• 한국산학기술학회논문지
• /
• 제22권5호
• /
• pp.15-21
• /
• 2021

전기동력을 기반으로 하는 전기추진비행기는 화석연료 사용에 따른 CO2 발생을 줄여서 지구온난화에 대응할 수 있고 에너지의 효율적 사용을 통해서 장기적으로 비행기의 운용비용을 줄일 수 있다. 이런 이유로, 미국과 유럽연합 등 선진 항공국가에서는 미래의 완전한 전기비행기 구현을 위한 혁신적 기술개발을 선도적으로 진행하고 있다. 현재, 국내에서는 기존 2인승 엔진 비행기를 전기추진비행기로 개조하는 연구개발이 진행 중에 있다. 개조대상 비행기는 KLA-100으로써 엔진 장착공간과 부조종사 공간을 활용하여 배터리 팩을 설치하고, 30분의 비행시험을 목표로 하고 있다. 해당 목표를 달성하기 위해서는 배터리 성능이 보장되어야 하는데, 개조 비행기에는 비출력 150Wh/kg, 중량 200kg 그리고 C-rate 3~4인 리튬-이온(Li-ion) 배터리가 설치된다. 본 논문에서는 설계된 배터리 팩이 장착된 전기추진비행기의 비행 가능성을 사전에 점검하고자 한다. 이를 위해 30분 비행 프로파일을 시동 및 활주단계, 이륙단계, 상승단계, 순항단계, 하강단계, 착륙 및 활주단계로 구분하고, 각 단계에서 요구되는 배터리 용량을 계산하여 최종 목표로 하고 있는 30분 비행 가능 여부를 평가하였다. 또한, 비행속도에 따른 비행 가능시간과 항속거리를 분석하여 전기추진비행기용 배터리 팩의 비행성능을 파악하였다.

• 한국지리정보학회지
• /
• 제25권4호
• /
• pp.63-80
• /
• 2022

현실의 공간을 가상의 공간으로 구현하여 문제를 분석하고 예측하는 기술이 개발되면서, 복잡한 도시 내의 정밀한 공간정보를 취득하는 것이 중요해지고 있다. 본 연구는 복잡한 경관을 가진 도시지역을 대상으로 무인항공기를 통해 영상을 취득하고 고해상도 영상에 적합한 영상분류 기법인 객체기반 영상분석 기법과 의미론적 분할 기법을 적용하여 토지피복 분류를 수행하였다. 또한, 동일시기에 수집된 영상을 바탕으로 인공지능이 학습하지 않은 지역에 대해 각 인공지능 모형의 토지피복 분류 재현성을 확인하고자 하였다. 학습 지역을 대상으로 인공지능 모형을 학습하였을 때, 토지피복 분류 정확도가 OBIA-RF는 89.3%, OBIA-DNN은 85.0%, U-Net의 경우 95.3%로 분석되었다. 재현성을 평가하기 위해 검증 지역에 인공지능 모형을 적용하였을 때, OBIA-RF는 7%, OBIA-DNN은 2.1%, U-Net은 2.3%의 정확도가 감소하였다. 형태학적인 특성과 분광학적인 특성을 모두 고려한 U-Net이 토지피복 분류 정확도 및 재현성 평가에서 우수한 성능을 보이는 것으로 나타났다. 본 연구의 결과는 정밀한 공간정보가 중요해짐에 따라 기초자료 생성 방법으로써 도시환경 연구분야에 기여할 수 있을 것으로 판단된다.

