• Nuclear Engineering and Technology
• /
• 제42권4호
• /
• pp.382-393
• /
• 2010

Thermal mixing by steam jets in a pool is dominantly influenced by a turbulent water jet generated by the condensing steam jets, and the proper prediction of this turbulent jet behavior is critical for the pool mixing analysis. A turbulent jet flow induced by a steam jet discharged through a vertical upward single hole into a subcooled water pool was subjected to computational fluid dynamics (CFD) analysis. Based on the small-scale test data derived under a horizontal steam discharging condition, this analysis was performed to validate a CFD method of analysis previously developed for condensing jet-induced pool mixing phenomena. In previous validation work, the CFD results and the test data for a limited range of radial and axial directions were compared in terms of profiles of the turbulent jet velocity and temperature. Furthermore, the behavior of the turbulent jet induced by the steam jet through a horizontal single hole in a subcooled water pool failed to show the exact axisymmetric flow pattern with regards to an overall pool mixing, whereas the CFD analysis was done with an axisymmetric grid model. Therefore, another new small-scale test was conducted under a vertical upward steam discharging condition. The purpose of this test was to generate the velocity and temperature profiles of the turbulent jet by expanding the measurement ranges from the jet center to a location at about 5% of $U_m$ and 10 cm to 30 cm from the exit of the discharge nozzle. The results of the new CFD analysis show that the recommended CFD model of the high turbulent intensity of 40% for the turbulent jet and the fine mesh grid model can accurately predict the test results within an error rate of about 10%. In this work, the turbulent jet model, which is used to simply predict the temperature and velocity profiles along the axial and radial directions by means of the empirical correlations and Tollmien's theory was improved on the basis of the new test data. The results validate the CFD model of analysis. Furthermore, the turbulent jet model developed in this study can be used to analyze pool thermal mixing when an ellipsoidal steam jet is discharged under a high steam mass flux in a subcooled water pool.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권7호
• /
• pp.279-286
• /
• 2021

최근 COVID-19 확산 방지를 위한 공공장소에서는 최소 1m 이상을 유지하는 물리적 거리두기 정책을 실행하고 있다. 본 논문에서는 드론과 CCTV가 취득한 스테레오 영상에서 실시간으로 사람들 간의 거리를 추정하는 방법과 추정된 거리에서 1m 이내의 객체를 인식하는 자동화 시스템을 제안한다. 기존의 CCTV를 이용하여 다중 객체 간의 거리 추정에 사용되었던 방법의 문제점으로는 한 대의 CCTV만을 이용하여 객체의 3차원 정보를 얻지 못한다는 것이다. 선, 후행하거나 겹쳐진 사람 간의 거리를 구하기 위해서는 3차원 정보가 필요하기 때문이다. 또한, 일반적인 Detected Bounding Box를 사용하여 영역 안에서 사람이 존재하는 정확한 좌표를 얻지 못한다. 따라서 사람이 존재하는 정확한 위치 정보를 얻기 위해 스켈레톤 추출하여 관절 키포인트의 2차원 좌표를 획득한 후, Stereo Vision을 이용한 카메라 캘리브레이션을 적용하여 3차원 좌표로 변환한다. 3차원으로 변환된 관절 키포인트의 중심좌표를 계산하고 객체 간 사이의 거리를 추정한다. 3차원 좌표의 정확성과 객체(사람) 간의 거리 추정 실험을 수행한 결과, 1m 이내에 존재하는 다수의 사람 간의 거리 추정에서 0.098m 이내 평균오차를 보였다.

• 한국산학기술학회논문지
• /
• 제22권4호
• /
• pp.295-311
• /
• 2021

본 연구에서는 사장교 케이블에 대한 장력계측장치의 현장적용성에 대한 실험을 수행하였다. 사장교 케이블의 장력을 추정하기 위해서 진동법을 이용하였으며 대상교량에 대해서 케이블의 가진을 통해서 모드특성을 분석하였고 케이블의 장력을 추정하기 위한 계측장치로는 GTDL360, NI Module, 9 Axes Motion Sensor등을 적용하였고 5개의 대상교량에 대해서 상기 계측장치들을 이용하여 케이블의 모드특성을 분석하여 케이블장력측정실험의 적정성을 평가하고 케이블의 장력을 추정하였다. 또한 5개의 대상교량에 대해서 수치해석을 실시하여 케이블의 고유진동수 및 케이블장력을 해석하였다. 현장 계측결과에 의한 케이블의 추정장력과 수치해석에 의한 케이블의 추정장력을 비교하여 현장계측방법의 적정성을 판단하였으며 분석결과 현장 계측에 의한 케이블의 계측장력과 해석에 의한 추정장력은 오차범위내에 있어서 상기 계측장치들을 현장에 적용하여도 무방할 것으로 판단된다. 현장실증교량의 가속도 기반의 케이블 추정장력과 수치해석에 의한 해석장력과의 값을 비교분석한 결과 값이 허용범위 내로 가속도 기반의 케이블 추정장력값은 적정한 것으로 판단된다. 또한, 현장적용성 분석결과 센서의 설치위치 및 기상조건의 제한 등 계측장치의 한계점이 존재하므로 추후 케이블 스마트 장력계측시스템에 관한 지속적인 후속연구가 필요할 것으로 판단된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.2060-2077
• /
• 2019

