 HW 설계를 하면 아무래도 BMS 펌웨어의 성능은  BMS HW 설계 범주내에서 펌웨어 성능이 나올수 있는것 같읍니다 ...  맡겨 주시면  확실하게 결과내드리는것이 가능 합니다 ...  참고로 저는 지역이 수원 입니다 ...

딥네트워크는 PMSM 모터를 제어하는 획기적인 솔루션을 제공하는 일인기업입니다. 딥네트워크는 TI의 모터제어 개발 보드를 사용하여 FOC 알고리즘과 TI의  FOC 소프트웨어 라이브러리를 기반으로 한 펌웨어 설계 세부 검토 분석을 수행하였습니다. 

PMSM Motor의 FOC 제어 세부 구현 노하우 제공

딥네트워크는 PMSM Motor의 FOC (Field-Oriented Control) 제어에 대한 깊은 이해와 세부 구현 노하우를 보유하고 있습니다. 저희는 다음과 같은 기술을 통해 고객님의 요구사항을 충족시킬 수 있습니다:

1. 최대 토크 구현
   - d 축 전류와 q 축 전류의 지령값 설정 노하우
   - Motor 제어 루프에서 최대 토크를 내기 위한 최적의 전류 지령값 설정
   - 전류 리플 안정화

2. Motor의 전기적 상수값의 영향을 고려한 전류 리플 정도의 안정화
   - 로봇 축 관절 제어에 적용 시 전류 리플을 최소화하는 기술
   - PI 루프 제어 튜닝

3. P 이득과 I 이득의 최적 튜닝을 통한 전류 리플 안정화
   - 최종적으로 안정적인 Motor 동작을 보장하는 세부 튜닝 작업
   - 알고리즘 계산 수식

4. 약 20개의 세부 알고리즘 계산 수식을 확보하여 정확한 구현 가능
   - 위의 작업을 확실하게 수행할 수 있는 기술적 기반 제공

5.  RDC : AD2S1210WDSTZRL7 와  
     레졸버 : TAMAGAWA 사  TS2620N21E11 로
     회전자 위치 검출 노하우도 보유함

연락처

자세한 기술 자료 제공 및 문의는 아래 연락처로 부탁드립니다:

- 담당자: 장석원
- 전화번호: 010-3350-6509
- 이메일: sayhi7@daum.net

딥네트워크는 귀사의 요구에 맞춘 최적의 솔루션을 제공하기 위해 항상 준비되어 있습니다. 많은 관심과 문의 부탁드립니다.

영구자석 동기 모터(PMSM)의 d 축과 q 축 전류를 PI 제어 루프로 제어하는 과정은 로봇 축 관절 제어에서 중요한 역할을 합니다. 이 과정에서 MTPA(Maximum Torque Per Ampere)와 PWM(Pulse Width Modulation)을 사용한 FOC(Field Oriented Control)을 활용하여 모터의 효율성을 극대화하고 성능을 최적화합니다. 다음은 이 과정을 자세히 설명하고, 토크와 위치 제어를 어떻게 처리하며 PI 제어 이득을 어떻게 튜닝해야 하는지 설명하겠습니다.

1. FOC(자장 지향 제어) 개요

FOC는 모터의 자속(Flux)과 토크를 독립적으로 제어하기 위해 사용됩니다. 이는 모터의 자속과 토크를 수평 및 수직 축으로 변환하여 제어할 수 있게 합니다. 일반적으로 d 축(직류 축)과 q 축(직교 축)으로 변환하여:

• d 축: 자속 방향
• q 축: 토크 방향

FOC를 사용하여 모터의 전류를 d 축과 q 축으로 분리하고, 이를 각각 제어함으로써 모터의 자속과 토크를 독립적으로 조절할 수 있습니다.

2. PI 제어 루프와 MTPA

PI(비례-적분) 제어는 d 축과 q 축 전류를 제어하는 데 사용됩니다. PI 제어는 각각의 축에서 전류를 원하는 값으로 유지하고자 하는 제어 방식입니다. MTPA는 주어진 전류에서 최대의 토크를 생성하기 위한 원리를 따릅니다.

• d 축 전류(Id): 자속 제어에 영향을 미칩니다. 일반적으로 PMSM에서는 자속 제어를 위해 d 축 전류가 필요하며, Id는 주로 0에 가까운 값으로 유지되도록 설계됩니다.
• q 축 전류(Iq): 토크 제어에 영향을 미칩니다. Iq는 실제로 모터의 토크를 생성하는 전류로, 토크를 원하는 값으로 제어하기 위해 조절됩니다.

3. 로봇 축 관절 제어

로봇의 축 관절 제어에서, 토크 제어와 위치 제어는 서로 다른 목적을 가지고 있습니다:

(1) 토크 제어

• PI 제어 루프: q 축 전류(Iq)를 제어하여 모터의 토크를 제어합니다.
• PI 제어 이득 튜닝:
  • 비례 이득(Kp): 반응 속도를 조절합니다. 너무 높으면 시스템이 불안정해질 수 있고, 너무 낮으면 응답 속도가 느려질 수 있습니다.
  • 적분 이득(Ki): 정밀도를 조절합니다. 적분 이득이 너무 높으면 시스템이 과도하게 응답하거나 진동할 수 있고, 너무 낮으면 정밀도가 떨어질 수 있습니다.
  • 튜닝 방법: 일반적으로 Ziegler-Nichols 방법이나 다른 자동 튜닝 방법을 사용하여 이득을 조절합니다. 실험을 통해 최적의 이득을 찾는 것도 중요합니다.

(2) 위치 제어

• 위치 제어 루프: 위치를 제어하기 위해 속도 제어 루프와 토크 제어 루프를 결합합니다. 속도 제어는 보통 q 축 전류를 통해 이루어지며, 최종적으로 위치 제어를 위해 사용됩니다.
• PI 제어 이득 튜닝:
  • 위치 제어의 비례 이득(Kp): 위치의 정확성을 조절합니다. 너무 높으면 진동이 발생할 수 있고, 너무 낮으면 응답이 느려질 수 있습니다.
  • 위치 제어의 적분 이득(Ki): 위치의 오차를 보상하는 데 사용됩니다. 적분 이득이 너무 높으면 시스템이 진동하거나 과도한 반응을 보일 수 있습니다.
  • 튜닝 방법: PID 튜닝 방법과 유사한 방식으로 조정합니다. 위치 제어의 경우, 시스템의 역동적인 특성과 모터의 특성에 따라 조정이 필요합니다.

4. PWM 제어

PWM(Pulse Width Modulation)은 전류를 제어하기 위한 방법으로, 모터의 전압을 조절하여 원하는 전류를 생성합니다. FOC와 함께 사용하여 d 축과 q 축의 전류를 정확하게 제어할 수 있습니다.

5. 요약

• FOC를 통해 d 축과 q 축 전류를 독립적으로 제어하며, MTPA를 만족하여 최대 토크를 생성합니다.
• PI 제어 루프를 사용하여 d 축 전류(Id)와 q 축 전류(Iq)를 각각 제어합니다.
• 토크 제어와 위치 제어를 통해 로봇 축 관절의 성능을 최적화합니다.
• PI 제어 이득은 Ziegler-Nichols 방법이나 실험적인 조정을 통해 튜닝합니다.

이러한 제어 방식과 튜닝 방법을 통해 로봇 축 관절의 성능을 극대화하고, 원하는 제어 목표를 달성할 수 있습니다.

