http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
고체 입자 소각로에서 분사기의 설계 인자에 따른 유동 특성에 관한 수치해석적 연구
손진우(Jin Woo Son),김수호(Su Ho Kim),손채훈(Chae Hoon Sohn) 대한기계학회 2013 大韓機械學會論文集B Vol.37 No.12
폐기물을 효과적으로 소각 처리하기 위해, 고형화된 입자를 고속으로 연소시키는 소각로의 유동 특성을 수치해석적으로 조사하였다. 본 연구에서는, 기존 발전소에서 통용되는 선회 유동 유발을 통한 안정적 화염 형성 개념과 고에너지 밀도를 갖는 로켓 엔진 연소실의 설계 개념을 복합적으로 적용하였다. 첫단계로, 소각로로 분사되는 연료와 공기의 유동 특성 파악을 위해 1차 연소실에 주 분사기와 보조 분사기를 장착하여 비반응 유동장 수치해석을 수행하였다. 설계 변경 인자로 주 분사기의 편향각, 보조 분사기의 하향각, 두 분사기간 간격을 선정하였다. 이러한 설계 인자의 변경에 따른 선회 유동 형성의 정도를 파악하기 위해 선회수(swirl number)를 평가 인자로 사용하였다. 각각의 설계 인자가 변함에 따라 선회수는 편향각이 증가할수록 선회수가 증가하였으며, 하향각에 따라서는 선회수가 크게 변하지 않았다. 설계 인자에 따라 형성되는 재순환 영역의 크기가 달라지며 이는 선회수의 크기에도 영향을 끼쳤다. 재순환 영역의 크기가 작으면 선회수가 큰 경향성을 보였다. 이러한 수치해석을 통해 활발한 선회 유동을 형성시킬 수 있는 설계 조건을 찾을 수 있었다. The flow characteristics in a solid particle incinerator are investigated numerically for high burning rate of wastes. The studied incinerator employs both a swirl flow used in the furnace of powerplants and a design concept applied to a rocket combustor. As the first step, the non-reactive flow field is analyzed in the incinerator with primary and secondary injectors through which solid fuel and air are injected. The deflection angle of a primary injector, inclination angle of a secondary injector, and gap between the two types of injectors are selected as design parameters. The swirl number is adopted for evaluating the degree of swirl flow and estimated over wide ranges of three parameters. The swirl number increases with deflection angle, but it is affected little by inclination angle. Recirculation zones are formed near the injectors, and their size affects the swirl number. The swirl number decreases with the zonal size of recirculation. From the numerical results, the design points can be found with strong swirl flow.
딥러닝 기반 깊이 추정 모델의 정확도 향상을 위한 실시간 데이터세트 증강 알고리즘
손진우(Jin Woo Son),민지현(Ji Hyun Min),김한솔(Han Sol Kim) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.11
본 연구에서는 딥러닝 기반 깊이 추정 모델의 추정 정확도를 향상을 위한 훈련 데이터세트의 실시간 증강기법을 제안한다. 제안하는 기법에서는 동일한 시점을 향하는 단안 카메라와 스테레오 비전을 사용하여 RGB 영상과 그에 해당하는 깊이 정보를 실시간으로 획득한다. 그런 다음 RGB 이미지를 깊이 추정 모델에 입력하여, 추정된 깊이 값을 획득한다. 이후, 해당 이미지에 대한 추정 정확도가 특정 임계값 미만이면 실제 깊이 맵과 RGB 이미지를 훈련 데이터 세트에 추가한다. 마지막으로, 증강시킨 데이터세트를 이용하여 훈련된 모델의 추정 정확도 증가도를 평가하여 제안하는 알고리즘의 유효성을 검증한다. In this study, we propose a real-time augmentation technique of a training dataset to improve the estimation accuracy of a deep learning-based depth estimation model. In the proposed method, RGB images and corresponding depth information are acquired in real-time by using a monocular camera and stereo vision pointing at the same viewpoint. Then, the RGB image is input into the depth estimation model to obtain an estimated depth value. Then, if the estimation accuracy for the image is below a certain threshold, the actual depth map and corresponding RGB image are added to the training dataset. Finally, the validity of the proposed algorithm is verified by evaluating the increase in estimation accuracy of the trained model using the augmented dataset.