폐기물 가스화 시스템은 폐기물을 원료로 하여 CO, H2 및 CH4이 주성분인 합성가스를 생산한다. 생산한 합성가스는 정제, 개질 공정을 통하여 발전, 연료, 화학원료 등으로 사용할 수 있다. 폐기물 가스화 시스템은 원료로 폐기물을 사용하고 복합 공정(전처리, 가스화, 정제, 개질, 합성가스 이용)으로 구성되어 있어 안정적으로 합성가스를 생산하기 위해서는 다양한 환경 및 운전변수를 고려한 고급 제어 기술이 필요하다. 일반적으로 폐기물 가스화 발전 시스템 제어는 PLC(Programmable Logic Controller)/DCS(Distributed Control System)와 연결된 HMI(Human Machine Interface)를 통하여 이루어진다. 오퍼레이터는 HMI를 통하여 폐기물 가스화 발전 시스템의 Equipment와 Instrument와 1:1로 매핑 된 정보를 확인하고 제어를 수행한다. 오퍼레이터가 이상 상태 발생 및 운전 조건 변경 상황에서 다양한 운전 변수들의 상관관계를 고려하여 제어하는 것은 불가능하다. 본 연구에서는 폐기물 가스화 발전 시스템의 운전 데이터를 실시간으로 모니터링하고 운전 변수들의 상관관계를 확인할 수 있는 시스템을 개발하였다. 폐기물 가스화 발전 운전 데이터 실시간 상관관계 모니터링 시스템은 운전 데이터를 데이터베이스에 저장하는 기능, 데이터베이스에 저장된 데이터를 조회하는 기능, 데이터베이스에 저장된 운전 데이터의 상관관계를 확인할 수 있는 기능, 조회된 데이터를 저장하는 기능 등으로 구성되어 있다. 운전 데이터를 데이터베이스에 저장하는 기능은 폐기물 가스화 발전 시스템을 제어하는 HMI에 스크립트로 처리하였으며, 다른 기능들은 시스템의 접근성 및 활용도를 고려하여 웹시스템으로 개발하였다.

The river levees along the state owned rivers or local rivers are a major infrastructure of the nation, and it is necessary to be able to quickly and accurately evaluate the safety of each structure in case of a disaster such as flood or earthquake, so as to enable preemptive disaster response. In this study, a “real-time safety assessment method of river levees” was developed to understand the safety of river levee in real time and cope with disaster situations preemptively and effectively, and its applicability was examined. The real-time safety evaluation method of the river embankment developed in this study is based on two systems; ① real-time monitoring system by instruments and ② safety evaluation DB system of river embankment based on fragility curves using numerical analysis results. In order to validate its applicability, the safety of Munsan levee located in the upstream area of Kangjeong-Goryeong Weir was evaluated by applying the proposed method.

This paper proposes real-time image-based damage detection method for concrete structures using deep learning. The proposed method is composed of three steps: (1) collection of a large volume of images containing damage information from internet, (2) development of a deep learning model (i.e., convolutional neural network (CNN)) using collected images, and (3) automatic selection of damage images using the trained deep learning model. The whole procedure of the proposed method has been applied to some figures taken in a real structure. This method is expected to facilitate the regular inspection and speed up the assessment of detailed damage distribution the without losing accuracy.

As drones gain more popularity these days, drone detection becomes more important part of the drone systems for safety, privacy, crime prevention and etc. However, existing drone detection systems are expensive and heavy so that they are only suitable for industrial or military purpose. This paper proposes a novel approach for training Convolutional Neural Networks to detect drones from images that can be used in embedded systems. Unlike previous works that consider the class probability of the image areas where the class object exists, the proposed approach takes account of all areas in the image for robust classification and object detection. Moreover, a novel loss function is proposed for the CNN to learn more effectively from limited amount of training data. The experimental results with various drone images show that the proposed approach performs efficiently in real drone detection scenarios.

One of the most frequently performed tasks in human-robot interaction (HRI), intelligent vehicles, and security systems is face related applications such as face recognition, facial expression recognition, driver state monitoring, and gaze estimation. In these applications, accurate head pose estimation is an important issue. However, conventional methods have been lacking in accuracy, robustness or processing speed in practical use. In this paper, we propose a novel method for estimating head pose with a monocular camera. The proposed algorithm is based on a deep neural network for multi-task learning using a small grayscale image. This network jointly detects multi-view faces and estimates head pose in hard environmental conditions such as illumination change and large pose change. The proposed framework quantitatively and qualitatively outperforms the state-of-the-art method with an average head pose mean error of less than 4.5° in real-time.

