• Tribology and Lubricants
• /
• 제38권3호
• /
• pp.84-92
• /
• 2022

In Part I, developed was a method to obtain the stress field due to an edge dislocation that locates in an elastic half plane beneath the contact edge of an elastically similar square wedge. Essential result was the corrective functions which incorporate a traction free condition of the free surfaces. In the sequel to Part I, features of the corrective functions, F_kij,(k = x, y;i,j = x,y) are investigated in this Part II at first. It is found that F_xxx(ŷ) = F_xyx(ŷ) where ŷ = y/η and η being the location of an edge dislocation on the y axis. When compared with the corrective functions derived for the case of an edge dislocation at x = ξ, analogy is found when the indices of y and x are exchanged with each other as can be readily expected. The corrective functions are curve fitted by using the scatter data generated using a numerical technique. The algebraic form for the curve fitting is designed as F_kij(ŷ) = $\frac{1}{\hat{y}^{1-{\lambda}}I+yp}$$\sum_{q=0}^{m}{\left}$$\left[A_q\left(\frac{\hat{y}}{1+\hat{y}} \right)^q \right]$ where λ_I=0.5445, the eigenvalue of the adhesive complete contact problem introduced in Part I. To investigate the exponent of F_kij, i.e.(1 - λ_I) and p, Log|F_kij|(ŷ)-Log|(ŷ)| is plotted and investigated. All the coefficients and powers in the algebraic form of the corrective functions are obtained using Mathematica. Method of analyzing a surface perpendicular crack emanated from the complete contact edge is explained as an application of the curve-fitted corrective functions.

• 대한토목학회논문집
• /
• 제3권4호
• /
• pp.95-107
• /
• 1983

기존(旣存) 범용 구조해석용(構造解析用) 프로그램들은 선택(選擇)된 역학적(力學的) 이론(理論), 계산(計算) algorithm등이 고정(固定)되어 있으므로 이용자(利用者)는 프로그램을 원하는 대로 control하기 어렵고 프로그램에 정의(定義)된 대로 data input만 준비(準備)한다. 이용자(利用者)가 계산과정(計算過程)을 control 할 수 있으며 원하는 역학적(力學的) 이론(理論) 및 계산(計算) algorithm등을 보완(補完)하여 이용(利用)할 수 있도록 한 구조해석용(構造解析用) 프로그램인 Symbolic Manipulation Program들이 개발(開發)되었으나 이들은 single domain 문제(問題) 해석용(解析用)이므로 대형(大型)콤퓨터가 필요(必要)하다. 본(本) 연구(硏究)에서는 substructure technique을 도입(導入)하여 구조물(構造物)을 multi domain으로 하여 중(中), 소형(小型)콤퓨터로도 해석(解析)할 수 있으며, matrix analysis 및 finite element analysis를 할 수 있도록 finite element characteristic arrays(Stiffness, Mass matrix)등을 계산(計算)하는 Element Subroutine 중 3D Beam element, Plate bending element 및 동력학계산(動力學計算)을 위한 Eigenvalue routine을 포함(包含)한 Symbolic Manipulation Program 개발(開發)이다. 이 프로그램의 구조(構造)는 module화(化)된 독립적(獨立的) 기능(機能)을 가진 processor 들로 구성(構成)되어 프로그램의 수정(修正), 첨가(添加), 삭제(削除)가 용이(容易)하며, Integrated Program Network(IPN) 개념중(槪念中) data base 방법(方法)으로 matrix form으로 된 data의 취급이 효율적(效率的)이다.

