네오니코티노이드계 농약은 전세계적으로 사용되는 강력한 살충제이지만 환경, 생물에 잔류하 여 악영향을 미치고 있다. 이에 본 연구는 네오니코티노이드계 농약인 imidacloprid와 clothianidin이 공시 작물인 알팔파와 적용작물로 고추와 오이를 선정하여 토양처리 및 경엽처리에 따른 꿀벌 독성과 엽상 잔류 량을 비교하여 기존 엽상잔류독성시험법의 문제점을 확인하고자 하였다. Imidacloprid와 clothianidin을 작 물 또는 토양에 권장량 및 배수로 처리하고 시간에 따른 꿀벌의 치사율에 대한 RT25를 확인하고 잎의 잔류 농약을 HPLC로 측정하였다. 그 결과 경엽처리하였을 때 imidacloprid은 공시작물 RT25가 1일 이하, 잔류 량은 1.07 ~ 19.27 mg/kg이나 적용작물은 RT25가 9일 이하, 잔류량은 1.00 ~ 45.10 mg/kg 수준이었다. clothianidin은 공시작물 RT25가 10일 이하, 잔류량은 0.61 ~ 2.57 mg/kg이나 적용작물은 RT25가 28일 이 하, 잔류량은 0.13 ~ 2.85 mg/kg 수준이었다. 토양처리했을 때 imidacloprid와 clothianidin은 공시작물에 서는 꿀벌에 영향을 미치지 않았으며 잔류량은 0.05 ~ 0.37 mg/kg 수준이었으나, 적용작물에서는 imidacloprid은 RT25가 28일 이하였고 잔류량은 4.47 ~ 130.43 mg/kg 수준이었고, clothianidin은 RT25가 35일 이하였고, 잔류량은 5.96 ~ 42.32 mg/kg 수준이었다. 결론적으로 꿀벌 독성과 엽상 잔류량을 작물간 비교하였을 때 공시작물 보다 적용작물이 꿀벌의 치사율에 많은 영향을 미치고 잔류량도 높게 나타났고, 처리방법에 따라 비교하였을 때 적용작물에 대한 토양처리가 경엽처리에 비해 높은 RT25와 잔류량이 나타 났다. 따라서 농약안전성 확보를 위해 제시된 시험법이 실제 적용작물과 농약 처리방법에 따라 차이가 있 을 수 있어 imidacloprid와 clothianidin의 안전성 평가를 위하여 다양한 경로의 연구가 필요하다.

선박의 접안운동을 자동화하기 위하여 인공신경망(Artificial Neural Network, 이하 ANN)에 의한 제어를 수행하였다. ANN은 시스템의 비선형성이 표현 가능하므로 접안운동과 같은 비선형성이 강한 조종운동에 적합하다. 입력층과 출력층 사이에 하나 이상의 중간층이 존재하는 다층 인식자(Multi-layer perceptron)를 사용하였고, 교사 데이터(Teaching data)와 역전파(Back-Propagation) 알고리즘을 사용하여 신경망의 출력값과 목표 출력값 사이의 오차가 최소가 되도록 신경망 학습을 수행하였다. 접안 시 저속조종 수학모델을 사용하여 접안 시뮬레이션을 수행하였으며, ANN의 입력층 성분(unit)이 8개인 구조와 6개인 구조의 접안 제어를 비교하였다. 시뮬레이션 결과, 두 ANN에 의하여 접안 경로 선택에 차이가 나타났으나 접안 조건은 모두 만족하였다.

본 연구에서는 만타형 수중운동체의 수평 및 수직 방향에 대한 자동제어 및 충돌회피 시스템을 확립하였다. PID 제어이론, 퍼지 추론 등이 적용되었으며, 시뮬레이션에 사용된 6자유도 운동 방정식은 이론계산과 구속모형 시험에 의하여 확립하였다. PID제어에 의한 심도제어 결과가 제시되었으며, UUV의 충돌 위험도는 가상 소나 시스템을 이용한 퍼지 추론으로 추정하였다. 이를 이용하여 만타형 수중운동체의 심도제어 시스템 및 충돌회피 시뮬레이션 시스템이 개발되었다.