• Structural Engineering and Mechanics
• /
• 제54권2호
• /
• pp.221-237
• /
• 2015

An integrated method is proposed for structural nonlinear damage detection based on time series analysis and the higher statistical moments of structural responses in this study. It combines the time series analysis, the higher statistical moments of AR model residual errors and the fuzzy c-means (FCM) clustering techniques. A few comprehensive damage indexes are developed in the arithmetic and geometric mean of the higher statistical moments, and are classified by using the FCM clustering method to achieve nonlinear damage detection. A series of the measured response data, downloaded from the web site of the Los Alamos National Laboratory (LANL) USA, from a three-storey building structure considering the environmental variety as well as different nonlinear damage cases, are analyzed and used to assess the performance of the new nonlinear damage detection method. The effectiveness and robustness of the new proposed method are finally analyzed and concluded.

• Composites Research
• /
• 제28권4호
• /
• pp.162-167
• /
• 2015

Composite sandwich structures are widely employed in various applications, due to their high specific stiffness and specific bending strength compared to solid panels. Lately, for that reason, the advanced composite sandwich structures are employed in satellite structures: materials should be as light as possible with the highest attainable performance. This study is majorly focused on inserts employed to the composite sandwich satellite structures. A new hybrid insert design was developed in precedent study to reduce the mass of the sandwich structure since the mass of the satellite structure is related to high launching cost [1]. In this study, the thermal characteristics and behavior of the precedently developed hybrid insert with carbon composite reinforcing web and the conventional partial insert were numerically investigated.

• 한국컴퓨터정보학회논문지
• /
• 제28권11호
• /
• pp.89-101
• /
• 2023

사이버 공격으로 인한 국가, 기업 등의 피해를 막기 위해 공격자의 접근을 사전에 감지하는 이상 탐지 기술이 꾸준히 연구되어왔다. 외부 혹은 내부에서 침입하는 공격들을 즉각적으로 막기 위해 실행시간의 감축과 오탐지 감소는 필수불가결하다. 본 연구에서는 공격 이벤트의 유형과 빈도가 이상 탐지 정탐률 향상 및 오탐률 감소에 영향을 미칠 것으로 가설을 세우고, 검증을 위해 Los Alamos National Laboratory의 2015년 로그인 로그 데이터셋을 사용하였다. 전처리 된 데이터를 대표적인 이상행위 탐지 알고리즘에 적용한 결과, 공격 이벤트 유형과 빈도를 동시에 적용한 특성을 사용하는 것이 이상행위 탐지의 오탐률과 수행시간을 절감하는데 매우 효과적임을 확인하였다.

• 한국추진공학회지
• /
• 제19권5호
• /
• pp.46-51
• /
• 2015

선형 화약 폭발의 전파 특성예측을 위해 다채널 동시 충격파 센싱 시스템을 개발하였다. 개발된 시스템은 펄스 레이저를 이용하여 초당 1000점에서 충격파 생성이 가능하며, 접촉식 센서를 이용하여 15개 채널에서 동시에 충격파 획득이 가능하다. 특히, 선형 화약의 폭파 시간에 상응한느 각 채널의 시간 지연을 사용자 요구에 따라 적절하게 적용할 수 있는 능력을 갖춤으로써 다양한 선형 화약의 폭발에 의한 충격파 전파를 예측할 수 있을 것으로 기대된다.

• Composites Research
• /
• 제28권4호
• /
• pp.155-161
• /
• 2015

본 연구는 복합재료 구조물에 전기-기계 변환 기능을 융합한 센서-구조 일체형 복합재료 구조물 제작 방법에 관한 것으로 복합재료 구조물 자체가 센서 역할을 수행할 수 있도록 하여 구조 스스로 충격이나 진동 신호를 감지하고 손상 위치 또는 손상 정도를 실시간으로 모니터링 할 수 있는 다기능 복합 구조물에 관한 연구이다. 복합재 구조물에 전기-기계 변환 기능을 부여하기 위해 복합재 제작에 사용되는 에폭시 수지 대신 전기-기계 변환기능을 갖는 $Pb(Ni_{1/3}Nb_{2/3})O_3-Pb(Zr,\;Ti)O_2$ (PNN-PZT) 분말과 에폭시 수지를 1:30 wt% 혼합하여 제작된 스마트 수지를 사용하였다. Hand Lay-up 공법과, VARTM(Vacuum Assisted Resin Transfer Molding) 성형 방법을 이용하여 유리섬유에 스마트 수지를 함침시켜 센서-구조 일체형 복합재료 구조물을 제작하였다. 구조물을 센서로 사용하기위해 시편의 윗면과 아랫면에 전도성 도료를 사용하여 전극을 제작하였고, 고전압 앰프를 이용하여 상온에서 30분간 4kV/mm의 전계로 분극 처리를 수행하였다. 이후 충격망치를 사용하여 시편에 충격을 가했을 때 출력되는 전기 신호와 충격망치 신호를 비교하여 충격 신호 감응 및 감도를 측정하고 그 결과를 기술하였다.

• 산업경영시스템학회지
• /
• 제38권3호
• /
• pp.56-63
• /
• 2015

Several fields of science have demanded large-scale workflow support, which requires thousands of CPU cores or more. In order to support such large-scale scientific workflows, high capacity parallel systems such as supercomputers are widely used. In order to increase the utilization of these systems, most schedulers use backfilling policy: Small jobs are moved ahead to fill in holes in the schedule when large jobs do not delay. Since an estimate of the runtime is necessary for backfilling, most parallel systems use user's estimated runtime. However, it is found to be extremely inaccurate because users overestimate their jobs. Therefore, in this paper, we propose a novel system for the runtime prediction based on workload-aware clustering with the goal of improving prediction performance. The proposed method for runtime prediction of parallel applications consists of three main phases. First, a feature selection based on factor analysis is performed to identify important input features. Then, it performs a clustering analysis of history data based on self-organizing map which is followed by hierarchical clustering for finding the clustering boundaries from the weight vectors. Finally, prediction models are constructed using support vector regression with the clustered workload data. Multiple prediction models for each clustered data pattern can reduce the error rate compared with a single model for the whole data pattern. In the experiments, we use workload logs on parallel systems (i.e., iPSC, LANL-CM5, SDSC-Par95, SDSC-Par96, and CTC-SP2) to evaluate the effectiveness of our approach. Comparing with other techniques, experimental results show that the proposed method improves the accuracy up to 69.08%.