• 한국컴퓨터그래픽스학회논문지
• /
• 제25권3호
• /
• pp.143-152
• /
• 2019

본 논문은 3차원 물방울 조형 생성장치로 구현된 3차원 물방울 조형을 생성할 때 위성 물방울이 생성되지 않고 형상 왜곡이 일어나지 않으면서 조형의 해상도를 최대한으로 높일 수 있는 기법을 제안한다. 3차원 물방울 생성장치는 보통 표현하고자 3차원 조형을 등 간격으로 배치된 슬라이스들의 집합으로 이산화하여 표현하고 각 슬라이스를 순서대로 읽어 각 슬라이스를 실현하는 물방울을 솔레노이드 밸브를 개폐하여 생성한다. 각 슬라이스의 해상도는 솔레노이드 노즐 매트릭스의 해상도와 같다. 본 논문에서는 위성 물방울이 생성되지 않으면서 형상의 왜곡도 생기지 않는 새로운 기법 두 가지를 제시하고자 한다. 첫째 방법은 등간격 기법이라고 하는데, 등간격으로 배치된 각 슬라이스를 생성하는 시점을 조절하여 중력에 의해 시간이 지날수록 물방울의 속도가 빨라지더라도 조형 전체가 다 형성되는 순간에 물방울 슬라이스들이 등 간격을 유지하게 하여 원래의 형상이 왜곡되는 것을 방지한다. 두 번째 방법은 최소시간 간격 기법이라고 하는데, 3차원 조형을 슬라이스로 이산화시킬 때, 슬라이스를 등 간격으로 배치하는 것이 아니라 가능한 한 촘촘하게 배치한다. 중력을 고려하여 조형 위쪽으로 갈수록 슬라이스를 더 촘촘하게 배치하고, 아래로 내려올수록 슬라이스 간의 간격이 늘어나게 배치한다. 이때 주어진 노즐의 성능 한도 내에서 최대한 촘촘하게 불균등 간격 슬라이스를 배치하고 조형이 완성되는 시점에 이 간격이 실현되게끔 노즐 개폐를 제어한다. 이 방법을 구현하기 위해 주어진 물방울 생성장치의 솔레노이드 밸브가 위성 물방울 생성 없이 인접한 두 물방울을 연달아 생성하는데 필요한 최소 시간 간격 (노즐 오픈 명령후 노즐이 완전히 오픈되는데 걸리는 시간과 완전 오픈상태를 유지하는 시간, 그리고 노즐 클로즈 명령후, 노즐이 완전히 클로즈 되는데 걸리는 시간의 합) 을 실험으로 구했다. 두 번째 방법은 첫 번째 방법에 비해 조형의 해상도가 상당히 증가하는 장점이 있다.

