One of the requirements for autonomous vehicles on off-road is to move stably in unstructured environments. Such capacity of autonomous vehicles is one of the most important abilities in consideration of mobility. So, many researchers use contact and/or non-contact methods to determine a terrain whether the vehicle can move on or not. In this paper we introduce an algorithm to classify terrains using visual information(one of the non-contacting methods). As a pre-processing, a contrast enhancement technique is introduced to improve classification of terrain. Also, for conducting classification algorithm, training images are grouped according to materials of the surface, and then Bayesian classification are applied to new images to determine membership to each group. In addition to the classification, we can build Traversability map specified by friction coefficients on which autonomous vehicles can decide to go or not. Experiments are made with Load-Cell to determine real friction coefficients of various terrains.

본 연구는 표준실험체인 전단보강근이 없는 철근콘크리트 보(SSS)와 전단보강근이 있는 철근콘크리트 보(BSS), 성능개선실험체로는 전단보강근이 없는 철근콘크리트 보에 고로슬래그미분말을 혼입한 고인성섬유 복합모르타르를 타설한 실험체(SHF시리즈, SHFSC시리즈)로 총 11개의 실험체를 축소 제작하여 실험을 수행하였다. 실험을 통하여 얻어진 결과를 비교․분석하여 하중-변위, 파괴형태, 최대내력, 전단응력 등을 규명함으로써 구조성능의 개선정도를 평가하였다. 고로슬래그미분말을 혼입한 고인성섬유 복합모르타르를 이용한 철근콘크리트 보 실험체(SHF시리즈, SHFSC시리즈)의 경우 전단보강근이 없는 표준실험체(SSS)보다 전단응력은 각각 26%, 28%, 연성능력은 각각 5.27, 5.75배 증가하는 결과를 나타내었다. 또한, 충분한 연성적인 거동과 안정적인 휨인장 파괴를 나타내었다.

국제해사기구(IMO)는 해양 사고의 예방 및 원인 분석을 목적으로 선박에 항해기록장치(VDR)의 설치를 의무화하였다. 그러나 해양사고의 약 10%를 차지하고 있는 전복 침몰 사고의 경우 기존의 VDR 기록 데이터로는 사고 원인 분석에 한계가 있다. 따라서, 본 연구에서는 기존의 VDR에 기록되어져야 하는 IMO 권고 기록 데이터 이외에 내항성능 평가에 필요한 선체 상하가속도를 VDR의 추가 기록 데이터로 채택하여 선박의 항해위험도를 평가함으로써 전복 침몰 사고에 대한 정량적인 원인 분석에 적용하고자 한다.

LNG선의 건조 동향을 보면 2003년을 기점으로 하여 기하급수적으로 증가하기 시작 하였으며, 2008년을 기점으로 하여 그 건조량은 감소하는 추세이나 건조 선박 중 많은 부분이 재액화 시스템이 장착된 대형 LNG선박으로 대형 LNG선은 216K급의 Q-Flex급, 260K급의 Q-Max급이 주를 이루고 있다. 이러한 LNG선박의 대형화는 LNG선의 화물창 보온 설계 기준인 BOR(Boil Off Rate) 0.15%를 기준해서 상대적으로 많은 양의 BOG가 발생하게 되었으며 선박의 주 추진기관의 연료로 사용 하더라도 잉여 가스가 남게 되어 화물탱크의 압력상승을 막기 위해서는 BOG를 재 액화하여 화물탱크로 반송하거나 소각하는 방법 등으로 처리하지 않으면 안 되게 되었다. 이러한 이유로 인하여 206K(206,000m3)급 이상의 대형 LNG 선박에서는 필수적으로 LNG 재액화 시스템을 탑재하도록 설계를 하게 된다. 본 연구에서는 현재 개발 되어 운항선에 적용되고 있는 여러 가지 LNG 재액화 시스템의 사이클 성능을 동일한 기기 조건하에서 해석함으로써 각각의 장단점을 비교하여 LNG선박의 설계 및 운항 시 재 액화 시스템의 최적화 방안을 제시하고자 한다.

