• 대한환경공학회지
• /
• 제38권8호
• /
• pp.411-419
• /
• 2016

본 연구에서는 안료폐수 중에 포함되어 있는 유기물질과 질소를 처리함으로써 재순환방식을 이용한 튜브형 전해모듈시스템의 적용 가능성을 평가하였다. 튜브형 전해모듈은 내부 봉형 양극과 외부 튜브형 음극으로 이루어져있다. 양극의 재질은 $RuO_2$로 전착된 티타늄이었고 음극의 재질은 스테인리스 스틸이었다. 재순환형 튜브형 전해모듈시스템에서 오염물질의 제거율은 유량이 감소할수록 그리고 전류밀도가 증가할수록 높아졌다. 전해모듈시스템에서 체류시간이 180분일 때 염소산이온의 농도는 382.4~519.6 mg/L로 나타났다. 본 연구에서 사용한 재순환방식을 이용한 튜브형 전해모듈시스템에서 염소산이온의 생성은 전기화학적 산화의 중요한 인자 중의 하나이다. Bench scale의 재순환방식 튜브형 전해모듈시스템에서 전력량을 $4,500C/dm^2$으로 공급하였을 경우 $COD_{Mn}$은 89.6%, $COD_{Cr}$은 67.8%, T-N은 96.8% 그리고 색도는 74.2%가 제거되었으며, 이때 에너지 소모량은 $5.18kWh/m^3$이었다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2013년도 추계학술대회 논문집
• /
• pp.60-62
• /
• 2013

기본적으로 많은 인자들에 의해 영향을 받는 배터리 시스템은 일반적으로 사용 용도에 따라 단위 배터리 셀을 직렬 또는 병렬로 연결하여 하나의 배터리 모듈을 형성하고 있다. 다수개의 단위 배터리 셀을 연결하여 하나의 배터리 모듈로 사용하는 경우, 개별 셀의 활물질 및 전해액의 미소 변동, 충방전 사이클 차이, 온도의 영향에 따라 배터리 특성이 다르게 나타난다. 이러한 특성으로 인해 충전 및 방전이 진행됨에 따라 셀간의 전압 불균형 현상이 발생하고 이로 인해 배터리 수명은 급격하게 감소하여 배터리 교체와 같은 경제적 손실을 초래한다. 본 논문에서는 배터리의 성능과 안전성을 확보하기 위해 배터리 밸런싱에 관한 연구를 수행하였다. 기존의 수동적 밸런싱의 단점을 보완한 능동적 밸런싱을 사용하였고 제안한 회로의 기능 및 성능의 검증을 위해 배터리 관리 장치 보드를 설계 및 제작하여 시험한 결과 개선된 기능이 원활히 수행됨을 확인하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2014년도 전력전자학술대회 논문집
• /
• pp.453-454
• /
• 2014

태양광 발전용 AC-모듈에서 발생하는 전력 디커플링을 위해 사용되는 대용량 전해 커패시터는 시스템의 신뢰성을 감소시키므로 최근 보조회로를 이용한 디커플링 기법이 연구되고 있다. 하지만 디커플링 회로의 제어기 오차와 시스템의 효율이 고려될 경우, 태양광 패널에 전력 맥동이 존재하게 되고 이는 인버터 출력 전류를 왜곡시키는 원인이 된다. 본 논문에서는 제어기 오차와 시스템 효율을 고려하여 발생하는 전력 맥동에 대해 분석하고, 이를 저감시키기 위한 전류 왜곡 보상 기법을 제안하였다. 이를 PSIM 시뮬레이션을 통해 그 타당성을 검증하였다.

• 한국전산구조공학회논문집
• /
• 제35권5호
• /
• pp.259-266
• /
• 2022

본 논문에서는 프리팹 구조물의 품질관리를 위한 딥러닝 및 비전센서 기반의 조립 성능 평가 모델을 개발하였다. 조립부 검출을 위해 인코더-디코더 형식의 네트워크와 수용 영역 블록 합성곱 모듈을 적용한 딥러닝 모델을 사용하였다. 검출된 조립부 영역 내의 볼트홀을 검출하고, 볼트홀의 위치 값을 산정하여 k-근접 이웃 기반 모델을 사용하여 조립 품질을 평가하였다. 제안된 기법의 성능을 검증하기 위해 조립부 모형을 3D 프린팅을 이용하여 제작하여 조립부 검출 및 조립 성능 예측 모델의 성능을 검증하였다. 성능 검증 결과 높은 정밀도로 조립부를 검출하였으며, 검출된 조립부내의 볼트홀의 위치를 바탕으로 프리팹 구조물의 조립 성능을 5% 이하의 판별 오차로 평가할 수 있음을 확인하였다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제26권2호
• /
• pp.28-36
• /
• 2022

매립지 위에 건설되는 항만시설물은 바람(태풍), 파랑, 선박과의 충돌 등 극한 외부 하중에 노출되기 때문에 구조물의 안전성 및 사용성을 주기적으로 평가하는 것이 중요하다. 본 논문에서는 항만 계류시설에 설치된 방충설비의 유지관리를 위하여 비전 및 딥러닝 기반의 방충설비 세분화(segmentation) 시스템을 개발하였다. 방충설비 세분화를 위하여 인코더-디코더 형식과 인간 시각체계의 편심 기능에서 영감을 얻은 수용 영역 블록(Receptive field block) 기반의 합성곱 모듈을 DenseNet 형식으로 개선하는 딥러닝 네트워크를 제안하였다. 네트워크 훈련을 위해 BP형, V형, 원통형, 타이어형 등 다양한 형태의 방충설비 영상을 수집하였으며, 탄성 변형, 좌우 반전, 색상 변환 및 기하학적 변환을 통해 영상을 증강시킨 다음 제안한 딥러닝 네트워크를 학습하였다. 기존의 세분화 모델인 VGG16-Unet과 비교하여 제안한 모델의 세분화 성능을 검증하였으며, 그 결과 본 시스템이 IoU 84%, 조화평균 90% 이상으로 정밀하게 실시간으로 세분화할 수 있음을 확인하였다. 제안한 방충설비 세분화 시스템의 현장적용 가능성을 검증하기 위하여 국내 항만 시설물에서 촬영된 영상을 기반으로 학습을 수행하였으며, 그 결과 기존 세분화 모델과 비교하였을 때 우수한 성능을 보이며 정밀하게 방충설비를 감지하는 것을 확인하였다.