Recently, mobile healthcare services have attracted significant attention because of the emerging development and supply of diverse wearable devices. Smartwatches and health bands are the most common type of mobile-based wearable devices and their market size is increasing considerably. However, simple value comparisons based on accumulated data have revealed certain problems, such as the standardized nature of health management and the lack of personalized health management service models. The convergence of information technology (IT) and biotechnology (BT) has shifted the medical paradigm from continuous health management and disease prevention to the development of a system that can be used to provide ground-based medical services regardless of the user's location. Moreover, the IT-BT convergence has necessitated the development of lifestyle improvement models and services that utilize big data analysis and machine learning to provide mobile healthcare-based personal health management and disease prevention information. Users' health data, which are specific as they change over time, are collected by different means according to the users' lifestyle and surrounding circumstances. In this paper, we propose a prediction model of user physical activity that uses data characteristics-based long short-term memory (DC-LSTM) recurrent neural networks (RNNs). To provide personalized services, the characteristics and surrounding circumstances of data collectable from mobile host devices were considered in the selection of variables for the model. The data characteristics considered were ease of collection, which represents whether or not variables are collectable, and frequency of occurrence, which represents whether or not changes made to input values constitute significant variables in terms of activity. The variables selected for providing personalized services were activity, weather, temperature, mean daily temperature, humidity, UV, fine dust, asthma and lung disease probability index, skin disease probability index, cadence, travel distance, mean heart rate, and sleep hours. The selected variables were classified according to the data characteristics. To predict activity, an LSTM RNN was built that uses the classified variables as input data and learns the dynamic characteristics of time series data. LSTM RNNs resolve the vanishing gradient problem that occurs in existing RNNs. They are classified into three different types according to data characteristics and constructed through connections among the LSTMs. The constructed neural network learns training data and predicts user activity. To evaluate the proposed model, the root mean square error (RMSE) was used in the performance evaluation of the user physical activity prediction method for which an autoregressive integrated moving average (ARIMA) model, a convolutional neural network (CNN), and an RNN were used. The results show that the proposed DC-LSTM RNN method yields an excellent mean RMSE value of 0.616. The proposed method is used for predicting significant activity considering the surrounding circumstances and user status utilizing the existing standardized activity prediction services. It can also be used to predict user physical activity and provide personalized healthcare based on the data collectable from mobile host devices.

• 한국재난정보학회 논문집
• /
• 제14권4호
• /
• pp.501-509
• /
• 2018

연구목적: UAV기반의 사진측량은 기존 항공촬영에 비해 비용이 절감될 뿐만 아니라 원하는 시간과 장소에 대한 고해상도의 데이터를 취득하기 용이하기 때문에, 공간정보 분야에서도 UAV를 활용한 연구가 진행되고 있다. 본 연구에서는 UAV 기반의 고해상도 영상을 활용하여 토지피복 분류를 수행하고자 하였다. 연구방법: 고해상도 영상의 획득을 위하여 RGB카메라를 사용하였으며, 추가적으로 식생지역을 정확하게 분류하기 위해서 다중분광 카메라를 사용하여 동일 지역을 추가 촬영하였다. 최종적으로 RGB 및 다중분광 카메라를 이용하여 생성된 정사영상, DSM(Digital Surface Model), NDVI(Normalized Difference Vegetation Index), GLCM(Gray-Level Co-occurrence Matrix)을 이용하여 대표적인 감독분류기법인 RF(Random Forest)방법을 이용해 총 7개 클래스에 대해 토지피복분류를 수행하였다. 연구결과: 분류정확도 평가를 위해 오차행렬을 기반으로 한 정확도 평가를 실시하였으며, 정확도 평가 결과 RGB 영상만을 이용한 감독분류결과와 비교하여 제안 방법이 해당 지역의 클래스를 효과적으로 분류할 수 있음을 확인하였다. 결론: 본 연구에서 제안한 정사영상, 다중분광영상, NDVI, GLCM을 모두 추가한 경우 기존의 정사영상만을 이용하였을 때 보다 높은 정확도를 나타냈다. 추후 연구로는 추가적인 입력자료의 개발을 통해 분류 정확도를 향상시키고자 한다.

