Tuned Mass Dampers (TMDs) are widely used to mitigate structural vibrations in buildings and bridges. However, conventional optimization methods often struggle to achieve optimal performance due to the complexity of structural dynamics. This study proposes the NN-L-BFGS-B algorithm, which combines Artificial Neural Networks (ANNs) for global exploration and L-BFGS-B for local exploitation to efficiently optimize TMD parameters. A ten-story shear-building model with a TMD is used for validation. The proposed method achieves the lowest H₂ norm compared to previous studies, demonstrating improved optimization performance. Additionally, NN-L-BFGS-B effectively balances computational efficiency and accuracy, making it adaptable to various engineering optimization problems.

The rapid expansion of bridge and tunnel infrastructure has resulted in a growing incidence of wind-induced traffic accidents occurring at bridge approaches and tunnel portals. These accidents not only inflict direct damage on vehicles but also lead to substantial social and economic losses, stemming from roadway infrastructure repair and maintenance costs, as well as elevated logistics expenses due to traffic delays and congestion. In this study, a theoretical expression for the lateral displacement of vehicles as a function of wind speed was derived. Subsequently, lateral displacement and lateral wind force were analyzed and compared across vehicle types, considering both straight and curved roadway sections. An analysis of prevailing wind directions at each site revealed that, for passenger cars, the maximum lateral force and displacement on straight sections occurred at a wind incidence angle of 45°, whereas on curved sections with a pier curvature of 90°, the critical wind direction ranged from 0° to 120°. These results demonstrate that vehicle stability can be significantly compromised during high-speed travel under crosswind conditions. Based on departure trajectories of vehicles under varying wind speeds, a risk-assessment scale for wind-induced accidents was developed. In addition, design guidelines were proposed for the strategic placement of windbreak barriers to enhance driving safety under strong wind conditions.

해상에서의 안전한 의사소통은 선박 운항의 핵심 요소로, 국제해사기구(IMO)는 SMCP(Standard Marine Communication Phrases)를 제정하여 선내외 교신에서 활용할 수 있도록 하였다. SMCP를 포함한 해사영어는 효과적이고 정확한 의사소통을 위해 일반 영어와는 다 른 문법적, 어휘적, 구조적 특성을 반영하고 있으며, 간결성과 명확성에 초점이 맞추어져 표준화되어 있다. 이러한 맥락에서 본 연구는 상 용 LLM 모델의 해사영어 활용 능력을 PHP Text Similarity 알고리즘과 BERT 기반 모델을 활용하여 평가하였다. 먼저 ChatGPT, Google Gemini, Meta LLaMA 3 70B Instruct 모델을 대상으로 SMCP 기반 문장 구성, 용어 정의, 빈칸 채우기 문제를 포함한 총 60문항을 활용하여 성능을 비교 분석하였다. 이후 해사고등학교 학생들의 시험 결과와 LLM 모델의 결과를 비교하여, LLM이 실제 해기사 교육 수준과 비교 했을 때 어느 정도의 해사영어 이해 및 문장 구성 능력을 갖추었는지 평가하였다. 대체적으로 LLM 모델들은 높은 정답률을 보였으나, 표 준화된 문구를 정확하게 활용하거나 관용적으로 사용되는 해사영어 표현을 이해하고 적용하는 데 한계점이 있음을 확인하였다. 본 연구 는 해기교육기관 및 실무 현장에서 상용 LLM 모델의 해사영어 활용 가능성을 평가하는 기초 자료로 활용될 수 있을 것으로 기대되며, 향 후 보다 정교한 모델을 대상으로 추가연구가 필요하다.

This paper addresses a scheduling problem aimed at minimizing makespan in a permutation flow shop with two machines and an inspection process that must be conducted at least once every certain number of outcomes from the first machine. A mathematical programming approach and a genetic algorithm, incorporating Johnson's rule and a specific mutation process, were developed to solve this problem. Johnson's rule was used to generate an initial population, while the mutation process ensured compliance with the inspection constraints. The results showed that within a computation time limit of 300 seconds, the mathematical programming approach often failed to provide optimal or feasible solutions, especially for larger job sets. For instance, when the process times of both machines were similar and the inspection time was longer, the mathematical programming approach failed to solve all 10 experiments with just 15 jobs and only had a 50% success rate for 100 jobs. In contrast, the proposed genetic algorithm solved all instances and delivered equal or superior results compared to the mathematical programming approach.

