• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.667-669
• /
• 2021

본 논문에서는 벡터 기반 데이터 증강 기법(Data augmentation)을 제안하여 학습 데이터를 구축한 뒤, 이를 합성곱 신경망(Convolutional Neural Networks, CNN)으로 실제 균열과 가까운 패턴을 표현할 수 있는 프레임워크를 제안한다. 건축물의 균열은 인명 피해를 가져오는 건물 붕괴와 낙하 사고를 비롯한 큰 사고의 원인이다. 이를 인공지능으로 해결하기 위해서는 대량의 데이터 확보가 필수적이다. 하지만, 실제 균열 이미지는 복잡한 패턴을 가지고 있을 뿐만 아니라, 위험한 상황에 노출되기 때문에 대량의 데이터를 확보하기 어렵다. 이러한 데이터베이스 구축의 문제점은 인위적으로 특정 부분에 변형을 주어 데이터양을 늘리는 탄성왜곡(Elastic distortion) 기법으로 해결할 수 있지만, 본 논문에서는 이보다 향상된 균열 패턴 결과를 CNN을 활용하여 보여준다. 탄성왜곡 기법보다 CNN을 이용했을 때, 실제 균열 패턴과 유사하게 추출된 결과를 얻을 수 있었고, 일반적으로 사용되는 픽셀 기반 데이터가 아닌 벡터 기반으로 데이터 증강을 설계함으로써 균열의 변화량 측면에서 우수함을 보였다. 본 논문에서는 적은 개수의 균열 데이터를 입력으로 사용했음에도 불구하고 균열의 방향 및 패턴을 다양하게 생성하여 쉽게 균열 데이터베이스를 구축할 수 있었다. 이는 장기적으로 구조물의 안정성 평가에 이바지하여 안전사고에 대한 불안감에서 벗어나 더욱 안전하고 쾌적한 주거 환경을 조성할 것으로 기대된다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2011년도 제43차 동계학술발표논문집 19권1호
• /
• pp.111-112
• /
• 2011

본 연구에서는 광전 용적맥파(photoelectric plethysmography, PPG)를 기반으로 이를 이용하여 혈관 탄성도를 측정 할 수 있는 시스템에 관하여 연구하였다. 광전 용적맥파는 광을 이용한 비 침습적 맥파 측정 방식으로 손가락 끝 부분에서 측정하고 혈액 내에 헤모글로빈의 빛에 대한 광 흡수도의 차이로 인해 나타나게 된다. 얻어진 신호를 2차 미분 하게 되면 가속도 맥파 (acceleration photoplethymogram, APG)를 얻을 수 있고 이는 혈관 탄성도의 추정에 응용가능하다. 본 연구에서는 혈관 탄성도를 측정하기 위한 방법으로 광전 용적맥파를 적용하여 가속도 맥파 측정기기를 설계하고, 이를 바탕으로 혈관 탄성도 추정에 적용 가능 여부를 연구하였다.

• 대한기계학회:학술대회논문집
• /
• 대한기계학회 2008년도 추계학술대회A
• /
• pp.1674-1678
• /
• 2008

본 연구에서는 심장의 세포 변화에서부터 혈류 순환의 시스템 변화까지 일련의 과정을 시뮬레이션 할 수 있는 통합모델을 개발하였다. 본 통합 모델을 이용하여 대동맥의 탄성도 변화 따른 Pulse Wave Velocity를 추정하였으며 심근의 수축 Mechanics의 변화를 시뮬레이션 하였다. 심장은 단순한 구 형상으로 모델링 되었다. 특히 동맥순환의 특성인 Wave propagation 과 Wave deflection의 현상을 모델링하기 위해 기존 모델에서 사용된 동맥계 순환 모델을 수정하였다. 즉 기존의 동맥 모델을 1차원의 운동방정식과 연속방정식을 기반으로 하는 Distributed arterial model로 대체하였다. Distributed arterial model은 혈액의 점성에 의한 에너지 손실, 혈관의 점탄성 효과 그리고 분지 되는 혈관에서의 에너지 손실을 포함하는 정교한 동맥 순환 모델이다. 정교한 동맥계 순환 모델의 동맥 탄성도 값을 조절함으로써 탄성도 변화에 대한 PWV를 계산 할 수 있었다. 이러한 수치적 방법을 사용하여 노화에 따른 동맥벽 탄성도의 저하가 심근세포의 Cross-bridge 동역학에 미치는 영향을 시뮬레이션 하였다.

