• 한국산학기술학회논문지
• /
• 제18권1호
• /
• pp.579-584
• /
• 2017

고속 철도 차량 댐퍼의 오일 씰은 열차 운행동안 외부 환경으로부터 유해한 오염을 막고, 댐퍼 내부에서 오일 누출을 방지하고자 사용되는 니트릴 부타디엔 고무 재질 부품이다. 오일 씰의 주요 고장원인인 누유는 본 댐퍼의 피로 파손을 일으킨다. 뿐만 아니라 본 오일 씰의 누적 손상은 궤도 불규칙과 캔트 등으로 열차 주행동안 반복적인 댐퍼의 상하 운동으로부터 로드와 본 부품 사이에 접촉력으로 인하여 발생한다. 따라서 본 오일 씰의 설계는 취약점에서 최대 주변형률을 최소화하는 것이 필요하다. 본 연구에서는 댐퍼의 내구성을 향상하기 위하여 다중 섬 유전자 알고리즘을 이용하여 오일 씰 단면형상에 대한 최적설계를 수행하였다. 오일 씰의 최적단면은 절차 자동화 / 최적설계 프로그램을 이용하여 본 연구의 최적설계와 비선형 유한요소해석의 통합절차에 따라 얻어진 것이다. 또한, 비선형 유한요소해석의 입력 자료로서, 본 고무의 비선형 물성 값은 말로우식으로 표현하였다. 취약지점인 오일 누유지점에서 최적단면의 오일 씰은 초기 형상과 비교할 때, 이 지점에서 최대 주변형률이 약 24% 감소함을 확인하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권3_4호
• /
• pp.326-338
• /
• 2003

신경회로망 설계 및 모델선택의 목표는 최적의 구조를 가지는 일반화 성능이 우수한 네트워크를 구성하는 것이다. 하지만 학습데이타에는 노이즈(noise)가 존재하고, 그 수도 충분하지 않기 때문에 최종적으로 표현하고자 하는 진확률 분포와 학습 데이타에 의해 표현되는 경험확률분포(empirical probability density) 사이에는 차이가 발생한다. 이러한 차이 때문에 신경회로망을 학습데이타에 대하여 과다하게 적합(fitting)시키면, 학습데이타만의 확률분포를 잘 추정하도록 매개변수들이 조정되어 버리고, 진확률 분포로부터 멀어지게 된다. 이러한 현상을 과다학습이라고 하며, 과다학습된 신경회로망은 학습데이타에 대한 근사는 우수하지만, 새로운 데이타에 대한 예측은 떨어지게 된다. 또한 신경회로망의 복잡도가 증가 할수록 더 많은 매개변수들이 노이즈에 쉽게 적합되어 과다학습 현상은 더욱 심화된다. 본 논문에서는 통계적인 관점을 바탕으로 신경회로망의 일반화 성능을 향상시키는 신경회로 망의 설계 및 모델 선택의 통합적인 프로세스를 제안하고자 한다. 먼저 학습의 과정에서 적응적 정규화가 있는 자연기울기 학습을 통해 수렴속도의 향상과 동시에 과다학습을 방지하여 진확률 분포에 가까운 신경회로망을 얻는다. 이렇게 얻어진 신경회로망에 자연 프루닝(natural pruning) 방법을 적용하여 서로 다른 크기의 후보 신경회로망 모델을 얻는다. 이러한 학습과 복잡도 최적화의 통합 프로세스를 통하여 얻은 후보 모델들 중에서 최적의 모델을 베이시안 정보기준에 의해 선택함으로써 일반화 성능이 우수한 최적의 모델을 구성하는 방법을 제안한다. 또한 벤치마크 문제를 이용한 컴퓨터 시뮬레이션을 통하여, 제안하는 학습 및 모델 선택의 통합프로세스의 일반화 성능과 구조 최적화 성능의 우수성을 검증한다.