저의 경우 로봇 축 관절제어를 위한 BLDC Motor 의 토크/위치/속도 제어를 위한 모터 제어 펌웨어가 어떤 설계 구조로 구현하는지를 파악하는데 성공했읍니다 ...    전기차 모터제어도 모터 전기 상수인자들 로 전달함수를 설계하면  2 차 라플라스 방정식이 되고 이것으로 제어응답 특성 파악이 가능은 한데 여기에 PI 제어 루프 도 전달함수에 포함되면 3 차 라플라스 방정식이 되는데 이것의 제어응답 특성을 파악하려면 MATLAB SIMULINK TOOL 이 반드시 필요합니다
저는 현재 2 차 라플라스 방정식의 응답특성 분석은 가능한 상태 입니다          로봇 축 관절제어를 위한 모터제어 프로토타입 펌웨어 구현 정도의 노하우를 확보했구요 ...    저도 구글링 2000 번 넘는 시행착오(국내외 논문분석)를 거쳐 3 년여만에 제가 원하는 돈이 되는 세부 정보를 얻는데 성공했읍니다 ....      제가 확보한  BLDC 모터 정밀제어 노하우는  위치제어 / 속도제어 / 토크제어를 Closed Loop  PI  제어를 하는데 필요한 제어 알고리즘 수식을 확보해서 이해하는데 성공했읍니다 ...     BLDC Motor 로 위치제어 / 속도제어 / 토크제어를 Closed Loop  PI  제어를 하려면 BLDC Motor 는 어떤 규격의 것을 선택해야 하는지와 이는 또 어느 업체에서 이를 취급하는지 등등도 파악하고 있읍니다 ...   4 Pole - BLDC Motor 제어를 PWM 구동 방식으로  6 - STEP Sequence 로 제어하려면 세부적으로 어떻게 제어해야 하는지 등등도 파악에 성공했읍니다 ...    

제가 운영하는 딥네트워크가 그동안 검토분석한  CAN 통신 펌웨어 설계 기술로  CANopen 기술로  PDO (Process Data Object) 와 SDO (Service Data Object)를 사용하여 다양한 데이터를 전송합니다. PDO는 고속 데이터 전송을 위한 프로토콜으로, 일반적으로 하나의 CAN 프레임에 대한 하나의 데이터를 포함합니다. 반면에 SDO는 OD Entry에 대한 접근제어 방식으로, 추가적인 정보와 인자를 포함하여 더 구체적인 데이터를 전송할 수 있습니다.

CANopen 네트워크에서 PDO (Process Data Object)와 SDO (Service Data Object)는 데이터를 전송하는 두 가지 주요 메커니즘입니다. 각각의 프로토콜은 특정한 목적과 사용 사례에 맞게 설계되었습니다.

PDO (Process Data Object)

PDO는 실시간 데이터 전송에 최적화되어 있습니다. 이 프로토콜은 다음과 같은 특징을 가집니다:

• 고속 전송: PDO는 주로 실시간 제어 작업에 사용되며, 낮은 지연 시간과 빠른 데이터 전송이 필요한 경우에 적합합니다.
• 단일 프레임: 일반적으로 PDO는 하나의 CAN 프레임에 최대 8바이트의 데이터를 담아 전송합니다.
• 브로드캐스트 가능: PDO는 네트워크 상의 여러 노드에게 동시에 데이터를 전송할 수 있어, 여러 장치가 동일한 데이터를 거의 동시에 받을 수 있습니다.
• 사이클링 전송: PDO는 주기적으로 또는 특정 이벤트가 발생했을 때 자동으로 전송될 수 있습니다.

SDO (Service Data Object)

SDO는 더 복잡한 데이터 전송과 디바이스 구성에 사용됩니다. SDO의 특징은 다음과 같습니다

• 상세한 데이터 전송: SDO는 오브젝트 딕셔너리 내의 특정 항목에 대한 접근을 제공하며, 복잡한 데이터 구조나 대량의 데이터를 전송할 때 사용됩니다.
• 요청/응답 메커니즘: SDO 통신은 요청과 응답의 형태로 이루어집니다. 한 노드가 데이터를 요청하면, 다른 노드가 해당 데이터를 응답으로 보냅니다.
• 블록 전송: SDO는 블록 전송 모드를 지원하여, 한 번에 많은 양의 데이터를 전송할 수 있습니다.
• 비동기 통신: SDO는 주기적인 데이터 전송보다는 필요할 때마다 데이터를 전송하는 비동기 통신에 적합합니다.

예시

예를 들어, 모터 제어 시스템에서 토크 제어와 위치 제어를 위한 데이터를 전송해야 한다고 가정해 보겠습니다.

• 토크 제어: 실시간으로 모터의 토크를 조절해야 하므로, PDO를 사용하여 모터 드라이버에게 토크 값을 빠르게 전송할 수 있습니다.
• 위치 제어: 모터의 위치 설정 값이나 구성 파라미터와 같은 상세한 정보가 필요할 때는 SDO를 사용하여 필요한 데이터를 전송합니다.

이러한 방식으로, CANopen 네트워크는 다양한 제어 요구 사항과 데이터 전송 요구 사항을 효율적으로 처리할 수 있습니다.

CANopen에서의 NTM (Network Management) 동작원리와 설계 구조는 다음과 같습니다:

1. NTM의 역할: CANopen에서 NTM은 장치들이 상태를 조절하고 관리하는 데 사용됩니다. 각 장치는 NTM 상태에서 자동으로 실행될 수 있으며, CANopen 장치 초기화와 같은 과정을 통해 NTM 상태를 변경할 수 있습니다.
2. NTM 메시지 명령: NTM는 다음과 같은 메시지 명령을 사용하여 장치 상태를 관리합니다:
   • Start remote node: 려모 노드를 시작합니다.
   • Enter pre-operational: 장치가 전역적인 상태로 변경됩니다.
   • Stop remote node: 려모 노드를 중지합니다.
   • Reset node: 노드를 초기화합니다.
   • Reset communication: 커뮤니케이션을 초기화합니다.
3. SYNC 메시지: SYNC 메시지는 상위제어기에서 제공하여 연결된 노드에게 메시지를 전송합니다. 이는 시스템의 시간을 정확하게 관리하는 데 사용됩니다.
4. OD Entry와 SDO: NTM는 OD Entry에 대한 접근제어 방식으로, 추가적인 정보와 인자를 포함하여 더 구체적인 데이터를 전송할 수 있습니다. SDO는 CANopen에서 사용되는 서버와 클라이언트 관계로 통신하며, 요청하는 명령의 ID와 예를 들어 Read/Write 등의 고유 ID가 있습니다.
5. NTM의 구조: NTM의 구조는 다음과 같습니다:
   • NTM master 메시지 명령: Master 노드가 명령을 발행합니다.
   • NTM slave 메시지 명령: Slave 노드가 master 로부터 명령을 받아서 상태를 변화시킨다.

