http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
김영광,박상영,박찬덕,Kim, Youngkwang,Park, Sang-Young,Park, Chandoek 한국천문학회 2012 天文學會報 Vol.37 No.2
We present an alternative approach for satellite formation reconfiguration by an optimal impulsive-thrust strategy to minimize the total characteristic velocity in a near-circular-orbit. Linear transformation decouples the Hill-Clohessy-Wiltshire(HCW) dynamics into a new block-diagonal system matrix consisting of 1-dimensional harmonic oscillator and 2-dimensional subsystem. In contrast to a solution based on the conventional primer vector theory, the optimal solution and the necessary conditions are represented as times and directions of impulses. New analytical expression of the total characteristic velocity is found for each sub systems under general boundary conditions including transfer time constraint. To minimize the total characteristic velocity, necessary conditions for times and directions of impulses are analytically solved. While the solution to the 1-dimensional harmonic oscillator has been found, the solution to the 2-dimensional subsystem is currently under construction. Our approach is expected to be applicable to more challenging problems.
미세먼지 예측 성능 개선을 위한 시공간 트랜스포머 모델의 적용
김영광(Youngkwang Kim),김복주(Bokju Kim),안성만(SungMahn Ahn) 한국지능정보시스템학회 2022 지능정보연구 Vol.28 No.1
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. It is reported that particulate matter(PM) penetrates the lungs and blood vessels and causes various heart diseases and respiratory diseases such as lung cancer. The subway is a means of transportation used by an average of 10 million people a day, and although it is important to create a clean and comfortable environment, the level of particulate matter pollution is shown to be high. It is because the subways run through an underground tunnel and the particulate matter trapped in the tunnel moves to the underground station due to the train wind. The Ministry of Environment and the Seoul Metropolitan Government are making various efforts to reduce PM concentration by establishing measures to improve air quality at underground stations. The smart air quality management system is a system that manages air quality in advance by collecting air quality data, analyzing and predicting the PM concentration. The prediction model of the PM concentration is an important component of this system. Various studies on time series data prediction are being conducted, but in relation to the PM prediction in subway stations, it is limited to statistical or recurrent neural network-based deep learning model researches. Therefore, in this study, we propose four transformer-based models including spatiotemporal transformers. As a result of performing PM concentration prediction experiments in the waiting rooms of subway stations in Seoul, it was confirmed that the performance of the transformer-based models was superior to that of the existing ARIMA, LSTM, and Seq2Seq models. Among the transformer-based models, the performance of the spatiotemporal transformers was the best. The smart air quality management system operated through data-based prediction becomes more effective and energy efficient as the accuracy of PM prediction improves. The results of this study are expected to contribute to the efficient operation of the smart air quality management system.
김일영(Ilyoung Kim),임충혁(Chunghyuk Yim),박영일(Youngil Park),임원식(Weonsig Lim),황한호(Hanho Hwang),남광수(Kwangsoo Nam),김동호(Dongho Kim),김영광(Youngkwang Kim) 한국자동차공학회 2004 한국자동차공학회 춘 추계 학술대회 논문집 Vol.- No.-
Automobile Technology requests high application electromecahnical system rate because people want new needs about safety and convenience. These present-day tendencies in Automobile technology cause quickening of Drive-By-Wire. This paper designs and develops Electronic Control Unit which applied Fail-safe algorithm of Shift-By-Wire which included transmission part of Drive-By-Wire by DSP (Digital signal Processor).
달 탐사 시험용 궤도선을 위한 심우주 추적망의 관측값 구현 알고리즘 개발
김현정(Hyun-Jeong Kim),박상영(Sang-Young Park),김민식(Min-Sik Kim),김영광(Youngkwang Kim),이은지(Eunji Lee) 한국항공우주학회 2017 韓國航空宇宙學會誌 Vol.45 No.9
본 연구에서는 한국형 달 탐사 시험용 궤도선을 위한 심우주 추적망 (Deep Space Network)의 관측값을 구현하는 알고리즘을 개발하였다. 이 알고리즘을 활용하여 탐사선의 신호 지연 효과를 관측 모델을 통해 보정해서 계산된 관측값을 생성할 수 있다. 계산된 관측값으로 거리, 도플러, 방위각, 고도각을 생성하였다. 기하학적 데이터 값을 General Mission Analysis Tool (GMAT)의 시나리오를 통해 구하였으며, 계산된 관측값을 구하기 위해서 시간 지연 효과, 대류층 지연 효과, 대류권 내 하전 입자에 의한 지연 효과, 대류권 밖 하전 입자에 의한 지연 효과, 대류층에 의한 굴절 효과, 안테나에 의한 지연 효과를 고려하였다. 관측 모델들을 통해 구한 계산된 관측값은 시험용 궤도선의 정밀 궤도 결정을 위해 사용된다. 본 논문에서 개발한 데이터 시뮬레이션 모듈은 미 항공우주국의 궤도 결정 툴 박스 (Orbit Determination ToolBoX, ODTBX)를 이용해 검증되었다. An algorithm is developed to generate measurement data of deep space network for Korea Pathfinder Lunar Orbiter (KPLO) mission. The algorithm can provide corrected measurement data for the Orbit Determination (OD) module in deep space. This study describes how to generate the computed data such as range, Doppler, azimuth angle and elevation angle. The geometric data were obtained by General Mission Analysis Tool(GMAT) simulation and the corrected data were calculated with measurement models. Therefore, the result of total delay includes effects of tropospheric delay, ionospheric delay, charged particle delay, antenna offset delay, and tropospheric refraction delay. The computed measurement data were validated by comparison with the results from Orbit Determination ToolBoX (ODTBX).