• 해양환경안전학회지
• /
• 제27권1호
• /
• pp.22-28
• /
• 2021

본 연구는 화재진압 및 피난활동을 지원하는 딥러닝 기반의 알고리즘 개발에 관한 기초 연구로 선박 화재 시 연기감지기가 작동하기 전에 검출된 연기 데이터를 분석 및 활용하여 원격지까지 연기가 확산 되기 전에 연기 확산거리를 예측하는 것이 목적이다. 다음과 같은 절차에 따라 제안 알고리즘을 검토하였다. 첫 번째 단계로, 딥러닝 기반 객체 검출 알고리즘인 YOLO(You Only Look Once)모델에 화재시뮬레이션을 통하여 얻은 연기 영상을 적용하여 학습을 진행하였다. 학습된 YOLO모델의 mAP(mean Average Precision)은 98.71%로 측정되었으며, 9 FPS(Frames Per Second)의 처리 속도로 연기를 검출하였다. 두 번째 단계로 YOLO로부터 연기 형상이 추출된 경계 상자의 좌표값을 통해 연기 확산거리를 추정하였으며 이를 시계열 예측 알고리즘인 LSTM(Long Short-Term Memory)에 적용하여 학습을 진행하였다. 그 결과, 화재시뮬레이션으로부터 얻은 Fast 화재의 연기영상에서 경계 상자의 좌표값으로부터 추정한 화재발생~30초까지의 연기 확산거리 데이터를 LSTM 학습모델에 입력하여 31초~90초까지의 연기 확산거리 데이터를 예측하였다. 그리고 추정한 연기 확산거리와 예측한 연기 확산거리의 평균제곱근 오차는 2.74로 나타났다.

• Journal of Advanced Marine Engineering and Technology
• /
• 제40권3호
• /
• pp.228-234
• /
• 2016

승선생활관은 거주밀도가 높으며 유동인구도 특정한 시간에 몰리는 특징을 가지기 때문에 화재와 같은 재난이 발생할 경우 큰 인명피해 발생으로 이어질 수 있다. 이에 이 연구에서는 국내 K대학의 신축 승선생활관을 대상으로 화재 시뮬레이션 프로그램인 FDS를 사용하여 화재발생 시의 위험성을 예측하고 이에 따른 문제점을 분석하여 개선방안을 제시하였다. 연구결과를 정리하면 다음과 같다. 승선생활관 다림질실에서 화재발생 시, 발화 후 65초에 연기감지기가 작동하고, 13초 뒤인 78초에 스프링클러가 작동하기 시작한다. 온도 및 일산화탄소 농도는 각각 241초, 248초에 허용기준 값에 도달하지만, 발화 후 66초에 허용 가시거리 값에 도달하기 때문에, 화재발생 후 적어도 1분 이내에 준비를 끝내고 피난을 개시해야 인명피해가 발생하지 않을 것으로 예측된다. 이 기숙사의 화재위험성 예측 결과를 종합해 보았을 때, 인명안전에 가장 위험한 요소를 가시거리 값으로 판단할 수 있다. 가시거리 확보를 위해 제연설비를 설치할 경우, 제연설비 설치 후 승선생활관 복도의 연기확산이 개선되는 것을 확인할 수 있었다.

• 한국공간구조학회논문집
• /
• 제10권4호
• /
• pp.85-92
• /
• 2010

콘크리트의 사용은 건축 및 토목분야에서 널리 사용되어 왔으며, 센서는 콘크리트에 기능적 특성을 위해 사용되어 왔다. 손상을 스스로 나타내는 콘크리트는 이미 개발되고 있는 중에 있다. 본 연구에서 온도보상센서는 금속의 선형팽창과 체적변형을 이용한 센서이다. LED는 광센서로 고휘도이며, 이들 센서의 가격은 저가격이다. 화재하중으로 인하여 콘크리트 보의 온도보상센서가 동작하는 동안 지상 보의 LED동작으로 콘크리트 부재의 온도상승을 예측한다. 본 연구에서는 부재의 손상감지를 위해 간단한 계측방법을 이용하여 화재자현을 스스로 나타내는 콘크리트 보를 개발하기 위한 기초적 연구이다.

• 한국가스학회지
• /
• 제24권6호
• /
• pp.91-97
• /
• 2020

리튬이온 배터리(LIB)는 다른 배터리에 비해 수명이 길고, 에너지 밀도가 높으며, 자체 방전율이 낮아, 에너지 저장장치(ESS)로 선호되고 있다. 하지만, 2017~2019년 기간 동안 국내에서만도 28건의 화재사고가 발생하였으며, LIB의 운영 중 안전성 및 신뢰성을 보장하기 위해 LIB의 정확한 용량추정은 필수요소이다. 본 연구에서는 LIB의 충방전 cycle에 따른 용량변화를 예측하는 기계학습 기반 모델의 설계에 있어 중요한 요소인 최적 머신러닝 모델의 선정을 위해, Decision Tree, 앙상블학습법, Support Vector Regression, Gaussian Process Regression (GPR) 각각을 이용한 예측모델을 구현하고 성능비교를 실시하였다. 학습을 위해 NASA에서 제공하는 시험데이터를 사용하였으며, GPR이 가장 좋은 예측성능을 보였다. 이를 바탕으로 추가 시험데이터 학습을 통해 개선된 LIB 용량예측과 잔여 수명추정 모델을 개발하여, 운영 중 이상 감지 및 모니터링 성능을 높여, 보다 안전하고 안정된 ESS 운용에 활용하고자 한다.

• 한국가스학회지
• /
• 제16권3호
• /
• pp.22-28
• /
• 2012

BPA 공장의 메탄올 분리공정에서 HAZOP 평가를 실시하고, 사고 시나리오로부터 화재 및 폭발 사고의 피해범위를 예측하였다. 그 결과, 화재사고의 피해범위는 50 mm 직경의 안전밸브 토출배관 파열에 의한 제트화재에서는 20 m이었고, 설비가 전파되어 플래쉬화재가 발생되는 경우에는 267 m이었다. 또한 개방공간 증기운 폭발사고의 피해범위는 토출배관 파열에서는 22 m이었고, 설비 전파인 경우에는 542 m이었다. 그리고 최악의 누출 시나리오에 대한 안전대책으로는 메탄올 분리컬럼 내부의 이상압력 상승을 감지할 수 있는 압력계를 2 out of 3 voting으로 설비 상부에 설치하여 주공급라인 상에 설치된 컨트롤밸브와 긴급차단밸브를 동시에 차단할 수 있도록 하여야 한다.

• 한국인터넷방송통신학회논문지
• /
• 제19권6호
• /
• pp.9-13
• /
• 2019

본 논문에서는 IoT 기반 열상 센서와 영상 센서 일체형 IP CCTV 설계에 관하여 연구하였으며 Full HD IP 카메라 영상과 열상모듈에서 전송되어지는 열상 데이터를 동시에 인지하여 가공 및 전송 할 수 있는 모니터링 시스템에 사용할 수 있도록 하였다. 열상 센서에서 감지하는 신호를 디지털로 변환하여 영상에 중첩시켜 실제 주변 온도에 대한 정보를 영상과 함께 실시간 제공하고, 영상 카메라에 열상이 추가됨으로 온도 변화를 예측하여 기존 장비에서 불가능한 화재 예측이 가능하게 하였다. 따라서 열상 센서와 영상센서 일체형 감시 장비를 통하여 환경 모니터링 시스템에서 전송되는 온도 데이터와 영상 신호를 송신하여 모니터링 시스템에 적용 가능하도록 하였다.