TI 사 BMS 칩셋인  EMB1428Q는 SPI 버스 인터페이스를 통해 충전/방전 명령을 수신하는 동작 구조와 에너지 이동을 위한 12개의 플로팅 MOSFET 게이트 드라이버를 제어하는 설계 원리에 대해 다음과 같이 설명할 수 있습니다:

1. SPI 버스 인터페이스를 통한 명령 수신:
   • EMB1428Q는 SPI(Serial Peripheral Interface) 버스를 사용하여 메인 컨트롤러(CPU/MCU)로부터 충전/방전 명령을 수신합니다.
   • 메인 컨트롤러는 SPI 버스를 통해 EMB1428Q에게 어떤 배터리 셀을 충전하거나 방전할지에 대한 명령을 전송합니다.
   • 또한, EMB1428Q는 SPI 버스를 통해 발생할 수 있는 장애나 오류를 메인 컨트롤러에 보고합니다.
2. 에너지 이동을 위한 플로팅 MOSFET 게이트 드라이버 제어:
   • EMB1428Q는 최대 7개의 직렬로 연결된 배터리 셀 간에 에너지를 이동시키기 위해 필요한 12개의 플로팅 MOSFET 게이트 드라이버를 제공합니다.
   • 이 드라이버들은 EMB1499 DC/DC 컨트롤러 IC와 함께 작동하여, 충전 및 방전 모드를 제어하고 활성화합니다.
   • 각 게이트 드라이버는 특정 배터리 셀에 연결된 MOSFET을 개별적으로 제어하여, 에너지를 필요한 셀로 이동시키거나, 과충전된 셀에서 에너지를 빼내어 다른 셀로 분배하는 역할을 합니다.

TI 사 EMB1428Q BMS 칩셋은 배터리 셀 간의 전압을 균등하게 유지하기 위해 액티브 셀 밸런싱을 수행하는 스위치 매트릭스 게이트 드라이버입니다. 이 칩셋의 주요 작동 원리는 다음과 같습니다:

1. 전압 모니터링: EMB1428Q는 연결된 배터리 셀들의 전압을 지속적으로 모니터링합니다. 이 데이터는 셀 간의 전압 차이를 파악하는 데 사용됩니다.
2. 에너지 전송 제어: 전압 차이가 감지되면, EMB1428Q는 스위치 매트릭스를 통해 높은 전압의 셀에서 낮은 전압의 셀로 에너지를 전송하도록 MOSFET 게이트를 제어합니다.
3. 스위치 매트릭스: 칩셋은 12개의 부유 MOSFET 게이트 드라이버를 제공하여 최대 7개의 직렬로 연결된 배터리 셀을 밸런싱할 수 있습니다. 이 드라이버들은 각 셀에 연결된 MOSFET을 제어하여 에너지 이동 경로를 설정합니다1.
4. 밸런싱 실행: EMB1428Q는 EMB1499 DC/DC 컨트롤러 IC와 함께 작동하여, 필요한 시점에 적절한 셀 간 연결을 활성화시키고 에너지를 효율적으로 전송합니다.

리튬 배터리 열폭주의 동작 원리

리튬 배터리에서 열폭주가 발생하는 주된 이유는 자가증폭 루프입니다. 열폭주가 시작되면 배터리의 온도가 급격히 상승하며, 이 과정에서 발생한 에틸렌과 같은 가스는 추가적인 열폭주를 유발할 수 있습니다. 이를 이해하기 위해 다음 단계를 살펴보겠습니다.

1. 열폭주의 초기 단계

1. 과충전 또는 단락: 리튬 배터리에 과충전, 단락, 또는 기타 전기적 스트레스가 가해지면 내부 온도가 상승합니다. 이러한 열은 내부의 전기화학적 반응을 유도합니다.
2. 전해질 분해: 배터리의 온도가 특정 임계점을 초과하면 전해질이 분해되기 시작합니다. 전해질 분해 과정에서 에틸렌, 메탄, 그리고 기타 가스가 방출됩니다.
3. 온도 상승: 전해질 분해와 전극의 반응은 추가적인 열을 발생시킵니다. 이 열은 배터리의 온도를 더욱 상승시킵니다.

2. 자가증폭 루프의 작동

1. 가스 생성: 전해질 분해는 에틸렌과 같은 가스를 생성합니다. 이 가스는 배터리 내부의 압력을 증가시키며, 압력 상승은 배터리 케이싱의 파손을 초래할 수 있습니다.
2. 산소 발생: 전해질의 분해와 전극 물질의 반응은 산소를 생성합니다. 이 산소는 가연성 가스와 혼합되어 화학적 연소 반응을 촉진합니다. 에틸렌과 같은 가스는 산소와 결합하여 열을 방출하며, 이로 인해 온도가 더욱 상승합니다.
3. 열의 자가 증폭: 생성된 열은 추가적인 전해질 분해와 전극 반응을 유도하여 열 발생을 가속화합니다. 이 과정이 계속 반복되면서 열폭주가 더욱 심각해집니다.
4. 최종 단계: 열폭주가 진행되면 배터리 내부 온도가 극단적으로 상승하여 화재나 폭발을 초래할 수 있습니다.

해결 방안 및 동작 원리

리튬 배터리의 열폭주를 예방하고 제어하기 위해서는 다음과 같은 해결 방안을 고려할 수 있습니다.

1. 전해질 개선

• 안정적인 전해질 사용: 열적 안정성이 높은 전해질을 사용하여 전해질 분해를 방지합니다. 이로 인해 가스 발생을 줄이고, 열폭주를 예방할 수 있습니다.
• 고온 안전 전해질: 고온에서도 안정적인 전해질을 사용하여 배터리의 안전성을 높입니다.

2. 열 관리 시스템

• 냉각 시스템: 배터리의 온도를 효과적으로 제어하기 위해 냉각 시스템을 설계합니다. 팬, 히트 싱크, 액체 냉각 시스템 등을 활용하여 배터리의 열을 방출합니다.
• 열 전도성 재료: 열을 효과적으로 분산시키기 위해 열 전도성 재료를 사용하여 배터리의 온도를 관리합니다.

3. 배터리 보호 회로

• 과충전 보호 회로: 배터리가 과충전되지 않도록 보호하는 회로를 설계합니다. 과충전이 감지되면 전원을 차단하여 열폭주를 방지합니다.
• 단락 보호 회로: 단락 상황에서 배터리를 보호하기 위한 회로를 설계하여 내부 단락을 방지합니다.

4. 기계적 설계 개선

• 강화된 케이싱: 배터리의 외부 케이싱을 강화하여 압력 상승에 따른 파손을 방지합니다. 고온에도 견딜 수 있는 재료를 사용합니다.
• 가스 배출 시스템: 내부 압력이 과도하게 상승할 경우, 가스를 안전하게 배출할 수 있는 시스템을 설계합니다.

5. 모니터링 및 제어 시스템

• 온도 센서: 배터리의 온도를 지속적으로 모니터링하여 과도한 온도 상승을 조기에 감지합니다.
• 자동 차단: 이상 상태가 감지되면 자동으로 배터리 전원을 차단하거나 냉각 시스템을 활성화하여 배터리의 안전성을 유지합니다.

리튬 배터리의 열폭주를 방지하고 해결하기 위한 핵심적인 해결 방안을 다음과 같이 제시할 수 있습니다. 각 해결 방안은 배터리 내부의 온도 상승, 전해질 분해, 그리고 열폭주 현상을 효과적으로 제어하는 데 초점을 맞추고 있습니다.

1. 안정적인 전해질 개발

문제: 전해질이 열에 의해 분해되면서 에틸렌, 메탄 등의 가스가 방출되고, 이는 열폭주를 유발합니다.