• 감성과학
• /
• 제22권1호
• /
• pp.15-22
• /
• 2019

본 연구의 목적은 그래핀(Graphene)을 사용하여 폴리우레탄 나노웹(Polyurethane Nanoweb)에 전기전도성을 부여하고, 이를 이용하여 나노웹 기반의 스트레인센서(Strain Sensor)를 개발하는 것이다. 이를 위해 1% 그래핀 잉크를 폴리우레탄 나노웹에 푸어코팅(Pour-coating)한 후 PDMS(Polydimethylsiloxane)로 후처리를 하여 착용 가능한 스트레인센서를 완성하였다. 시료 표면에 전도성 물질이 잘 코팅되었는지 확인하기 위해 전계방사형 주사전자현미경(FE-SEM)를 이용하여 시료의 표면 특성을 평가하였다. 시료의 전기적 특성 평가는 멀티미터(Multimeter)를 사용하여 시료의 선저항(Linear Resistance)을 측정하고, 시료를 각각 5%, 10% 인장하였을 때 선저항이 어떻게 변하는지 비교하였다. 또한 시료의 성능을 평가하고자 게이지율(Gauge Factor)을 구하였다. 착의평가 실험은 완성된 스트레인센서를 더미에 착용시킨 후 MP150(Biopac system Inc., U.S.A.)과 Acqknowledge(ver. 4.2, Biopac system Inc., U.S.A.)를 사용해 인장에 따른 호흡신호를 측정하였다. 표면 특성을 평가한 결과, 모든 전도성 나노웹 시료들이 그래핀 잉크로 균일하게 코팅되어있음을 확인하였다. 인장에 따른 저항값 측정 결과, 그래핀을 처리한 시료인 시료 G가 가장 낮은 저항값을, 그래핀을 처리한 후 열처리를 한 시료인 시료 G-H가 가장 높은 저항값을 가졌고, 시료 G와 시료 G-H의 경우 길이가 5%, 10%로 늘어남에도 선저항값의 변화가 안정적으로 증가하는 것으로 나타났다. 저항값 결과와는 달리, 시료 G가 시료 G-H보다 더 높은 게이지율을 보였다. 실제로 착의평가 결과, 시료 G-H를 이용해 만든 스트레인센서가 안정된 Peak값으로 측정되어 좋은 품질의 신호를 얻었다. 그러므로 본 연구를 통해 그래핀 잉크를 처리한 폴리우레탄 나노웹이 호흡 센서로서의 역할을 충분히 수행하는 것을 확인하였다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.43-62
• /
• 2019

한때, 이상 탐지 분야는 특정 데이터로부터 도출한 기초 통계량을 기반으로 이상 유무를 판단하는 방법이 지배적이었다. 이와 같은 방법론이 가능했던 이유는 과거엔 데이터의 차원이 단순하여 고전적 통계 방법이 효과적으로 작용할 수 있었기 때문이다. 하지만 빅데이터 시대에 접어들며 데이터의 속성이 복잡하게 변화함에 따라 더는 기존의 방식으로 산업 전반에 발생하는 데이터를 정확하게 분석, 예측하기 어렵게 되었다. 따라서 기계 학습 방법을 접목한 SVM, Decision Tree와 같은 모형을 활용하게 되었다. 하지만 지도 학습 기반의 모형은 훈련 데이터의 이상과 정상의 클래스 수가 비슷할 때만 테스트 과정에서 정확한 예측을 할 수 있다는 특수성이 있고 산업에서 생성되는 데이터는 대부분 정답 클래스가 불균형하기에 지도 학습 모형을 적용할 경우, 항상 예측되는 결과의 타당성이 부족하다는 문제점이 있다. 이러한 단점을 극복하고자 현재는 클래스 분포에 영향을 받지 않는 비지도 학습 기반의 모델을 바탕으로 이상 탐지 모형을 구성하여 실제 산업에 적용하기 위해 시행착오를 거치고 있다. 본 연구는 이러한 추세에 발맞춰 적대적 생성 신경망을 활용하여 이상 탐지하는 방법을 제안하고자 한다. 시퀀스 데이터를 학습시키기 위해 적대적 생성 신경망의 구조를 LSTM으로 구성하고 생성자의 LSTM은 2개의 층으로 각각 32차원과 64차원의 은닉유닛으로 구성, 판별자의 LSTM은 64차원의 은닉유닛으로 구성된 1개의 층을 사용하였다. 기존 시퀀스 데이터의 이상 탐지 논문에서는 이상 점수를 도출하는 과정에서 판별자가 실제데이터일 확률의 엔트로피 값을 사용하지만 본 논문에서는 자질 매칭 기법을 활용한 함수로 변경하여 이상 점수를 도출하였다. 또한, 잠재 변수를 최적화하는 과정을 LSTM으로 구성하여 모델 성능을 향상시킬 수 있었다. 변형된 형태의 적대적 생성 모델은 오토인코더의 비해 모든 실험의 경우에서 정밀도가 우세하였고 정확도 측면에서는 대략 7% 정도 높음을 확인할 수 있었다.

