• Wind and Structures
• /
• 제34권1호
• /
• pp.127-136
• /
• 2022

In this work a multi-fidelity non-intrusive polynomial chaos (MF-NIPC) has been applied to a structural wind engineering problem in architectural design for the first time. In architectural design it is important to design structures that are safe in a range of wind directions and speeds. For this reason, the computational models used to design buildings and bridges must account for the uncertainties associated with the interaction between the structure and wind. In order to use the numerical simulations for the design, the numerical models must be validated by experi-mental data, and uncertainties contained in the experiments should also be taken into account. Uncertainty Quantifi-cation has been increasingly used for CFD simulations to consider such uncertainties. Typically, CFD simulations are computationally expensive, motivating the increased interest in multi-fidelity methods due to their ability to lev-erage limited data sets of high-fidelity data with evaluations of more computationally inexpensive models. Previous-ly, the multi-fidelity framework has been applied to CFD simulations for the purposes of optimization, rather than for the statistical assessment of candidate design. In this paper MF-NIPC method is applied to flow around a rectan-gular 5:1 cylinder, which has been thoroughly investigated for architectural design. The purpose of UQ is validation of numerical simulation results with experimental data, therefore the radius of curvature of the rectangular cylinder corners and the angle of attack are considered to be random variables, which are known to contain uncertainties when wind tunnel tests are carried out. Computational Fluid Dynamics (CFD) simulations are solved by a solver that employs the Finite Element Method (FEM) for two turbulence modeling approaches of the incompressible Navier-Stokes equations: Unsteady Reynolds Averaged Navier Stokes (URANS) and the Large Eddy simulation (LES). The results of the uncertainty analysis with CFD are compared to experimental data in terms of time-averaged pressure coefficients and bulk parameters. In addition, the accuracy and efficiency of the multi-fidelity framework is demonstrated through a comparison with the results of the high-fidelity model.

• Smart Structures and Systems
• /
• 제29권4호
• /
• pp.625-640
• /
• 2022

Maglev rail joints are vital components serving as connections between the adjacent F-type rail sections in maglev guideway. Damage to maglev rail joints such as bolt looseness may result in rough suspension gap fluctuation, failure of suspension control, and even sudden clash between the electromagnets and F-type rail. The condition monitoring of maglev rail joints is therefore highly desirable to maintain safe operation of maglev. In this connection, an online damage detection approach based on three-dimensional (3D) convolutional neural network (CNN) and time-frequency characterization is developed for simultaneous detection of multiple damage of maglev rail joints in this paper. The training and testing data used for condition evaluation of maglev rail joints consist of two months of acceleration recordings, which were acquired in-situ from different rail joints by an integrated online monitoring system during a maglev train running on a test line. Short-time Fourier transform (STFT) method is applied to transform the raw monitoring data into time-frequency spectrograms (TFS). Three CNN architectures, i.e., small-sized CNN (S-CNN), middle-sized CNN (M-CNN), and large-sized CNN (L-CNN), are configured for trial calculation and the M-CNN model with excellent prediction accuracy and high computational efficiency is finally optioned for multiple damage detection of maglev rail joints. Results show that the rail joints in three different conditions (bolt-looseness-caused rail step, misalignment-caused lateral dislocation, and normal condition) are successfully identified by the proposed approach, even when using data collected from rail joints from which no data were used in the CNN training. The capability of the proposed method is further examined by using the data collected after the loosed bolts have been replaced. In addition, by comparison with the results of CNN using frequency spectrum and traditional neural network using TFS, the proposed TFS-CNN framework is proven more accurate and robust for multiple damage detection of maglev rail joints.

