• 한국항해항만학회지
• /
• 제30권8호
• /
• pp.649-655
• /
• 2006

연안으로 입사해 들어오는 파랑은 월파형 파랑제어구조물에 의해 증폭, 월파되어 구조물 배후의 유수지에 위치 에너지로 저장될 수 있으며, 수두차의 형태로 저장된 위치에너지는 초저낙차 수차 터빈을 통해 전기에너지로 변환될 수 있다. 본 연구는 이와 같은 월파형 파력발전에 있어서 주어진 입사파 조건에 대해 최대 월파 유량을 획득하는 월파형 파랑제어구조물의 최적 형상을 도출하기 위한 실험적 연구이다. 월파형 파랑제어구조물의 형상 도출을 위한 수조 실험은 삼차원 조파 수조에서 이루어졌으며, 평면 파랑 집중 형상을 가진 삼차원 구조물의 형상은 5가지의 종류로 제작되었다. 파랑제어구조물은 신과 홍(2005)에서 제안한 월파형 파랑제어구조물의 이차원 단면 형상을 토대로 수로폭 및 수렴각을 가진 삼차원 형상으로 확장한 것이다. 본 삼차원 월파실험에서는 20개의 입사파 조건과 각각의 파에 대한 $0^{\circ},\;15^{\circ},\;30^{\circ}$의 상대 입사각을 부여하여 계측된 월파량을 분석하였다.

• 복합신소재구조학회 논문집
• /
• 제6권3호
• /
• pp.86-94
• /
• 2015

A series of injection and drainage test were conducted on an circular acrylic tube to investigate the pressure generated by the accumulated fill materials inside a circular acrylic tube structure. The acrylic tube was filled by means of gravity filling with a slurry material having an average water content of 700%. The water head during the filling process was 1.8m and the bottom pressure during initial filling was 20.18kPa. The recorded stress at the sides of the acrylic tube was 17.89kPa during the filling process and was reduced to 13.58kPa during the leaving process. Continuous drainage of the acrylic tube has greatly influenced the stresses around the tube structure. As the water is gradually allowed to overflow, the generated pressure at the topmost pressure sensor of the tube was reduced further to 2.17kPa. Eventually, the initially liquid state slurry material transforms into plastic state after water has dissipated and substantial soil particles are deposited in the acrylic tube. The final water content of the deposited silt inside the acrylic tube after the test was 42%. It was found that the state of stresses(geo-static earth pressures) in the acrylic tube was anisotropic rather than isotropic.

• 한국산학기술학회논문지
• /
• 제21권7호
• /
• pp.12-19
• /
• 2020

클러스터된 이기종 무선 센서 네트워크는 서로 다른 목적을 가지는 노드들이 계층적 구조를 이루어 링크를 구성하는 네트워크를 의미한다. 무선 센서 네트워크에서는 한정적인 메모리나 배터리 용량 내에서 운용되는 경우가 많기 때문에 이러한 자원을 효율적으로 관리해야만 네트워크의 수명, 커버리지, 연결성 등의 성능을 길게 유지할 수 있다. 예를 들어 특정 센서들의 부근에서 관심을 가지는 이벤트가 빈번하게 발생하여 계측되는 데이터가 증가하게 되면, 특정 클러스터 그룹의 클러스터 헤드로 전송되는 데이터의 양도 동시에 기하급수적으로 증가하게 된다. 특히 해당 클러스터 헤드에서 전송하는 데이터양보다 센서들로부터 수신하는 데이터양이 많을 경우나 링크가 끊어져 데이터 전송이 불가능한 경우 메모리 총 용량을 초과하는 데이터 혼잡 문제가 발생한다. 본 논문에서는 이러한 데이터 혼잡 문제를 해결하기 위해 모바일 싱크로서 드론을 이용한다. 네트워크, 센서 노드, 클러스터 헤드에 대한 모델링 후 데이터 혼잡도를 계산하기 위한 비용 함수와 혼잡 인디케이터를 정의한다. 이를 바탕으로 데이터 혼잡 지도 인덱스를 계산하여 데이터 혼잡 지도를 작성 후 지도를 기반으로 드론을 최적의 위치에 배치한다. 시뮬레이션을 통하여 드론의 배치에 따른 네트워크의 혼잡도가 감소하는 양상을 다양한 접근을 통해 보여준다. 제어 변수 α를 이용하여 배치되는 드론 수에 따른 데이터 혼잡도의 변화, 요구하는 데이터 혼잡도를 만족시키기 위한 통신 범위와 드론 수와의 관계를 알아본다. 또한 기존 연구와의 오버플로우 관점에서 비교를 통해 제안하는 알고리즘이 최소 20 %의 향상이 있음을 보여준다.