• Korean Chemical Engineering Research
• /
• 제59권2호
• /
• pp.209-218
• /
• 2021

ORV의 열교환 효율 향상 및 운전 최적화를 위한, first principle 기반 모델링 연구들이 수행되어왔지만, ORV의 열 전달 계수는 시간, 위치에 따라 불규칙한 시스템으로, 복잡한 모델링 과정을 거친다. 본 연구는 복잡한 시스템에 대한 데이터 기반 모델링의 실효성을 확인하고자, LNG 재기화 공정의 실제 운전데이터를 이용해, ORV의 해수 유량, 해수온도, LNG 유량 변화에 따른 토출 NG 온도 및 토출 해수 온도의 동적 변화 예측이 가능한, FNN, LSTM 및 AutoML 기반 모델링을 진행하였다. 예측 정확도는 MSE 기준 LSTM > AutoML > FNN 순으로 좋은 성능을 보였다. 기계학습 모델의 자동설계 방법인 AutoML의 성능은 개발된 FNN보다 뛰어났으며, 모델 개발 전체소요시간은 복잡한 모델인 LSTM 대비 1/15로 크게 차이를 보여 AutoML의 활용 가능성을 보였다. LSTM과 AutoML을 이용한 토출 NG 및 토출 해수 온도의 예측은 0.5 K 미만의 오차를 보였다. 예측모델을 활용해, 겨울철 ORV를 이용해 처리 가능한 LNG 기화량의 실시간 최적화를 수행하여, 기존 대비 최대 23.5%의 LNG를 추가 처리 가능함을 확인하였고, 개발된 동적 예측모델 기반의 ORV 최적 운전 가이드라인을 제시하였다.

• 한국인터넷방송통신학회논문지
• /
• 제21권1호
• /
• pp.141-148
• /
• 2021

일부 네거리나 혼잡도로에서 특정 시간대에 행인이 많고 도로가 막혀서 발생하는 교통사고가 적지 않다. 특히 인근에 학교교차로가 있어 바쁜 시간에 학생들의 교통안전을 지키는 것이 중요하다. 과거에는 교통 신호등을 설 계 했을 때 행인의 안전성을 고려하지 않고 자동차 인식과 교통 최적화에 대하여 연구 했다. 행인, 특히 학생들의 안전을 확보하는 전제에서 가능한 한 도로의 소통을 유지하는 것이 본 연구의 중점적인 연구 방향이다. 본 연구는 사람, 오토바이, 자전거, 자동차, 버스의 식별문제를 중점적으로 연구할 것이다. 조사와 비교를 통해 본 연구는 YOLO v4 네트워크로 목표물의 위치와 수량을 식별하는 것을 제시한다. YOLO v4는 작은 목표물의 식별 능력이 강하고 정밀도가 높으며 처리속도가 빠르다는 특징을 가지고 있으며, 데이터 수집 대상을 설정하여 이미지 집합을 훈련하고 테스트 한다. 움직이는 영상에서 목표물의 정확도, 실수율과 누락율에 대한 통계를 사용하여, 본 연구에서 훈련된 네트워크는 움직이는 이미지 속의 사람, 오토바이, 자전거, 자동차와 버스를 정확하게 식별 할 수 있다.

