• 한국건설순환자원학회논문집
• /
• 제9권3호
• /
• pp.303-310
• /
• 2021

교량의 균열은 교량의 상태를 나타내는 중요한 요소이며 주기적인 모니터링 대상이다. 그러나 전문가가 육안으로 점검하는 것은 비용, 시간, 신뢰성 면에서 문제가 있다. 따라서 최근에는 이러한 문제를 극복하기 위해 자동화 가능한 딥러닝 모델을 적용하기 위한 연구가 시작되었다. 딥러닝 모델은 예측할 상황에 대한 충분한 데이터가 필요하지만 교량 균열 데이터는 상대적으로 얻기가 어렵다. 특히 교량의 설계, 위치, 공법에 따라 교량 균열의 형상이 달라질 수 있어 특정 상황에서 많은 양의 균열 데이터를 수집하기 어려움이 따른다. 본 연구에서는 적대적 생성 신경망(Generative Adversarial Network, GAN)을 통해 불충분한 균열 데이터를 생성하고 학습하는 균열 탐지 모델을 개발했다. 본 연구에서는 GAN을 이용하여 주어진 균열 데이터와 통계적으로 유사한 데이터를 성공적으로 생성했으며, 생성된 이미지를 사용하지 않을 때보다 생성된 이미지를 사용할 때 약 3% 더 높은 정확도로 균열 감지가 가능했다. 이러한 접근 방식은 교량의 균열 검출이 필요하지만 균열 데이터는 충분하지 않거나 하나의 클래스에 대한 데이터가 상대적으로 적을 때 감지 모델의 성능을 효과적으로 향상시킬 것으로 기대된다.

• 한국빅데이터학회지
• /
• 제6권1호
• /
• pp.23-35
• /
• 2021

제4차 산업혁명 선언 이후 생산 제조 기술과 정보통신기술(ICT)이 융합된 스마트 팩토리가 큰 주목을 받고 사물인터넷(IoT) 기술 및 빅데이터 기술 등이 발전하면서 생산 시스템의 자동화가 가능해졌다. 고도화된 제조 산업에서 생산 시스템에는 예정되지 않은 성능 저하 및 가동 중지 발생 가능성이 존재하며, 가능한 한 빨리 잠재적인 오류를 감지하여 이를 복구해 안전 위험을 줄여나가야 한다는 요구가 있다. 본 연구는 유압 시스템에 부착된 다중 센서 데이터를 기반으로 장비의 고장 예측과 이상 발생 시점 예측을 결합하여 제조 설비 이상탐지를 위한 지도학습 및 비지도학습 모델을 설계한다. 지도학습 분석 방법으로 XGBoost, LightGBM, CNN 모델의 정확도를 비교하였다. 혼동행렬 기반의 평가지표를 통해 LightGBM의 예측력이 97%로 가장 우수한 것을 확인하였다. 또한 비지도 학습 분석 방법으로 MD, AE, LSTM-AE 모델을 구축하여 각 모델을 비교 분석한 결과 LSTM-AE 모델이 이상패턴을 75% 감지하여 가장 우수한 성능을 보였다. 본 연구는 지도학습과 비지도학습 기법을 종합하여 설비의 고장여부를 정확하게 진단하고 이상상황이 발생하는 시점을 예측함으로써 이상상황에 대한 선제대응을 할 수 있는 기반을 마련하여 스마트 팩토리 고도화에 기여하고자 한다.