해결 방안:

• 고온 안정성 전해질: 고온에서도 안정적인 전해질을 사용하여 전해질 분해를 지연시키거나 방지합니다. 예를 들어, 고온 내성 전해질 또는 세라믹 기반 전해질을 사용하여 높은 온도에서도 화학적 안정성을 유지하도록 설계합니다.
• 세라믹 전해질: 세라믹 전해질은 높은 온도에서도 안정적인 성질을 가지고 있으며, 열폭주를 방지하는 데 효과적입니다. 리튬 이온 세라믹 전해질(LiPON 등)은 높은 온도 안정성을 제공하며, 전해질의 열 분해를 최소화합니다.
• 첨가제 사용: 전해질에 특수 첨가제를 추가하여 열적 안정성을 높이고, 분해 시 발생하는 가스를 억제합니다.

구현 예:

2. 효과적인 열 관리 시스템

문제: 배터리의 온도가 상승하면 전해질 분해가 촉진되고, 가스 발생이 가속화됩니다.

해결 방안:

• 액체 냉각 시스템: 액체 냉각 시스템을 사용하여 배터리의 온도를 효과적으로 제어합니다. 냉각 액체가 배터리의 열을 흡수하고, 이를 외부로 방출하여 온도를 낮춥니다.
• 열 전도성 재료: 배터리의 열을 효율적으로 분산시키기 위해 열 전도성이 높은 재료를 사용합니다. 예를 들어, 열 전도성 패드를 배터리와 냉각 핀 사이에 삽입하여 열을 효과적으로 전달합니다.
• 온도 센서 및 제어 시스템: 배터리 내부에 온도 센서를 배치하여 실시간으로 온도를 모니터링하고, 과열 시 자동으로 냉각 시스템을 활성화합니다.

구현 예:

3. 배터리 보호 회로와 안전 장치

문제: 배터리의 열폭주를 예방하기 위해서는 배터리 내부의 이상 상태를 조기에 감지하고 대응하는 것이 필요합니다.

해결 방안:

• 과충전 및 과방전 보호: 배터리의 충전 상태를 모니터링하고, 과충전이나 과방전 상황이 발생할 경우 자동으로 충전 전원을 차단하거나 전류를 조절합니다.
• 단락 및 과열 보호 회로: 배터리의 전류를 모니터링하여 단락 상태를 감지하고, 과열 감지 시 배터리를 자동으로 차단합니다.
• 가스 배출 시스템: 배터리 내부에 가스 배출 시스템을 설계하여 내부 압력이 과도하게 상승할 경우 가스를 안전하게 배출합니다. 이를 통해 배터리의 폭발 위험을 줄입니다.

구현 예:

이러한 해결 방안을 통해 리튬 배터리의 열폭주를 효과적으로 방지하고, 배터리의 안전성을 크게 향상시킬 수 있습니다. 각 해결 방안은 배터리의 안정성을 높이는 데 중요한 역할을 하며, 이를 통해 안전하고 신뢰성 높은 배터리 시스템을 구축할 수 있습니다.

저의 전기차 바테리 BMS 개발 보드의 펌웨어 설계 커스토마이징 노하우 소개

이러한 과정을 통해 EMB1428Q는 배터리 팩의 전체 성능을 최적화하고, 각 셀의 수명을 균일하게 유지하며, 전체 시스템의 안정성과 효율성을 높이는 데 기여합니다.  저희 딥네트워크가 바테리 BMS 설계도 깊이있게 검토 분석을 하다 보니 깨닭은게 BMS 설계에 최적화된 바테리 HW 스택을 설계하는것을 빈틈없이 HW 설계를 하면 아무래도 BMS 펌웨어의 성능은  BMS HW 설계 범주내에서 펌웨어 성능이 나올수 있는것 같읍니다 ...  TI 의 EMB1428Q 칩셋이  SPI 버스 인터페이스를 통해 충전/방전 명령을 수신하는 동작 구조와 에너지 이동을 위한 12개의 플로팅 MOSFET 게이트 드라이버를 제어하는 펌웨어 설계 원리를 파악에 성공했읍니다   저는 이를 위해 MOSFET 스위칭 제어를 위한  설계 방법 파악을 통해 에너지 이동을 위한 플로팅 MOSFET 게이트 드라이버 제어를 TI 사 EMB1428Q 칩셋을 적용해 펌웨어로  BMS 펌웨어 구현 노하우도 확보 성공했읍니다  ...    제가 파악한바로는 BMS HW 설계의 핵심은  셀 충방전 회로 설계시 스위치 캐패시티드 네트워크로 설게하는데 이때  MOSFET 스위칭 소자의 게이트 구동회로 설계시 MOSFET 회로가 플로팅됬을때  게이트 구동회로에 인가전압을 어떻게 인가하도록 설계하는냐가 핵심인데 이것도 파악에 성공했읍니다 ...

저희 회사는 전기차 바테리 충전 제어 전문 일인기업으로서,  TI  사  EMB1428Q 칩셋을  활용하여 삼성 21700 50E / 7S 20P 바테리 셀의 충전 성능을 극대화할 수 있는 펌웨어와 기법을 분석하였습니다. 저희 회사의 제품과 서비스에 관심이 있으시다면, 저희 기업 블로그 사이트를 방문하시거나 연락주시기 바랍니다. 감사합니다.

딥네트워크      장석원      010 3350 6509     sayhi7@daum.net

제가 운영하는 딥네트워크가 그동안 3 년 넘게 BLDC Motor 로 로봇 축 관절제어 펌웨어 설계관련해서 세부 자료 검토를 했었읍니다 ...   3 년 넘는 기간동안 하루에 두세시간씩 구글링(국내외 논문분석)을 했었구요 ...   그만큼 저도 BLDC Motor 로 로봇 축 관절제어 펌웨어 설계관련해서 구글링으로 세부 자료 확보하는게 모래사장에서 다이아몬드 찾기만큼 힘들구나를 절감했읍니다 ...  저는 3 년을 노력해서  BLDC Motor 의  토크 정밀제어를 PI 제어 기법으로 구현하려면 펌웨어 설계는 어떤 설계 구조로 설계해야 하는지 이거 파악이 진짜 눈물겨웠읍니다 ...    글로벌 반도체 대기업의 모터제어 기술자료와 모터제어 관련 수천편의 국내외 논문을 세부 검토했구요 ....  이런 시행착오를 한 3 년 하니 이제서야 모터제어 관련 똥 오줌 가리는게 확실히 가능해졌구요 ...  그동안 3 년여동안 구글링(국내외 논문분석)으로 검색어 넣은것만 한 1000 번이상 구글링을 수행해서 국내외 논문을 거의 2000 편 정도 세부 검토해 분석을 진행했구요 ...  세상에 돈이 되는 노하우 공짜로 얻는것이 불가능 하더라구요 ...     저도 구글링 2000 번 넘는 시행착오(국내외 논문분석)를 거쳐 3 년여만에 제가 원하는 돈이 되는 세부 정보를 얻는데 성공했읍니다 ....      제가 확보한  BLDC 모터 정밀제어 노하우는  위치제어 / 속도제어 / 토크제어를 Closed Loop  PI  제어를 하는데 필요한 제어 알고리즘 수식을 확보해서 이해하는데 성공했읍니다 ...     BLDC Motor 로 위치제어 / 속도제어 / 토크제어를 Closed Loop  PI  제어를 하려면 BLDC Motor 는 어떤 규격의 것을 선택해야 하는지와 이는 또 어느 업체에서 이를 취급하는지 등등도 파악하고 있읍니다 ...   4 Pole - BLDC Motor 제어를 PWM 구동 방식으로  6 - STEP Sequence 로 제어하려면 세부적으로 어떻게 제어해야 하는지 등등도 파악에 성공했읍니다 ...      대용량 모터건 감속기가 장착된 모터건 간에 PI 제어 루프를 최적화시키는 노하우가 핵심인데 이 핵심을 최근 파악 성공해서  모터제어 일감 개발제안서 송부가 가능하다는것 입니다

제가 확보한 BLDC Motor 로 로봇 축 관절제어 펌웨어 설계 노하우는 간략히 다음과 같읍니다 ....

