• 한국심리학회지 : 문화 및 사회문제
• /
• 제27권4호
• /
• pp.529-559
• /
• 2021

본 연구는 한국사회에서 큰 사회적 압력으로 작용하고 있는 바쁨에 대해 사람들이 어떻게 인식하고 경험하고 있는지와 바쁨과 느림의 삶의 속도를 추동하는 사회 심리적 동기들을 살펴보았다. 나아가 바쁨과 느림의 개인의 삶의 속도에 따른 현실에서의 적응요소에 대해 심층적으로 탐구하였다. 본 연구의 분석은 20·30대 미혼남녀 21명의 심층면접 자료를 이용한 현상학적 연구 방법으로 이루어졌다. 그 결과 바쁨에 대한 인식 및 경험들은 긍정적인 부분과 부정적인 부분이 공존하고 있으며 바쁨과 느림의 삶의 속도에 영향을 미치는 사회 심리적 동기의 구성 요소들은 '(바쁨/쉼)의 긍정적 가치 내면화', '(미래/현재) 중심적', '바쁨의 일상화/선택과 집중', '성격특성'이 도출되었다. 또한 바쁘게 사는 사람과 느리게 사는 사람들의 공통적인 현실 적응요소는 '자기 선택적', '성공적인 시간관리', '심리적 건강 유지'가 차별적 요소는 '성취감'과 '자기특성 이해 및 수용'이 도출되었다. 이러한 결과들을 토대로 한국사회에서 바쁨에 부여된 가치와 의미를 사회심리학적 관점에서 논의하였으며 삶의 속도와 관련된 기존 연구 및 논의들에 새로운 관점을 제시해 주었다. 또한 여러 팔로업(follow up) 가능한 연구들을 제안하였다.

• 전자공학회논문지SC
• /
• 제41권1호
• /
• pp.1-8
• /
• 2004

INS는 위치, 속도 및 자세정보를 고속으로 제공하며 스스로 항법정보를 제공하는 장점이 있으나 오차가 시간에 따라 증가하는 단점이 있다. 반면에 GPS는 데이터를 저속으로 제공하며 재밍(Jamming)에 영향을 쉽게 받으나 오차가 시간에 상관없이 일정하다는 장점이 있다. 따라서 상호보완적인 특성을 가지는 INS와 GPS를 통합하였을 때 더욱더 정확한 항법해를 제공할 수 있다. 그러나 INS와 GPS를 통합하는 과정에서 INS정보와 GPS정보의 정확한 시각적 동기가 어려우며, 시각적 비동기에 의한 오차는 일정한 측정오차를 유발하며 고속으로 운항하는 경우에는 큰 영향을 미치게 된다. 본 연구는 GPS/INS 통합항법 시스템에서 측정치 시간지연에 의해 유발되는 오차를 효과적으로 줄이기 위해 바이어스 분리형 칼만필터를 이용한 시간지연오차 보상기법을 강결합 방식과 약결합 방식에 대하여 각각 제안하였다. 각각의 통합모델에서 위치와 속도보정의 측정방정식을 지연시간에 관하여 선형화하였고 지연 상태변수를 기존의 선형 오차방정식에 추가하고 바이어스 분리형 칼만필터를 적용하여 시간지연을 초기에 추정하여 보상하도록 구성하였으며 시뮬레이션을 통하여 성능을 검증하였다.

• 자원환경지질
• /
• 제37권4호
• /
• pp.401-411
• /
• 2004

다목적위성 아리랑 1호(KOMPSAT-1)에 장착된 본체 자세제어용 삼축자력계(TAM) 자료로부터 2000년 6월 19일에서 21일 사이의 지구자기장을 추출하였다 전처리과정으로 관측자료를 지구관성좌표계에서 지구고정좌표계로 변환시킨 후, 이를 다시 구면좌표계로 변환하였고, 지구자기장의 영향이 아닌 위성체 내의 전류에 의한 유도자기장은 자기장의 대칭성을 이용하여 제거하였다. 지구 외적 요인에 의한 자기장의 영향을 제거하기 위해 위성 궤도를 상향 및 하향 두 그룹으로 분류한 후, 2차원 파동수대비법을 이용해 두 그룹 사이에 서로 역으로 대비되는 성분을 제거하였다. 측선 잡음을 제거를 위하여 파동수영역에서 사분면교환법을 도입하였고, 이로부터 삼축자력계 관측값으로부터 최증적인 지구자기장을 추출하였다. TAM 자기장의 검증을 위해 다목적위성과 비슷한 시기에 유사한 고도에서 지구자기장을 전문적으로 측정한 ${\phi}$rsted로부터 유도된 지구자기장 및 IGRF2000모델과 비교한 결과 이들 사이의 상관계수는 각각 0.97과 0.96으로 매우 높게 나타났다. 끝으로 이 연구에서 추출한 지구자기장으로부터 구면조화계수를 degree & order 19까지 계산한 후 이를 IGRF ${\phi}$rsted와 Champ 모델과 비교하였다. 이 연구에 의해 일반적인 지구관측위성의 자세보정용 자력계로부터 degree & order 5까지 신뢰성있는 지구자기장의 추출이 가능함은 밝혀졌고, 이로부터 이 연구의 자료처리과정을 도입하면 지구자기장 전문관측위성이 존재하지 않는 기간은 물론 관측이 존재하지 않는 고도에 대한 지구자기장의 추출이 가능하게 되었고 이로부터 전지구 자기장 모델의 저주파 성분을 향상시킬 수 있음이 밝혀졌다.

