• Wind and Structures
• /
• 제36권6호
• /
• pp.367-377
• /
• 2023

This study proposes a few-shot learning model for extrapolating the wind pressure of scaled experiments to full-scale measurements. The proposed ML model can use scaled experimental data and a few full-scale tests to accurately predict the remaining full-scale data points (for new specimens). This model focuses on extrapolating the prediction to different scales while existing approaches are not capable of accurately extrapolating from scaled data to full-scale data in the wind engineering domain. Also, the scaling issue observed in wind tunnel tests can be partially resolved via the proposed approach. The proposed model obtained a low mean-squared error and a high coefficient of determination for the mean and standard deviation wind pressure coefficients of the full-scale dataset. A parametric study is carried out to investigate the influence of the number of selected shots. This technique is the first of its kind as it is the first time an ML model has been used in the wind engineering field to deal with extrapolation in wind performance prediction. With the advantages of the few-shot learning model, physical wind tunnel experiments can be reduced to a great extent. The few-shot learning model yields a robust, efficient, and accurate alternative to extrapolating the prediction performance of structures from various model scales to full-scale.

• 대한공업교육학회지
• /
• 제32권1호
• /
• pp.117-133
• /
• 2007

이 연구는 중등학교 학생들에게 비행의 원리를 이해하고 항공 기술 분야에 흥미를 가질 수 있도록 하기 위해 학교 현장에 적용 가능한 교수-학습 자료인 학습용 풍동의 힘 측정 장치를 개발하였다. 연구의 내용은 학습용 풍동의 힘 측정 장치 개발과 실험으로 이루어져 있다. 이 연구에서 얻은 주요 결과를 정리하면 다음과 같다. 공과대학 기계계열 학과나 항공연구소 등에서 사용하는 고가의 Load cell을 이용한 장치 대신에 지렛대 원리를 활용한 간단한 구조이다. 종합된 하나의 장치로 양력, 항력 및 유체 저항 비교 실험이 가능하다. 에어포일 받음각에 따른 양력 계수는 실험값과 이론값이 전체적으로 비슷한 경향성을 갖으며, 실속 현상은 실험값이 이론값보다 더 큰 받음각에서 나타났다. 에어포일 받음각에 따른 항력 계수는 실험값과 이론값이 전체적으로 비슷한 경향성을 갖으며, 실험값은 이론값에 비해 항력 계수의 증가 비율이 완만하게 증가하였다.

• Wind and Structures
• /
• 제36권6호
• /
• pp.355-366
• /
• 2023

Although machine learning (ML) techniques have been widely used in various fields of engineering practice, their applications in the field of wind engineering are still at the initial stage. In order to evaluate the feasibility of machine learning algorithms for prediction of wind loads on high-rise buildings, this study took the exposure category type, wind direction and the height of local wind force as the input features and adopted four different machine learning algorithms including k-nearest neighbor (KNN), support vector machine (SVM), gradient boosting regression tree (GBRT) and extreme gradient (XG) boosting to predict wind force coefficients of CAARC standard tall building model. All the hyper-parameters of four ML algorithms are optimized by tree-structured Parzen estimator (TPE). The result shows that mean drag force coefficients and RMS lift force coefficients can be well predicted by the GBRT algorithm model while the RMS drag force coefficients can be forecasted preferably by the XG boosting algorithm model. The proposed machine learning based algorithms for wind loads prediction can be an alternative of traditional wind tunnel tests and computational fluid dynamic simulations.

• 대한공업교육학회지
• /
• 제32권2호
• /
• pp.87-103
• /
• 2007

본 연구는 중등학교 학생들에게 유동장 주위의 유체의 흐름을 정성적으로 설명할 수 있고 유체의 저항 개념을 쉽게 이해시키기 위해 학교 현장에 적용 가능한 교수-학습용 자료인 학습용 풍동의 연기 유동 가시화 장치를 개발하였다. 연구의 내용은 학습용 풍동의 연기 유동가시화 장치 개발과 이를 활용한 실험으로 이루어져 있다. 이 연구에서 얻은 주요 결과를 정리하면 다음과 같다. 첫째, 수송 영역에서 다양한 유체의 흐름 형태와 저항 개념을 이해시킬 수 있는 교수-학습 자료를 개발하였다. 둘째, 유동가시화 실험을 통하여 실험 모델에 따른 유체의 흐름은 이론적인 유동 패턴과 전체적으로 비슷한 경향성을 보였다. 셋째, 공기의 저항을 의미하는 후류 영역은 유선형 모델이 원형이나 사각형 모델에 비해 훨씬 작게 나타났다. 넷째, 유선형 모델의 받음각을 $20^{\circ}$로 하였을 때 앞전(leading edge)에 생기는 박리점과 넓은 영역의 후류를 관찰할 수 있었다. 다섯째, 골프공과 매끈한 공의 비교실험에서 딤플이 있는 골프공 모델 하류에 형성되는 후류영역의 폭(wake width)은 다소 좁아짐을 관찰할 수 있었다. 여섯째, 수송 영역에서, 자동차나 항공기에 대한 관심과 흥미를 증진 시킬 수 있는 실험 실습 교수-학습 자료로 활용할 수 있도록 개발하였다.