BLDC Motor 의  토크(전류) 정밀제어를 PI 제어 기법으로 구현하려면 펌웨어 설계는 어떤 설계 구조로 설계하는지 세부 알고리즘 설계 노하우를 확보 성공했읍니다  ...

로봇 축 관절제어를 위한 BLDC 모터 컨트롤러 펌웨어 설계 기술자문 / 개발용역 의뢰를 아래의 이메일로 문의주시면 검토답신 드리겠읍니다 ....   

딥네트워크  장석원  HP :  010-3350 6509   이메일 :   sayhi7@daum.net 

Janus Gateway 미디어 서버 오픈소스를 제가 거의 일년간 소스 분석을 통해 획득한 정보를  관련해서 관련 기업들에게 기술자문 서비스를 제가 하고 싶어서  몇가지를 노하우를  공개합니다 ...   WebRTC 엔진은 웹 브라우저와 웹 서버 간에 실시간으로 음성, 비디오, 데이터를 교환할 수 있게 해주는 기술입니다. 트랜스포트 레이어는 웹 서버와 클라이언트 간에 데이터를 전송하는 방식을 정의하는 부분입니다. Janus Core 의  RabbitMQ 는 Janus의 트랜스포트 레이어 중 하나로, RabbitMQ 메시징 시스템을 이용하여 Janus와 클라이언트 간에 데이터를 교환하는 방법을 제공합니다.       Janus Gateway는 WebRTC 미디어 서버로, Janus Core와 여러 플러그인으로 구성되어 있습니다. Janus Core는 WebRTC 엔진과 트랜스포트 레이어를 담당하고, 플러그인은 각종 미디어 로직을 구현합니다. Janus Core와 플러그인은 서로간에 JSON 메시지를 주고받아 통신합니다        Janus Core는 플러그인에게 WebRTC 연결을 설정하기 위한 메시지를 보냅니다. 이 메시지에는 Janus Core가 생성한 SDP (Session Description Protocol) offer가 포함됩니다. SDP offer는 Janus Core가 제공할 수 있는 미디어 형식과 파라미터를 표현합니다 .
플러그인은 Janus Core로부터 받은 SDP offer를 분석하고, 자신이 수용할 수 있는 미디어 형식과 파라미터를 선택합니다. 그리고 Janus Core에게 SDP answer를 보냅니다. SDP answer는 플러그인이 선택한 미디어 형식과 파라미터를 표현합니다 .
Janus Core와 플러그인은 서로의 SDP offer와 answer를 교환하고, 이를 바탕으로 WebRTC 연결을 설정합니다. 이 과정에서 Janus Core와 플러그인은 ICE (Interactive Connectivity Establishment)를 사용하여 네트워크 연결성을 확인하고, 최적의 경로를 선택합니다. ICE는 STUN (Session Traversal Utilities for NAT)과 TURN (Traversal Using Relays around NAT) 서버를 사용하여 NAT (Network Address Translation)와 방화벽을 통과할 수 있는 후보 IP 주소와 포트 번호를 찾습니다 .      Janus Core는 플러그인과의 메시지 교환을 통해 WebRTC 연결을 설정합니다. 이 과정에서 Janus Core 는 SDP (Session Description Protocol)와 ICE (Interactive Connectivity Establishment)를 사용하여 피어 간의 미디어 협상과 네트워크 연결성을 확보합니다       Janus Gateway는 WebRTC를 사용할 수 있게 구현한 오픈소스 미디어 서버입니다. Janus Gateway는 다양한 플러그인을 제공하며, 각 플러그인은 Janus Core와 통신하기 위해 공통된 인터페이스를 사용합니다. 플러그인의 기법은 다음과 같습니다      플러그인은 Janus Core에 의해 동적으로 로드되고, Janus Core는 플러그인의 초기화, 설정, 종료 등을 관리합니다.   플러그인은 Janus Core로부터 세션, 핸들, 메시지 등의 이벤트를 받고, 이에 대해 적절한 응답을 보냅니다.      플러그은 Janus Core와의 메시지 교환을 통해 WebRTC 연결을 설정하고, 미디어 스트림을 전송하거나 수신합니다.      플러그인은 자신의 기능에 따라 미디어 스트림을 처리하거나 변환하고, 다른 플러그인이나 외부 서비스와 연동할 수 있습니다.           

Janus Gateway 미디어 서버 오픈소스 관련해서 여기에 공개한 내용보다 조금 더 심층적으로 파악되 있어서 관련 기업에서 기술이슈 문의주시면 세부 협의가 가능할것 같읍니다     

딥 네트워크  장석원  HP :  010-3350 6509      이메일 :   sayhi7@daum.net

제가 나이 60 인데  한 2 년전부터 딥러닝 해외논문을 한 일년반 세부분석작업을 했었읍니다 ...    요즘 OpenAI 같은 미국 회사가  초거대 언어모델 상용화로 전세계가 큰 변혁을 맞이하고 있는데요 ...   저도 2 - 3 년전부터 GPT 모델 발표됬을때 부터 이것의 딥러닝 모델은 어떤 구조로 설계됬는지 학습은 어떻게 구현되길래 초거대 모델로 전세계가 변혁을 맞이할 정도인지  이런것들 딥러닝 초거대 모델 설계 구조 파악을 위해 꾀 열심히 자료분석을 했읍니다 ...   저도 분석작업을 해서 딥러닝 초거대 모델 설계 구조 분석은 그래도 어느정도 됬지만 초거대 모델이 경량화된다고는 하는데 그래도 소기업이 감당 가능한 학습데이터량이 아니라서 이런것들은 마이크로소프트 같은 초거대 기업이 거대자본을 투입해서 상용화 버젼을 출시하고 있고  저같은 소기업은 설계구조 분석 정도가 한계가 아닌가 그 설계구조 분석 이라는것도 상용화 하기위해 자본을 투입해 커스토마이징 작업을 처리해서 획득한 이런 구현 노하우는 저같은 소기업은 파악이 불가능 하다고 판단 했읍니다 ...   마이크로소프트가 초거대모델 상용 성능을 내려고 수조원의 딥러닝 서버 클러스터를 구축해서 초거대모델의 성능을 구현하니 저같은 소기업은 할수있는 작업이 당연 설계구조 분석 정도로 한정되는게 당연하다고 저는 판단합니다 ...   그래서 제가 딥러닝 논문 분석분야가 한 두가지가 더 있는데 그 한가지가 엔비디아 NeRF 논문 과 StyleGAN 논문으로 뭔가를 해보면 이건 가능하지 않을까 싶었읍니다 ...  현재 NeRF 논문은 세부 모델의 설계구조가 분석이 되 있구요 ...  상세설계까지 가능한 수준은 아닙니다 ...  단지 기본 설계 정도가 가능한 수준 입니다 ...  StyleGAN 논문도 NeRF 논문과 마찬가지이고 기본 설계까지 파악이 되 있읍니다 ...  NeRF 논문이나 StyleGAN 논문도 이것을 상용 성능으로 개발하려면 딥러닝 서버 구축 비용이 소기업이 감당하기 쉽지 않았구요 ...  사설 딥러닝 서버 구축도 A100 GPU 가 고가라서 이것 4 개만 장착해도 비용이 장난이 아니더군요 ...     저도 딥러닝쪽도 남 부끄럽지않게 준비는 되 있는데 기업대표분들은 저에게 당신은 상세설계 능력이 부족해서 우리는 100 점짜리 능력자를 원하기에 당신이 이에 못미친다면 우리와는 함께 못한다라고 하시더군요 ...      제 글을 보시고 혹시 딥러닝쪽으로 컨설팅 자문 의뢰가 가능하시면 연락 부탁드립니다 ....     