• 한국응용과학기술학회지
• /
• 제36권4호
• /
• pp.1088-1095
• /
• 2019

CKD 추출액은 시멘트공정에서 발생한 폐기물인 CKD를 시멘트 원료로 재사용하기 위해 공정 방해물질로 작용하는 KCl을 추출한 폐수이며, 폐수처리시설 증설 등의 문제로 추출액 무방류 및 이를 재이용하고자 하였다. 이온교환법을 적용하여 KCl을 제거한 결과, 이온교환 후 추출액의 pH는 12.7에서 pH 2 미만으로 감소하였으며 양이온교환수지의 H⁺가 이온교환을 거쳐 추출액에 용해되었음을 확인하였다. 이온교환의 선택성에 의해 Ca²⁺, K⁺ 순서로 제거되었으며, K⁺ 이온을 제거하기 위해 접촉시간의 증가가 필요함을 판단하였다. 이온교환수지와 직접접촉시간이 약 6배 높은 접촉시간을 갖는 회분식장치에서 연속흐름식장치 대비 4배 높은 K⁺ 제거 효율을, 7배 높은 Cl^- 제거 효율을 확인하였다. 양이온교환수지의 H⁺가 음이온교환수지의 OH^- 대비 1.2배 빠른 교환속도를 가짐을 추출액 pH 변화를 통해 확인하였다.

• Korean Chemical Engineering Research
• /
• 제58권4호
• /
• pp.565-572
• /
• 2020

본 연구는 증류탑 분리공정 시스템 최적화를 위하여 인공지능 머신러닝이 적용된 소프트웨어 플랫폼을 개발하였다. 증류탑 분리공정은 석유화학 산업의 대표적이고 핵심적인 공정이다. 하지만 다양한 운전조건과 연속식공정 특성으로 인하여 안정적인 운전이 어려우며 운전자 숙련도에 의하여 공정효율에 차이가 발생된다. 이를 해결하기 위하여 이론적 시뮬레이션을 활용한 제어방법이 개발되어 사용되고 있지만 특수하거나 복잡한 반응이 포함된 공정에는 적용이 어려우며, 거대한 시스템에 대하여 분석이 이루어질 경우 계산비용 증대로 인하여 실시간 제어와 연동이 어려운 한계점을 지니고 있다. 따라서 본 연구에서는 이러한 문제점을 해결하기 위하여 머신러닝을 기반으로 한 경험적 시뮬레이션 모델을 개발하고 이를 통하여 최적의 공정운영방법을 제시하고자 한다. 경험적 시뮬레이션 개발은 실제 공정에서 수집된 빅 데이터, 데이터마이닝을 통한 특성추출, 공정을 대표하는 데이터 선별, 화학공정 특성에 맞는 모델 선정으로 이루어졌으며, 현장검증 및 테스트를 통하여 증류탑 분리공정 플랫폼이 개발되었다. 최종적으로 개발된 플랫폼을 통하여 운전 조작변수의 예측이 가능하며, 최적화된 운전조건을 제공하여 효율적인 공정운영을 달성할 수 있다. 본 논문은 머신러닝 기법을 화학공정에 적용한 기초연구로서 이후 다양한 공정에 적용하여 4차 산업의 스마트 팩토리의 초석이 되어 널리 활용될 수 있을 것이라 판단된다.

• 한국철도학회논문집
• /
• 제13권1호
• /
• pp.71-77
• /
• 2010

대부분의 선진국에서 교량의 유지보수 및 보강(Maintenance Repair & Rehabilitation-MR&R)으로 인한 비용은 해마다 증가하고 있다. 전산화된 교량유지관리 및 의사결정시스템(Bridge Management System-BMS)은 가능한 최저의 생애주기비용(Life Cycle Cost - LCC)에 최적의 안정성를 확보하기 위해 개발되었다. 본 논문에서는 제한된 현존하는 교량진단기록을 이용하여 현존하지 않는 과거의 교량상태등급 데이타를 생성하기 위해 Backward Prediction Model(BPM)이라 불리는 인공신경망(Artificial Neural Network-ANN)에 기초한 예측모델을 제시한다. 제안된 BPM은 한정된 교량 정기점검기록으로부터 현존하는 교량진단기록과 연관성을 확립하기 위해 교통량과 인구, 그리고 기후 등과 같은 비구조적 요소를 이용하며, 제한된 교량진단기록과 비구조적 요소 사이에 맺어진 연관성을 통해 현존하지 않는 과거의 교량상태등급 데이타를 생성할 수 있다. BPM의 신뢰도를 측정하기 위하여 Maryland DOT로 부터 얻어진 National Bridge Inventory(NBI)와 BMS 교량진단자료를 이용하였다. 이중 NBI자료를 이용한 Backward comparison 에 있어서 실제 NBI기록과 BPM으로 생성된 교량상태등급과의 차이(상판: 6.68%, 상부구조부: 6.61%, 하부구조부: 7.52%)는 BPM으로 생성된 결과의 높은 신뢰도를 보여준다. 이 연구의 결과는 제한된 정기점검 기록으로 야기되는 BMS의 장기 교량손상 예측에 관련된 사용상의 문제를 최소화하고 전반적인 BMS 결과의 신뢰도를 높이는데 기여 할 수 있다.