• Wind and Structures
• /
• 제32권3호
• /
• pp.249-265
• /
• 2021

As high-rise buildings become more and more slender and flexible, the wind effect has become a major concern to modern buildings. At present, wind engineering for high-rise buildings mainly focuses on the following four issues: wind excitation and response, aerodynamic damping, aerodynamic modifications and proximity effect. Taking these four issues of concern in high-rise buildings as the mainline, this paper summarizes the development history and current research progress of wind engineering for high-rise buildings. Some critical previous work and remarks are listed at the end of each chapter. From the future perspective, the CFD is still the most promising technique for structural wind engineering. The wind load inversion and the introduction of machine learning are two research directions worth exploring.

• Wind and Structures
• /
• 제36권4호
• /
• pp.237-247
• /
• 2023

The emergence of high-rise buildings has necessitated frequent structural health monitoring and maintenance for safety reasons. Wind causes damage and structural changes on tall structures; thus, safe structures should be designed. The pressure developed on tall buildings has been utilized in previous research studies to assess the impacts of wind on structures. The wind tunnel test is a primary research method commonly used to quantify the aerodynamic characteristics of high-rise buildings. Wind pressure is measured by placing pressure sensor taps at different locations on tall buildings, and the collected data are used for analysis. However, sensors may malfunction and produce erroneous data; these data losses make it difficult to analyze aerodynamic properties. Therefore, it is essential to generate missing data relative to the original data obtained from neighboring pressure sensor taps at various intervals. This study proposes a deep learning-based, deep convolutional generative adversarial network (DCGAN) to restore missing data associated with faulty pressure sensors installed on high-rise buildings. The performance of the proposed DCGAN is validated by using a standard imputation model known as the generative adversarial imputation network (GAIN). The average mean-square error (AMSE) and average R-squared (ARSE) are used as performance metrics. The calculated ARSE values by DCGAN on the building model's front, backside, left, and right sides are 0.970, 0.972, 0.984 and 0.978, respectively. The AMSE produced by DCGAN on four sides of the building model is 0.008, 0.010, 0.015 and 0.014. The average standard deviation of the actual measures of the pressure sensors on four sides of the model were 0.1738, 0.1758, 0.2234 and 0.2278. The average standard deviation of the pressure values generated by the proposed DCGAN imputation model was closer to that of the measured actual with values of 0.1736,0.1746,0.2191, and 0.2239 on four sides, respectively. In comparison, the standard deviation of the values predicted by GAIN are 0.1726,0.1735,0.2161, and 0.2209, which is far from actual values. The results demonstrate that DCGAN model fits better for data imputation than the GAIN model with improved accuracy and fewer error rates. Additionally, the DCGAN is utilized to estimate the wind pressure in regions of buildings where no pressure sensor taps are available; the model yielded greater prediction accuracy than GAIN.

• Wind and Structures
• /
• 제37권4호
• /
• pp.303-314
• /
• 2023

In this study, two steady RANS turbulence models (SST k-ω and Realizable k-ε) and four unsteady turbulence models (URANS SST k-ω and Realizable k-ε, SST-SAS, and SST-IDDES) are evaluated with respect to their capacity to predict crosswind characteristics on high-speed trains (HSTs). All of the numerical simulations are compared with the wind tunnel values and LES results to ensure the accuracy of each turbulence model. Specifically, the surface pressure distributions, time-averaged aerodynamic coefficients, flow fields, and computational cost are studied to determine the suitability of different models. Results suggest that the predictions of the pressure distributions and aerodynamic forces obtained from the steady and transient RANS models are almost the same. In particular, both SAS and IDDES exhibits similar predictions with wind tunnel test and LES, therefore, the SAS model is considered an attractive alternative for IDDES or LES in the crosswind study of trains. In addition, if the computational cost needs to be significantly reduced, the RANS SST k-ω model is shown to provide relatively reasonable results for the surface pressures and aerodynamic forces. As a result, the RANS SST k-ω model might be the most appropriate option for the expensive aerodynamic optimizations of trains using machine learning (ML) techniques because it balances solution accuracy and resource consumption.

