대중음악은 선법(mode)의 사용을 통해 장르 고유의 정서적 정체성을 형성해 왔으나, 선법의 감 정적 특성에 대한 체계적 해석은 아직 충분히 정립되지 않았다. 이에 본 연구는 선법-감정 관계를 다룬 기존 실증 연구와 코퍼스 분석, 그리고 인지심리학의 감정 이론을 종합하여 ‘다층적 감정 분석 틀’을 개념망 수준에서 제시하고자 하였다. 연구 방법으로는 선법의 감정 특성을 다룬 실증 연구, 장르별 선법 사용 관습을 분석한 코퍼스 연구, 인지심리학 기반 감정 이론을 대상으로 체계 적 문헌 고찰(Systematic Review)을 수행하였으며, 3차 코딩을 통해 분석 결과를 교차 검증하였 다. 또한 PRISMA 절차(Preferred Reporting Items for Systematic Reviews and Meta-Analyses)를 적용하여 문헌을 단계적으로 선별함으로써 분석의 일관성과 타당성을 확보하였다. Wisnik, Russell, Plutchik, GEMS 등 주요 감정 이론을 층위별로 통합 분석한 결과, 각 장르의 지배적 선법과 변용된 선법은 정서가-각성(Valence-Arousal, V–A) 공간에서 사분면별로 구분되는 경향을 보였으며, 이를 바탕으로 장르별 정서적 개념망을 시각화할 수 있었다. 이러한 대응 관계 는 개별 곡의 절대적 특성이라기보다 통계적 경향에 기반한 해석으로 이해될 필요가 있다. 한편 분석 대상은 선법-정서 관계가 비교적 명확하게 드러나고 관련 코퍼스 연구가 축적된 장르를 중심 으로 선정하였다. 본 연구는 선법-감정-미학의 관계를 통합적으로 해석할 수 있는 방법론적 틀을 제시한다는 점에서 의의를 갖는다.

Hybrid transmissions are a component being researched and developed by major automakers to reduce fuel consumption and emissions. Power-split hybrid transmissions utilize two or more motors to enable continuously variable gear shifting and control the operating points of the engine and motor, thereby reducing engine fuel consumption and emissions. This study proposes a systematic design method for a two-mode hybrid system that minimizes power circulation. To achieve this, we design a two-mode hybrid system that combines three-axis and four-axis systems using two planetary gears and two clutches. We also propose a structure that operates only in modes where power circulation does not occur, thereby improving transmission efficiency.

자율운항선박(MASS)은 운항 효율성 향상과 인적 오류 감소를 목표로 다양한 기계 시스템의 자동화 및 고장 진단 기술을 요구하고 있다. 본 연구에서는 자율운항선박의 핵심 동력 전달 계통인 추진축계를 대상으로 FMEA(Failure Modes and Effects Ananlysis)를 수행하였다. 주요 구성 요소로는 추진축, 베어링, 커플링, 선미관 밀봉장치 등이 포함되며, 각각에 대해 고장모드를 도출하고 심각도, 발생빈도, 검출도를 기준으로 위험 우선순위수(RPN)를 산출하였다. 분석 결과, 축 균열, 축 접지 시스템 고장, 베어링 손상과 같은 고장 모드가 상대적으로 높은 RPN값을 나타내어 시스템 신뢰성에 큰 영향을 미칠 수 있음을 확인하였다. 본 연구는 자율운항선박의 추진축 계 설계 개선 및 진단 알고리즘 개발의 기초 자료로 활용될 수 있으며, 해양시스템의 예측 유지보수 시스템 구축에 기여할 수 있을 것 으로 기대된다.

This study incorporates the formation of carbon quantum dots (CQDs) via a hydrothermal approach, recording the first-time use of castor leaves as a natural precursor. The used precursor offers various benefits including novelty, abundance, elemental composition, and biocompatibility. CQDs were further characterized with multiple techniques including high-resolution transmission electron microscope (HR-TEM), X-ray photoelectron microscopy (XPS), X-ray diffraction (XRD), Fouriertransform infrared spectroscopy (FTIR), Raman spectroscopy, UV–visible spectroscopy, Zeta analysis, and optical spectroscopy. They are fundamentally composed of carbon (71.37%), nitrogen (3.91%), and oxygen (24.73%) and are nearly spherical, and uniformly distributed with an average diameter of 2.7 nm. They possess numerous interesting characteristics like broad excitation/emission bands, excitation-sensitive emission, marvelous photostability, reactivity, thermo-sensitivity, etc. A temperature sensor (thermal sensitivity of 0.58% C− 1) with repeatability and reversibility of results is also demonstrated. Additionally, they were found selective and sensitive to ions in aqueous solutions. So, they are also utilized as a fluorescent probe for metal ion ( Fe3+) sensing. The lowest limit of detection (LOD) value for the current metal ion sensor is 19.1 μM/L.