• 한국터널지하공간학회 논문집
• /
• 제21권1호
• /
• pp.167-175
• /
• 2019

차량화재가 대부분인 터널 화재 사고에 효과적으로 대응하기 위해서는 초기에 화재를 진압하는 것이 가장 효율적이다. 그러나 도심지 터널의 경우 화재 사고시 차량 정체로 인해 소방대 투입이 어려워 신속한 소화 활동에 제약을 받으며, 이러한 문제는 최근 장대화 및 대심도화 되고 있는 지하도로(복층터널)의 경우 더욱더 심하게 나타날 것으로 판단된다. 국내의 경우 터널에서 발생되는 재난 재해에 대비하여 터널연장과 터널 조건별로 정해지는 위험도 지수를 토대로 연장등급과 방재등급을 산정하여 방재시설 설치 범위를 규정하고 있으며, 특히 터널 화재에 직접적으로 대응하기 위한 설비로 소화기구, 옥내소화전설비, 물분무설비 등을 등급에 따라 기본시설로 지정하고 있다. 그러나 이런 소화설비는 현실적으로 기능적이고 기술적인 측면에서 많은 약점이 발생되어 개선방안이 필요한 실정이다. 특히, 하나의 단면을 중간 슬래브로 나눠 상하행선으로 사용하는 형태인 복층터널의 경우 일반 소화설비보다 더 신속하고 효과적으로 화재 진압이 가능한 설비가 필요할 것으로 판단된다. 따라서 본 연구에서는 기존 터널 방재시설(소화설비)이 가지는 문제점을 보완하고, 복층터널의 구조적 특수성에 최적화된 원격 자동소화 시스템을 개발하였다. 그 결과로 낮은 층고를 고려한 장거리용 설비와 보급성을 확대한 옥내소화전용 설비 등 두 가지 형태의 시스템 개발을 완료하여 성능을 검증하였으며, 실제 터널에 보급되어 널리 활용될 수 있도록 현재 실용화를 추진 중에 있다.

• Korean Chemical Engineering Research
• /
• 제59권4호
• /
• pp.584-595
• /
• 2021

본 연구에서는 교대로 운전되는 두 개의 UV/광촉매 반응기로 구성된 폐가스 처리시스템의 운전단계와 단계별 광촉매의 비활성화의 상관관계를 사용된 광촉매에 대한 기기분석을 통하여 규명하였다. 선행연구[Lee와 Lim, Korean Chem. Eng. Research, 59(4), 574-583 (2021)]의 광촉매 반응기 시스템 운전에 사용되지 않은 광촉매를 담지한 다공성 SiO₂ 담체(A4), 1회 운전하는 동안 사용되고 재생을 경험하지 않은 광촉매를 담지한 다공성 SiO₂ 담체(A1), 2회 운전에 사용되고 1회 재생된 광촉매를 담지한 다공성 SiO₂ 담체(A2) 및 3회 운전에 사용되고 2회 재생된 광촉매를 담지한 다공성 SiO₂ 담체(A3)와, 1차 재생(AD1) 또는 3차 재생(AD3)된 광촉매를 담지한 다공성 SiO₂ 담체에 대한 BET 분석, SEM, XPS, SEM-EDS 및 FTIR 분석 등을 수행하여, 광촉매를 담지한 다공성 SiO₂ 담체의 비활성화 및 재생 특성을 포함하는 특성 분석을 수행하였다. 그 결과로서, 3회 이상의 여러 번 재생을 수행하는 광촉매의 적정 재생 온도를 200℃ 미만으로 도출하였다. 이러한 광촉매의 적정 재생 온도는 BET 분석결과에서 도출된 기공에 흡착된 에탄올 산화분해 중간생성물의 대부분이 완전 분해가 되어 기공이 재생되는 재생 온도와 거의 일치하였다. 특히, XPS 분석 결과는, 선행 연구[Lee와 Lim, Korean Chem. Eng. Research, 59(4), 574-583 (2021)]에서 광촉매 반응기의 첫 번째 운전 후에 광촉매의 미세한 비활성화가 발생하였음을 나타내었다. 또한, XPS 분석 결과는, 선행연구[Lee와 Lim, Korean Chem. Eng. Research, 59(4), 574-583 (2021)]에서 광촉매 반응기의 두 번째 운전에서 비교적 큰 광촉매의 비활성화가 발생하여 첫번째 운전성능보다 약 5%만큼 못 미치는 에탄올과 황화수소 각각의 제거효율을 초래하였으나, 세 번째 운전에서의 에탄올과 황화수소의 제거효율은 두 번째 운전에서의 에탄올과 황화수소의 제거효율 실험 결과와 거의 비슷하였다는 연구 결과와 일치하였다. 한편, AD3를 사용하여 선행연구[Lee와 Lim, Korean Chem. Eng. Research, 59(4), 574-583 (2021)]에서와 같은 광촉매 반응기의 네 번째 운전을 수행할 것을 가정하면, 두 번째 운전에서보다 더 큰 광촉매의 비가역적 비활성화의 발생으로 인하여 에탄올과 황화수소 제거효율이 가장 크게 저하되리라 예상되었다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.175-197
• /
• 2021