• 자원ㆍ환경경제연구
• /
• 제31권3호
• /
• pp.419-449
• /
• 2022

본 연구에서는, 환경산업연관표 분석모형을 활용해, EU 탄소국경조정이 전면 도입될 경우의 국내 산업별 탄소국경조정 부담액 규모를 산정하고 국내 저탄소 정책 시행에 따른 산업별 부담액 변화를 비교 분석함으로써 기후변화 리스크에 대응한 중장기전략 수립에 시사점을 제시하고자 하였다. 분석 결과 EU 탄소국경조정 전면도입 정책충격에 따른 국내 산업 총부담액은 2030년 기준 약 8조 2,456억 원 규모로 예측되었다. 업종별 영향을 살펴보면 석유화학, 석유정제, 운송장비, 철강, 자동차, 전기/전자/정밀 산업으로 등 6대 주요 산업군에서 총탄소국경조정 총부담액의 84.3%를 차지하는 것으로 전망되었다. 그리고 저탄소 정책 시행에 따른 기술발전 및 에너지 전환을 가정한 복수의 정책 시나리오에서는 탄소국경조정 총부담액이 약 11.7%~15.0% 감소할 것으로 전망되었다. 본 연구의 주요 분석 결과는 탄소국경조정의 전면도입 확대에 따른 대응전략 수립을 특정 분야에 한정해 이행하는 것이 아니라, 종합적 접근 하에서 이뤄내 국가 경제 전반에 끼치는 부정적 영향을 최소화하고 새로운 성장동력을 발굴하는 기회의 창으로 활용할 필요가 있음을 시사하고 있다.

• 터널과지하공간
• /
• 제33권1호
• /
• pp.57-69
• /
• 2023

본 연구에서는 2차원 수리-역학적연계 개별요소모델링(DEM)을 사용하여 네델란드 그로닝엔(Groningen) 천연가스전 저류층의 유발지진을 모사하였다. 수치해석 코드는 ITASCA社의 상용프로그램인 PFC2D (Particle Flow Code 2D)를 사용하였으며 본 수치해석 연구에 적용하기 위해 수리-역학적 연계 모델 외 1) 비균질 저류층 압력분포 초기화, 2) 비선형 압력-시간이력 경계조건, 3) 국소 응력 분포 계산 등의 개별모듈을 추가개발, 적용하였다. 그로닝엔 가스전에 분포하는 복잡한 단층 형상을 포함하는 40 × 50 km² 크기의 2차원 모델을 생성하였고, 1960년부터 2020년까지 약 60년 동안의 가스생산, 즉 압 력저하로 인한 단층의 파괴거동을 모사하였다. 유발지진의 시공간적 발생을 수치해석모델로 재현하였고 그 발생 메커니즘을 규명하였다. 또한 저류층 압축으로부터 지표에서의 지반침하의 분포를 예측하였고 그로닝엔에서의 실측자료 사이에 유사성을 확인할 수 있었다. 이를 통해 본 연구에서 소개한 2차원 수리-역학적연계 개별요소모델링(DEM)의 복잡한 지질조건과 수리-역학적 연계 프로세스에 의한 단층거동을 구현할 수 있는 툴(tool)로서의 활용성을 확인하였다.

• 지구물리와물리탐사
• /
• 제26권2호
• /
• pp.62-76
• /
• 2023

최근에 활발히 적용되고 있는 머신러닝 기반 탄성파 내삽 기법들은 대부분 모음 자료를 2차원 영상화 하여 빠짐을 채우는 방법으로 하는 훈련(training)-추론(inference) 전략에 기초하므로 완벽히 채워진 다수의 모음자료가 훈련을 위해 필요하게 된다. 이 연구는 이와는 달리 트레이스 기반 내삽을 수행하는 내삽 기술의 훈련-추론 전략을 기본으로, 불규칙한 빠짐이 있는 현장자료 만을 이용하여 훈련-추론을 모두 수행할 수 있는 머신러닝을 이용한 트레이스 기반 불규칙한 빠짐의 내삽 기술을 제시하였다. 이 연구에서는 불규칙한 빠짐이 있는 자료를 훈련과 추론에 체계적으로 사용하는 최대 연속빠짐 간격에 따라 정해지는 네트워크를 구성하는 방법 및 훈련하는 방법을 기술하였다. 또한, 서호주 Exmouth Sub-basin 지역의 Vincent 유전에서 얻어진 시간 참반사 보정된 탄성파 자료에 개발된 방법을 적용한 후, 예측 결과를 전통적인 내삽 방법의 결과와 비교 및 분석하였다. 신호대잡음비나 구조유사성과 같은 정량적인 지표를 통해 두 방법 모두 내삽 성능이 높은 것을 확인하였으며, 모든 주파수 대역에서도 골고루 좋은 결과를 보임을 확인하였다.