• 한국식품저장유통학회지
• /
• 제23권3호
• /
• pp.319-325
• /
• 2016

백삼과 홍삼의 추출수율은 각각 33.56%와 48.79%로 홍삼의 추출수율이 높았고, 산성다당체의 경우 1~4차 추출단계까지는 홍삼군이 백삼군보다 높았으나, 5차 추출단계에서 백삼군이 6차 추출단계에서는 홍삼군이 높게 나타났다. 백삼과 홍삼의 추출단계별 농축액의 조사포닌 함량은 백삼(56.44 mg/g)에 비해 홍삼(53.15 mg/g)이 약 5.8 % 증가하는 것으로 나타났다. 이들을 혼합한 선택적 홍삼농축액 모델 4종의 기호도 평가 결과 1, 2, 6차 추출물이 혼합된 RGB-4가 가장 높은 기호도를 나타내었고 시판 홍삼 농축액 3종에 대해 비교한 결과에서도 RGB-4가 쓴맛, 떫은맛, 인삼향 강도가 약해지고 종합적 기호도에서 높은 평가를 받았다. 본 실험에서는 추출방법을 달리 함으로써 추출수율 및 조사포닌 함량을 감안하여 인삼 쓴맛과 향의 강도를 낮출 수 있다는 것을 확인하였다. 이 추출방법을 이용하여 쓴맛을 저감시키고 인삼향미의 강도를 저감시킨 제품을 개발하여 좀 더 편하고 자연스럽게 홍삼제품을 접할 수 있도록 더 많은 연구가 진행 되어야 할 것이다.

• 방송공학회논문지
• /
• 제14권1호
• /
• pp.59-69
• /
• 2009

H.264/AVC의 B 슬라이스의 부호화 효율 향상과 두 개의 움직임벡터를 탐색하는데 소요되는 계산량 감소를 위하여 양방향 대칭(Bi-directional Symmetric) 기법이 개발된 바 있다. 이 기법은, 전방향과 역방향 참조영상 각각에 대하여 움직임 벡터를 구하고 이 두 개를 각각 다 전송하는 종래의 양방향 예측기법과는 달리, 전방향 참조영상에 대해 움직임 벡터를 찾는 동시에 역방향 참조영상에 대한 역방향 움직임 벡터를 전방향 참조영상, 역방향 참조영상, 그리고 현재 영상간의 상대적 거리를 고려한 대칭(Symmetric) 구조로 동시에 계산하여 추정하는 방법이다. 이 기법에 따르면, 전방향 움직임 벡터가 정해지면, 역방향 움직임벡터는 이와 대칭적으로 계산하여 얻어지므로 움직임벡터 추정 복잡도를 반으로 줄이고, 전방향 움직임벡터만을 전송하도록 하여 부호화할 움직임벡터의 양도 줄일 수 있다. 그러나 이 방법은 항상 전방향 움직임 벡터를 기준으로 역방향 움직임 벡터를 계산하여 얻다 보니, 장면전환등의 경우 오히려 역방향 움직임벡터를 기준으로 전방향 움직임벡터를 추산하는 것이 더욱 효율적인 경우도 있다. 본 논문에서는 전방향 참조영상에 대한 움직임 벡터를 중심으로 역방향 움직임 예측벡터를 추정하는 방법을 일반화시켜, 역방향 움직임 벡터를 중심으로 전방향 움직임 벡터를 추산하여 사용하는 방법을 제안하고 아울러 기존 방법과 제안 방법을 율왜곡 관점에서 최적으로 선택하여 사용하는 방법을 제안한다.