• 한국해안·해양공학회논문집
• /
• 제33권3호
• /
• pp.122-130
• /
• 2021

다양한 목표 고도에서의 풍속 추정은 해상풍력 구조물 설계 및 풍파 추정 등의 분야에서 매우 중요한 요소이다. 그러나 풍속 관측 자료가 특정 고도에 한정되어 있기 때문에 다른 고도에서의 풍속 추정은 일반적으로 사용되는 연직 분포함수와 평균적인 매개변수를 이용하여 추정한다. 본 연구에서는 HeMOSU-1 관측타워의 다양한 고도에서 측정한 풍속 자료를 이용하여 Power 함수, 대수함수의 매개변수를 추정하고 그 변동 양상을 분석하였다. 매개변수 추정 결과, Power 함수의 지수 매개변수는 일반적으로 제안되는 0.14(= 1/7) 보다 작은 평균 0.10 정도로 추정되었으며, 변동 범위도 0.0~0.3 정도로 파악되었다. 대수분포함수의 경우, 매개변수는 마찰속도와 조도 길이로 그 범위가 풍속에 따라 차이를 보이고 있으며, 변동 범위는 각각 0~10 (m/s), 0.0~1.0 (m) 정도로 파악되었으며, 일반적으로 제시되는 범위와는 그 차이를 보이는 것으로 파악되었다. 이러한 차이는 기존의 고도 분포함수가 대기 중립 조건을 가정하고 있는 영향으로 판단되며, 보다 정확한 추정을 위해서는 대기조건을 고려한 비선형 고도분포함수의 도입이 필요하다.

• 방송공학회논문지
• /
• 제26권3호
• /
• pp.269-282
• /
• 2021

증강현실과 가상현실 같은 3차원 콘텐츠 보급이 증가함에 따라 실시간 컴퓨터 애니메이션 기술의 중요성이 높아지고 있다. 하지만 컴퓨터 애니메이션 제작 과정은 대부분 수작업 혹은 마커를 부착하는 모션캡쳐 방식으로 이루어져 있다. 때문에 사실적인 영상을 얻기 위해서는 숙련된 전문가에게도 매우 오랜 시간이 필요하다. 이러한 문제점을 해결하기 위해 최근에는 딥러닝 모델과 센서를 기반으로 하는 애니메이션 제작 시스템과 알고리즘이 나오고 있다. 이에 본 논문에서는 딥러닝과 Kinect 카메라 기반 FBX 형식의 애니메이션 제작 시스템에서 자연스러운 인체 움직임을 구현하는 4가지 방법에 대해 연구했다. 각 방법은 환경적 특성과 정확도를 고려하여 선택된다. 첫 번째 방법은 Kinect 카메라를 사용한다. 두 번째 방법은 Kinect 카메라와 보정 알고리즘을 사용한다. 세 번째 방법은 딥러닝 모델을 사용한다. 네 번째 방법은 딥러닝 모델과 Kinect를 사용한다. 제안 방법을 오차와 처리 속도를 실험한 결과, 네 번째 딥러닝 모델과 Kinect를 동시에 사용하는 방법이 다른 방법에 비해 가장 좋은 결과를 보였다.

• 한국지반공학회논문집
• /
• 제37권6호
• /
• pp.29-37
• /
• 2021

화강 풍화대 지반은 지반구조물의 주요 지지층으로 활용되고 있으므로 화강 풍화대의 지반특성을 평가하는 것은 중요하다. 특히, 내진설계의 중요성이 부각되고 있음에 따라 지반분류 및 지반 최대 전단 탄성계수(G_max) 평가에 활용되는 전단파 속도(V_S)의 합리적인 평가의 중요성이 증가하고 있다. 본 연구에서는 국내 화강 풍화대 지층을 대상으로 표준관입시험(SPT: Standard penetration test) N₆₀ 및 채취한 시료의 화학적 풍화지수를 바탕으로 비선형 다변량 회귀분석을 수행하여 전단파 속도(V_S) 추정식을 제안하였고, 기존 관련 연구결과와 비교하였다. 화학적 풍화지수를 추가적인 독립변수로 고려하여 풍화도를 고려한 경우 N₆₀만을 사용하여 수행한 단순 회귀분석 결과에 비해 결정계수가 증가하여 전단파 속도 추정식의 정확도가 향상됨을 확인하였다.

