지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김정호
- 발행연도
- 2020
- 저작권
- 인하대학교 논문은 저작권에 의해 보호받습니다.
이용수32
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
항공기는 운항 시 다양한 하중을 받게 된다. 그 중 착륙 상황에서 구조적으로 가장 큰 하중을 받게 되며 그에 따른 사고도 비교적 빈번하게 발생하고 있다. 통상적인 착륙과는 다르게 빠른 하강을 거쳐 착륙을 하게 되는 경우 이를 경착륙이라 한다. 경착륙이 발생했을 때에는 구조적으로 문제가 발생했을 가능성이 있으므로 육안검사 및 비파괴검사를 통한 기체의 구조건전성 모니터링이 필요하다. 그러나 경착륙의 발생 여부를 판단하기 위한 객관적인 기준이 마련되어 있지 않아 현재는 조종사가 경착륙 발생 여부를 판단하고 있으며, 이는 잘못된 판단으로 인해 불필요한 시간과 비용이 낭비되거나 또는 다음 비행 시 치명적인 사고로 이어질 수 있다. 이에 따라 항공기 착륙 상황에서 구조물 응력 및 변형률을 예측함으로서 구조물의 상태를 모니터링하고 나아가 경착륙 발생 여부를 판단할 수 있는 모델이 요구되고 있다.
항공기의 구조 모니터링과 관련하여 기존 연구사례를 살펴보면 모니터링을 위해 기계학습이 주로 사용되고 있으며 그중 인공신경망을 인공신경망이 활발히 사용되고 있다. 그러나 대부분의 기존 연구는 항공기의 기동상황에 대한 구조건전성 모니터링 연구가 진행되었으며 항공기 착륙 상황에 대한 연구는 부족한 상황이다. 또한 경착륙과 같은 특수한 경우에 대한 연구가 진행된 예시는 거의 없다. 이에 따라 본 연구에서는 착륙 상황을 모사할 수 있는 해석모델을 구축하여 경착륙을 포함한 항공기의 다양한 착륙상황에 대하여 비행파라미터 및 응력, 변형률 등의 데이터를 확보하였으며 기계학습을 통해 그 값을 예측하고 나아가 경착륙 발생 여부를 판단하고자 하였다.
해석모델을 이용할 경우 경착륙과 같은 위험한 착륙 상황에 대한 데이터를 쉽게 확보할 수 있을 뿐만 아니라 정상적인 착륙 상황에 대해서도 비행시험을 하는 것에 비해 시간과 비용을 절감할 수 있다는 장점이 있다. 실제적인 착륙 상황을 모사하기 위해 먼저 공력데이터와 자동 착륙알고리즘이 연동된 다물체 동역학 해석을 수행하여 착륙하중 및 항공기의 거동을 계산한 뒤 이 데이터를 바탕으로 유한요소해석을 수행하였다. 본 연구에서는 다수의 반복 해석을 효과적으로 진행하기 위해 다물체 동역학 해석과 유한요소해석의 순차적인 해석을 진행하였으나 그럼에도 불구하고 해석에 상당한 시간이 소요되어 실제 항공기 운용에 적용하기에 적합하지 않았다. 이에 따라 착륙 순간 비행파라미터를 입력으로, 구조적 취약부의 응력과 변형률 그리고 착륙하중의 최댓값을 목표로 하는 인공신경망 모델을 적용하였고 학습을 진행하였다. 학습된 신경망 모델의 성능평가 결과 학습된 인공신경망 모델이 목표데이터를 정상적으로 추정하는 것을 확인하였다.
이어서 경착륙 발생여부를 판단하기 위해 이상탐지 알고리즘을 적용하였다. 이상탐지 알고리즘을 이용한 정상착륙 및 경착륙 식별 가능성을 확인하기 위해 다수의 정상착륙 데이터 분포를 기반으로 데이터의 이상 여부를 판단하였다. 초기 탐지 모델에는 일부 잘못된 판단이 발생하였으나 데이터 전처리과정을 거치거나 다수 파라미터에 적합한 이상탐지 알고리즘을 적용하여 모든 주어진 데이터에 대하여 정상착륙과 경착륙 여부를 식별할 수 있음을 확인하였다.
