• 한국컴퓨터정보학회논문지
• /
• 제21권10호
• /
• pp.125-133
• /
• 2016

In this paper, we propose a real-time fault monitoring and dual system design of the countdown time-generating system, which is the main component of the mission control system. The countdown time-generating system produces a countdown signal that is distributed to mission control system devices. The stability of the countdown signal is essential for the main launch-related devices because they perform reserved functions based on the countdown time information received from the countdown time-generating system. Therefore, a reliable and fault-tolerant design is required for the countdown time-generating system. To ensure system reliability, component devices should be redundant and faults should be monitored in real time to manage the device changeover from Active mode to Standby mode upon fault detection. In addition, designing different methods for mode changeover based on fault classification is necessary for appropriate changeover. This study presents a real-time fault monitoring and changeover system, which is based on the dual system design of countdown time-generating devices, as well as experiment on real-time fault monitoring and changeover based on fault inputs.

• 한국항공우주학회지
• /
• 제46권10호
• /
• pp.823-832
• /
• 2018

일반적으로 항공기 운동 모델의 충실도는 대상 항공기의 비행시험 결과와 비교하여 검증한다. 따라서 성능 비교를 위한 기준 비행 데이터를 추출하는데, 각종 잡음이 포함된 방대한 양의 비행데이터를 처리하는 것은 많은 인력과 시간이 소요된다. 특히 회전익항공기는 축간 커플링 효과와 후류 간섭 효과 등으로 비선형성이 큰 특성을 가지고 있으며, 제자리 비행, 후진 비행 등의 다양한 기동을 수행하므로 비행 데이터를 처리하는 것이 복잡하다. 본 연구에서는 회전익항공기의 비행 데이터 처리 기준을 정의하고, 데이터마이닝 기법을 이용한 정적 및 동적 비행 데이터 자동 처리를 위한 절차와 방법을 제시한다. 최종적으로 비행데이터를 사용하여 제시한 방법을 검증한다.

• 한국건축시공학회지
• /
• 제17권6호
• /
• pp.545-557
• /
• 2017

이 연구는 사회 기반 구조물의 노후화에 대한 안전점검 기술분야에서 구조물 외관점검 기술의 효율적 대안에 관한 연구이다. 기존 육안점검 및 조사를 대신하여 산업용 드론과 딥 러닝기반의 이미지 분석 기법을 접목함으로써 막대한 인력과 시간소요 및 비용을 절감하고 높은 구역 및 돔 구조물의 접근 한계를 극복하고자 하였다. 구조물의 0.3mm 이상의 균열 손상을 검지할 수 있는 고 해상도 카메라와 라이다 센서, 임베디드 이미지 프로세서 모듈로 구성된 탑재체를 제작하여 산업용 드론에 탑재하였다. 이를 현장 시험에 적용하여 자동비행항법을 통해 시편의 손상 이미지를 촬영하였다. 또한 균열경을 이용하여 기존 육안 점검 방법으로 백태, 박리박락과 같은 면적형 손상과 선형 손상인 균열의 폭과 길이를 측정하여 최종 이미지 분석 검출 결과와 비교하고자 하였다. 촬영된 이미지 중 80장의 샘플을 골라 이미지 분석 기법을 적용하여 사전처리작업(pre-processing)-분리작업(segmentation)-특징점 추출작업(feature extraction)-분류 작업(Classification)-지도학습작업(supervised learning) 등의 과정을 거쳐 손상을 분리하고, 이를 딥러닝 기반 플랫폼으로 지도학습하여 분석 파라미터를 추출하였다. 지도학습을 수행하지 않은 임의의 이미지 샘플 60장을 신규로 추가하여 추출된 파라미터를 기반으로 이미지 분석을 수행한 결과, 손상 검출율의 90.5%로 나타났다.