Scouring of bridge foundation is one of the major cause of bridge failure. Scour can be defined as the excavation of foundation or other material from the bed and banks of streams, due to water flow. Scour monitoring is one of the major requirements to ensure bridge safety. There are some underwater instruments such as float-out devices which are used in scour monitoring. The available conventional underwater instruments are expensive and difficulties in maintenance. Thus vibration based monitoring techniques are emerging, this paper is one of such effort. This paper develops a vibration-based scour monitoring technique. The effect of sour on the vibration characteristics of pier is not significant at the early stages of scouring but significant changes in vibration characteristic can be identified during moderate level of scour. Thus this method can be used to identify and alert the safety of bridge prior its failure. An unscented Kalman filter is employed in this process. This paper numerically validates the monitoring capability of developed method over other vibrations based methods.

일반적으로 토목 구조물의 피로분석 결과를 향상시키기 위해서는 교량 각 절점에서의 정교한 수치모델 또는 변형률 측정값이 필요하지만 실재하는 토목 구조물의 정교한 수치모델을 만드는 것은 쉽지 않으므로 두가지 모두 쉬운일은 아니다. 또한 구조물의 전 지점에서 시간에 따른 측정 데이터를 계측하는 것 또한 불가능하다. 그래서 본 연구에서는 칼만필터를 이용하여 측정되지 않은 위치에서의 변형률 계측값을 추정하고자 한다. 해양 토목구조물의 인풋을 평균이 0인 BLWN(band limited white noise)으로 가정할 수 없으므로 평균이 0이 아닌 인풋을 사용하였고, 변형률 추정에 데이터 융합의 효과를 확인하기 위해 멀티센서 데이터 융합 기법을 사용하였다.

A dynamic displacement estimation system is developed by integrating laser Doppler vibromter (LDV) and light detection and ranging (LiDAR). The system includes hardware level integration for simultaneous measurement of two devices and data fusion of two measurement signals based on Kalman filter smoothing algorithms. For hardware integration of two devices, the laser beam directions and the triggering of measurement of LDV and LiDAR are controlled on the level of built-in commands of the devices. The distance data sequentially measured by LiDAR is converted to dynamic displacement of high noise and low sampling rate, and fused with the velocity measured by LDV which has high sampling rate and low noise but accumulated bias error when integrated. Using the Kalman filter based data fusion algorithm, it is able to estimate dynamic displacement in which the drawbacks of two devices are effectively removed. The proposed system is applied to a dynamic loading test on a highway bridge and the performance is verified.

In this paper, an external torque estimation problem in one-degree-of-freedom (1-DOF) flexible-joint robot equipped with a joint-torque sensor is revisited. Since a sensor torque from the jointtorque sensor is distorted by two dynamics having a spring connection, i.e., motor dynamics and link dynamics of a flexible-joint robot, a model-based estimation, rather than a simple linear spring model, should be required to extract external torques accurately. In this paper, an external torque estimation algorithm for a 1-DOF flexible-joint robot is proposed. This algorithm estimates both an actuating motor torque from the motor dynamics and an external link torque from the link dynamics simultaneously by utilizing the flexible-joint robot model and the Kalman filter estimation based on random-walk model. The basic structure of the proposed algorithm is explained, and the performance is investigated through a custom-designed experimental testbed for a vertical situation under gravity.

본 연구에서는 Z-R 관계식의 매개변수를 안정적인 값으로 실시간 예측하고자 확장 칼만 필터기법을 적용하였다. 이를 위해 Z-R 관계식의 비선형을 고려하여 확장 칼만 필터로 매개변수 결정모형을 구축하였다. 상태-공간 모형은 Adamowski and Muir(1989)의 연구를 기반으로 구축하였다. 상태-공간 모형의 상태변수는 Z-R 관계식의 두 매개변수로 설정하였다. 결과적으로 칼만이득과 상태변수가 발산하지 않는 안정적인 모형을 구축하였다. 주목할 점으로는 기존 방법으로 추정된 과대 혹은 과소한 매개변수가 필터링 되어 일부 제거되었다는 것이다. 부적절한 매개변수의 적용은 물리적으로 비현실적인 강우강도 추정 결과를 불러일으키는 원인이기 때문에 이러한 결과는 정량적 강수량 추정측면에서 효과가 크다고 할 수 있다. 또한 확장 칼만 필터로 예측한 매개변수로 레이더 강우를 추정한 결과, 편의보정계수가 1.0에 근사하게 나타나 편의보정과정 없이도 지상 강우강도와의 평균적인 차이는 근소한 것으로 나타났다. 또한 기존 방법으로 레이더 강우를 추정한 결과보다 전반적으로 정확도 높은 강우 추정이 가능한 것으로 나타났다.