항공기의 구조 모니터링과 관련하여 기존 연구사례를 살펴보면 모니터링을 위해 기계학습이 주로 사용되고 있으며 그중 인공신경망을 인공신경망이 활발히 사용되고 있다. 그러나 대부분의 기존 연구는 항공기의 기동상황에 대한 구조건전성 모니터링 연구가 진행되었으며 항공기 착륙 상황에 대한 연구는 부족한 상황이다. 또한 경착륙과 같은 특수한 경우에 대한 연구가 진행된 예시는 거의 없다. 이에 따라 본 연구에서는 착륙 상황을 모사할 수 있는 해석모델을 구축하여 경착륙을 포함한 항공기의 다양한 착륙상황에 대하여 비행파라미터 및 응력, 변형률 등의 데이터를 확보하였으며 기계학습을 통해 그 값을 예측하고 나아가 경착륙 발생 여부를 판단하고자 하였다.
해석모델을 이용할 경우 경착륙과 같은 위험한 착륙 상황에 대한 데이터를 쉽게 확보할 수 있을 뿐만 아니라 정상적인 착륙 상황에 대해서도 비행시험을 하는 것에 비해 시간과 비용을 절감할 수 있다는 장점이 있다. 실제적인 착륙 상황을 모사하기 위해 먼저 공력데이터와 자동 착륙알고리즘이 연동된 다물체 동역학 해석을 수행하여 착륙하중 및 항공기의 거동을 계산한 뒤 이 데이터를 바탕으로 유한요소해석을 수행하였다. 본 연구에서는 다수의 반복 해석을 효과적으로 진행하기 위해 다물체 동역학 해석과 유한요소해석의 순차적인 해석을 진행하였으나 그럼에도 불구하고 해석에 상당한 시간이 소요되어 실제 항공기 운용에 적용하기에 적합하지 않았다. 이에 따라 착륙 순간 비행파라미터를 입력으로, 구조적 취약부의 응력과 변형률 그리고 착륙하중의 최댓값을 목표로 하는 인공신경망 모델을 적용하였고 학습을 진행하였다. 학습된 신경망 모델의 성능평가 결과 학습된 인공신경망 모델이 목표데이터를 정상적으로 추정하는 것을 확인하였다.
이어서 경착륙 발생여부를 판단하기 위해 이상탐지 알고리즘을 적용하였다. 이상탐지 알고리즘을 이용한 정상착륙 및 경착륙 식별 가능성을 확인하기 위해 다수의 정상착륙 데이터 분포를 기반으로 데이터의 이상 여부를 판단하였다. 초기 탐지 모델에는 일부 잘못된 판단이 발생하였으나 데이터 전처리과정을 거치거나 다수 파라미터에 적합한 이상탐지 알고리즘을 적용하여 모든 주어진 데이터에 대하여 정상착륙과 경착륙 여부를 식별할 수 있음을 확인하였다.
목차
1. 서론 11.1 연구 배경 11.2 기존 연구 101.3 연구내용 및 연구목표 232. 착륙 해석 272.1 개요 272.2 착륙장치 모델 292.2.1 올레오식 완충기 292.2.2 비선형 타이어모델 682.2.3 착륙장치 스프링 백 모델링 822.3 다물체 동역학 모델 882.3.1 자동 착륙 해석 892.3.2 연동해석 932.4 유한요소해석 972.4.1 관성력 대체기법 972.4.2 공기력 분포 1072.5 학습데이터 획득을 위한 반복 해석 1083. 기계학습 1123.1 개요 1123.2 인공신경망 이론 1143.2.1 학습이론 1143.2.2 인공신경망 모델 1163.2.3 Feed Forward 신경망 구조 1263.3 성능최적화 1343.3.1 최급강하법 1353.3.2 Newton 방법 1373.3.3 Levenberg-Marquardt 알고리즘 1383.3.4 Levenberg-Marquardt Backpropagation 1413.3.5 일반화 1533.4 개발프로그램 검증 1613.5 인공신경망을 이용한 항공기 착륙 모니터링 1643.5.1 최대변형률 예측 1643.5.2 최대착륙하중 예측 1803.5.3 구조취약부 응력 예측 1833.6 이상탐지를 이용한 경착륙 식별 2083.6.1 이상탐지 2083.6.2 이상탐지 결과 2164. 결론 2224.1 해석모델 구축 관련 2234.2 인공신경망 모델 구축 관련 2244.3 인공신경망 모델 학습 결과 2244.4 이상탐지를 이용한 경착륙 식별 결과 229
최근 본 자료
댓글(0)
0