• 지구물리와물리탐사
• /
• 제25권4호
• /
• pp.227-241
• /
• 2022

전파형 역산은 석유가스 탐사를 위한 탄성파 자료처리 분야에서 지층의 속도 모델을 추정하는데 사용되는 역산 기법이다. 최근 탄성파 자료처리에 딥러닝 기술의 활용이 급격하게 증가하고 있는데, 전파형 역산 기술도 마찬가지로 다양한 연구가 이루어지고 있다. 초기에는 머신러닝 기술을 활용한 자료처리 기법이 전파형 역산을 위한 입력자료의 전처리 목적으로 활용되는 수준이었으나, 딥러닝 기술을 통해 전파형 역산을 직접적으로 구현하는 연구가 등장하기 시작하였다. 딥러닝 기술을 활용한 전파형 역산은 순수 데이터 기반 접근법, 물리 기반 신경망 활용법, 인코더-디코더 구조 활용법, 신경망 재매개변수화를 이용한 구현법, 물리정보 기반 신경망 기법 등으로 구분할 수 있다. 이 논문에서는 딥러닝 기반 전파형 역산 기법을 발전 과정 순서로 체계화하여 각각의 접근법에 대한 이론과 특징을 설명하였다. 전파형 역산 기술에 딥러닝 기법을 도입한 초기에는 데이터 과학의 기본 원리에 충실하게 대량의 학습자료를 준비하고 순수 데이터 기반 예측 모델을 적용하여 속도 모델을 역산하는 연구로 시작하였다. 최근 연구 동향은 탄성파 자료의 잔차나 파동방정식 자체의 물리정보를 심층 신경망에 활용하여 순수 데이터 기반 접근법의 단점을 보완해 나가는 방향으로 진행되고 있다. 이러한 발전으로 대량의 학습자료가 필요하지 않고, 전파형 역산의 태생적 한계점인 주기 놓침 현상을 완화하며 계산 시간을 획기적으로 줄일 수 있는 딥러닝 기반 전파형 역산 기술이 등장하고 있다. 딥러닝 기술의 도입으로 전파형 역산 기술은 탄성파 자료처리 분야에서 가치가 더 높아질 것으로 생각된다.

• 한국철도학회논문집
• /
• 제11권3호
• /
• pp.257-262
• /
• 2008

반복하중을 받는 도로 노반체의 경우 회복탄성계수를 이용한 해석 및 설계 방법이 이루어지고 있는데 유사한 형태의 하중조건인 철도 노반체의 경우에도 그 거동은 크게 다르지 않을 것으로 판단된다. 이러한 현상적인 특성을 감안하여 본 논문에서는 회복탄성계수를 기반으로 하는 구성방정식을 상용 유한요소 해석 프로그램에 적용하였다. 일반적으로 K-${\theta}$ 혹은 Uzan 모델을 기반으로 수치해석 프로그램과의 접목이 이루어져 왔다. 이러한 모델의 기본 가정은 반복하중으로 인하여 재료의 상태는 비선형탄성 상태까지 도달한 조건으로 보고 있으므로 추가적인 반복하중으로 인한 재료의 거동은 탄성구간 내에서만 발생하는 것으로 가정하고 있다. 그러나 점성토에 대한 회복탄성실험 결과를 보면 하중의 재하 횟수 증가에 따라 영구변형이 발생하는 상황이므로 기존의 모델을 사용한다면 발생하는 영구변형을 충분히 모델링 할 수 없게 된다. 따라서 본 논문에서는 실험결과로부터 도출된 소성특성과 간단한 파괴기준을 적용하여 영구변형이 발생하는 조건에서 구성모델을 개발하였으며 개발된 모델의 적용결과는 실험 결과값과 잘 일치하는 것으로 확인되었다.