• 지구물리와물리탐사
• /
• 제25권4호
• /
• pp.227-241
• /
• 2022

전파형 역산은 석유가스 탐사를 위한 탄성파 자료처리 분야에서 지층의 속도 모델을 추정하는데 사용되는 역산 기법이다. 최근 탄성파 자료처리에 딥러닝 기술의 활용이 급격하게 증가하고 있는데, 전파형 역산 기술도 마찬가지로 다양한 연구가 이루어지고 있다. 초기에는 머신러닝 기술을 활용한 자료처리 기법이 전파형 역산을 위한 입력자료의 전처리 목적으로 활용되는 수준이었으나, 딥러닝 기술을 통해 전파형 역산을 직접적으로 구현하는 연구가 등장하기 시작하였다. 딥러닝 기술을 활용한 전파형 역산은 순수 데이터 기반 접근법, 물리 기반 신경망 활용법, 인코더-디코더 구조 활용법, 신경망 재매개변수화를 이용한 구현법, 물리정보 기반 신경망 기법 등으로 구분할 수 있다. 이 논문에서는 딥러닝 기반 전파형 역산 기법을 발전 과정 순서로 체계화하여 각각의 접근법에 대한 이론과 특징을 설명하였다. 전파형 역산 기술에 딥러닝 기법을 도입한 초기에는 데이터 과학의 기본 원리에 충실하게 대량의 학습자료를 준비하고 순수 데이터 기반 예측 모델을 적용하여 속도 모델을 역산하는 연구로 시작하였다. 최근 연구 동향은 탄성파 자료의 잔차나 파동방정식 자체의 물리정보를 심층 신경망에 활용하여 순수 데이터 기반 접근법의 단점을 보완해 나가는 방향으로 진행되고 있다. 이러한 발전으로 대량의 학습자료가 필요하지 않고, 전파형 역산의 태생적 한계점인 주기 놓침 현상을 완화하며 계산 시간을 획기적으로 줄일 수 있는 딥러닝 기반 전파형 역산 기술이 등장하고 있다. 딥러닝 기술의 도입으로 전파형 역산 기술은 탄성파 자료처리 분야에서 가치가 더 높아질 것으로 생각된다.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제7권11호
• /
• pp.447-455
• /
• 2017

현대 산업에서 복합재료를 폭넓게 사용하고 있다. 특히 섬유를 기반으로 하여 레진으로 경화시킨 섬유 강화 플라스틱의 재료는 우수하면서도 비강도, 비강성이 뛰어난 경량화 소재로 주목받고 있다. 이 중에서도 탄소섬유를 이용한 탄소섬유강화 플라스틱은 다른 섬유와 달리 뛰어난 기계적 특성을 지녀 차량과 항공기 등 고강도와 경량성을 동시에 필요로 하는 곳에 쓰이고 있다. 본 논문에서는 탄소섬유강화 플라스틱으로 구성된 CT시험편으로 섬유 설계에 따른 인장특성을 해석적 연구를 통해 규명한다. 구멍을 가진 CFRP복합재료의 응력해석에 있어서, 인장환경에서의 파괴경향을 파악한다. 또한 적층각도에 따른 결과를 통하여 해석결과 값에 있어 적층각도 60°로 구성된 해석모델에서 가장 낮은 응력값이 발생함과 사전크랙의 변형에너지 가장 낮음을 알 수 있었다. 본 연구 결과를 토대로 실제 실험으로 적용된 구조물에서의 파괴형상을 예측하기 위한 기반데이터를 제공할 수 있을 것으로 사료된다.

