• 한국전산구조공학회논문집
• /
• 제34권3호
• /
• pp.137-149
• /
• 2021

장교는 공공성이 매우 높은 사회기반시설물로 운용 중 안전성 확보가 필수적이며, 붕괴 또는 파손 시 신속한 대처가 필요하다. 사장교의 붕괴 또는 파손을 야기시킬 수 있는 원인은 크게 자연재난과 사회재난으로 분류할 수 있다. 이 중 사회재난에 속하는 충돌사고는 차량이 교량 하부구조인 교각에 충돌하는 사고, 항공기의 결함으로 인한 추락사고 등이 있을 것이며, 해상교량의 경우 주탑 하단에서의 선박 충돌사고가 있을 것이다. 본 연구에서는 수치해석적 접근법을 기반으로 항공기 충돌에 대한 사장교의 구조거동을 평가하는 절차를 제안하고, 충돌해석을 수행하여 절차의 타당성을 보였다. 제안된 절차에는 1) 적절한 항공기 충돌 시나리오 설정, 2) 사장교의 복잡한 거동 메커니즘을 고려한 구조 모델링, 3) 충돌해석을 통한 구조거동 평가가 포함된다. 해석 결과, 본 연구에서 설정한 시나리오는 대상 교량에 큰 영향을 미치지 못하는 것으로 나타났지만, 향후 다양한 시나리오를 통한 충돌해석을 수행한다면 교량에 심각한 손상을 일으키는 하중 위치 및 임계 하중 수준을 결정할 수 있을 것으로 판단한다. 본 연구에서 수행한 충돌해석 절차를 바탕으로 사장교에서 발생하는 항공기 충돌에 대한 간접적인 평가가 가능할 것으로 기대된다.

• 항공우주시스템공학회지
• /
• 제17권4호
• /
• pp.67-74
• /
• 2023

최근 미래의 운송시스템으로 도심교통항공(Urban Aircraft Mobility)이 주목받고 있으며 소형 드론도 다양한 산업에서 역할을 하고 있다. 다양한 종류의 항공 시스템 고장은 추락으로 막대한 재산 및 인명 피해로 이어질 수 있다. 항공 시스템이 많이 활용되는 무기체계에서도 고장은 임무 실패의 결과를 유발한다. 본 논문에서는 항공 시스템의 이상(Anomaly)을 탐지하여 개발 및 생산 간 시스템의 신뢰도를 높이고 운용 중 사고를 예방할 수 있도록 딥러닝 기술을 활용한 이상 탐지 모델을 연구했다. 모델 훈련 및 평가 데이터로 극저온 환경에서 시스템의 전류 데이터를 활용하였으며 이미지 인식에 많이 활용되는 딥러닝 기법 합성곱 신경망(CNN; Convolutional Neural Network)을 활용하여 딥러닝 네트워크를 구현했다. 시험 대상 시스템은 극저온 환경에서 다양한 형태의 고장이 유발되었고 전륫값의 특이점이 나타났다. 시스템 정상 및 고장 데이터를 활용하여 모델을 훈련 시키고 평가한 결과 98% 이상의 재현율(Recall)로 이상 탐지하는 것을 확인했다.