• 한국철도학회논문집
• /
• 제16권6호
• /
• pp.528-533
• /
• 2013

열차운행의 효율성 및 안전성 향상을 위해, 철도 제어시스템은 연동장치 등의 지상설비를 기반으로 한 지상중심의 제어시스템에서 ICT기술이 접목되어 지능적인 제어가 가능한 차상중심 제어시스템으로 진화하고 있다. 이러한 ICT기반 차상중심 열차제어시스템의 도입으로 선로변에 위치한 시설물들이 간소화되어 효율적이고 경제적인 제어시스템의 구현이 가능하다. 본 논문에서는 이러한 차상중심 열차제어시스템의 적용가능성을 평가하기 위해 차상 및 지상 제어장치의 시제품을 제작하고 선로전환기, 건널목 차단기 등 기존 선로변 시설물들을 이용하여 테스트 베드를 구축하였다. 또한, 열차운영 시나리오를 작성하여 통합 운영 시뮬레이션을 수행하였다. 시뮬레이션 결과는 열차 운행 시 요구되는 차상중심 제어시스템의 시험 항목들을 모두 만족시켰으며, 이를 통하여 제안된 ICT기반 차상중심 열차제어시스템의 유효성이 검증되었다.

• 한국철도학회논문집
• /
• 제20권2호
• /
• pp.165-172
• /
• 2017

도심을 지나는 철도 궤도는 급격한 곡선 구간이 존재하며, 철도차량이 곡선부를 주행하며 발생시키는 높은 주파수의 스킬소음은 곡선부 인근에 소음 민원을 야기하고, 해당 구간 궤도의 마모를 과도하게 발생시킨다. 본 논문에서는 대표적 비선형, 과도 특성인 스킬소음의 현상을 정확하게 파악하기 위해서 실차를 대상으로 곡선부 스킬 소음실험을 수행하였다. 특정 대차내 4 차륜을 대상으로 스킬소음의 음압의 크기, 주파수 특성, 주행 속도 변화에 따른 영향, 차륜의 진동응답특성과 스킬소음의 연관관계를 파악하였다. 동시에 차륜과 레일의 접촉 위치의 변화를 촬영한 영상을 분석하여 스킬소음 발생시 차륜의 레일에 대한 상대적 움직임에 대한 현상을 살펴보았다. 철도 차량 곡선 주행시 스킬소음은 내측 전륜에서 가장 크게 발생하며, 이는 차륜의 횡방향 진동 응답 특성과 관련이 있다고 생각된다. 이 발생 스킬소음의 크기는 차량 속도 증가와는 직접적인 관련이 없음을 알 수 있었다.

• 한국철도학회논문집
• /
• 제19권2호
• /
• pp.135-144
• /
• 2016

분기기 거더 경량화는 제작비 감소 및 제작의 용이함을 위해 필수적이다. 자기부상열차용 3방향 분기기 경량화를 위한 설계변수는 부상안정성과 관련 있기 때문에 신중히 결정되어야 한다. 도시형 자기부상열차는 대차가 레일을 감싸는 구조로 되어 있기 때문에 거더 높이 변경을 통해서 경량화가 가능하다. 실제 테스트베드에서 반복 주행시험을 통해 안정성을 확보해야 하지만 공간적, 비용적 제한에 의해 여러 거더 높이의 테스트베드 제작은 불가능하며 이를 보완하기 위한 설계 파라미터 연구는 필수적이다. 본 논문에서는 자기부상열차 주행 시 3방향 분기기 경량화에 따른 부상안정성을 고려한 설계 파라미터 연구에 그 목적이 있다. 이를 위해 분기기 거더 높이 변경을 통해 경량화하였고 모달 중첩법을 이용하여 유연체로 모델링 하였다. 유연체 분기기와 자기부상열차 동역학 모델과의 연동해석을 통해 차량의 통과속도, 횡 공극, 부상 공극을 비교하고 부상안정성에 미치는 영향을 분석하였다. 이를 통해 거더높이와 부상안정성과의 상관관계에 대해 분석하였다. 본 논문의 연구 결과는 자기부상열차용 분기기 설계에 활용 가능할 것이다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제27권1호
• /
• pp.9-17
• /
• 2021

본 논문에서는 확률적 모델예측제어(model predictive control) 기법을 이용하여 예제 동작 데이터가 주어지면 물리 기반 시뮬레이션 환경에서 그 동작을 모방할 수 있는 캐릭터 동작 제어기를 빠르게 학습할 수 있는 간편한 지도 학습(supervised learning) 프레임워크를 제안한다. 제안된 프레임워크는 크게 학습 데이터 생성과 오프라인 학습의 두 컴포넌트로 구성된다. 첫번째 컴포넌트는 예제 동작 데이터가 주어지면 확률적 모델예측제어를 통해 그 동작 데이터를 추적하기 위한 최적 제어기를 캐릭터의 현재 상태로부터 시작하여 가까운 미래 상태까지의 시간 윈도우에 대해 주기적으로 업데이트하면서 그 최적 제어기를 통해 캐릭터의 동작을 확률적으로 제어한다. 이러한 주기적인 최적 제어기의 업데이트와 확률적 제어는 주어진 예제 동작 데이터를 모방하는 동안 캐릭터가 가질 수 있는 다양한 상태들을 효과적으로 탐색하게 하여 지도 학습에 유용한 학습 데이터를 수집할 수 있게 해준다. 이렇게 학습 데이터가 수집되면, 오프라인 학습 컴포넌트에서는 그 수집된 데이터를 정규화 시켜서 데이터에 내제된 크기와 단위의 차이를 조정하고 지도 학습을 통해 제어기를 위한 간단한 구조의 인공 신경망을 학습시킨다. 걷기 동작과 달리기 동작에 대한 실험은 본 논문에서 제안한 학습 프레임워크가 물리 기반 캐릭터 동작 제어기를 빠르고 효과적으로 생성할 수 있음을 보여준다.