최근 딥 러닝 기술의 발전으로 뉴스, 블로그 등 다양한 문서에 포함된 텍스트 분석에 딥 러닝 기술을 활용하는 연구가 활발하게 수행되고 있다. 다양한 텍스트 분석 응용 가운데, 텍스트 분류는 학계와 업계에서 가장 많이 활용되는 대표적인 기술이다. 텍스트 분류의 활용 예로는 정답 레이블이 하나만 존재하는 이진 클래스 분류와 다중 클래스 분류, 그리고 정답 레이블이 여러 개 존재하는 다중 레이블 분류 등이 있다. 특히, 다중 레이블 분류는 여러 개의 정답 레이블이 존재한다는 특성 때문에 일반적인 분류와는 상이한 학습 방법이 요구된다. 또한, 다중 레이블 분류 문제는 레이블과 클래스의 개수가 증가할수록 예측의 난이도가 상승한다는 측면에서 데이터 과학 분야의 난제로 여겨지고 있다. 따라서 이를 해결하기 위해 다수의 레이블을 압축한 후 압축된 레이블을 예측하고, 예측된 압축 레이블을 원래 레이블로 복원하는 레이블 임베딩이 많이 활용되고 있다. 대표적으로 딥 러닝 모델인 오토인코더 기반 레이블 임베딩이 이러한 목적으로 사용되고 있지만, 이러한 기법은 클래스의 수가 무수히 많은 고차원 레이블 공간을 저차원 잠재 레이블 공간으로 압축할 때 많은 정보 손실을 야기한다는 한계가 있다. 이에 본 연구에서는 오토인코더의 인코더와 디코더 각각에 스킵 연결을 추가하여, 고차원 레이블 공간의 압축 과정에서 정보 손실을 최소화할 수 있는 레이블 임베딩 방법을 제안한다. 또한 학술연구정보서비스인 'RISS'에서 수집한 학술논문 4,675건에 대해 각 논문의 초록으로부터 해당 논문의 다중 키워드를 예측하는 실험을 수행한 결과, 제안 방법론이 기존의 일반 오토인코더 기반 레이블 임베딩 기법에 비해 정확도, 정밀도, 재현율, 그리고 F1 점수 등 모든 측면에서 우수한 성능을 나타냄을 확인하였다.