• 한국지반환경공학회 논문집
• /
• 제12권11호
• /
• pp.71-77
• /
• 2011

최근 들어 자기이방성센서를 이용한 비파괴응력계측기법은 강교나 강관 등의 건설 분야에서 적용되어지고 있다. 또한 터널건설현장에서 이용되는 강지보재에 대해서도 적용한 사례가 있다. 본 연구에서는 일본에서 개발된 자기이방성센서와 스트레인 게이지를 이용하여 국산 강재인 SS400에 적합한 응력감도곡선을 도출하기 위해 강재하중재하실험을 수행하였다. 또한 자기이방성센서를 이용한 비파괴 응력계측기법의 적용성을 평가하기 위하여 추가 강재하중재하실험과 수치해석을 실시하였다. 본 연구의 결과, 계측위치에 따라 자기이방성센서에서 측정된 출력전압과 스트레인 게이지로 측정된 응력의 평균을 이용하여 국산 강재인 SS400에 적합한 응력감도곡선을 도출하였다. 그리고 추가 강재하중재하실험과 수치해석을 비교한 결과, 자기이방성센서의 오차범위가 약 20MPa 정도임을 알 수 있었다. 자기이방성센서를 강재의 응력상태를 파악할 목적으로 사용할 경우, 강재의 항복응력의 레벨(245MPa)을 고려하면 공학적으로 충분한 정확도를 가지고 있다고 판단된다. 특히 자기이방성센서는 계측 센서가 부착되어 있지 않은 강구조물에서 잔류응력을 고려한 현재상태의 응력을 용이하게 파악할 수 있으며, 강구조물의 유지관리에 편리하게 적용이 가능함을 확인하였다.

• 한국전산구조공학회논문집
• /
• 제34권1호
• /
• pp.59-69
• /
• 2021

최근 친환경 에너지 개발에 대한 관심의 증가로 해상 및 연안 지역에서 대규모 해양구조물들이 건설되고 있다. 해양구조물은 항상 파랑 하중에 노출되어 있으므로 구조적인 안전성을 확보하기 위해서는 파랑에 대한 정확한 이해와 분석이 필수적이다. 실해역에서 수행되는 실험은 해양파를 이해하기 위한 가장 정확한 방법이지만, 변수의 통제가 어렵고 비용과 규모 측면에서 실험이 제한되는 경우가 많다. 본 연구에서는 수치파동수조를 이용하여 다양한 조건의 파를 생성하고 및 이론식과 비교를 통해 파랑 생성 능력을 검증하였다. 입자 기반 수치해석법인 SPH(Smoothed Particle Hydrodynamics) 기법을 이용하여 3차원 수조 및 피스톤 조파기를 모델링하였으며, 반사파에 대한 영향을 최소화하기 위해 수로 끝단에 질량 가중 감쇠 영역을 설정하여 안정적인 파고 및 유속 계산이 수행될 수 있게 하였다. 목표 파랑 조건에서,상대 수심이 2 이하를 만족하는 경우 파형경사에 관계없이 파고와 유속을 계산한 결과가 이론값과 높은 정확도를 보였다. 그러나 상대수심과 파형경사의 목표값이 증가하고, 측정 위치가 멀어짐에 따라서 최대 10% 이상의 오차가 발생하였다. 수치해석을 이용하여 정확한 계산이 가능한 파랑 범위를 무차원 변수를 이용하여 제안하였으며, 차후 수치해석을 이용한 수치파동수조 검증기준과 유체-구조물 상호작용 해석분야 연구에 효과적으로 활용될 수 있다.

• 한국산학기술학회논문지
• /
• 제22권3호
• /
• pp.352-361
• /
• 2021

한국해양과학기술원에서는 수중 공사용 구조물에 적용할 수 있는 수중 위치 인식 기술을 개발하고 있다. 정밀한 위치 인식을 위해 관성 항법을 기반으로 한 확장 칼만 필터를 사용하였으며, 비동기화 된 센서들의 데이터를 알고리즘 보정 단계에 적용하기 위하여 내부의 관측 행렬을 데이터에 따라 구분하여 업데이트 하였다. 수중 공사 환경, 설치 위치, 시스템 운용 편의성 등을 종합적으로 고려하여 수중 공사 구조물 하부에 붙여야 신호를 획득할 수 있는 Doppler velocity logger(DVL)는 설치 및 회수가 어렵기 때문에 이를 배제한 수중 공사 구조물 부착용 수중 위치 인식 복합 시험체를 제작하였으며 수조 환경에서 수중 위치 인식 성능 시험을 수행하였다. Ultra short-base line(USBL)로 측정된 수중 위치, 위치 벡터만 보정된 추정 위치, 그리고 위치와 속도 벡터를 보정한 추정 위치 결과를 원형 공산 오차(CEP)를 이용하여 비교 및 평가하였다. 그 결과 USBL 단독 위치 추정 CEP 0.02 m, 위치 벡터만 보정한 추정 위치 CEP 3.76 m., 위치 및 속도 벡터를 보정한 추정 위치 CEP 0.06 m로 평가되었다. 본 연구를 통해 DVL이 미적용된 비동기식 센서들을 이용하여 안정적인 수중 위치를 추정할 수 있음을 확인하였다.