• 한국지반공학회논문집
• /
• 제37권5호
• /
• pp.5-17
• /
• 2021

본 연구에서는 링전단시험 결과를 이용하여 말뚝-사질지반 사이의 전단거동을 정량화하였다. 링전단시험은 가장 일반적인 말뚝재료 - 콘크리트와 강 - 와 대표적인 사질토인 주문진표준사를 대상으로 수행하였으며, 두 재료 사이의 전단거동을 항복 이전과 잔류전단거동을 중심으로 확인하고 분석하였다. 시험결과를 통하여 다양한 상재압과 상대밀도의 영향 또한 분석하여, 그에 따른 전단거동을 각 재료 별 대표적인 마찰각으로 정량화하였다. 더 나아가, 추가적인 대변형 수치해석을 통하여 시험결과를 검증하였다. 링전단시험 및 수치해석을 수행한 결과, 사질토의 전단 중 발생하는 팽창과 수축특성에 의하여 전단거동을 크게 두 가지로 구분할 수 있었다. 1) 상대밀도가 높은 시료일수록 두 재료 간 전단응력곡선은 첨두전단응력이 관찰된 후 잔류전단응력이 발현되는 개형을 나타내었고, 반면에 2) 상대밀도가 낮은 시료일수록 두 재료 간 전단응력곡선은 첨두전단응력의 발현 없이 바로 잔류전단응력이 발현되는 이중곡선 형태를 보였다. 상재압은 소변형 범위에서는 전단거동 형태와 마찰각에 영향을 주지만, 상대밀도와 마찬가지로 대변형 하에서는 유의미한 영향을 주지 않는 것으로 확인되었다. 본 연구는 리메싱을 통한 대변형 수치해석 기법을 정립하여 링전단시험과 같은 대변형 전단거동을 모사하고 예측할 수 있도록 하였을 뿐 만 아니라, 링전단시험을 통하여 도출되고 대변형 수치해석으로 검증된 말뚝 재료와 사질토 사이의 마찰각은 실제 기초 말뚝의 수치해석과 설계에 적용할 수 있도록 하였다.

• 한국항행학회논문지
• /
• 제25권1호
• /
• pp.68-77
• /
• 2021

본 논문에서는 높은 동특성 환경에서 동작이 가능한 GPS/MEMS IMU 통합항법 수신모듈을 설계 및 제작하고, 그 결과를 확인하였다. 설계한 모듈은 RF 수신부, 관성측정부, 신호처리부, 상관기, 항법 S/W로 구성된다. RF 수신부는 저잡음증폭, 주파수 변환, 필터링, 자동이득조절 기능을 수행하고, 관성측정부는 3축 자이로스코프, 가속도계, 지자기센서가 적용된 MEMS급 IMU로부터 측정 데이터를 수집하여 항법S/W로 전달하는 인터페이스를 제공한다. 신호처리부 및 상관기는 FPGA 로직으로 구현하여 필터링 및 상관 값 계산을 수행하고, FPGA 내부 CPU를 사용하여 위성항법, 통합항법 S/W를 구현하였다. 제작된 모듈의 크기는 95.0 × 85.0 × 12.5 mm 이고, 무게는 110g을 확인하였으며, 동적성능 1200m/s, 가속도 10g의 환경에서 규격 이내의 항법정확도 성능을 확인하였다.

• 인터넷정보학회논문지
• /
• 제22권6호
• /
• pp.33-40
• /
• 2021

음성인식(ASR: Automatic Speech Recognition)은 사람의 말소리를 음성 신호로 분석하고, 문자열로 자동 변화하여 이해하는 기술이다. 초기 음성인식 기술은 하나의 단어를 인식하는 것을 시작으로 두 개 이상의 단어로 구성된 문장을 인식하는 수준까지 진화하였다. 실시간 음성 대화에 있어 높은 인식률은 자연스러운 정보전달의 편리성을 극대화하여 그 적용 범위를 확장하고 있다. 반면에, 음성인식 기술의 활발한 적용에 따라 관련된 사이버 공격과 위협에 대한 우려 역시 증가하고 있다. 기존 연구를 살펴보면, 자동화자식별(ASV: Automatic Speaker Verification) 기법의 고안과 정확성 향상 등 기술 발전 자체에 관한 연구는 활발히 이루어지고 있으나, 실생활에 적용되고 있는 음성인식 서비스의 자동화자 식별 기술에 대한 사이버 공격 및 위협에 관한 분석연구는 다양하고 깊이 있게 수행되지 않고 있다. 본 연구에서는 자동화자 식별 기술을 갖춘 AI 음성인식 서비스를 대상으로 음성 주파수와 음성속도를 조작하여 음성인증을 우회하는 사이버 공격 모델을 제안하고, 상용 스마트폰의 자동화자 식별 체계를 대상으로 실제 실험을 통해 사이버 위협을 분석한다. 이를 통해 관련 사이버 위협의 심각성을 알리고 효과적인 대응 방안에 관한 연구 관심을 높이고자 한다.