딥 네트워크  장석원  HP : 010-3350 6509  이메일 :  sayhi7@daum.net 

보스톤 다이나믹스 MIT 출신들이 모여 만든 로봇 회사 같은 로봇은 로봇 관절이 자기가 어느위치에 어떻게 있는지를 알야야 정확한 제어가 가능할겁니다 .... 이것의 구현을 위해서는  Invensense ICM20948 칩셋 같은 9 축센서 칩셋으로  IMU (관성 측정 장치)로 각속도계, 가속도계, 지자기계를 포함합니다. 이 센서들의 데이터를 이용하여 yaw, pitch, roll 각을 측정해서 로봇 관절이 자기가 어느위치에 어떻게 있는지를 알야야 정확한 자세 측정이 가능 합니다 ...    로봇 축 모터 정밀제어 관련해서 어떻게 부하가 걸린 상태로 모터를 구동해서 정확한 위치가 되면 부하가 걸린 모터 축을 어떻게 제어해야 정지상태를 유지하면서 모터 축이 모터 부하를 견딜수 있는지 이런것들의 펌웨어는 어떤 설계 원리로 구현 가능한지 그 세부 동작원리를 파낙하는데 성공했구요 ....  로봇 관절제어를 위해서는 제어 모터에 감속기 등등의  부가장치를 장착해서 어떤 설계 구조로 모터가 정밀제어가 가능한지  모터의 부가장치의 선택 방법과 그 세부 설계 동작원리 등등을 파악했읍니다 ...   로봇 관절제어를 위해서는 제어 모터에 감속기 등등을 설계 제조하는 일본기업을 알아봐서 로봇 관절제어에 적합하게  제어 모터에 감속기 등등의  부가장치를 장착한것들은 어느 정도 가격대인가도 알아봤읍니다 ...    저의 경우 로봇 축 관절제어를 위한 BLDC Motor 의 토크/위치/속도 제어를 위한 모터 제어 펌웨어가 어떤 설계 구조로 구현하는지를 파악하는데 성공했읍니다 ...   로봇 축 관절제어를 위한 모터제어 프로토타입 펌웨어 구현 정도의 노하우를 확보했구요 ...    저도 구글링 2000 번 넘는 시행착오(국내외 논문분석)를 거쳐 3 년여만에 제가 원하는 돈이 되는 세부 정보를 얻는데 성공했읍니다 ....      제가 확보한  BLDC 모터 정밀제어 노하우는  위치제어 / 속도제어 / 토크제어를 Closed Loop  PI  제어를 하는데 필요한 제어 알고리즘 수식을 확보해서 이해하는데 성공했읍니다 ...     BLDC Motor 로 위치제어 / 속도제어 / 토크제어를 Closed Loop  PI  제어를 하려면 BLDC Motor 는 어떤 규격의 것을 선택해야 하는지와 이는 또 어느 업체에서 이를 취급하는지 등등도 파악하고 있읍니다 ...   4 Pole - BLDC Motor 제어를 PWM 구동 방식으로  6 - STEP Sequence 로 제어하려면 세부적으로 어떻게 제어해야 하는지 등등도 파악에 성공했읍니다 ...    모터제어도 정밀제어가 가능한 사람이 드문데 제가 한 3 년 국내외 사이트의 기술자료 분석을 통해 모터 정밀제어 기술력을 확보하는데 성공했읍니다  문제는 제 기술력을 다른 관련 기업에 마땅히 홍보할 방법이 없어서 제 기술력을 저만 알고 있다는게 문제 입니다  저는  로봇 축 관절제어 설계 기술을 확보하고 있구요  보스톤 다이나믹스를 현대차가 10억불에 인수한 기술의 기본이 로봇 축 관절제어 기술이거든요  4족 보행로봇 상용설계 기술은 많이 부족하지만 로봇 축 관절제어 설계 노하우는 확보했으니 저도   이것으로 기회가 오면 큰 건을 잡으리라 판단하거든요   제가 운영하는 딥 네트워크의 로봇 관절제어 기술력 소개 글 입니다 .....