저층 건축물의 횡-비틀림 거동은 고차모드 효과를 증폭시킬 수 있으며, 내진성능평가 시 관련 기준은 고차모드 지배 구조물에 대해 비선형정적해석과 함께 선형동적해석을 추가로 수행하도록 규정하고 있다. 선형동적절차에는 상당한 안전계수가 적용되므로, 이는 과도한 내진보강설계로 이어질 수 있다. 이를 방지하기 위해 엔지니어들은 내진보강 시 고차모드 효과를 줄이기 위해 시행착오법을 사용해 왔다. 그러나 시행착오법에는 많은 시간과 노력이 소요되며, 결정된 보강안이 최적인지 확인하기 어렵다. 본 연구는 저층 건 축물의 수학적 모델을 수립하고 응답스펙트럼해석을 통해 고차모드 효과에 비틀림이 독립적으로 미치는 영향을 파악하였다. 이를 바탕으로 효율적인 내진보강 설계를 위해 활용될 수 있는 도표와 절차를 제시하였다. 제시된 절차를 통해 최소한의 내진보강으로 횡- 비틀림 거동하는 저층 건축물의 고차모드 효과를 효율적으로 감소시킬 수 있음을 확인하였다.

본 논문에서는 딥러닝을 활용하여 복합재 적층판의 파괴 모드를 결정하는 방법을 제안하였다. 수많은 엔지니어링 응용 분야에서 적층 복합재의 사용이 증가함에 따라 무결성과 성능을 보장하는 것이 중요해졌다. 그러나 재료의 이방성으로 인해 복잡하게 나타나 는 파괴모드를 식별하는 것은 도메인 지식이 필요하고, 시간이 많이 드는 작업이다. 따라서 이러한 문제를 해결하기 위해 본 연구에서 는 인공 지능(AI) 기술을 활용하여 적층 복합재의 파괴 모드 분석을 자동화하는 것을 목표로 하였다. 이 목표를 달성하기 위해 적층된 복합재에서 파손된 인장 시험편의 주사 전자 현미경(SEM) 이미지를 얻어 다양한 파괴 모드를 확보하였다. 이러한 SEM 이미지는 섬 유 파손, 섬유 풀아웃, 혼합 모드 파괴, 매트릭스 취성 파손 및 매트릭스 연성 파손과 같은 다양한 파손 모드를 기준으로 분류하였다. 다 음으로 모든 클래스의 집합 데이터를 학습, 테스트, 검증 데이터 세트로 구분하였다. 두 가지 딥 러닝 기반 사전 훈련 모델인 DenseNet 과 GoogleNet을 이용해 각 파괴 모드에 대한 차별적 특징을 학습하도록 훈련하였다. DenseNet 및 GoogleNet 모델은 각각 (94.01% 및 75.49%) 및 (84.55% 및 54.48%)의 훈련 및 테스트 정확도를 보여주었다. 그런 다음 훈련된 딥 러닝 모델은 검증 데이터 세트를 활용해 검증하였다. 더 깊은 아키텍처로 인해 DenseNet 모델이 고품질 특징을 추출하여 84.44% 검증 정확도(GoogleNet 모델보다 36.84% 더 높음)를 얻을 수 있음을 확인하였다. 이는 DenseNet 모델이 높은 정밀도로 파괴 모드를 예측함으로써 적층 복합재의 파손 분석을 수행 하는 데 효과적이라는 것을 알 수 있다.

Many older reinforced concrete (RC) buildings were constructed and designed with only gravity loads in mind. Columns in those buildings have insufficient reinforcement details that do not satisfy the requirements specified in current seismic design standards. This study aims to develop drift-based fragility functions for lightly RC columns. For this purpose, a database of 193 lightly RC columns was constructed to determine central and dispersion values of drift ratios for individual damage states. Additionally, to develop more accurate fragility functions of the columns, the failure mode of RC columns was incorporated into fragility functions. The classification procedure for column failure mode is proposed in this study. Fragility functions for older RC columns are constructed according to four different damage states. The main variables of the fragility functions proposed in this study are column properties and failure mode.

PURPOSES : This study explores the preference of shared autonomous vehicle service in an underground dedicated environment. METHODS : A stated preference survey was conducted to examine the mode choice behaviors on autonomous vehicle service competing with existing modes. Multinomial logit was employed to estimate the parameters of explanatory variables from the surveyed data. The model was estimated with alternative specific parameters rather than generic parameters. The value of time was also estimated using the parameters of the mode choice model. RESULTS : The results showed that the travel cost had the highest sensitivity to public transportation and the lowest to private cars. We also found that the value of the in-vehicle travel time was highest for private cars, lowest for public transportation, and intermediate for SAVs, suggesting that SAVs could serve as a premium public transport option. Additionally, the out-vehicle time coefficient was higher for public transportation compared to that for SAVs, indicating that users are more willing to tolerate longer out-vehicle times for SAVs due to their high-speed service compared to that of public transportation. CONCLUSIONS : This study presents a direction for policy regarding the adoption of shared autonomous vehicle services by considering the attributes that are valued by users of each mode.