• 한국가스학회지
• /
• 제26권6호
• /
• pp.30-36
• /
• 2022

수소 충전소를 이용한 에너지원의 상거래에 있어 부정확한 계량에 의한 과 충전 등의 사고 예방과 정확한 계량을 통한 수소 상거래의 투명성 확보를 위해서는 높은 정확도의 유량계가 필요하다. 본 연구에서는 코리올리 방식 유량계 시작품을 개발하였으며, 계량 성능 검증을 위하여 기존에 운영 중인 충전소를 대상으로 공정변경을 통한 계량 성능 비교 실험 중 발생할 수 있는 사고의 예방을 위하여 위험성 평가를 수행하였다. 실증실험용 계량설비 설치를 위한 공정 변경 구간을 정의하고 HAZOP을 실시하였다. 또한 실증 실험 중 밸브오 개방 예방 등 실험자 안전성 확보를 위한 JSA도 병행하였다. HAZOP을 통하여 도출된 위험 요소를 개선하기 위한 방안을 수립하였으며 JSA를 통해 인적오류를 최소화하고 작업자의 안전성 확보할 수 있는 작업 절차를 수립하였다. 이와 같은 위험성 평가 결과를 반영하여 계량시스템 설치를 위한 설계 변경 및 시스템 제작을 완료하였으며 개발된 계량기 시작품의 성능비교 실험을 통해 안전성을 확인할 수 있었다. 개발된 시작품 유량계는 70MPa의 운전 조건에서 총 30회 유량 측정 실험 결과 평균 오차는 -1.58% ~ 3.96%로 나타났다. 이와 같은 계량오차는 상업용으로 설치 운영 중인 유량계와 동등 수준의 성능을 가진 것으로 분석되었다.

• 인터넷정보학회논문지
• /
• 제23권6호
• /
• pp.1-13
• /
• 2022

정보통신 환경의 발전으로 인하여 군사 시설의 환경 또한 많은 발전이 이루어지고 있다. 이에 비례하여 사이버 위협도 증가하고 있으며, 특히 기존 시그니처 기반 사이버 방어체계로는 막는 것이 어려운 APT 공격들이 군사 시설 및 국가 기반 시설을 대상으로 빈번하게 이루어지고 있다. 적절한 대응을 위해 공격그룹을 알아내는 것은 중요한 일이지만, 안티 포렌식 등의 방법을 이용해 은밀하게 이루어지는 사이버 공격의 특성상 공격 그룹을 식별하는 것은 매우 어려운 일이다. 과거에는 공격이 탐지된 후, 수집된 다량의 증거들을 바탕으로 보안 전문가가 긴 시간 동안 고도의 분석을 수행해야 공격그룹에 대한 실마리를 겨우 잡을 수 있었다. 본 논문에서는 이러한 문제를 해결하기 위해 탐지 후 짧은 시간 내에 공격그룹을 분류해낼 수 있는 자동화 기법을 제안하였다. APT 공격의 경우 일반적인 사이버 공격 대비 공격 횟수가 적고 알려진 데이터도 많지 않으며, 시그니처 기반의 사이버 방어 기법을 우회하도록 설계가 되어있으므로, 우회가 어려운 공격 모델 기반의 탐지 기법을 기반으로 알고리즘을 개발하였다. 공격 모델로는 사이버 공격의 많은 부분을 모델링한 MITRE ATT&CK®을 사용하였다. 공격 기술의 범용성을 고려하여 영향성 점수를 설계하고 이를 바탕으로 그룹 유사도 점수를 제안하였다. 실험 결과 제안하는 방법이 Top-5 정확도 기준 72.62%의 확률로 공격 그룹을 분류함을 알 수 있었다.