딥 네트워크 장석원    HP :  010-3350 6509    이메일 :  sayhi7@daum.net 

요즘 IT 업계가 되었건 아니면 다른 업계 건 똑같이 ...  직원으로 일을 하던 사업을 하던 똑같이  당신은 100 점 능력입니까 ? 라고 일꺼리 일자리 협의때 반드시 물어 보는게 요즘 세상 살이 입니다 ...  요즘엔 대기업 이든 중소기업 이든 사람을 검토할때 당신은 100 점 능력이 있읍니까 ?  를 반드시 물어 봅니다 ...  제 나이 내년이면 60 입니다 ...  저보러 지금 현재 100 점 능력 처리 가능 분야가 있느냐 라고 하시면 아직 거기가지는 못된다라고 말씀드립니다 ...   이제 나이 60 에 판단해 보면 어느 분야 제품을 세부설계 방법을 파악하는것은 큰 돈 안들이고도 파악이 가능 합니다 ...   그런데 이렇게  어느 분야 제품을 세부설계 방법을 파악했다고 사람들은 100 점 이라고 이야기하지는 않읍니다 ...  이  세부설계 방법을 적용해서 몇천만원 이상의 돈을 투입해서 실무 개발작업을 거쳐 결과물이 나왔을때에 사람들은 당신은 100 점 이다 라고 이야기 합니다 ...  그러하기에 저같이 일반적인 사회생활을 한 사람은 100 점 능력을 위해  몇천만원 이상의 돈을 투입해서 실무 개발작업을 거쳐 결과물을 얻는것을 진행하는것을 실행에 옮기는게 사실상 어렵거든요 ...  그리고 직장생활하면서도 물론 100 점 능력을 가지는것은 가능한데  이렇게 100 점 능력을 가질수 있게 그런쪽으로 일을 맡겨주시는 기업으로 조인하는것도 쉬운 일이 아닐분더러 설사 그런 직장을 들어겄다해도 신입이 몇년 실무 경험했다고 단번에 100 점 능력되는것은 어렵구요 ...  그러니 직장 경험으로 100 점 능력을 갖추는것도 하늘에 별따기 만큼 그런 기회가 쉽사리 오지 않읍니다 ...     저의 경우도 최근 한 1 - 2 년간 로봇 축 모터 제어 관련해서 어떻게 부하가 걸린 상태로 모터를 구동해서 정확한 위치가 되면 부하가 걸린 모터 축을 어떻게 제어해야 정지상태를 유지하면서 모터 축이 모터 부하를 견딜수 있는지 ...  이런것들의 설계 원리 파악에 성공했읍니다 ...   설계 원리가 파악됬으니 물론 구현도 가능한데 구현 하려면 자금이 투입되야 하구요 ...    설계 원리가 파악됬으니 물론 구현시 커스토마이징 개발을 해야 하는데 설계 원리를 이해 못하는 사업자 보다는 저는 어떻게 모터를 제어해야 하는지를 파악했기에 자부심은 있는데 100 점 능력은 자부심만으로 되는것은 아니고  커스토마이징 개발을 위해 자금 투입을 위한 자금 확보가 되야 이 모든게 가능하거든요 ...       보스톤 다이나믹스 MIT 출신들이 모여 만든 로봇 회사 같은 로봇은 로봇 관절이 자기가 어느위치에 어떻게 있는지를 알야야 정확한 제어가 가능할겁니다 .... 이것의 구현을 위해는  Invensense ICM20948 칩셋 같은 9 축센서 칩셋으로  IMU (관성 측정 장치)로 각속도계, 가속도계, 지자기계를 포함합니다. 이 센서들의 데이터를 이용하여 yaw, pitch, roll 각을 측정해서 로봇 관절이 자기가 어느위치에 어떻게 있는지를 알야야 정확한 자세 측정이 가능 합니다 ...    로봇 축 모터 정밀제어 관련해서 어떻게 부하가 걸린 상태로 모터를 구동해서 정확한 위치가 되면 부하가 걸린 모터 축을 어떻게 제어해야 정지상태를 유지하면서 모터 축이 모터 부하를 견딜수 있는지 이런것들의 펌웨어는 어떤 설계 원리로 구현 가능한지 그 세부 동작원리를 파낙하는데 성공했구요 ....  로봇 관절제어를 위해서는 제어 모터에 감속기 등등의  부가장치를 장착해서 어떤 설계 구조로 모터가 정밀제어가 가능한지  모터의 부가장치의 선택 방법과 그 세부 설계 동작원리 등등을 파악했읍니다 ...   로봇 관절제어를 위해서는 제어 모터에 감속기 등등을 설계 제조하는 일본기업을 알아봐서 로봇 관절제어에 적합하게  제어 모터에 감속기 등등의  부가장치를 장착한것들은 어느 정도 가격대인가도 알아봤읍니다 ...    저의 경우 로봇 축 관절제어를 위한 BLDC Motor 의 토크/위치/속도 제어를 위한 모터 제어 펌웨어가 어떤 설계 구조로 구현하는지를 파악하는데 성공했읍니다 ...    BLDC Motor 로 로봇 축 관절제어를 위해 모터의 토크 / 속도 / 위치 제어를 정밀하게 하려면 제어 알고리즘을 구현하는게 제일 중요한데 ...  저는 이 제어 알고리즘의 세부 알고리즘 수식을 그동안 3 년 정도 구글링으로 세부정보를 확보하는데 성공했기에 이렇게 로봇 축 관절제어 펌웨어 설계 관련 세부 기술 컨설팅이 가능하다는 글도 올릴수 있는것 입니다 ...     모터제어도 정밀제어가 가능한 사람이 드문데 제가 한 3 년 국내외 사이트의 기술자료 분석을 통해 모터 정밀제어 기술력을 확보하는데 성공했읍니다  문제는 제 기술력을 다른 관련 기업에 마땅히 홍보할 방법이 없어서 제 기술력을 저만 알고 있다는게 문제 입니다  저는  로봇 축 관절제어 설계 기술을 확보하고 있구요  보스톤 다이나믹스를 현대차가 10억불에 인수한 기술의 기본이 로봇 축 관절제어 기술이거든요  4족 보행로봇 상용설계 기술은 많이 부족하지만 로봇 축 관절제어 설계 노하우는 확보했으니 저도   이것으로 기회가 오면 큰 건을 잡으리라 판단하거든요 

제가 나이 60 에 100 점 능력을 가지려면 어떻게 해나 또 나는 어디까지 준비가 되 있나 ? 를 생각해 본 글 입니다 ...  관련된 기업에서 이 글보시고 관련 업무쪽 연락 해주시면 감사하겠읍니다 ... 

딥 네트워크 장석원    HP : 010-3350 6509     이메일 :  sayhi7@daum.net 

NXP 카메라 레퍼런스 보드 혹은 다른 글로벌 대기업의  레퍼런스 보드를 적용해서 이미지센서와 Camera ISP 를 동작시키는 카메라 보드를 임베디드리눅스 SW 를 적용해서 프로토타입 개발을 최적의 개발기간과 비용으로 개발 가능 합니다 ...        NXP i.MX8 CPU 로 MIPI 이미지센서 2 개의 카메라 영상을 처리하는것의 노하우가 있읍니다 ...    MIPI 이미지센서 2 개의 카메라 영상을 처리하는것의 노하우가 있읍니다 ...   이미지센서와 내장형 Camera ISP 를 어떻게 내부 파라미터를 설정하고 구동해서 이미지센서의 영상을 획득할수 있는지의 노하우도 있고,  이미지센서를 리눅스커널 디바이스 드라이버로 구동하면  V4L2 로 어떻게 카메라 영상을 획득할수 있는지에 대한 노하우도 있읍니다 ...

대만 노바텍 NT98530 의 리눅스 BSP 가 어떤 설계 구조로  이미지센서와 내장형 Camera ISP 를 어떻게 내부 파라미터를 설정하고 구동해서 이미지센서의 영상을 획득할수 있는지의 노하우도 있고,  이것을 HDAL API 를 어떤식으로 적용해서 구현하는지도 파악하고 있읍니다 ...    대만 노바텍 NT98530 의 리눅스 BSP 로 이미지센서에서 획득한 영상위에 OSD 영상을 어떤 방식으로 구현하는지도  그 구현 노하우도 갖고 있읍니다 ...   응용 프로그램은 HDAL API 를 호출하여 NT98530과 상호 작용합니다. 예를 들어, HDAL API 를 통해 카메라 센서의 해상도나 프레임 레이트를 설정하거나, 영상 데이터를 읽거나 저장하거나, 영상 처리 알고리즘을 적용하거나, 영상 출력 장치와 연동할 수 있는 노하우가 있읍니다.   대만 노바텍의 NT98530 을 적용시 HDAL API 로 다음의 영상 처리 알고리즘 구현이 가능 합니다 ...   그레이스케일 알고리즘: 컬러 영상을 흑백 영상으로 변환하는 알고리즘입니다. 영상의 명암 정보만을 사용하여 영상의 크기를 줄이거나, 영상 분석에 용이하게 만듭니다.   엣지 검출 알고리즘: 영상에서 경계선이나 윤곽을 찾아내는 알고리즘입니다. 영상의 특징을 추출하거나, 영상의 형태를 인식하는데 도움이 됩니다.     모션 디텍션 알고리즘: 영상에서 움직이는 물체나 사람을 감지하는 알고리즘입니다. 영상에서 움직임의 유무나 방향, 속도 등을 파악하거나, 움직이는 물체나 사람을 추적하는데 사용됩니다.      노바텍 NT98530 Linux BSP는 노바텍의 HDAL  API 를 사용하여 카메라 모듈과 통신하는 드라이버 이고 또한  V4L2 API 는 리눅스 커널에서 비디오 장치를 제어 합니다.  저희 딥네트워크는 노바텍의 HDAL API 리눅스커널 카메라 부분 관련 드라이버 세부 설계가 어떤 구조로 커널 소스가 설계되서 동작하는지 그 세부 노하우 파악에 성공했읍니다. 