• 한국산학기술학회논문지
• /
• 제17권7호
• /
• pp.380-388
• /
• 2016

마그네트 기어를 이용하면 기계적인 접촉없이 동력을 전달할 수 있다. 마그네트 기어 기반 감속 시스템에서 종동축은 구동축으로부터 분리되어있기 때문에 시스템은 제한된 공극 강성으로 부하 변화에 대응해야하는 2관성 공진 시스템이다. 종동축 즉, 저속측은 구동축 인가 토크만으로 제어되고 갑작스런 외란에 따라 일반적인 기계식 기어 시스템과 달리 과도한 진동이나 슬립이 발생할 수 있다. 따라서 저속측에 인가되는 부하 등의 외란은 실시간으로 측정되거나 추정되어야 한다. 본 논문에서는 고조파 조절기 일체형 마그네트 기어를 이용한 감속 시스템의 저속측 속도 제어를 위한 전상태 되먹임 제어기를 제안하고 이를 전산 모의 시험과 실험을 통해 검증하였다. 저속측 부하를 추정하기 위해 새로운 상태변수를 도입하여 관측기를 설계하였으며 이를 기반으로 하는 전상태 제어기를 통한 외란에 대한 강건성은 2자유도 PI 속도 제어기와 비교하였다. 상대적으로 짧은 시간안에 극의 슬립이 보정되는 것을 확인하였으며 추정된 변수는 실제 측정 결과와 유사한 경향을 나타내었다. 이러한 결과는 마그네트 기어 감속기의 서보 시스템으로의 응용 가능성을 담보해주는 결과인 것으로 판단된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권12호
• /
• pp.491-498
• /
• 2019

디지털 트윈은 현실 세계의 물리적인 사물을 컴퓨터상에 동일하게 가상화시키는 기술로써, IoT을 통해 센서 데이터를 수집하고, 수집한 데이터를 활용하여 물리적인 사물과 가상 사물을 양방향으로 연결을 할 수 있게 한다. 디지털 트윈 기술은 가상 모델의 시뮬레이션을 통해 동작을 조정하고 환경변화에 대한 대응을 미리 실험하여 위험성을 최소화할 수 있는 장점을 지닌다. 최근 인공지능이나 기계학습에 관련된 기술들이 주목받기 시작하면서, 물리적인 사물의 동작을 가상화하여 가상 모델을 관찰하고 다양한 시나리오를 적용하려는 시도가 증가하고 있다. 특히, 인더스트리 4.0에서 공장자동화의 핵심인 협력 로봇의 디지털 트윈을 구축하기 위해서는 로봇의 동작을 인지하는 과정이 필수적으로 요구된다. 로봇의 동작을 인지하기 위한 모델링 기반의 연구에 비해 센서 데이터 기반으로 동작을 예측하는 연구는 미비한 상황이다. 따라서 본 논문에서는 로봇의 동작을 인지하기 위해 가정용 협력 로봇에서 전류 및 관성 센서 데이터를 수집하기 위한 실험 환경을 구축하고, 수집한 센서 데이터를 기반으로 한 동작 예측 모델을 제안하고자 한다. 제안하는 방식은 조인트 위치 기반으로 로봇의 동작 명령어를 9가지로 분류하고 전류와 관성 센서값을 사용하여 학습을 통해 예측하는 방식이다. 이때, 학습에 사용되는 데이터는 협력 로봇이 동작 명령어의 입력 파라미터에 마진을 가지고 작동할 때 수집되는 센서값이다. 이를 통해, 동일한 경로를 따라 이동하는 9가지 동작뿐만 아니라 각 동작과 비슷한 경로를 따라 이동하는 동작에 대해서도 예측하는 모델을 구축하였다. SVM을 이용하여 학습한 결과, 모델의 성능은 평균적으로 정확도, 정밀도, 및 재현율이 모두 97%로 평가되었다.

• 한국융합학회논문지
• /
• 제12권8호
• /
• pp.279-286
• /
• 2021

본 연구는 여자핸드볼 경기에서 발생되는 움직임 정보를 바탕으로 앙상블 기법의 배깅과 부스팅 알고리즘의 예측력을 비교하고, 움직임 정보의 활용가능성을 분석하는데 목적이 있다. 연구의 목적을 달성하기 위하여 15번의 연습경기에서 관성센서를 활용해 수집한 움직임 정보를 활용한 경기 결과예측을 랜덤포레스트와 Adaboost 알고리즘을 활용해 비교·분석하였다. 연구결과 첫째, 랜덤포레스트 알고리즘의 예측률은 66.9 ± 0.1%로 나타났으며, Adaboost 알고리즘의 예측률은 65.6 ± 1.6%로 나타났다. 둘째, 랜덤포레스트는 승리 결과는 모두 예측하였고, 패배의 결과는 하나도 예측하지 못하였다. 반면, Adaboost 알고리즘은 승리 예측 91.4%, 패배예측 10.4%라고 나타났다. 셋째, 알고리즘의 적합성 여부에서 랜덤포레스트는 과적합의 오류가 없었지만, Adaboost는 과적합의 오류가 나타났다. 본 연구결과를 바탕으로 스포츠경기를 예측할 때 움직임 정보도 활용 가능성을 확인하였으며, 랜덤포레스트 알고리즘이 보다 우수함을 확인하였다.