The demand for automated diagnostic facilities has increased due to the rise in high-risk infectious diseases. However, small and medium-sized centers struggle to implement full automation because of limited resources. An integrated molecular diagnostics automation system addresses this issue by integrating small-scale automated facilities for each diagnostic process. Nonetheless, determining the optimal number of facilities and human resources remains challenging. This study proposes a methodology combining discrete event simulation and a genetic algorithm to optimize job-shop facility layout in the integrated molecular diagnostics automation system. A discrete event simulation model incorporates the number of facilities, processing times, and batch sizes for each step of the molecular diagnostics process. Genetic algorithm operations, such as tournament, crossover, and mutation, are applied to derive the optimal strategy for facility layout. The proposed methodology derives optimal facility layouts for various scenarios, minimizing costs while achieving the target production volume. This methodology can serve as a decision support tool when introducing job-shop production in the integrated molecular diagnostics automation system

결빙되거나 적설이 있는 도로와 같이 마찰이 작은 노면에서는 일반 노면과 비교했을 때 제동거리가 크게 증가하기 때문에 심각한 교통사고로 이어질 수 있다. 이에 블랙 아이스(Black ice)와 같은 노면 위험을 감지 하기 위한 노면 분류 기술에 대한 연구가 지금까지 지속적으로 이루어지고 있다. ESC(Electronic Stability Control) 시스템은 차량 자세 제어를 통해 마찰이 작은 노면에서 차량의 미끄러짐 및 전복을 방지하는 능동 안전시스템(Active safety system)이다. ESC 시스템의 성능을 위해서는 정확한 노면 마찰 계수(Road friction coefficient) 추정을 통한 노면 분류가 중요하다. 최근의 노면 분류 기술은 카메라, LiDAR 등의 이미 지 기반의 방법에 중점을 두고 연구가 진행되고 있다. 그러나 이러한 이미지 기반의 방법들은 정확도가 낮을 뿐만 아니라 높은 계산 복잡도의 문제를 가지고 있다. 이뿐만 아니라 높은 비용으로 인해 상용화 측면에서도 단점을 드러내고 있다. 본 연구에서는 그림1처럼 센서 융합 기술을 활용하여 이미지 기반 방법의 문제점을 해결하고자 한다. 차량 횡방향 동역학 모델(Vehicle lateral dynamic model)을 선형화하여 칼만 필터(Kalman filter)를 적용한 노면 마찰 계수 추정 알고리즘을 설계하고, 기계학습(Machine learning) 모델을 적용하여 블랙 아이스 검출 알고 리즘을 설계한다. 전기차 CAN 버스로부터 얻을 수 있는 차량 종방향 가속도(Vehicle longitudinal acceleration)를 제어 입력으로 하고, 요 레이트(Yaw rate)를 측정값으로 하여 칼만 필터에 적용하여 차량 종 방향 속도(Vehicle longitudinal velocity)와 차량 횡방향 속도(Vehicle lateral velocity), 요 레이트, 차량 횡방 향 힘(Vehicle lateral force)을 추정한다. 이때 전통적인 칼만 필터 대신 EKF-UI(Extended kalman filter with unknown input)를 적용하여 시스템 행렬의 크기를 줄여 계산 복잡도를 감소시키고 차량의 거동 변화 를 보다 정확하게 반영할 수 있도록 하였다. 추정된 차량 종방향 속도, 차량 횡방향 속도, 요 레이트를 통해 사이드 슬립 각(Side slip angle)을 구해 사이드 슬립 각과 차량 횡방향 힘의 관계를 이용해 특징들을 찾아 기계학습 모델(e.g. 앙상블 기법, SVM 등)을 적용하여 블랙 아이스를 검출할 수 있다. MATLAB/Simulink SW 및 CarSim을 사용하여 개발한 알고리즘의 성능을 검증하였으며, 본 연구의 결과는 ESC 시스템의 성능 을 개선시켜 차량의 미끄러짐으로 인한 교통사고의 예방에 도움이 될 것으로 예상한다. 여기에 스마트 타이 어(Smart tire)의 센서도 추가해 노면과 타이어 사이의 직접적인 데이터를 추가해 검출 성능을 높일 것이다.

선박에는 단열을 위한 발포제가 적용된다. 기존의 발포제에는 지구온난화물질인 수소불화탄소(HFC)를 다량 포함하고 있는 문제점이 있으며, 우리나라는 몬트리올 의정서의 ‘키칼리 개정서’를 채택함에 따라 HFC를 ‘24년부터 ’45년까지 기준 수량의 80% 감 축하기로 결정되었다. 이에, 메틸포메이트 원료는 지구온난화지수가 0(HFC는 960~1,430)으로 향후 친환경발포제로 높은 기대를 갖고 있다. 하지만, 메틸포메이트 발포제의 성능은 원료의 순도 및 주변환경에 높은 영향을 받음으로 각 공정환경에 대한 정확한 분류가 필요하다. 이에, 본 논문에서는 주변환경(온도)과 메틸포메이트 순도에 따라, 총 4개의 케이스를 만들었다. 각 케이스에 대해서 10,010 장의 이미지를 학습하고, 이를 구글넷(GoogLeNet)알고리즘을 이용하여 분류하였다. 분류결과 정확도는 96.8%를 갖고, F1-Score는 0.969 를 갖는 것으로 계산하였다.

