메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색

논문 기본 정보

자료유형
학위논문
저자정보

정선호 (인하대학교, 인하대학교 대학원)

지도교수
김정호
발행연도
2015
저작권
인하대학교 논문은 저작권에 의해 보호받습니다.

이용수5

표지
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (3)

초록· 키워드

오류제보하기
과거 항공기는 특별한 사람만이 특수한 경우에 사용하는 운송수단이었던데 반해 오늘날 항공기는 그 누구라도 필요할 경우 사용할 수 있는 운송수단이 되었다. 이에 항공기 시장이 급격하게 활성화 되었으며 이와 더불어 항공기의 안전에 관한 중요성도 커지고 있다. 특히 항공기는 현재 가장 안전한 운송수단으로 여겨지고는 있지만 사고가 발생하면 큰 인명피해와 재산피해를 불러오므로 항공기 사고가 한 번 발생하면 전 세계적으로 큰 이슈가 되고 있으며 이는 관련된 항공사 또는 제조사에 치명적인 영향을 미친다. 따라서 항공기 운항에 있어서 안전이 가장 중요하다고 해도 과언이 아니다.
항공기 사고는 이륙과 착륙 과정에서 주로 발생하며 이 중 착륙 시 발생하는 경착륙이 가장 큰 비율을 차지하고 있다. 일반적인 착륙상황과는 다르게 구조물에 손상이 발생할 정도로 착륙을 하는 것을 경착륙이라고 하는데 항공기 기종에 따라 구조적 특성이 다르며 착륙 시 바람이나 지면의 상태 등에 따라 착륙 상황이 다르므로 일반적인 착륙과 경착륙의 경계를 구분하는 객관적인 기준을 제시하기가 쉽지 않다. 특히 우천 시 활주로에 물이 있다거나 그 외 다른 이유로 인해 조종사가 의도적으로 경착륙을 하는 경우도 있다.
항공기가 경착륙을 하더라도 인명피해가 발생하는 등 치명적인 사고로 이어지지는 않지만 비정상적인 착륙은 항공기의 구조적인 결함으로 이어질 수 있다. 하지만 이 때 구조적 건전성을 확보하지 않고 바로 다음 비행을 할 경우 앞서 발생한 구조적 결함이 치명적인 사고를 유발할 수 있다. 따라서 항공기가 경착륙을 했을 경우 다음 비행에 앞서 반드시 구조적 건전성을 확보해야 하며 현재로서는 일반적인 착륙 상황과 경착륙을 판단하는 객관적인 기준이 없으므로 조종사의 감에 따라 경착륙이 의심될 경우 보고서를 제출하여 구조적 건전성 확보를 위한 기체검사를 수행하게 된다.
하지만 약 85%정도가 경착륙이 아님에도 불구하고 경착륙이 발생한 것으로 잘못 판단되었으며 이는 불필요하게 검사에 비용과 시간을 투자하고 있는 샘이다. 이렇게 잘못된 판단이 많이 발생하는 이유는 만약의 경우에 대비하여 조종사는 조금이라도 의심스러운 경우 경착륙이 발생했다고 판단하고 보고서를 제출하기 때문이며 근본적으로는 일반적인 착륙과 경착륙을 판단하는 객관적인 기준이 없기 때문이다.
따라서 본 논문에서는 항공기 경착륙 시 구조적으로 취약한 부위를 판별할 수 있는 모델을 개발하였으며 개발한 모델을 통해 다양한 착륙조건에 대한 해석을 수행하였다. 이를 바탕으로 인공신경망 학습을 수행하였으며 추가적인 착륙조건이 주어질 경우 해석을 통해서 결과를 확인하지 않고 학습된 신경회로망을 통해 결과를 바로 확인할 수 있도록 하였다.

목차

1. 개요 1
1.1 경착륙(Hard-Landing) 1
1.2 연구내용 4
2. 다물체 동역학 모델 6
2.1 타이어 6
2.1.1 타이어모델 7
2.1.2 대상기종 비선형 타이어 모델 구축 9
2.2 완충장치 16
2.2.1 유압력(Hydraulic Force) 18
2.2.2 공기력(Pneumatic Force) 21
2.2.3 Stopper 22
2.2.4 완충장치 모델 검증 24
2.3 Spring back 현상 25
2.4 대상기종 기체 모델 27
3. 다물체 동역학 해석 29
4. 간략화 된 구조모델을 이용한 구조해석 34
5. 인공신경망 37
5.1 인공신경망 이론 37
5.1.1 인공신경망의 구성 39
5.1.2 학습 48
5.2 성능최적화 49
5.2.1 최급강하법(Steepest descent Method) 50
5.2.2 Newton 방법 51
5.2.3 Levenberg-Marquardt 알고리즘 52
5.3 Levenberg-Marquardt Backpropagation 55
5.4 학습 알고리즘 검증 예제 64
5.5 대상기종 구조적 취약부 학습 67
6. 결론 72
7. 참고문헌 74

최근 본 자료

전체보기

댓글(0)

0