선박용 무선 LAN은 설비의 용이성, 원가절감, 다양한 기능성으로 각광받고 있다. 본 논문에서는 스텝 스터브를 부가하여 2.4 GHz대역과 5.2 GHz대역에서 동작하는 이중 대역통과 필터를 설계하는 방법을 제안한다. 스텝 스터브를 부가한 새로운 형태의 이중 대역통과 필터는 개방 스터브를 부가한 이중 대역통과 필터보다 10 dB 이상 성능이 개선되었고, 기존의 대역통과 필터보다 설계치와 측정치의 오차가 감소됨에 따라 실제 사용할 경우의 성능이 향상되는 효과를 확인하였다. 제작된 이중 대역통과 필터의 설계결과와 측정결과가 거의 일치함을 보임으로써, 본 논문에서 제안한 설계 방법이 타당함을 확인하였다.

본 연구의 목적은 RC 전단벽의 구조성능 개선을 위한 보강방법을 연구하는 것이다. 이를 위하여 형상비가 2.2인 4개의 RC 전단벽 실험체를 제작하고 모르터로 단면을 증설하거나 강판 등으로 보강하는 방법으로 실험체의 휨성능을 향상시켰다. 보강이 완료된 실험체에 대하여 일정축력을 작용시킨 후 반복횡하중을 가력하여 구조성능을 평가하였다. 이때 작용시킨 횡력은 ACI에서 제시한 이력에 준하였다. 실험결과, 추가의 철근을 배치하고 단면을 증설한 경우에는 내력과 변형능력을 모두 증대시킬 수 있는 것으로 나타났으며 특히, 단면증설과 함께 단부에 U형태로 용접철망으로 횡구속한 실험체의 경우에는 강도와 연성의 측면에서 가장 효율적인 보강으로 확인되었다. 강판으로 보강하는 방법은 항복이후 부재의 급격한 내력저하를 방지하고 부재의 변형능력을 상승시키는데 매우 효과적인 것으로 나타났다.

게임 환경에서의 학습은 다양한 분야에서 유용하게 활용될 수 있다. 그러나, 학습이 게임에서 만족스러운 결과를 산출하기까지는 많은 학습 시간이 요구된다. 이러한 점을 개선하기 위하여 학습시간을 단축시킬 수 있는 방법론들이 필요하다. 본 논문에서는 예측 정보를 이용한 Q-학습의 성능개선 방안을 제안한다. Q-학습 알고리즘에서는 Q-테이블의 각 상태별 선택된 액션을 참조한다. 참조한 값은 예측 모듈의 P-테이블에 저장되고, 이 테이블에서 출연 빈도가 가장 높은 값을 찾아 2차 보상 값을 갱신할 때 활용한다. 본 연구에서 제시한 방법은 상태내의 전이가 가능한 액션의 수가 많을수록 성능이 높아짐을 확인하였다. 또한 실험결과로 실험 중반 이후부터 제안한 방식이 기존 방식보다 평균 9%의 성능 향상을 보였다.

본 논문의 목적은 CFRP판을 여러 가지 방법으로 보강한 RC보의 휨 거동을 실험적으로 비교, 분석하는 것이다. 휨 보강방법은 표면부착만 한 경우, CFRP판을 부착 후 단부정착한 경우 및 프리스트레스를 가한 후 단부정착한 경우의 3가지로 대별하였다. 실험결과는 단부정착한 RC보가 표면부착만 한 경우와 비교하여 연성이 증대되고 극한하중과 처짐 등의 휨성능이 개선되어 단부정착 방법이 효율적임을 보여주었으며, 특히 CFRP판에 프리스트레스를 가한 후 단부정착한 경우가 극한하중 및 연성이 현저히 증가함을 보였다.