As the development of autonomous vehicles becomes realistic, many automobile manufacturers and components producers aim to develop ‘completely autonomous driving’. ADAS (Advanced Driver Assistance Systems) which has been applied in automobile recently, supports the driver in controlling lane maintenance, speed and direction in a single lane based on limited road environment. Although technologies of obstacles avoidance on the obstacle environment have been developed, they concentrates on simple obstacle avoidances, not considering the control of the actual vehicle in the real situation which makes drivers feel unsafe from the sudden change of the wheel and the speed of the vehicle. In order to develop the ‘completely autonomous driving’ automobile which perceives the surrounding environment by itself and operates, ability of the vehicle should be enhanced in a way human driver does. In this sense, this paper intends to establish a strategy with which autonomous vehicles behave human-friendly based on vehicle dynamics through the reinforcement learning that is based on Q-learning, a type of machine learning. The obstacle avoidance reinforcement learning proceeded in 5 simulations. The reward rule has been set in the experiment so that the car can learn by itself with recurring events, allowing the experiment to have the similar environment to the one when humans drive. Driving Simulator has been used to verify results of the reinforcement learning. The ultimate goal of this study is to enable autonomous vehicles avoid obstacles in a human-friendly way when obstacles appear in their sight, using controlling methods that have previously been learned in various conditions through the reinforcement learning.

The main cause of corrosion in reinforced concrete is diffusion of degradation factors such as chloride ions, carbon dioxide, and sulfate ions. To monitor the extent of the corrosion in reinforced concrete, it is necessary to recognize and track the diffusion of degradation factors. In this paper, we suggest thin-film iron sensorto measure the penetration of chloride ions. The sensor indicates results as electrical resistance and change in electrical resistance. The sensor and contact pad are connected by an anisotropic conducting film (ACF) bonding in order to reduce the influence of the contact electrical resistance. The sensor’s electrical resistance increases with corrosive behavior and external chloride ion concentration. Use of these thin-film iron sensors enables measurement and monitoring of the depth of chloride ion diffusion in concrete.

Background : Korean ginseng is an important cash crop in Asian countries. However, plant yield is reduced by pathogens. Among the Ilyonectria radicicola-species complex, I. mors-panacis is responsible for root-rot and replant failure of ginseng in Asia. It is essential to find a way to reveal the existence of the pathogen before starting cultivation. Therefore, qRT-PCR method is developed to detect and quantify the pathogen in ginseng soils. Methods and Results : In this study, species specific Histone H3 primer set is developed for the quantification of I. mors-panacis. The primer set was applied on DNA of other microbes to evaluate its sensitivity and selectivity on I. mors-panacis DNA. Sterilized soil samples artificially infected by the pathogen in different concentrations were used to evaluate the ability of the primer set to detect the pathogen population in the soil DNA. Finally, the pathogen was quantified in many natural soil samples. The designed primer set was found to be sensitive and selective to I. mors-panacis DNA. In artificially infected sterilized soil samples, the estimated template using qRT-PCR was positively correlated with the pathogen concentration in soil samples (R2=0.94), disease severity index (R2=0.99), and colony forming unit (R2=0.87). In the natural soils, the pathogen was recorded in the most of fields produce bad yields with the range of 5.82 ± 2.35 to 892.34 ± 103.70 pg/g of soil. Conclusion : According to the presented results, the proposed primer set is applicable for estimating soils quality before ginseng cultivation. This will help in the disease management and crop protection in the future.

Solar radiation forecasts are important for predicting the amount of ice on road and the potential solar energy. In an attempt to improve solar radiation predictability in Jeju, we conducted machine learning with various data mining techniques such as tree models, conditional inference tree, random forest, support vector machines and logistic regression. To validate machine learning models, the results from the simulation was compared with the solar radiation data observed over Jeju observation site. According to the model assesment, it can be seen that the solar radiation prediction using random forest is the most effective method. The error rate proposed by random forest data mining is 17%.

This paper aims to develop a wireless unified-maintenance system(WUMS) to obtain real-time structural response of civil structures. The WUMS integrates the GPS module, the strain module and the acceleration module based on the standalone controller, and includes the RF module for remote measurement and the battery for long term operation. In order to evaluate the performance of the WUMS, a response test using a modal shaker and a modal test using a model bridge were performed. The test results using USMS were compared with those measured by wired system. Finally, the developed WUMS was appropriate to obtain the structural response of the civil structure in real-time, unified, and wirelessly.