• 한국가스학회지
• /
• 제26권4호
• /
• pp.41-57
• /
• 2022

기후변화 대응에 따른 전세계적인 탄소중립 이행에 대한 요구는 수출주도형 경제구조와 온실가스 수출국가로 분류되어 있는 우리나라를 비롯한 일부 국가들에게 탄소 무역장벽 대응방안을 마련해야 하는 상황에 놓여있다. 따라서, 탄소중립 이행 모델의 적용을 위해 예측 가능한 방법 중에 하나인 디지털 전환을 앞당겨 도입해야 한다. 주요산업 중 하나인, 첨단제조산업에서 쓰이는 산업용 가스 제조시설과 친환경 에너지로 부각되고 있는 수소 가스시설에 디지털 기술을 적용하여, 이상감지 및 진단 서비스를 클라우드 기반의 조업지식이 포함된 예측진단 모니터링 기술 동향을 소개한다. 단순히 실시간 설비 상태를 모니터링하는 것이 아닌, 최적화와 증강현실 기술, 그리고 IoT 와 AI 지식 추론 등을 통해 이상진단 예측 모니터링의 구축 방향을 확인하고, 탄소중립 이행의 사각지대에 놓여 있는, 중소·중견 기업의 경제성과 효율성이 부합되는, 엔지니어링 도메인의 합의된 지식과 예측진단 모니터링 등의 기술 보급 가능함을 살펴 볼 수 있다. 최고 수준의 ICT 기술을 바탕으로 탄소배출 무역장벽에 따른 대응 방안을 모색하는 하나의 방안으로 활용되길 바라며, 해당 기술의 도입을 통해, 탄소중립 이행에 따른 중소·중견기업의 마중물이 될 것이다.

• 한국응용곤충학회지
• /
• 제61권2호
• /
• pp.369-376
• /
• 2022

본 연구에서는, 5가지 식물의 메탄올 추출물을 이용하여 모기기피 효과 실험을 진행하고 누드 쥐를 모델로 하여 흰줄숲모기에 대한 모기기피제의 유효용량 및 유효시간을 평가하였다. 그리고 식물의 휘발성분을 GC-MS로 분석하였다. 유효용량은 개박하가 10, 50, 100, 200 ㎍/mL에서 72.9, 83.7, 86.4, 97.3%의 효율로 가장 높았다. 누드 쥐를 대상으로 한 유효시간 연구에서는 5가지 식물의 메탄올 추출물 중 개박하, 개다래 및 개똥쑥이 90.5%로, 30분까지만 지속하였다. 각 식물의 휘발성분을 분석한 결과, 애플민트 28개 성분, 개다래 19개 성분, 개똥쑥 27개 성분, 개박하 26개 성분, 민들레 19개 성분이 확인 되었다. 특히 모기기피제의 유효 성분으로 알려진 네페탈락톤(nepetalactone)이 개박하의 휘발성분 중 한 성분으로 확인 되었다(27.95 mg/Kg). 본 연구결과는 다양한 휘발성분을 함유한 식물을 이용한 모기기피제 재료로서 가능성을 제시한다.

• 대기
• /
• 제31권5호
• /
• pp.625-635
• /
• 2021

South Korea established the 2050 Carbon Neutral Plan in response to the climate crisis, and to achieve this policy, it is very important to monitor domestic carbon emissions and atmospheric carbon concentration. Both CO₂ and CO are emitted from fossil fuel combustion processes, but the relative ratios depend on the combustion efficiency and the strength of local emission regulations. In this study, the relationship between CO₂ and CO was analyzed using ground observation data for the period of 2018~2020 at Anmyeon-do site and the CO/CO₂ ratio according to regional origin during high CO₂ cases was investigated based on the footprint simulated from Stochastic Time-Inverted Lagrangian Transport (STILT) model. CO₂ and CO showed a positive correlation with correlation coefficient of 0.66 (p < 0.01), and averaged footprints during high CO₂ cases confirmed that air particles mainly originated from eastern and north-eastern China, and inland of Korean Peninsula. In addition, it was revealed that among the cases of high CO₂ concentration, when the CO/CO₂ ratio is high, the industrial area of eastern China is greatly affected, and when the ratio is low, the contribution of the domestic region is relatively high. The ratio of CO₂ and CO in this study is significant in that it can be used as a useful factor in determining the possibility of domestic and foreign origins of climate pollutants.