• 멤브레인
• /
• 제25권4호
• /
• pp.332-342
• /
• 2015

본 연구는 역삼투막의 막오염을 해결하기 위하여 실란-에폭시 층을 형성시킨 다층 표면개질법을 이용하여 역삼투막의 내오염성을 향상시키고자 하였다. Sol-gel법을 이용하여 Octyltrimethoxysilane (OcTES)을 막 표면에 가교를 통해 고분자화 하였으며 n = 8인 OcTES의 알킬기가 자발적인 self-assembly를 통하여 막 표면에 가지구조를 형성시켰다. 그 위에 ethylene glycol diglycidyl ether (EGDE)의 ether기를 ring-opening을 통해 막 표면에 친수성을 부여하여 역삼투막의 내오염성을 향상시키고자 하였다. FE-TEM, AFM을 이용하여 막의 단면 및 표면구조 분석을 하였고 막 표면의 ridge and valley 구조와 OcTES, EGDE의 다층 표면개질로 인한 bridge 구조를 확인하였으며, 거칠기의 증가를 통해 막 표면의 가지가 잘 형성되었음을 확인하였다. XPS를 통하여 막 표면의 화학구조에 대한 관찰과 표면개질이 잘 이루어졌음을 확인하였으며, contact angle 분석을 통해 표면개질막의 표면에 친수성이 부여되었음을 확인하였다. EGDE 표면개질 조건 최적화를 진행한 결과 EGDE 농도는 0.5 wt%, ring-opening 온도는 $70^{\circ}C$가 가장 적합하였고, 내오염성 실험 결과 및 막오염지수(MFI)는 SUL-H10, $PA-OcTES_{1.0}$, $PA-OcTES_{1.0}-EGDE_{0.5}$이 68.7, 60.4, 5.4 ($10E-8hr/mL^2$)로 나타나 다층 표면 개질막의 내오염성이 매우 향상되었음을 확인할 수 있었다.

• 한국재료학회지
• /
• 제11권8호
• /
• pp.647-654
• /
• 2001

Nb 첨가 Zr합금인 Zr-lNb합금과 Zr-lNb-lSn-0.3Fe함금의 석출물 및 산화 특성에 미치는 마지막 열처리 온도의 영향을 알아보기 위하여 최종 열처리 온도를 $450^{\circ}C$에서 $800^{\circ}C$까지 변화시켜 미세조직 및 산화 특성을 조사하였다. 부식 시험은 $400^{\circ}C$ , 수중기 분위기에서 270 일 동안 실시하였으며 X-선 회절법을 이용하여 산화막 결정 구조를 분석하였다. 마지막 열처리 온도가 $600^{\circ}C$ 이상일 때 두 합금 모두 $\beta$-Zr이 관찰되었으며 모두 재결정 이후 마지막 열처리 온도가 상승할수록 석출물의 면적 분율이 증가하는 경향을 나타내었다. 모든 열처리 온도 구간에서 Zr-lNb합금의 부식 저항성이 Zr-lNb-lSn-0.3Fe 합금에 비해 우수하였으며 두 합금 모두 재결정 이후 부식 저항성이 급격히 나빠졌다. 이는 $600^{\circ}C$ 이후 형성된 $\beta$-Zr의 영향으로 밝혀졌다.

• 디지털융복합연구
• /
• 제18권11호
• /
• pp.259-266
• /
• 2020

과거 인공지능 분야에서는 지식 기반의 전문가 시스템 및 머신러닝 알고리즘들을 금융 분야에 적용하는 연구가 꾸준하게 수행되어 왔다. 특히 주식에 대한 지식 기반의 시스템 트레이딩은 이제 보편화되었고, 최근에는 대용량 데이터에 기반한 딥러닝 기술을 주가 예측에 적용하기 시작했다. 이중 LSTM은 시계열 데이터에 대한 검증된 모델로서 주가 예측에도 적용되고 있다. 본 논문에서는 주가 예측 모델로서 LSTM을 적용할 때 성능향상을 위해 고려해야 할 복잡한 매개변수 설정과 적용 함수들에 대해 적합한 조합 방법을 제안하도록 한다. 크게 가중치와 바이어스에 대한 초기화 대상과 설정 방법, 과적합을 피하기 위한 정규화 적용 대상과 설정 방법, 활성화 함수 적용 방법, 최적화 알고리즘 선택 등을 제시한다. 이 때 나스닥 상장사들에 대한 대용량 데이터를 바탕으로 각각의 방법들을 적용하여 정확도를 비교하면서 평가한다. 이를 통해 주가 예측을 위한 LSTM 적용 시 최적의 모델링 방법을 실증적인 형태로 제안하여 현실적인 시사점을 갖도록 한다. 향후에는 입력 데이터의 포맷과 길이, 하이퍼파라미터들에 대한 성능평가를 추가 수행하여 주요 설정 항목들의 조합에 대한 일반화 연구를 수행하고자 한다.