http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
강병주(Byeongju Kang),황윤형(Yunhyoung Hwang),이정욱(Junguck Lee),성광모(Kwangmo Sung),김성진(Sungjin Kim) 한국자동차공학회 2017 한국자동차공학회 학술대회 및 전시회 Vol.2017 No.11
최근 ADAS 및 자율주행 구현에 있어 능동적 보행자 보호를 위한 보행자 인식 및 추정에 대한 연구가 활발히 진행되어 왔다. 본 논문은 횡단보도 상황에서 보행자 첫 거동(Gait)과 함께 나타나는 신체적 특성들을 분석하여 보행자의 향후 정상속도를 예측하는 방법을 제시한다. 보행자는 동일한 교통신호 환경에서 확률적으로 일정한 거동패턴을 보이며 거동 보폭 변화율 및 하반신 스윙 속도를 기반으로 거동속도 예측이 가능하다. RGB-D센서를 통해 보행자 모션 데이터를 취득하여 위 가정을 검증하였으며, 제안된 보행자 거동예측 파라미터는 교통상황이 복잡한 교차로 인프라를 통한 사고 위험도 판단에 적용된다.
심층신경망 기반 회전익 블레이드의 단면 구조 강성 예측 모델
강병주(Byeongju Kang),천성우(Seongwoo Cheon),조해성(Haeseong Cho),기영중(Youngjung Kee),김태성(Taeseong Kim) 항공우주시스템공학회 2024 항공우주시스템공학회지 Vol.18 No.1
본 논문에서는 회전익 블레이드의 단면 구조 정보를 통해 블레이드의 단면 강성을 예측하고, 재료 정보를 이용하여 단면 강성을 예측할 수 있는 심층 신경망 기반 네트워크 예측 모델의 설계 및 적절성 검토를 수행하였다. 재료 정보를 네트워크 입력으로 갖는 예측 모델의 경우, 블레이드 단면 부재 재료의 탄성 계수를 네트워크의 입력으로 고려하여 단면 강성을 예측하도록 설계하였다. 또한, 단면 구조 정보를 네트워크 입력으로 갖는 예측 모델의 경우, 블레이드의 단면을 구성하는 단면 부재의 위치와 두께 정보를 네트워크 입력으로 고려하여 단면 강성을 예측하도록 설계하였다. 각 예측 모델은 심층신경망 구조를 기반으로 설계하였으며, 단면 해석 프로그램인 KSAC2D를 통한 단면 해석 결과를 네트워크의 훈련 및 검증 데이터로 사용하였다. In this paper, two prediction models based on deep neural network that could predict cross-sectional stiffness of a rotor blade were proposed. Herein, we employed structural and material information of cross-section. In the case of a prediction model that used material properties as the input of the network, it was designed to predict the cross-sectional stiffness by considering elastic modulus of each cross-sectional member. In the case of the prediction model that used structural information as a network input, it was designed to predict the cross-sectional stiffness by considering the location and thickness of cross-sectional members as network input. Both prediction models based on a deep neural network were realized using data obtained by cross-sectional analysis with KSAC2D (Konkuk section analysis code – twodimensional).