• 한국산학기술학회논문지
• /
• 제17권5호
• /
• pp.269-274
• /
• 2016

본 연구는 호퍼와 같은 공정에서 필연적으로 발생하는 스케일 또는 막힘 현상을 방지하기 위해 적용할 수 있는 저주파 전자해머 구동 시스템의 개발에 관한 것이다. 전자기계식 hammering 구동 방식은 진동과 충격량을 동시에 발생시키는 방식으로, 본 논문에서는 전자해머의 특성을 고찰하기 위하여 전자해머에 장착된 직/병렬 스프링 상수 해석을 하였고 발생에너지는 E코어에 부착된 스프링 상수가 모두 같을 경우에 계산된 등가 스프링 상수와 E코어와 I코어 사이의 동작 변위의 곱으로 계산할 수 있음을 보였다. 또한 전자해머의 충격량을 최대화하기 위하여 맥동파 구동 알고리즘을 적용하였으며, 이 알고리즘은 논리 AND 연산과 마이크로 콘트롤러(atmega128)의 타이머 인터럽트와 PWM 기능을 사용하여 구현하였다. 전자해머의 구동회로는 IGBT로 구성된 H-브리지 방식으로 설계하였고, 가속도계 측정법으로 개발한 전자 해머 시스템의 성능을 검증하였다. 실험 결과 제안한 시스템이 기계적 에너지를 양호하게 발생시킬 수 있으며, 호퍼와 같은 공정에 적용할 수 있음을 보였다.

• 한국건설순환자원학회논문집
• /
• 제10권4호
• /
• pp.489-497
• /
• 2022

본 연구에서는 CNT를 적용한 시멘트 페이스트의 유동성, 역학적 성능 및 미세구조를 실험적으로 평가하였다. PCE:CNT 및 w/b를 달리한 6종류 시멘트 페이스트를 제조하였으며, 플로우, 압축강도, 흡수율 및 투수공극량을 측정하여 CNT 혼입 페이스트의 성능을 측정하였다. 또, XRD 및 SEM 분석을 통하여 시멘트 페이스트의 미세조직구조 변화를 평가하였다. 실험결과에 따르면, CNT는 시멘트 페이스트의 수화촉진효과 및 채움효과로 인하여 OPC 배합에 비하여 성능이 향상되는 것을 확인할 수 있으며, 시멘트 페이스트 중 균열을 연결하는 CNT의 가교효과를 확인할 수 있었다. 결론적으로, CNT를 적절하게 혼입할 경우, CNT는 수화촉진 및 가교효과로 인하여 콘크리트의 성능을 향상시킬 수 있는 나노소재로써 적용가능할 것으로 판단된다.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.181-193
• /
• 2022

Data-driven structural health monitoring (SHM) of civil infrastructure can be used to continuously assess the state of a structure, allowing preemptive safety measures to be carried out. Long-term monitoring of large-scale civil infrastructure often involves data-collection using a network of numerous sensors of various types. Malfunctioning sensors in the network are common, which can disrupt the condition assessment and even lead to false-negative indications of damage. The overwhelming size of the data collected renders manual approaches to ensure data quality intractable. The task of detecting and classifying an anomaly in the raw data is non-trivial. We propose an approach to automate this task, improving upon the previously developed technique of image-based pre-processing on one-dimensional (1D) data by enriching the features of the neural network input data with multiple channels. In particular, feature engineering is employed to convert the measured time histories into a 3-channel image comprised of (i) the time history, (ii) the spectrogram, and (iii) the probability density function representation of the signal. To demonstrate this approach, a CNN model is designed and trained on a dataset consisting of acceleration records of sensors installed on a long-span bridge, with the goal of fault detection and classification. The effect of imbalance in anomaly patterns observed is studied to better account for unseen test cases. The proposed framework achieves high overall accuracy and recall even when tested on an unseen dataset that is much larger than the samples used for training, offering a viable solution for implementation on full-scale structures where limited labeled-training data is available.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.77-91
• /
• 2022

Various monitoring systems have been implemented in civil infrastructure to ensure structural safety and integrity. In long-term monitoring, these systems generate a large amount of data, where anomalies are not unusual and can pose unique challenges for structural health monitoring applications, such as system identification and damage detection. Therefore, developing efficient techniques is quite essential to recognize the anomalies in monitoring data. In this study, several machine learning techniques are explored and implemented to detect and classify various types of data anomalies. A field dataset, which consists of one month long acceleration data obtained from a long-span cable-stayed bridge in China, is employed to examine the machine learning techniques for automated data anomaly detection. These techniques include the statistic-based pattern recognition network, spectrogram-based convolutional neural network, image-based time history convolutional neural network, image-based time-frequency hybrid convolution neural network (GoogLeNet), and proposed ensemble neural network model. The ensemble model deliberately combines different machine learning models to enhance anomaly classification performance. The results show that all these techniques can successfully detect and classify six types of data anomalies (i.e., missing, minor, outlier, square, trend, drift). Moreover, both image-based time history convolutional neural network and GoogLeNet are further investigated for the capability of autonomous online anomaly classification and found to effectively classify anomalies with decent performance. As seen in comparison with accuracy, the proposed ensemble neural network model outperforms the other three machine learning techniques. This study also evaluates the proposed ensemble neural network model to a blind test dataset. As found in the results, this ensemble model is effective for data anomaly detection and applicable for the signal characteristics changing over time.

