본 연구에서는 탄소나노튜브(CNT) 패치 센서를 기반으로 하여 구조물의 이상 거동을 감지하고 대 응할 수 있도록 하는 첨단 스마트 모니터링 시스템을 제안한다. 복합소재로 제작되는 CNT 센서는 유 연한 특성을 갖게 되어 다양한 형태의 구조물 표면에 적용할 수 있으며, 이를 통해 충격이나 피로 등 에 의해 발생되는 균열과 같은 비정상적인 거동을 감지할 수 있다. CNT 센서를 통해 수집한 데이터 는 IoT 시스템을 통해 실시간으로 분석되어 구조물의 거동 상태를 확인하고 건전성을 모니터링 할 수 있게 한다. 이 시스템의 성능 검증 및 사용성 검토를 위해 미국 소재 교량에서 실증 테스트를 하였으 며, 테스트 결과 CNT 센서를 이용한 구조물 거동 감지 시스템을 통해 구조물의 이상 거동을 효과적 으로 감지하고 모니터링하여 구조물에서 발생 될 수 있는 잠재적 문제를 사전에 예방할 수 있음을 확 인하였다. 이와 같은 기술은 추후 다양한 분야에서 적극적으로 활용될 수 있을 것으로 기대된다.

Recently there was an incident that military radars, coastal CCTVs and other surveillance equipment captured a small rubber boat smuggling a group of illegal immigrants into South Korea, but guards on duty failed to notice it until after they reached the shore and fled. After that, the detection of such vessels before it reach to the Korean shore has emerged as an important issue to be solved. In the fields of marine navigation, Automatic Identification System (AIS) is widely equipped in vessels, and the vessels incessantly transmits its position information. In this paper, we propose a method of automatically identifying abnormally behaving vessels with AIS using convolutional autoencoder (CAE). Vessel anomaly detection can be referred to as the process of detecting its trajectory that significantly deviated from the majority of the trajectories. In this method, the normal vessel trajectory is gridded as an image, and CAE are trained with images from historical normal vessel trajectories to reconstruct the input image. Features of normal trajectories are captured into weights in CAE. As a result, images of the trajectories of abnormal behaving vessels are poorly reconstructed and end up with large reconstruction errors. We show how correctly the model detects simulated abnormal trajectories shifted a few pixel from normal trajectories. Since the proposed model identifies abnormally behaving ships using actual AIS data, it is expected to contribute to the strengthening of security level when it is applied to various maritime surveillance systems.

해상교통관제 업무의 최적화를 위하여 요구되는 인적요소 분야 중 관제사의 상황인식(SA: Situation Awareness)와 관제 업무부하 (Workload)와의 관계성을 확인하는 것이 해상교통 분야에서는 중요한 실정이다. 이 연구에서는 관제사의 상황인식과 업무부하를 상황인식 평가기술(SART)과 다차원 작업부하 지표(NASA-TLX)를 실제적으로 측정하고, 측정 결과를 비교함으로서 개념들에 대한 이해와 시스템적 으로 관리할 수 있는 방법을 제시함으로써 해상교통관제사 전문성 제고방안에 기여하고자 한다.

A parametric study was carried out to gain an insight about structural performances considering abnormal behavior effects in high strength steel pipe strut system. Six load cases were considered as undesirable deflections of strut structures, which are basic load combination, excessive excavation situations, impact loading effects, additional overburden loads, load combinations, and 50% reduction of strut length. Subsequent simulation results present various influences of parameters on structural performances of the strut system. Based on the results, we propose methods to prevent unusual behaviors of pipe-type strut structures made of high strength steels.

Austenite precipitation behavior was studied with solidification rates and alloying contents, N and Cr, in duplex stainless steels by directional solidification. Directional solidification experiments were carried out with solidification rates, 1~100mm/s, and N and Cr contents, 0~0.27wt.%, 25~28wt.% respectively, in a duplex stainless steel, CD4MCU. As the solidification rate increases, the dendrite spacing reduced and the austenite phase in the ferrite matrix became finer. The volume fraction of austenite phase increased and its shape went to be round with increasing nitrogen contents in duplex stainless alloys. The Cr alloying element, even though it is a ferrite former, showed to enhance the nitrogen solubility in the alloy and caused the austenite round and finer. Also, Cr was supposed to decrease the austenite volume fraction, but it increased the austenite slightly due to increasing nitrogen solubility during solidification.