The Expanded Guide Circle (EGC) method has been originally proposed as the guidance navigation method for improving the efficiency of the remote operation using the sensory information. The previous algorithm is, however, concerned only for the omni-directional mobile robot, so it needs to suggest a suitable one for a mobile robot with non-holonomic constraints. The ego-kinematic transform is a method to map points of R2 into the ego-kinematic space which implicitly represents non-holonomic constraints for admissible paths. Thus, robots with non-holonomic constraints in the ego-kinematic space can be considered as “free-flying object”. In this paper, we propose an effective obstacle avoidance method for mobile robots with non-holonomic constraints by applying EGC method in the ego-kinematic space using the ego-kinematic transformation. This proposed method shows that it works better for non-holonomic mobile robots such as differential-drive robot than the original one. The simulation results show its effectiveness of performance.

최근 실시간으로 모션블러(motion blur)를 위한 연구들은 픽셀당 여러개의 시간 색상을 계산 한 후 평균내는 방식으로 샘플의 수가 적을 경우 아티펙트(artifacts)나 노이즈(noise)가 발생하 는 문제를 가지고 있다. 본 논문은 이러한 문제를 개선하기 위해서 이동궤적 근사 다면체 (motion trail)를 이용한 실시간 모션블러 알고리즘을 제안한다. 본 논문의 알고리즘에서는 현재 프레임과 이전프레임의 삼각형으로 이동궤적 근사 다면체를 만들고 전후 관계(front-to-back) 정렬방법과 시공간차원의 비트연산(bitwise operation)을 적용하여 여러 물체가 겹치는 순간의 가시성 문제를 해결했다. 결과적으로 가려지지 않은 이동궤적 근사 다면체만을 그리기에 매끄 러운 블러 효과를 얻는다.

This paper aims to develop a wireless unified-maintenance system(WUMS) to obtain real-time structural response of civil structures. The WUMS integrates the GPS module, the strain module and the acceleration module based on the standalone controller, and includes the RF module for remote measurement and the battery for long term operation. In order to evaluate the performance of the WUMS, a response test using a modal shaker and a modal test using a model bridge were performed. The test results using USMS were compared with those measured by wired system. Finally, the developed WUMS was appropriate to obtain the structural response of the civil structure in real-time, unified, and wirelessly.

최근 인공지능에 대중의 관심으로 인해, 인공신경망을 사용한 의료영상 처리가 학계와 산업계에서 관심이 커져가고 있다. 딥러닝을 이용한 컨볼루션 신경망은 영상을 효과적으로 표현할 수 있는 것으로 증명되었다. 그러나 학습을 위해서는 고성능 H/W 플랫폼이 요구된다. 따라서 고차원의 많은 학습 샘플을 저사양 H/W 플랫폼에서 학습하는 것은 매우 도전적인 문제이다. 본 논문에서는 온라인 인공 신경망을 사용해 라즈베리파이에서 동작할 수 있는 실시간 신경망 알고리즘을 제안하고자 한다. 다양한 실험 결과를 통해 제안된 방법은 실시간 학습이 가능함을 보여주었다.

폐기물 가스화 시스템은 폐기물을 원료로 하여 CO, H2 및 CH4이 주성분인 합성가스를 생산하고, 생산한 합성가스는 발전, 가스연료, 수송용 연료 및 화학원료 등으로 사용할 수 있다. 폐기물 가스화 시스템의 공정은 폐기물을 원료로 하기 때문에 안정적으로 합성가스를 생산할 수 있도록 제어하는 기술이 필요하다. 특히 폐기물가스화 가스엔진 발전 연계 시스템은 합성가스 엔진으로 공급되는 합성가스의 조성과 발열량이 중요한 공정제어 인자이다. 일반적으로 폐기물 합성가스의 조성은 기기분석(NDIR 등)을 통하여 실시간으로 모니터링 할 수 있으나 주요 성분에 대한 분석만 가능하며 합성가스에 포함된 탄화수소계 연료에 대한 함량을 측정할 수 없음에 따라 합성가스 발열량 측정값 오차가 발생한다. 합성가스의 연료가스 성분을 보다 정확하게 측정하여 합성가스의 발열량을 확인하고 가스엔진 발전효율을 산출하기 위하여 GC 분석을 수행한다. GC 분석 데이터는 GC와 연계된 컴퓨터에서 확인할 수 있고 자체적으로 고유한 형식의 파일로 저장됨에 따라 분석된 데이터로부터 발열량을 확인하기 위해서는 추가적으로 계산을 수행해야 하므로 분석이 완료된 시점에서 실시간으로 발열량을 확인할 수 없다. 폐기물 가스화 발전 시스템의 보다 안정적인 운전을 위하여 GC분석 결과를 중앙제어실 운전자가 실시간 모니터링하여 제어하는 ICT 모니터링 제어 기술을 구축하는 것이 시스템의 제어 효율성을 높일 수 있다. 따라서, 본 연구에서는 중앙제어실에서 폐기물 가스화 발전시스템을 효율적으로 제어하면서 실시간으로 GC분석 데이터와 자동으로 계산된 발열량을 확인할 수 있도록 모니터링 시스템을 개발하였다. GC 분석 데이터 실시간 모니터링 시스템은 Client/Server 구조로 개발하였으며, 모니터링 된 데이터는 데이터베이스로 저장하여 추가적인 분석이 가능하도록 하였다.