• 청정기술
• /
• 제27권2호
• /
• pp.198-204
• /
• 2021

본 연구는 네팔산 자트로파 오일을 원료로 사용하여 바이오디젤을 제조하는 불균일 촉매를 사용하는 2-step 공정에 초점을 맞추었다. 첫 번째 단계로, 네팔산 자트로파 오일에 함유된 FFA의 에스테르화 반응에서 Amberlyst-15의 재사용 횟수가 FFA의 에스테르화 반응에 미치는 영향을 고찰하였다. 두 번째로, 돌로마이트 비드 촉매를 적용한 전이에스테르화 반응의 scale-up 가능성을 확인하고자 하였다. 네팔산 자트로파 씨앗 120 kg을 이용하여 30 L (27 kg)의 자트로파 오일을 얻었으며 씨앗으로부터의 오일 수득율은 약 25.0 wt%이다. 자트로파 오일의 산가와 FFA 함량은 각각 11.3 mgKOH g^-1 및 5.65%로 측정되었다. 비드형태의 Amberlyst-15 촉매를 사용하여 자트로파 오일의 에스테르화 반응을 수행한 결과, 신규 Amberlyst-15 촉매를 사용한 경우 반응 생성물의 산가는 0.26 mgKOH g^-1까지 낮출 수 있었다. Amberlyst-15 촉매의 재생을 거듭할수록 Amberlyst-15 촉매가 비활성화되어 에스테르화 반응 성능이 저하됨을 알 수 있다. 비활성화의 원인은 촉매가 부서짐과 동시에 불순물이 침적되기 때문인 것으로 판단된다. 자트로파 오일의 에스테르화 반응에 Amberlyst-15 촉매를 5회까지 반복하여 재사용할 수 있음을 알 수 있다. 두 번째 단계인 전이에스테르화 반응에는 돌로마이트 촉매를 비드 형태로 대량 제조하여 사용하였다. 돌로마이트 비드 촉매가 90 g 장착된 spinning catalyst basket 반응기에서 전처리된 자트로파 오일의 전이에스테르화 반응을 통해서 반응 시작 후 2 h 후에 바이오 디젤 89.1 wt%에 도달하였으며, 이는 동일한 조건에서 soybean oil 의 전이에스테르화 반응 실험 결과와 거의 유사하였다.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.603-614
• /
• 2021

최근 우리나라 주변 해역의 해수면 온도가 상승하고 있다. 이러한 수온 상승은 어족자원의 변화를 일으켜 낚시와 같은 레저활동에 영향을 미치기도 하며, 특히 고수온은 적조 발생으로 이어져 양식업과 같은 해양산업에 극심한 피해를 유발하기도 한다. 한편 수온 변화는 잠수함을 탐지하는 군사작전과도 밀접하게 연관되어 있다. 이는 잠수함을 탐지하기 위한 음파가 수온층에 따라 회절, 굴절 및 반사되는 정도가 달라지기 때문이다. 이와 같이 해양과 관련된 다양한 분야에서 중요성을 가지는 해양 수온의 변화를 예측하기 위한 연구가 현재 활발하게 진행되고 있다. 그러나 기존 연구들은 대부분 해수면 온도만을 예측하는데 중점을 두고 있어 수심별 어족자원의 변화나 잠수함 탐지와 같은 군사분야 활용이 제한된다. 이에 본 연구에서는 수심별 수온자료 및 해수면 온도와 상관관계를 가지는 기온, 기압, 일조량 등의 기상 데이터를 함께 활용하여 수심 38 m 혼합층의 수온을 예측하였다. 사용된 데이터는 이어도 해양과학기지에서 관측한 2016년부터 2020년까지의 기상 데이터와 수심별 수온 자료이며, 예측의 정확성과 효율성을 높이기 위해 딥러닝 기법 중 시계열 자료에 적합하다고 알려진 LSTM(Long Short-Term Memory)을 사용하였다. 실험 결과 1시간 예측을 기준으로 기온과 기압, 일조량 자료를 함께 활용한 모델의 RMSE(Root Mean Square Error)는 0.473으로 나타났다. 반면 해수면 수온만을 활용한 모델의 RMSE는 0.631로 나타나 기상데이터를 함께 활용한 모델이 상부 혼합층 수온 예측에서 보다 우수한 성능을 보임을 확인하였다.