In this study, a control algorithm was developed to suppress the free vibration amplitude of a cantilever beam with time-varying dynamic characteristics. In other words, since it is assumed that the natural frequency and mode shape of the vibrating structure are not fixed, the system model of the vibrating structure was not used in the control algorithm. A single electromagnet was chosen as the actuator, so the attractive force was applied to only one fixed location in the structure. Through experiments, the proposed control algorithm is proven to effectively suppress the amplitude of vibration even when the dynamic characteristics of the cantilever beam change. Contrary to the usual active vibration control method, the proposed algorithm is just simple and intuitive without complicated mathematics in the modeling and control process. However, the proposed control method is very effective to suppress the vibration even when the dynamic characteristics of the target structure is not exactly known, as is often the case in industries or laboratories.

In various machines used in industrial sites and transportation equipment, fastening structures of bolts and nuts are widely employed. However, conventional Steel sockets, classified as non-explosion-proof materials, have a high likelihood of generating sparks due to friction with components, which can lead to explosions or large-scale fires. To address this issue, this study developed a lightweight explosion-protection socket using AL-7075-T6 aluminum alloy, which is known for its excellent explosion-proof properties. However, due to the inherent characteristics of aluminum, it has lower rigidity compared to Steel, requiring the use of more expensive alloy materials. Therefore, our research team utilized Finite Element Analysis (FEA) and Multi-Objective Genetic Algorithm (MOGA) to optimize the mass and safety factor of the socket, proposing a design that simultaneously achieves both weight reduction and structural stability. The socket developed in this study is approximately 30% lighter than traditional Steel-based sockets while maintaining a safety factor of 1.2 or higher, significantly enhancing operational safety in explosive environments. This research sets a new standard in the design and manufacturing process of explosion-proof sockets and is expected to contribute to the optimization of various explosion-proof equipment in the future.

This study presents the development of an algorithm that detects potential front bumper collisions caused by road inclinations and provides early warnings to drivers. The system uses a Time-of-Flight (ToF) infrared distance sensor and an obstacle detection sensor, both implemented on an Arduino-based platform. By continuously monitoring the road ahead, the algorithm measures and analyzes the slope angle to identify potential hazards. This solution offers a cost-effective and efficient alternative to traditional warning systems, notifying drivers in advance of dangerous road conditions and helping to prevent vehicle damage caused by sudden changes in road gradient.

목적 : 장애인이 운전할 수 있도록 차량을 개조할 때, 차량 개조에 필요한 품목과 제품군을 확인할 수 있는 알고리즘을 개 발하고자 한다. 이를 통해 정부 주도의 장애인 차량 개조 지원이 확대될 수 있도록 하여 국내 장애인의 자가운전이 활성 화될 수 있도록 하고자 한다. 연구방법 : 장애인 차량 개조 알고리즘의 개발은 설계, 작성, 검토 단계로 수행되었다. 설계 단계에서는 알고리즘의 개발 방향성을 결정하기 위한 전문가 집단 심층 토의를 진행하였다. 이후 수행한 작성 단계에서는 이전 단계에서 결정한 개발 방향성을 토대로 델파이조사를 수행하여 알고리즘을 도출하였다. 마지막 검토 단계에서는 이전 단계에서 도출된 알고리 즘의 전반적인 내용을 검토하기 위한 전문가 집단 심층 토의를 진행하였다. 결과 : 연구 결과물로 운전활동영역 3개, 운전활동 11개, 제품군 19개를 적합하게 배치한 장애인 차량 개조 알고리즘이 개 발되었다. 알고리즘의 안정도 평균은 0.13으로 일치도가 매우 높게 확인되었으며, 내용타당도 평균은 1.0으로 매우 타당 도가 높게 확인되었다. 결론 : 본 연구의 결과물인 장애인 차량 개조 알고리즘이 장애인의 자가운전을 활성화할 수 있는 촉매제 역할을 할 것으로 기대되며, 이를 바탕으로 국내에서 장애인의 이동권이 한층 더 향상되기를 바란다.

2019년 12월, 상주-영천 고속도로 상행선에서 도로 노면 결빙에 의한 연쇄추돌사고로 48명의 사상자가 발생하였다. 이에, 국토교통부 는 2020년 1월 결빙 취약구간 선정기준을 마련하여 결빙 취약구간 403개소를 지정하고, 결빙 취약구간을 대상으로 2022년까지 1,699억 원의 예산을 투입하여 결빙사고 예방사업을 계획하였다(BAI, 2021). 하지만, 결빙 취약구간 선정기준에 대해 적정성 검토가 이루어지 지 않아 그 신뢰성과 실효성이 충분히 검증되지 않았다. 본 연구에서는 국가교통정보센터의 노드·링크(Node·Link) 체계를 기반으로 전국 고속국도 및 일반국도의 특성정보(시설, 선형구조, 기상, 교통 등)를 GIS(Geographic Information System) 데이터로 구축하였다. 최근 5년 결빙사고 발생이력이 있는 도로구간(Link)을 확인하고 Random Forest 알고리즘을 통해 도로 특성정보의 결빙사고에 대한 변수 중요도(Feature Importance)를 분석했다. 이를 통해 결빙사고와 각 인자의 상관성을 파악하여 ‘결빙 취약구간 평가 세부 배점표’의 항목별 배점을 수정, 보완함으로써 평가표의 신뢰성을 제고한다.