BLDC Motor 토크제어/위치제어/속도제어를 여러 글로벌 대기업의 모터제어 레퍼런스 보드를 적용해서 모터제어 펌웨어 프로토타입 개발을 최적의 개발기간과 비용으로 개발 가능 합니다 ...    BLDC Motor 로 로봇 축 관절제어를 위해 모터의 토크 / 속도 / 위치 제어를 정밀하게 하려면 제어 알고리즘을 구현하는게 제일 중요한데 ...  저는 이 제어 알고리즘의 세부 알고리즘 수식을 그동안 3 년 정도 구글링으로 세부정보를 확보하는데 성공했기에 이렇게 로봇 축 관절제어 펌웨어 설계 관련 세부 기술 컨설팅이 가능하다는 글도 올릴수 있는것 입니다 ...        저도 구글링 2000 번 넘는 시행착오(국내외 논문분석)를 거쳐 3 년여만에 제가 원하는 돈이 되는 세부 정보를 얻는데 성공했읍니다 ....      제가 확보한  BLDC 모터 정밀제어 노하우는  위치제어 / 속도제어 / 토크제어를 Closed Loop  PI  제어를 하는데 필요한 제어 알고리즘 수식을 확보해서 이해하는데 성공했읍니다 ...     BLDC Motor 로 위치제어 / 속도제어 / 토크제어를 Closed Loop  PI  제어를 하려면 BLDC Motor 는 어떤 규격의 것을 선택해야 하는지와 이는 또 어느 업체에서 이를 취급하는지 등등도 파악하고 있읍니다 ...   4 Pole - BLDC Motor 제어를 PWM 구동 방식으로  6 - STEP Sequence 로 제어하려면 세부적으로 어떻게 제어해야 하는지 등등도 파악에 성공했읍니다 ...    대용량 모터건 감속기가 장착된 모터건 간에 PI 제어 루프를 최적화시키는 노하우가 핵심인데 이 핵심을 최근 파악 성공해서 모터정밀제어 일감 개발제안서 송부가 가능하다는것 입니다

로봇 관절제어를 위해서는 제어 모터에 감속기 등등을 설계 제조하는 일본기업을 알아봐서 로봇 관절제어에 적합하게  제어 모터에 감속기 등등의  부가장치를 장착한것들은 어느 정도 가격대인가도 알아봤읍니다 ...    저의 경우 로봇 축 관절제어를 위한 BLDC Motor 의 토크/위치/속도 제어를 위한 모터 제어 펌웨어가 어떤 설계 구조로 구현하는지를 파악하는데 성공했읍니다 ...   로봇 축 관절제어를 위한 모터제어 프로토타입 펌웨어 구현 정도의 노하우를 확보했구요 ...  양산을 위한 상세 설계구현은 추가로 자금을 투입해서 개발을 해야 할것 같읍니다 ...

개인사업자 딥 네트워크 개발총괄 장석원 

HP : 010-3350 6509

이메일 :  sayhi7@daum.net 

일인기업 딥 네트워크 장석원

기업블로그 : https://videocodec.tistory.com/     제 기업블로그 사이트도 자세히 살펴봐 주시구요 ....

이메일 : sayhi7@daum.net

HP : 010-3350 6509

OnVIF 오픈소스인 gSOAP 라이브러리를 적용해서 로컬에서 원격지의 IP Camera 의 메소드 함수를 원격으로 실행하는것의 노하우 확보에 성공했읍니다 ...    제가 운영하는 딥 네트워크는 OnVIF 오픈소스인 gSOAP 라이브러리를 적용해서 로컬에서 원격지의 IP Camera 의 메소드 함수를 원격으로 실행하는것의  개발 및 자문이 가능 합니다 ...   IP Camera SDK 설계시 핵심구현 원리인 ONVIF 구현을 gSOAP 라이브러리를 사용해 WSDL 파일로 웹 서비스 세부 구현이 가능하고  이 기술력을 바탕으로  개발 및 자문이 가능 합니다 ... 

중국 하이실리콘 IP Camera SDK 가 힘을 못 쓰고 있구요  그래서  대만 IP Camera SDK 소스 분석 및 파악에 큰 문제가 없을 정도로 gSOAP ONVIF 오픈소스 라이브러리로 IP CAMERA SDK 설계원리 파악에 성공했읍니다 ...  

TI 사 IP Camera SDK 설계시 핵심구현 원리인 ONVIF 구현을 gSOAP 라이브러리를 사용해 WSDL 파일로 웹 서비스 세부 구현 노하우에 대해 말씀드리겠읍니다 ..
ONVIF (Open Network Video Interface Forum)는 IP 기반 물리 보안 제품들의 인터페이스에 대한 글로벌 표준을 개발하기 위한 열린 산업 포럼입니다. ONVIF는 각각 회사마다 다른 네트워크 카메라의 프로토콜을 표준화 함으로써 호환성 문제를 해결합니다.
gSOAP 라이브러리는 C/C++ 언어로 웹 서비스 개발을 지원하는 오픈 소스 소프트웨어입니다. gSOAP 라이브러리는 WSDL (Web Services Description Language) 파일을 입력으로 받아 웹 서비스를 구현하는데 필요한 스텁 코드와 스켈레톤 코드를 생성합니다.
WSDL 파일은 웹 서비스의 인터페이스와 동작을 정의하는 XML 기반의 언어입니다. WSDL 파일은 웹 서비스가 제공하는 메시지, 작업, 바인딩, 포트 타입, 서비스 등의 정보를 포함합니다.
TI 사 IP Camera SDK는 DM814x 기반 IP 네트워크 카메라를 위한 소프트웨어 개발 키트입니다. TI 사 IP Camera SDK는 ONVIF 동작 지원 소프트웨어를 포함하고 있습니다.
ONVIF 구현을 위해 gSOAP 라이브러리를 사용하는 방법은 다음과 같습니다.
  - ONVIF 사이트에서 ONVIF 표준에 따른 WSDL 파일을 다운로드합니다.
  - gSOAP 라이브러리의 wsdl2h 도구를 사용하여 WSDL 파일로부터 헤더 파일을 생성합니다.
  - gSOAP 라이브러리의 soapcpp2 도구를 사용하여 헤더 파일로부터 스텁 코드와 스켈레톤 코드를 생성합니다.
  - 스텁 코드와 스켈레톤 코드를 TI 사 IP Camera SDK와 연동하여 웹 서비스 클라이언트와 서버를 구현합니다.
  - 웹 서비스 클라이언트와 서버 간에 ONVIF 메시지를 주고받아 원하는 기능을 수행합니다.
이 방법은 ONVIF Analytics Service 설계 및 구현에 대한 한 예시입니다. ONVIF Analytics Service는 네트워크 카메라가 제공하는 영상 분석 기능에 대한 인터페이스를 정의하는 서비스입니다.
이렇게 gSOAP 라이브러리를 사용하면 WSDL 파일만 있으면 쉽고 빠르게 웹 서비스를 구현할 수 있습니다. 하지만 gSOAP 라이브러리는 C/C++ 언어에 한정되어 있으므로 다른 언어로 웹 서비스를 개발하고자 할 때는 적합하지 않을 수 있습니다. 또한 gSOAP 라이브러리가 생성하는 코드는 최적화되지 않은 경우가 많으므로 성능과 메모리 사용량에 주의해야 합니다.

일인기업 딥 네트워크 장석원

기업블로그 : https://videocodec.tistory.com/     제 기업블로그 사이트도 자세히 살펴봐 주시구요 ....

이메일 : sayhi7@daum.net

HP : 010-3350 6509