• 대한토목학회논문집
• /
• 제28권2A호
• /
• pp.215-222
• /
• 2008

본 논문은 현수교 이중 행어 시스템에 대한 진동기반 SI 장력추정기법의 실험적 검증을 소개한다. 현수교 이중 행어 시스템을 모사한 실험 모델을 제작되었으며, 세가지 경우의 클램프 위치에 대한 세가지 경우의 행어장력에 대해서 총 9회의 진동실험이 반복 수행되었다. 각각의 계측된 가속도 응답 데이터에 대해서, 모달분석을 통한 고유진동수와 모드 형상이 추출되었다. 추출된 일련의 동특성치들에 대하여 기존의 장력추정 이론인 현이론과 선형회기법을 적용하여 장력을 추정하였다. 또한 진동기반 SI 장력추정기법을 적용하여 장력을 추정하였는데, 추정된 장력은 수치모델과 계측모델의 동적 특성치들이 동일하게 될 때, 수치모델의 케이블 장력을 인식함으로써 추정되었다. 추정결과, 클램프의 위치에 따라서 기존의 이론을 이용한 추정장력의 오차는 최대 53.1%까지 보이는 반면, 진동기반 SI기법을 이용한 추정장력기법의 장력추정 오차는 모든 경우에 대하여 3% 이내 이다.

• Smart Structures and Systems
• /
• 제33권2호
• /
• pp.93-103
• /
• 2024

Despite the rapid development of sensors, structural health monitoring (SHM) still faces challenges in monitoring due to the degradation of devices and harsh environmental loads. These challenges can lead to measurement errors, missing data, or outliers, which can affect the accuracy and reliability of SHM systems. To address this problem, this study proposes a classification method that detects anomaly patterns in sensor data. The proposed classification method involves several steps. First, data scaling is conducted to adjust the scale of the raw data, which may have different magnitudes and ranges. This step ensures that the data is on the same scale, facilitating the comparison of data across different sensors. Next, informative features in the time and frequency domains are extracted and used as input for a deep neural network model. The model can effectively detect the most probable anomaly pattern, allowing for the timely identification of potential issues. To demonstrate the effectiveness of the proposed method, it was applied to actual data obtained from a long-span cable-stayed bridge in China. The results of the study have successfully verified the proposed method's applicability to practical SHM systems for civil infrastructures. The method has the potential to significantly enhance the safety and reliability of civil infrastructures by detecting potential issues and anomalies at an early stage.

• 영재교육연구
• /
• 제25권3호
• /
• pp.439-463
• /
• 2015

본 연구는 소외계층 및 다문화 가정의 영재 대상 한국형 헤드 스타트 영재교육 프로그램 개발을 위한 기초연구로 외국의 소외계층 영재교육 프로그램 비교분석을 통해 개발될 프로그램의 성격과 내용을 제안하는 것을 목적으로 한다. 미국, 영국, 독일 호주, 이스라엘의 소외계층 영재를 위한 14개 영재교육 프로그램을 목적, 선발 대상 및 방법, 내용, 효과에 따라 분석한 결과 시사점은 다음과 같다. 첫째 소외계층 영재교육 프로그램은 교육 격차를 좁히기 위해 조기 선발을 하며 중재반응(RTI)모형의 다층식(Tiered) 프로그램을 중재 프로그램으로 사용한다. 둘째 소외계층 영재교육 프로그램은 정규 교육과정안에서 확대된 학교 심화형태로 제공하여 영재교육의 형평성과 수월성을 추구한다. 셋째 소외계층 영재는 다면적, 역동적 평가를 통한 강점 중심의 선발 방식을 사용한다. 넷째 일반 영재교육 프로그램에 소외계층 영재가 들어갈 수 있도록 준비시켜주며, 가교 역할을 하는 과도기적 성격을 가진다. 다섯째 인지능력 발달 외에 사회 정서적 발달 프로그램과 진로 프로그램을 제공하며, 부모교육, 멘토링 등을 포함한다. 여섯째 프로그램의 효과적인 운영을 위해 외부의 다양한 자원을 활용하며 정부 부처 간의 협력을 구축한다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제13권2호통권54호
• /
• pp.231-242
• /
• 2009