• 한국지반신소재학회논문집
• /
• 제21권2호
• /
• pp.57-65
• /
• 2022

본 연구에서는 폭약과 발파공 사이의 충전매질을 통한 충격파 전파 효과를 수치적으로 시뮬레이션하고 검증하였다. 고체(Lagrangian)와 유체(Eulerian)를 혼합 모델링하기 위해 Arbitrary Lagrangian-Eulerian(ALE) 방법을 선택하였다. 시간의존적 해석은 발파공정 시간 동안 수행되었다. 폭약과 매질(공기 또는 물)을 유한 요소망으로 모델링하였고, 발파공은 시작점(폭약)에서 발파공벽에 도달하는 전파 속도와 충격력을 결정할 수 있는 강체로 가정하였다. 해석결과에 따르면 물의 전파속도와 충격력은 공기의 경우보다 컸다. 추가로 발파 작업의 실제 현장을 모델링하고 시뮬레이션하였다. 암석은 탄소성체로 가정하였다. 해석결과에 따르면 충전매질이 물인 경우 순간 충격력이 더 크고, 파쇄블록 크기는 더 작은 것으로 나타났다. 반면 발파공배면에서의 충격량은 물인 경우에 더 작았는데, 이는 파쇄에 충격에너지가 상당부분 사용되고, 파쇄로 인한 감쇠 효과에 의해 주변의 고체를 통한 압력 전파는 공기보다 작아지기 때문이다. 이로써 충전매질로서 물이 공기보다 경제성이 더 높다는 것이 입증되었다.

• 대한치과보철학회지
• /
• 제61권1호
• /
• pp.33-43
• /
• 2023

전체 치열에 걸쳐 나타나는 병적 마모는 교합 평면의 붕괴, 수직고경의 감소, 전치부 조기 접촉, 부적절한 전방유도 및 치아 이동의 문제를 야기하여, 측두하악관절 장애 및 저작 효율의 감소, 치아 과민반응 등의 증상을 유발한다. 과도한 치아 마모(wear)를 보이는 환자의 치료를 위해서는 원인에 대한 분석과 함께 수직고경 변화에 대한 평가가 선행되어야 한다. 본 증례의 환자는 45세 여성으로 악교정수술 병력이 있었으며, 임상 검사, 방사선 검사, 모형 분석을 통해 전반적인 치아의 마모, 상악 전치부의 치간 이개, 하악 과두의 후방위, 보철 수복을 위한 악간 공간 부족을 확인하였다. 수직고경 거상을 동반한 전악구강회복술을 계획하였으며, 가철성 교합 안정장치 및 임시보철물로 새로운 수직고경에 대한 환자의 적응을 평가하였고, 적응된 수직고경을 유지하기 위해 임시 수복물을 기준으로 교차 마운팅을 시행해 최종 지르코니아 보철물을 제작하였다. 교합 관계의 안정적인 회복을 통해 기능 및 심미적으로 만족할 만한 결과를 보였다.

• 전기전자학회논문지
• /
• 제27권3호
• /
• pp.345-349
• /
• 2023

본 논문은 영상장치를 이용한 차세대 스마트 LED 전광판의 불량픽셀 검출을 위한 딥러닝 구조 개발에 관한 연구를 제안한다. 이 연구에서는 영상장치를 활용하여 딥러닝을 통해 실외 LED 전광판의 결함을 자동으로 검출하는 기법을 제안한다. 이를 통해 LED 전광판의 효율적인 관리와 발생할 수 있는 다양한 오류와 문제를 해결하고자 한다. 연구 과정은 3단계를 거쳐 이루어진다. 첫 번째로, 평면화된 전광판 이미지 데이터를 calibration을 통해 배경을 완전히 제거하고 필요한 전처리 과정을 거쳐 학습 데이터셋을 생성한다. 두 번째로, 생성된 데이터셋은 객체 인식 네트워크를 학습을 시키는 데 활용된다. 네트워크는 Backbone과 Head로 구성된다. Backbone에서는 CSP-Darknet을 활용하여 특징 맵을 추출하고, Head에서는 추출된 Feature Map을 기반으로 물체를 검출한다. 이 과정에서 네트워크는 Confidence score와 IoU가 일치하도록 오차를 수정하며 지속적으로 학습된다. 세 번째에서는 생성된 모델을 활용하여 실제 실외 LED 전광판에서 불량픽셀을 자동으로 검출한다. 본 논문에서 제안하는 방법을 적용하여 LED 전광판의 불량픽셀 검출에 대한 공인 측정 실험 결과로는 실제 LED 전광판에서 불량픽셀을 100% 검출한 결과를 얻을 수 있었다. 이를 통해 LED 전광판의 불량 관리와 유지보수의 효율성이 향상되었음을 확인할 수 있다. 이러한 연구 결과는 LED 전광판 관리의 획기적인 개선을 이룰 것으로 기대된다.