수돗물의 공급과정에서 발생되는 상수관망의 누수는 소중한 수자원의 손실, 공급에너지의 추가적인 소요 등 사회경제적인 손실을 초래한다. 본 연구에서는 관로 상에 설치되어 실시간으로 계측되는 유량자료를 이용하여 누수를 감시하는 모형을 적응 칼만필터 기법을 이용하여 제시하였다. 제안된 누수감시 알고리즘에서는 수돗물 사용량의 시간적 변화와 요일적 변동을 고려함으로써 예측의 신뢰도를 향상시키는 방안을 제시하였다. 또한 기존의 칼만필터 기법에 혁신과정을 추가하여 잡음의 공분산에 대한 자동보정을 통하여 예측의 정확도를 개선하였다. 개발된 모형은 사인형태의 가상 유량자료에 대한 모의실험을 통하여 적응 칼만필터 기법의 예측 정확도를 기존의 칼만필터 기법과 비교하였으며, JE시의 2개 소블록 유량자료에 대한 현장 적용성 평가를 실시하였다. 본 연구의 결과는 관로의 파열에 의한 누수 및 비정상적인 용수사용량에 대한 감시를 통하여 상수관망의 효율적인 운영관리에 적용될 수 있을 것으로 기대된다.

본 연구에서는 자료동화기법의 하나인 확장 칼만 필터를 이용하여 유량자료의 실시간 품질향상을 수행하였다. 확장 칼만 필터의 상태-공간모형은 강우-유출모형과 관측유량자료를 이용하여 구성하였다. 본 연구에서는 실시간 품질향상 목적을 댐 유입량의 비정상적 고변동성 억제 및 관측유량의 결‧오측 보완으로 구분하였으며, 각각의 경우에 적절한 확장 칼만 필터 모형을 제시하였다. 이들 모형의 차이는 칼만이득 계산에 필요한 공분산 함수의 추정에 변동성만을 고려하는냐 또는 편의까지를 포함하느냐로 나타난다. 본 연구는 충주댐 유역을 대상으로 적용하였으며, 그 결과 제시된 모형들이 댐 유입량자료나 결‧오측이 포함된 유량자료의 실시간 품질향상에 효과적으로 작동함을 확인하였다.

This paper describes a method of road tracking by using a vision and laser with extracting road boundary (road lane and curb) for navigation of intelligent transport robot in structured road environments. Road boundary information plays a major role in developing such intelligent robot. For global navigation, we use a global positioning system achieved by means of a global planner and local navigation accomplished with recognizing road lane and curb which is road boundary on the road and estimating the location of lane and curb from the current robot with EKF(Extended Kalman Filter) algorithm in the road assumed that it has prior information. The complete system has been tested on the electronic vehicles which is equipped with cameras, lasers, GPS. Experimental results are presented to demonstrate the effectiveness of the combined laser and vision system by our approach for detecting the curb of road and lane boundary detection.

This paper proposes a robust image stabilization system for a mobile robot using an Extended Kalman Filter (EKF). Though image information is one of the most efficient data used for robot navigation, it is subjected to noise which is the result of internal vibration as well as external factors such as uneven terrain, stairs, or marshy surfaces. The camera vibration deteriorates the image resolution by destroying the image sharpness, which seriously prevents mobile robots from recognizing their environment for navigation. In this paper, an inclinometer was used to measure the vibration angle of the camera system mounted on the robot to obtain a reliable image by compensating for the angle of the camera vibration. In addition the angle prediction obtained by using the EKF enhances the image response analysis for real time performance. The experimental results show the effectiveness of the proposed system used to compensate for the blurring of the images.

A tank model in conjunction with Kalman filter is developed for prediction of sediment yield from an upland watershed in Northwestern Mississippi. The state vector of the system model represents the parameters of the tank model. The initial values of the state vector were estimated by trial and error. The sediment yield of each tank is computed by multiplying the total sediment yield by the sediment yield coefficient. The sediment concentration of the first tank is computed from its storage and the sediment concentration distribution (SCD); the sediment concentration of the next lower tank is obtained by its storage and the sediment infiltration of the upper tank; and so on. The sediment yield computed by the tank model using Kalman filter was in good agreement with the observed sediment yield and was more accurate than the sediment yield computed by the tank model.

The purpose of this study is to develop a linear reservoir model with Kalman filter using Kalman filter theory which removes a physical uncertainty of rainfall-runoff process. A linear reservoir model, which is the basic model of Kalman filter, is used to calculate runoff from rainfall in river basin. A linear reservoir model with Kalman filter is composed of a state-space model using a system model and a observation model. The state-vector of system model in linear reservoir model with Kalman filter takes the ordinate of IUH from linear reservoir model. The average value of the ordinate of IUH for a linear reservoir model with Kalman filter is used as the initial value of state-vector. A linear reservoir model with Kalman filter shows better results than those by linear reserevoir model, and decreases a physical uncertainty of rainfall-runoff process in river basin.