• 한국터널지하공간학회 논문집
• /
• 제5권1호
• /
• pp.71-88
• /
• 2003

지하수 오염에 대한 광역적인 취약성 평가를 위한 DRASTIC 시스템은 미국 EPA에서 개발된 것으로서 지하수위, 충진률, 대수층매체, 토양매체, 지형경사, 비포화대매체, 수리전도도등 수리지질학적 요소들을 이용하여 지하수 오염 취약성을 상대적으로 평가하기 위한 표준화된 시스템으로 현재 널리 사용되고 있다. 본 연구에서는 GIS 기법을 활용하여 기본 DRASTIC 모델에 구조선 밀도, 토지이용, 터널굴착으로 인한 지하수위 저하의 영향을 추가한 변형된 DRASTIC 모델을 개발하고 ${\bigcirc}{\bigcirc}$지역의 터널굴착으로 인한 지하수 오염가능성을 평가하고자 하였다. 통계적인 분석을 위하여 각각의 인자별 벡터 레이어를 격자레이어로 전환하고 각 인자별 상관계수, 3방향의 주성분분석에 의한 공분산, 고유치, 고유벡터 등을 구하여 인자들의 상관관계를 비교 분석하였다. 또한, 일반적인 DRASTIC 레이어와 구조선 밀도 레이어, 토지이용 레이어, 터널굴착영향 레이어간의 상관계수를 각각 구하고, 이를 각각의 가중치로 적용하여 최종적인 변형된 DRASTIC 모델을 구축하고자 하였다. 변형된 DRASTIC 모델을 사용한 결과 일반적인 DRASTIC 모델에 비해 오염 가능지역이 많이 세분화되었고, 그 결과를 활용하여 오염가능성이 높은 취약지역을 구체적으로 구분할 수 있었다.

• 대한토목학회논문집
• /
• 제9권3호
• /
• pp.97-106
• /
• 1989

본(本) 연구(硏究)는 유한요소법(有限要素法)(FEM)을 이용(利用)하여 2차원(次元) 지하수(地下水) 흐름모형(模型)을 확립(確立)한 것으로 지하수계(地下水界)에서의 오염물질이동(汚染物質移動)에 관한 종합적(綜合的)인 동적(動的)시스템 모형(模型)을 개발(開發)하는 연구(硏究)의 첫 단계(段階)이다. 이 흐름모형(模型)은 보다 많은 실재문제(實在問題)를 다를 수 있는 융통성(融通性)과 유연성(柔軟性)을 가지도록 하고 있다. 시간(時間)의 함수(函數)로 나타나는 Sources/Sinks, Dirichlet 형(形)의 경계조건(境界條件), Neumann 형(形) 혹은 Cauchy 형(形)의 유동(流動) 경계조건(境界條件), 누수성피압상(漏水性被壓床) (leaky confining beds) 등(等)의 조건(條件)을 가진 지하수(地下水)흐름을 모의발생(模擬發生 수 있으며, 또 복잡(複雜)한 경계조건(境界條件)을 잘 나타내기 위하여 삼각형요소(三角形要素)와 사각형요소(四角形要素)를 혼합(混合)하여 쓸 수 있는 지하수(地下水)흐름 FEM 모형(模型)을 확립(確立)한 것이다.

• 한국정보전자통신기술학회논문지
• /
• 제13권6호
• /
• pp.461-469
• /
• 2020

본 논문에서는 손글씨 숫자 데이터셋, 얼굴 데이터셋의 중요영역 추출을 위한 PCA 기반의 특징되먹임방법을 제안한다. 이전의 LDA 기반의 특징되먹임 방법을 확장하여 PCA 기반 특징되먹임 방법이 제안된다. 제안된 방법에서 데이터에 차원 축소 머신러닝 알고리듬 중 하나인 PCA 기법을 적용하여 데이터를 중요한 특징 차원들로 축소한다. 차원 축소과정에서 도출되는 weight를 통해 축소된 각 차원 축에서의 데이터 중요 지점을 확인한다. 각 차원 축은 축의 고유값의 크기에 따라 전체 데이터에서의 가중치가 다르다. 이에 각 차원 축의 고유값의 크기에 비례하는 가중치를 부여하여 각 차원 축에서의 데이터 중요 지점을 합하는 연산 과정을 거친다. 연산 과정을 통해 얻어진 데이터에 Threshold를 적용하여 데이터의 중요 영역을 구한다. 그 후 도출된 데이터의 중요 영역에 원본데이터로 역매핑을 유도하여 원본 데이터 공간에서 중요영역을 선택한다. MNIST 데이터셋에 대한 실험 결과를 확인하고 기존의 LDA 기반의 특징되먹임 방법을 통한 결과와 비교를 하여 PCA기반 특징되먹임을 기반한 패턴 인식 방법의 유효성과 가능성을 확인한다.