• 자원리싸이클링
• /
• 제31권4호
• /
• pp.56-65
• /
• 2022

구리는 우수한 특성, 특히 높은 전도성과 낮은 저항으로 인해 전기/전자 제조 산업에 널리 사용되는 비철금속 중 하나이다. 이러한 산업의 표면 처리 공정에서는 구리 함량이 높은 폐수가 발생하며, 직간접적으로 수계로 배출된다. 이는 심각한 환경 오염을 일으키고 또한 귀중한 유용금속의 손실을 초래한다. 이러한 문제를 극복하기 위하여, 효율적이고 저렴하며 친환경적인 흡착제를 찾기 위한 목적으로 흡착 분야에서 전 세계적으로 지속적인 연구개발이 진행되고 있다. 이러한 점을 고려하여, 본 연구에서는 위와 같은 폐수로부터 구리 흡착을 위한 바이오 흡착제로서 식물뿌리(Datura 뿌리 분말)의 성능을 합성 흡착제(Tulsion T-42)와 비교하였다. 실험은 흡착제 투여량, 접촉시간, pH, 주입액 농도 등의 변수들을 최적화하기 위하여 회분식으로 수행되었다. 초기구리농도가 100 ppm이고 pH가 4인 주입액에서, 0.2 g Datura 뿌리 분말을 15분간 접촉하였을 때 구리 흡착율은 95%이었으며, 0.1 g Tulsion T-42은 30분간 접촉에서 95%의 흡착율을 나타내었다. 두 흡착제의 흡착 데이터는 Freundlich 등온선과 잘 일치하였으며, 유사 2차 속도식을 따르는 것을 나타내었다. 전체 결과는 본 연구의 바이오 흡착제가 표면처리 공정의 폐액 또는 폐수로부터 금속 회수에 적용될 가능성을 보여주고 있다.

• 인터넷정보학회논문지
• /
• 제23권5호
• /
• pp.145-154
• /
• 2022

자동 표적 인식(Automatic Target Recognition, ATR) 기술이 미래전투체계(Future Combat Systems, FCS)의 핵심 기술로 부상하고 있다. 그러나 정보통신(IT) 및 센싱 기술의 발전과 더불어 ATR에 관련이 있는 데이터는 휴민트(HUMINT·인적 정보) 및 시긴트(SIGINT·신호 정보)까지 확장되고 있음에도 불구하고, ATR 연구는 SAR 센서로부터 수집한 이미지, 즉 이민트(IMINT·영상 정보)에 대한 딥러닝 모델 연구가 주를 이룬다. 복잡하고 다변하는 전장 상황에서 이미지 데이터만으로는 높은 수준의 ATR의 정확성과 일반화 성능을 보장하기 어렵다. 본 논문에서는 이미지 및 텍스트 데이터를 동시에 활용할 수 있는 지식 그래프 기반의 ATR 방법을 제안한다. 지식 그래프와 딥러닝 모델 기반의 ATR 방법의 핵심은 ATR 이미지 및 텍스트를 각각의 데이터 특성에 맞게 그래프로 변환하고 이를 지식 그래프에 정렬하여 지식 그래프를 매개로 이질적인 ATR 데이터를 연결하는 것이다. ATR 이미지를 그래프로 변환하기 위해서, 사전 학습된 이미지 객체 인식 모델과 지식 그래프의 어휘를 활용하여 객체 태그를 노드로 구성된 객체-태그 그래프를 이미지로부터 생성한다. 반면, ATR 텍스트는 사전 학습된 언어 모델, TF-IDF, co-occurrence word 그래프 및 지식 그래프의 어휘를 활용하여 ATR에 중요한 핵심 어휘를 노드로 구성된 단어 그래프를 생성한다. 생성된 두 유형의 그래프는 엔터티 얼라이먼트 모델을 활용하여 지식 그래프와 연결됨으로 이미지 및 텍스트로부터의 ATR 수행을 완성한다. 제안된 방법의 우수성을 입증하기 위해 웹 문서로부터 227개의 문서와 dbpedia로부터 61,714개의 RDF 트리플을 수집하였고, 엔터티 얼라이먼트(혹은 정렬)의 accuracy, recall, 및 f1-score에 대한 비교실험을 수행하였다.