• 대한토목학회논문집
• /
• 제43권5호
• /
• pp.587-599
• /
• 2023

기후변화로 인해 전 세계 주요 도시에서 홍수의 빈도와 위험성이 증가함에 따라, 도시 침수에 대비한 선제적 대응을 위해 넓은 공간 영역에서 고해상도 2차원 침수 정보를 신속하고 정확하게 해석할 수 있는 모의 기술의 중요성이 대두되고 있다. 기존의 천수 방정식(shallow water equations)에 기반한 물리적 해석 방법은 고해상도 침수 예측을 위해 많은 컴퓨터 자원과 계산 시간이 소요되는 한계가 있다. 본 연구는 전환 규칙과 가중치 기반 시스템을 사용하여 침수의 시공간 변화를 모의하는 셀룰러 오토마타(cellular automata) 기반 2차원 침수 해석 모형 Weighted Cellular Automata 2D (WCA2D)의 이론적 배경을 고찰하고, 부산 온천천 유역의 침수 사상 모의를 통해 재현하여 국내 도시 유역에 대한 적용성을 검토하였다. 또한, Open Computing Language (OpenCL)와 Open Multi-Processing (OpenMP)과 같은 병렬계산(parallel computing)기술을 적용한 버전을 순차계산(sequential computing)결과와 비교하여 연산성능을 평가 하였다. 연구결과, WCA2D 모형에 의한 최대 침수심 분포는 과거침수 피해지도와 유사하게 모의되어, 복잡한 지형특성을 가지는 도시유역 침수의 시공간적 변화를 해석하기에 적절함을 확인하였다. 또한,병렬 계산 적용시 순차 계산 버전에 비해 OpenCL과 OpenMP는 약8배~14배, 5배~6배 연산 효율이 향상되어 효율적인 도시 침수 모의가 가능하였다.

• 지구물리와물리탐사
• /
• 제26권2호
• /
• pp.37-51
• /
• 2023

그라운드-롤(ground roll)은 육상 탄성파 탐사 자료에서 가장 흔하게 나타나는 일관성 잡음(coherent noise)이며 탐사를 통해 얻고자 하는 반사 이벤트 신호보다 훨씬 큰 진폭을 가지고 있다. 따라서 탄성파 자료 처리에서 그라운드-롤 제거는 매우 중요하고 필수적인 과정이다. 그라운드-롤 제거를 위해 주파수-파수 필터링, 커브릿(curvelet) 변환 등 여러 제거 기술이 개발되어 왔으나 제거 성능과 효율성을 개선하기 위한 방법에 대한 수요는 여전히 존재한다. 최근에는 영상처리 분야에서 개발된 딥러닝 기법들을 활용하여 탄성파 자료의 그라운드-롤을 제거하고자 하는 연구도 다양하게 수행되고 있다. 이 논문에서는 그라운드-롤 제거를 위해 CNN (convolutional neural network) 또는 cGAN (conditional generative adversarial network)을 기반으로 하는 세가지 모델(DnCNN (De-noiseCNN), pix2pix, CycleGAN)을 적용한 연구들을 소개하고 수치 예제를 통해 상세히 설명하였다. 알고리듬 비교를 위해 동일한 현장에서 취득한 송신원 모음을 훈련 자료와 테스트 자료로 나누어 모델을 학습하고, 모델 성능을 평가하였다. 이러한 딥러닝 모델은 현장자료를 사용하여 훈련할 때, 그라운드-롤이 제거된 자료가 필요하므로 주파수-파수 필터링으로 그라운드-롤을 제거하여 정답자료로 사용하였다. 딥러닝 모델의 성능 평가 및 훈련 결과 비교는 정답 자료와의 유사성을 기본으로 상관계수와 SSIM (structural similarity index measure)과 같은 정량적 지표를 활용하였다. 결과적으로 DnCNN 모델이 가장 좋은 성능을 보였으며, 다른 모델들도 그라운드-롤 제거에 활용될 수 있음을 확인하였다.