• 한국산학기술학회논문지
• /
• 제11권8호
• /
• pp.2750-2757
• /
• 2010

현재 전문대학의 자동차 학과에서 제공되는 교육이 이론교육에 치우쳐 실제 산업현장에서 적용과 응용능력에 문제점이 있다고 지적이 있어왔다. 이 연구는 창의적인 자동차설계 능력을 배양하기 위하여 A 대학의 모터스포츠 전공에서 차량 공기역학에 $CO_2$ 경주차 설계를 수행한 성공적인 수업내용의 사례를 살펴본다. $CO_2$ 모형 경주차 제작 규정, 제작 과정, 성능 시험 등시 제시 되었으며, $CO_2$ 모형 경주차의 속도 및 항력이 측정되었다. 공학설계가 학생들의 학습에 미친 영향을 알아보기 위하여 2008년 봄 학기에 설문조사를 실시하였다. 설문조사에 따른면 학생들의 공학설계 능력과 만족도에 높은 가치를 부여하였다.

• 한국항공우주학회지
• /
• 제48권1호
• /
• pp.13-21
• /
• 2020

유도무기의 설계 및 제어에서 6자유도 공력계수의 신속한 추정을 위해 공력계수 데이터에 기반한 예측 모형이 주로 이용된다. 고정확도의 공력계수 예측 모형은 다수의 풍동시험 데이터로 생성할 수 있지만, 이는 많은 시간과 자원을 요구한다. 따라서 본 연구에서는 소수의 풍동시험 데이터를 다수의 전산유체역학 데이터와 혼합한 코크리깅 기법을 활용해 고정확도의 공력계수를 신속하고 효율적으로 예측하고자 한다. 풍동시험과 전산유체역학 데이터를 혼용한 예측 모형의 우수성을 보기 위해, 전산유체역학 데이터 보조의 유무에 따라 두 가지 공력계수 예측 모형을 생성한 후 수치적 검증과 예측 경향성 점검으로 두 모형의 예측 정확도를 비교하였다. 그 결과, 전산유체역학 데이터의 도움 덕분에 코크리깅 모형으로 크리깅 모형보다 더 정확한 공력계수 산출이 가능한 것을 확인하였다.

• 지능정보연구
• /
• 제28권1호
• /
• pp.329-352
• /
• 2022

미세먼지는 폐나 혈관에 침투해 각종 심장 질환이나 폐암 등의 호흡기 질환을 일으키는 것으로 보고되고 있다. 지하철은 일 평균 천만 명이 이용하는 교통수단으로, 깨끗하고 쾌적한 환경조성이 중요하나 지하터널을 통과하는 지하철의 운행 특성과 터널에 갇힌 미세먼지가 열차 풍으로 인해 지하역사로 이동하는 등의 문제로 지하역사의 미세먼지 오염도는 높은 것으로 나타나고 있다. 환경부와 서울시는 지하역사 공기질 개선대책을 수립하여 다양한 미세먼지 저감 노력을 기울이고 있다. 스마트 공기질 관리 시스템은 공기질 데이터 수집 및 미세먼지 농도를 예측하여 공기질을 관리하는 시스템으로 미세먼지 농도 예측 모델이 중요한 구성 요소이다. 그동안 시계열 데이터 예측에 관한 다양한 연구가 진행되어왔지만, 지하철 역사의 미세먼지 농도 예측과 관련해서는 통계나 순환신경망 기반의 딥러닝 모델 연구에 국한되어 있다. 이에 본 연구에서는 시공간 트랜스포머를 포함한 4개의 트랜스포머 기반 모델을 제안한다. 서울시 지하철 역사의 대합실을 대상으로 한 시간 후의 미세먼지 농도 예측실험을 수행한 결과, 트랜스포머 기반 모델들의 성능이 기존의 ARIMA, LSTM, Seq2Seq 모델들에 비해 우수한 성능을 나타냄을 확인하였다. 트랜스포머 기반 모델 중에서는 시공간 트랜스포머의 성능이 가장 우수하였다. 데이터 기반의 예측을 통하여 운영되는 스마트 공기질 관리 시스템은 미세먼지 예측의 정확도가 향상될수록 더욱더 효과적이고 에너지 효율적으로 운영될 수 있다. 본 연구 결과는 스마트 공기질 관리 시스템의 효율적 운영에 기여할 수 있을 것으로 기대된다.