통계적 구조물 손상진단에서 기저분포는 구조물에 손상이 없을 때 획득된 동적 응답 특성이 이루는 통계 분포이다. 일반적으로 구조물에 손상이 발생했을 때 손상에 민감한 구조물의 동적 응답 특성은 기저분포의 꼬리 부근에 주로 나타나게 된다. 최근 연구자들은 기저분포의 꼬리 부분을 정확하게 모사하기 위해 극치분포에 주목하고 있으나, 구조물 손상진단의 관점에서 극치분포의 이론적 이해에 대한 연구는 거의 이루어지지 않았다. 이 연구에서는 신뢰성 있는 통계적 구조물 손상진단을 위해 필요한 극치분포의 점근적 수렴성을 매개변수 추정법을 이용하여 규명한다. 특히, 극치 추출에 필요한 표본크기와 극치분포의 점근적 수렴성의 관계를 정량적으로 보인다. 또한, 극치분포 추정에서 표본크기와 통계적 구조물 손상진단에서 발생하는 손상오류경보 빈도에 대한 관계를 정량적으로 규명한다. 차량 이동하중을 받는 2경간 트러스 교량에서 수치해석 기법을 통해 모사된 가속도 데이터를 이용하여 제안된 기법의 타당성을 검증한다.

• 한국ITS학회 논문지
• /
• 제20권6호
• /
• pp.66-83
• /
• 2021

고속도로를 주행하는 차량은 다양한 시설로 인한 주행행태 변화를 경험한다. 이러한 구간은 교통량 증가 시에 반복적인 교통 정체를 유발할 수 있어 이에 따른 안전성 문제가 제기될 수 있다. 따라서 본 연구는 드론 영상을 활용하여 고속도로 내 반복적인 정체가 발생하는 구간에 대한 미시적인 교통분석을 수행하고 교통문제의 원인을 파악하는 것을 목적으로 한다. 드론영상의 경우 기존 검지기 기반 교통분석 수집체계에서 취득 가능한 집합 형태의 자료에서 벗어나 개별 차량의 궤적자료를 얻을 수 있기 때문에 차량주행행태에 대한 실증 분석이 가능하다. 본 연구의 분석 구간은 차량주행행태 변화가 심한 판교 IC 엇갈림구간과 서해대교 경사구간으로 선정하였다. 드론 영상을 통해 문제 구간을 통과하는 차량의 궤적자료를 추출하고, 일반화 된 정의(Generalized Definition)를 활용한 셀 단위 분석을 통해 속도, 밀도, 가속도, 그리고 차로변경에 대한 미시적인 교통분석을 수행하였다. 본 연구 결과는 고속도로 내 문제 구간의 원인 파악을 위한 기초 연구로 활용될 수 있으며, 이를 통해 교통분석 업무의 효율성과 편의성 향상을 도모하고자 한다.

• 한국지반공학회논문집
• /
• 제35권11호
• /
• pp.111-119
• /
• 2019

지진에 대한 경각심이 높아지는 가운데 고속철도 시스템의 지진 취약성을 분석하는 것은 지진피해 사전대응분석을 위해 필수적이다. 고속철도를 이루는 구조물은 400km/s 정도까지 속도를 낼 수 있는 고속열차의 직진성을 유지하기 위해 주로 교량, 터널 등으로 구성되어 있다. 이러한 구조물의 지진에 대한 취약도는 각 구조물의 단면을 분석하여 해석적 또는 수치적 방법으로 구할 수도 있으나, 고속철도 전체 시스템을 이러한 방법으로 분석하기에는 그 대상이 넓어 많은 연구 노력이 필요하다. 본 연구에서는 이런 해석적 방법이 아닌 경험적 방법을 사용하여 고속철도 시스템 전체의 일반적인 지진 취약도 곡선을 개발하였다. 연구에 활용한 대상 지진 사례는 규모 6.6 2004년 니가타 지진으로, 이 지진은 진앙 인근 부근을 지나는 고속철도에 심각한 피해를 초래하였다. 본 연구에서는 고속철도에서의 계기진도 및 피해 사례를 수집하였고, 통계분석을 통해 각 피해 정도에 따른 피해 확률을 결정하였다. 그 후, 최대우도추정법을 사용하여 계기진도를 함수로 하는 초과피해 확률을 로그정규누적분포함수로 추정하였다. 이러한 취약도 곡선을 분석한 결과, 장주기 성분의 계기진도인 주기 3초의 응답스펙트럼(SA_T3.0)이 로그정규누적분포함수의 표준편차가 가장 작게 나타나고 오차의 표준편차 또한 작게 나타나 터널 및 교량 등 고속철도 시스템의 피해 확률을 추정하는데 가장 적합한 계기진도로 판단되었다. 이는 장주기 성분의 지진파가 터널 및 교량 등의 피해에 큰 연관성이 있기 때문으로 유추된다. 개발된 취약도 곡선으로부터 보통 이상(DL > 1)의 피해에 대해 SA_T3.0 = 0.1g일 때 2%의 피해확률을 예측하였으며, SA_T3.0 = 0.2g일 때 23.9%의 피해확률을 예측하였다.