• 대한토목학회논문집
• /
• 제28권5A호
• /
• pp.649-656
• /
• 2008

손상 또는 균열된 구조물의 내구성을 향상시키려는 과제는 연구자들과 엔지니어들에게 중요한 과제로 떠오르고 있다. 팻취로 보강되지 않은 균열판과 팻취보강된 균열판의 응력확대계수 및 응력등고선의 산정 및 비교에 의한 균열선단에서의 파괴거동의 특성을 적분형 르장드르 다항식에 기초를 둔 계층적 무강성요소를 사용하여 표현하고자 한다. 이 연구에서는 등가단층이론이 채택되므로, 제안된 무강성요소는 불연속 균열부를 강성이 0인 연속체로 간주된다. 그러므로 균열을 모델링하는 무강성요소의 변장비는 매우 커질 수밖에 없다. 제안된 요소의 강건성을 보이기 위해 형상비 변화에 따른 에너지방출률, 변위 및 응력값에 대한 유한요소해의 민감도는 변장비를 2000까지 증가시켜 가면서 평가되었다. 한편, 강성도미분법과 변위외삽법이 인장모우드가 발생되는 문제의 응력확대계수를 예측하는데 사용된다. 제안된 계층적 무강성요소는 팻취보강된 균열문제를 해석할 수 있는 대안중의 하나라 평가된다.

• 대한토목학회논문집
• /
• 제26권2C호
• /
• pp.73-80
• /
• 2006

4종류 토목섬유 조합으로 구성된 4가지 토목섬유 접촉면의 정적 및 동적 하중 상태에서의 전단거동을 평가하였다. 정적하중 조건에서 경사판 시험과 직접전단 시험을 수행하였으며, 두가지 시험 결과를 상호 비교하였다. 비교 결과 직접전단 시험의 경우, 직접전단 시험이 수행되지 아니한 낮은 응력 단계에서의 접촉면 전단강도를 실제보다 크게 예측할 가능성이 높은 것으로 나타났다. 또한 정적상태에서 수행된 두 종류 시험을 통해 산정된 전단강도를 이용하여 곡선형태의 파괴 포락선식을 구할 수 있었다. 한편 정적 전단강도와 진동대시험을 통해 동적 하중 상태에서 구한 접촉면 전단강도를 비교하여, 하중 특성과 가해진 응력 크기에 따라 각기 다른 마찰 특성을 보임을 확인하였다. 따라서 토목섬유 사이의 접촉면 전단강도를 정확히 평가하기 위해서는 실제 현장에 설치되는 재료를 대상으로 예상되는 응력의 크기와 하중 유형을 고려하여 시험이 수행되어야 할 것이다.

• 지질공학
• /
• 제33권4호
• /
• pp.673-687
• /
• 2023

데이터 탐색은 수집한 데이터를 다양한 각도에서 관찰 및 이해하는 과정으로 데이터 구조 및 특성 분석을 통해 데이터의 분포와 상관관계를 파악하는 과정이다. 일반적으로 산사태는 다양한 인자들에 의해 유발되고 발생 지역에 따라 유발 인자들이 미치는 영향이 상이하기 때문에 산사태 취약성 분석 이전에 데이터 탐색을 통해 유발 인자 사이의 상관관계를 파악하고 특징적인 유발 인자를 선별한다면 효과적인 분석을 수행할 수 있다. 따라서 본 연구는 데이터 탐색이 예측 모델의 성능에 미치는 결과를 확인하기 위해 두 단계에 걸친 데이터 탐색을 수행하여 인자를 선별하고, 선별된 유발 인자들 사이의 조합과 23개의 전체 유발 인자 조합을 활용하여 딥러닝 기반의 산사태 취약성 분석을 진행하였다. 데이터 탐색 과정에서는 Pearson 상관계수 heat map과 random forest의 인자 중요도 histogram을 활용하였으며, 딥러닝 기반 산사태 취약성 분석 결과의 정확도는 분석을 통해 획득한 산사태 취약 지수 값을 이용해 제작한 산사태 취약성 지도를 confusion matrix 기반의 정확도 검증 방법을 통해 분석하였다. 분석 결과, 전체 23개의 인자를 사용한 산사태 취약성 해석 결과는 55.90%의 낮은 정확도를 보였지만 한 단계의 탐색을 거쳐 선별한 13개 인자를 활용한 취약성 해석 결과는 81.25%의 분석 정확도를 보였고, 두 단계 데이터 탐색을 모두 수행하여 선별된 9개의 유발 인자를 활용한 산사태 취약성 분석 결과는 92.80%로 가장 높은 정확도를 보였다. 따라서 데이터 탐색을 통해 특징적인 유발 인자를 선별하고 분석에 활용하는 것이 산사태 취약성 분석에서 더 좋은 분석 성능을 기대할 수 있음을 확인하였다.