• 지구물리와물리탐사
• /
• 제23권2호
• /
• pp.97-114
• /
• 2020

최근 과학기술 및 공학 전 분야에서 기계 학습을 적용하는 연구들이 매우 활발하게 수행되고 있다. 탄성파 탐사 분야 또한 해석, 처리, 취득 등 모든 영역에서 기계 학습을 적용한 연구들이 빠르게 증가하는 추세이다. 그 중 단층 해석은 탄성파 자료 해석 분야에 있어 가장 중요한 기술 중 하나이며, 기계 학습을 적용하기에 가장 적합한 분야이기도 하다. 이 논문에서는 다양한 기계 학습 기법들에 대해 소개하고 단층 해석에 적합한 기법들과 그 이유를 기술하였다. 물리탐사 분야의 저명한 국제 학술지에 게재된 논문과 국제 학술대회 발표 사례들을 조사하여 연도별, 분야별 연구 현황을 정리하였으며, 그 중 기계 학습을 사용한 단층 해석 연구들을 집중적으로 분석하였다. 단층 해석 기술은 입력 자료 및 기계 학습 모델의 형태에 따라 탄성파 속성 기반 기술, 탄성파 이미지 기반 기술, 원시자료 기반 기술로 나누어 그 장단점을 기술하였다.

• 지구물리와물리탐사
• /
• 제26권2호
• /
• pp.84-93
• /
• 2023

지도 학습 기반 딥러닝 탄성파 역산은 소규모 영역을 대상으로 하는 합성 자료 예제에서 성공적인 역산 성능을 보여주었다. 지도 학습 기반 딥러닝 탄성파 역산은 시간 영역 파동장을 입력, 지하 속도 모델을 출력으로 사용하는데, 시간 영역 파동장은 다양한 파동 정보를 포함하고 있어 자료의 크기가 상당히 크다. 따라서 대량의 데이터로 훈련하는 지도 학습 기반 딥러닝 탄성파 역산을 현장 규모의 자료에 적용하는 연구는 아직까지 수행되지 못하고 있다. 본 연구에서는 지도 학습 기반 딥러닝 탄성파 역산 기법을 현장 규모의 자료에 적용하기 위해 시간 영역 파동장 대신 라플라스 영역 파동장을 입력으로 사용하여 지하 속도 모델을 예측하였다. 시간 영역 파동장 대신 라플라스 영역 파동장을 사용하면 결과의 해상도는 다소 떨어지지만 입력 자료의 크기가 크게 감소하여 신경망 훈련이 빨라지게 된다. 또한, 큰 격자 간격을 사용할 수 있어 현장 자료 크기의 속도 모델을 효율적으로 예측할 수 있으며 이를 통해 얻은 결과는 후속 역산의 초기 모델로 사용될 수 있다. 신경망 훈련을 위해 현장 자료 크기를 가지는 대량의 합성 속도 모델과 라플라스 영역 파동장을 생성한 후 인공 합성 자료만으로 신경망을 훈련시켰다. 또한, 해양 탄성파 탐사를 시뮬레이션하기 위해 견인 스트리머 취득 조건을 채택하였다. 테스트 자료와 벤치마크 모델을 이용한 수치 예제에서 훈련된 신경망을 테스트한 결과, 적절한 배경 속도 모델들을 얻을 수 있었다.