Generating motion of center of mass for biped robots is a challenging issue since biped robots can easily lose balance due to limited contact area between foot and ground. In this paper, we propose force control method to generate high-speed motion of the center of mass for horizontal direction without losing balancing condition. Contact consistent multi-body dynamics of the robot is used to calculate force for horizontal direction of the center of mass considering balance. The calculated force is applied for acceleration or deceleration of the center of mass to generate high speed motion. The linear inverted pendulum model is used to estimate motion of the center of mass and the estimated motion is used to select either maximum or minimum force to stop at goal position. The proposed method is verified by experiments using 12-DOF torque controlled human sized legged robot.

본 연구는 안드로이드 기반의 스마트폰을 이용한 실시간 표면영상유속계를 개발하는 것이다. 스마트폰이 내장한 카메라, GPS, 방향 센서, CPU를 활 용하여, 실시간으로 현장에서 하천의 표면유속을 측정하는 것이다. 먼저, 스마트폰의 GPS를 이용하여 측정 현장의 위치를 파악하고, 경사계(방향 센 서)를 활용하여 카메라와 촬영면의 기하적인 관계를 설정한다. 이 때 입력해야 할 유일한 변수는 수면과 카메라의 연직 높이뿐이다. 내장된 카메라로 정해진 시간만큼 동영상을 촬영한다. 촬영된 동영상을 개방 소스의 영상처리 라이브러리인 OpenCV를 이용하여 프레임별로 분할하고, 이를 시공간 영상 분석하여 하천 표면의 2차원 유속장을 추정한다. 시판되는 안드로이드 스마트폰에 적용하여 현장 시험한 결과 약 11초에 1회의 순간유속 측정 (1 초간의 평균유속 측정)을 할 수 있어, 현장에서 즉각적으로 하천 수표면의 표면유속을 측정할 수 있었다. 또한 이 순간유속을 수십회 반복한 뒤 평균하 여 시간평균유속을 구할 수 있었다. 개발된 시스템을 실험 수로에서 시험한 결과, 측정이 매우 효과적이며 편리하였다. 측정된 결과를 프로펠러 유속계 에 의한 측정값과 비교한 결과, 최대 오차 13.9%, 평균적으로 10%이내의 오차로 실험 수로의 표면 유속을 측정할 수 있었다.

국내의 지진 발생 추이가 증가세를 보이고 있으며, 이에 따라 시설물 피해를 주고 큰 인명 피해를 초래하는 지진재해에 대한 대비의 중요성이 대두되고 있다. 지진재해에 대비하기 위해서는 지진 또는 진동가속도에 대한 실시간 계측을 하는 것이 중요하다. 일본과 미국의 경우 중요 시설물에 대하여 이미 실시간 지진가속도계측을 시행하고 있으며 계측된 지진가속도데이터는 데이터베이스화되어 관리되고 있다. 이를 이용해 내진설계기준 개정시 또는 지진으로 인한 피해 예측시 활용하고 있다. 국내의 경우, 최근 지진재해대책법 및 시행규칙이 개정되어 공포 되었으며, 국민안전처에서 지진가속도계측자료 통합관리시스템을 구축해 나가고 있는 상황이다. 본 연구의 목적은 국민안전처 통합관리시스 템에 연계가 가능한 시설물 실시간 진동 감지 및 분석 시스템을 개발 하는 것이다. 이 시스템은 지진가속도계측데이터 모니터링 기능을 포함하 며, 또한 고속푸리에변환, 고유진동수 추출, 응답스펙트럼, 파워스펙트럼, 진도 표출, 시설물 건전도 평가 등 다양한 가속도데이터 분석 기능을 갖추고 있을 뿐만 아니라 국민안전처 지진가속도계측자료 시스템에 연계가 가능하도록 설계되었다. 개발된 시스템은 시설물의 안전관리 네트 워크 구축, 지진 또는 진동으로 인한 시설물의 피해에 대한 대비, 유지관리 비용의 최소화에 긍정적인 효과가 있을 것이라고 판단된다.

Waterside structures such as dams or levees are essential for flood protection, and flood induced failures of such structures can cause serious damages. Real-time safety prediction can prevent most of the damages to inland or the consequential economic damages induced by flood hazards. This study introduces a method of real-time safety prediction by evaluating the correlation between numerical simulation, real-time measurement, and geo-centrifuge data.