최근 해상교통량이 증가하고 선박교통 관제구역이 확대됨에 따라 관제사의 업무 부하가 증가하고 있으며, 이로 인해 교통량이 급증하는 경우 관제사가 위험을 인지하지 못하는 상황도 발생하게 된다. 이러한 배경에서 본 논문에서는 관제 업무의 지원을 위해 이상 거동 선박을 자동으로 식별하는 방법을 제안한다. 본 방법은 누적된 AIS 데이터를 이용하여 관제구역 내의 통항 패턴을 학습하고, 학습된 모델과 의 비교를 통해 이상치를 계산하여 이상 거동 선박을 식별한다. 특히, 선박의 거동 상태에 대한 분류 정보가 없더라도 비지도 학습법을 기반으로 항적 데이터를 자동으로 분류하여 통항 패턴을 학습할 수 있으며, 항적의 군집화와 분류 과정을 통해 이상 거동 선박을 실시간으로 식별 할 수 있는 특징을 가진다. 또한, 본 논문에서는 선박운항 시뮬레이터 및 실제 AIS 항적 데이터를 이용한 식별 실험을 수행하였으며, 이를 통해 선박교통관제 시스템에의 활용 가능성을 고찰하였다.

This paper introduces unfamiliarity index (UFI) that calculated from the FFT results of the short term timeline acceleration responses. If this algorithm, which can detect an abnormal behavior from the maximum constant signal, is used to the terminal sensors of an structure, more accurate safety control criteria will be prepared efficiently.

Recently, buildings tend to be large size, complex shape and functional. As the size of buildings is becoming massive, the need for structural health monitoring (SHM) technique is increasing. Various SHM techniques have been studied for buildings which have different dynamic characteristics and influenced by various external loads. “Abnormal behavior point” is a moment when the structure starts vibrating abnormally and this can be detected by comparing between before and after abnormal behavior point. In other words, anomalous behavior is a sign of damage on structures and estimating the abnormal behavior point can be directly related to the safety of structure. Abnormal behavior causes damage on structures and this leads to enormous economic damage as well as damage for humans. This study proposes an estimating technique to find abnormal behavior point using Hilber-Huang Transform which is a time-frequency signal analysis technique and the proposed algorithm has been examined through laboratory tests with a bridge model using a shaking table.

All living organisms use memory and oblivion algorithms considering the estimated lifetime and the changes in the ambient environment. Because of the expected lifetime of a bridge is similar to the human’s one, if a bridge uses the same algorithm of human memory, the abnormal responses of the structure can be easily detected. This paper introduces unfamiliarity index (UFI) that calculated from the FFT results of the short term timeline acceleration responses. If this algorithm, which can detect an abnormal behavior from the maximum constant signal, is used to the terminal sensors of an structure, more accurate safety control criteria will be prepared efficiently.

The purpose of this study is to measure the abnormal behavior of the bridge with LRB and to analyze the cause. Based on the result of analysis, the abnormal behavior was mainly due to the absence of pre-set process during replacement and the integrated behavior due to constriction of adjacent RAMP.

단일절리에서 2상유체의 거동을 모의하기 위해 개발된 수치모형의 검증을 위해서 상대투과계수 특성식을 수치모형에 적용하여 가스와 물의 동시거동을 해석한 후, 수치모의 결과를 모형실험결과와 비교하였다. 절리면의 거칠기와 간극의 크기에 댸한 민감도 분석을 실시한 결과, 가스의 이동속도는 절리면의 거칠기와 반비례하였으며, 절리간극의 크기와는 상대투과계수 특성식의 영향으로 단상유체의 흐름에서와 같은 간극크기의 제곱에 비례하는 향상은 보이지 않았다. 수치모형의 현장

본 연구에서는 단일절리에서 2상유체 동시거동을 해석하기 위해서 2차원 유한차분 수치모형을 개발하였다. 개발된 모형은 압력에 따른 점성의 변화가 포화도에 따른 상대투과계수의 변화를 절리간극의 크기별로 고려할 수 있다. 수치기법으로는 IMPES해법을 적용하여 물과 가스의 압력변화량과 포화도를 차례로 구하였다. 개발된 수치 모형에 이용할 상대투과계수의 특성식 도출을 위해서 일곱가지 경우의 평판모형실험을 실시하였다. 실험으로부터 도출된 상대투과계수 특성곡선은