• 문화기술의 융합
• /
• 제9권1호
• /
• pp.545-550
• /
• 2023

차량 충돌 시 벨트를 잡아당겨 탑승자의 상해 가능성을 최소화하기 위한 안전장치인 프리텐셔너는 화약 폭발 방식으로 구동되므로 화재나 파편이 튀는 2차 사고의 위험이 있으며 사고 발생 후 프리텐셔너 내부의 가스 발생기 뿐만 아니라 매니폴더를 포함한 연결 부품 모두를 교체해야 하는 단점이 있다. 따라서 본 논문에서는 안전하고 반영구적으로 사용이 가능한 탄성력 기반 프리텐셔너를 제안한다. 기존 프리텐셔너의 작동 원리를 열역학적/동역학적 관점으로 분석한 후 프리텐셔너 전개를 위해 필요한 가스 폭발에너지를 탄성에너지로 변환하였다. 또한 비감쇠 진동해석을 통해 프리텐셔너 작동시간을 확인하였으며 폭발 압력과 전개 시간 조건을 모두 만족하는 스프링 강성을 선정하였다. 스프링 부착 위치에 따른 차량 내부 설치 규격을 고려하여 코일 스프링 형상 및 고정부를 설계하였으며 제작을 통해 탄성력 기반 프리텐셔너의 성능 검증을 수행하였다.

• 한국지하수토양환경학회:학술대회논문집
• /
• 한국지하수토양환경학회 2002년도 추계학술발표회
• /
• pp.319-322
• /
• 2002

그라우팅으로 지반 개량된 조간대 퇴적층의 지층구조를 규명하기 위한 방법으로 전기비저항탐사, 굴절법 탄성파탐사, 지하레이더탐사를 실시하였다. 연구대상 지반의 10m 전후 심도에서 해수의 영향을 받는 수평의 저비저항대가 발달하며, 저비저항대는 모래가 우세한 지층에 해당한다. 지반의 탄성파 속도는 1~3km/sec의 범위로 조간대의 미고결 퇴적층과 비교할 때 매우 높은 속도에 보여준다. 지반의 높은 속도는 지반 개량의 효과로 판단된다. 지하레이더탐사에서 퇴적층의 구성 물질에 따라 교반 정도가 달지는데 모래층은 퇴적물과 주입제의 교반이 잘 이루어져 불규칙한 반사면으로 나타나며, 점토층은 교반이 불량하여 개량된 부분은 주상으로 관찰된다. 물리탐사의 결과와 시추조사를 대비할 때 지반 개량은 기반암까지 시행되었으며, 양호한 암반을 지시하는 고비저항대와 고속도층은 내륙으로 갈수록 깊은 심도를 보여준다. 이것은 지반 개량 이전의 기반암 심도와는 상반되는 것으로 지반 개량의 효과는 해안방면의 지층에서 잘 나타난다.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2011년도 정기 학술대회
• /
• pp.123-126
• /
• 2011

본 논문에서는 점탄성 매트릭스와 탄성 강화입자로 구성된 복합재료의 크리프 거동예측을 미세역학 기반의 시뮬레이션을 통하여 수행하였다. 에폭시 고분자로 이루어진 복합재료의 경우 재료 특성상 탄성적 거동뿐 아니라 점성적 거동도 함께 발생하게 된다. 이렇듯 점탄성 거동을 보이는 재료의 경우 탄성만을 고려한 해석방법으로는 한계가 있으며 점성적인 특성 또한 고려되어야 한다. 점탄성 복합재료의 해석을 위해서 손상을 고려한 미세역학 기반의 해석 (Ju and Chen, 1994) 과 Mesquita and Coda (2002)의 근사식을 사용하였다. 이를 통해 구한 재료 물성은 복합재료의 크리프 거동예측을 위한 Kelvin-Voight (KV) 모델과 Standard Linear Solid (SLS) 모델에 적용되었다. 최종적으로 본 연구에서 제안한 손상을 고려한 점탄성 모델의 예측과 시험결과를 비교 수행하여 결과의 타당성을 검증하였다.