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
- 김영호
- 발행연도
- 2020
- 저작권
- 연세대학교 논문은 저작권에 의해 보호받습니다.
이용수34
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
건설현장 등 다양한 산업현장은 노동 강도가 높은 작업이 많고 위험한 환경 및 장비들에 쉽게 노출되어 있기 때문에 그로 인해 발생하는 안전사고가 많다. 특히, 추락사고는 사고대비 사망률이 가장 높은 사고이다. 추락사고를 예방하기 위해 안전
교육을 실시하고 가드레일, 커버, 그물망 등을 작업장에 설치하고 개인 추락 방지 장비 (PFAS) 착용을 권장하였지만 추락 사고를 줄이는데 큰 효과를 보여주지 못하였다.
추락 사고 예방을 위한 또 다른 방법으로 최근 추락사고 시 발생되는 충격을 줄이기 위한 개인 착용형 에어백에 대한 연구가 많이 진행되고 있다. 추락사고에 따른 충격을 줄이는데 개인 착용형 에어백을 활용하기 위해서는 충격이 일어나기
전에 추락 상황을 감지하는 것이 필요하다. 추락을 감지하고 에어백 인플레이터에 신호를 주어야 에어백을 팽창시킬 수 있기 때문이다.
본 연구는 한 개의 관성 센서를 이용하여 개인 착용형 에어백에 적용 가능한 충격 전 추락 감지 알고리즘 개발에 관한 연구이다. 총 40명의 건강한 젊은 남성을 모집하였고 추락과 비추락 동작을 수행하게 해 7th thoracic vertebrae (T7) 위치에서 관성 데이터를 얻었다. 얻은 관성 데이터에서 수직 각도와 수직 속도를 계산하였고 이를 기반으로 추락 감지 알고리즘을 개발하였다. 수직 각도는 외부 충격과 적분 누적 오차의 영향을 최소화하기 위해 비례 적분 제어기를 적용한 상보필터를
이용하여 계산하였다. 수직 속도는 관성 센서에서 얻어지는 3축 가속도와 계산된 수직 각도의 오일러 변환으로 얻어진 수직 가속도를 Simpson’s rule 적분 방식을 이용하여 계산하였다.
40명의 데이터 중 20명의 데이터를 이용하여 알고리즘을 개발하였고 나머지 20명의 데이터로 개발된 알고리즘을 평가하였다. 추가로, 사람 대상 실험에서는 안전상의 이유로 실시할 수 없었던 2 m 이상의 추락 동작을 사람 마네킹과 동역학
시뮬레이션을 이용하여 실험하였고 관성 데이터를 얻어 개발된 알고리즘을 평가하였다.
개발된 알고리즘을 평가한 결과 알고리즘 개발에 사용되지 않은 20명 데이터에서는 100% 추락 감지 정확도와 301.8 ± 87.8 ms의 리드 타임을, 사람 마네킹 실험에서는 100% 추락 감지 정확도와 130 ms 이상의 리드 타임을, 동역학 시뮬레이션 실험에서는 100% 추락 감지 정확도와 240 ms 이상의 리드 타임을 얻었다. 개발된 개인 착용형 에어백 팽창 시간이 약 100 ms이므로 추락사고 발생 시 충격이 발생하기 전에 충분히 에어백을 팽창시킬 수 있음을 확인하였다.
본 연구를 통해 T7 위치에 부착한 관성 센서 하나로 산업현장에서 발생하는 추락사고를 충분히 감지할 수 있음을 확인하였다. 실제 산업현장에서 근무하는 작업자로부터 얻은 데이터로 개발된 알고리즘을 평가하고 개선하여 개인 착용형 에어백에 적용한다면 산업현장 추락사고로 인한 피해를 줄이는데 큰 도움이 될 것으로 판단된다.
교육을 실시하고 가드레일, 커버, 그물망 등을 작업장에 설치하고 개인 추락 방지 장비 (PFAS) 착용을 권장하였지만 추락 사고를 줄이는데 큰 효과를 보여주지 못하였다.
추락 사고 예방을 위한 또 다른 방법으로 최근 추락사고 시 발생되는 충격을 줄이기 위한 개인 착용형 에어백에 대한 연구가 많이 진행되고 있다. 추락사고에 따른 충격을 줄이는데 개인 착용형 에어백을 활용하기 위해서는 충격이 일어나기
전에 추락 상황을 감지하는 것이 필요하다. 추락을 감지하고 에어백 인플레이터에 신호를 주어야 에어백을 팽창시킬 수 있기 때문이다.
본 연구는 한 개의 관성 센서를 이용하여 개인 착용형 에어백에 적용 가능한 충격 전 추락 감지 알고리즘 개발에 관한 연구이다. 총 40명의 건강한 젊은 남성을 모집하였고 추락과 비추락 동작을 수행하게 해 7th thoracic vertebrae (T7) 위치에서 관성 데이터를 얻었다. 얻은 관성 데이터에서 수직 각도와 수직 속도를 계산하였고 이를 기반으로 추락 감지 알고리즘을 개발하였다. 수직 각도는 외부 충격과 적분 누적 오차의 영향을 최소화하기 위해 비례 적분 제어기를 적용한 상보필터를
이용하여 계산하였다. 수직 속도는 관성 센서에서 얻어지는 3축 가속도와 계산된 수직 각도의 오일러 변환으로 얻어진 수직 가속도를 Simpson’s rule 적분 방식을 이용하여 계산하였다.
40명의 데이터 중 20명의 데이터를 이용하여 알고리즘을 개발하였고 나머지 20명의 데이터로 개발된 알고리즘을 평가하였다. 추가로, 사람 대상 실험에서는 안전상의 이유로 실시할 수 없었던 2 m 이상의 추락 동작을 사람 마네킹과 동역학
시뮬레이션을 이용하여 실험하였고 관성 데이터를 얻어 개발된 알고리즘을 평가하였다.
개발된 알고리즘을 평가한 결과 알고리즘 개발에 사용되지 않은 20명 데이터에서는 100% 추락 감지 정확도와 301.8 ± 87.8 ms의 리드 타임을, 사람 마네킹 실험에서는 100% 추락 감지 정확도와 130 ms 이상의 리드 타임을, 동역학 시뮬레이션 실험에서는 100% 추락 감지 정확도와 240 ms 이상의 리드 타임을 얻었다. 개발된 개인 착용형 에어백 팽창 시간이 약 100 ms이므로 추락사고 발생 시 충격이 발생하기 전에 충분히 에어백을 팽창시킬 수 있음을 확인하였다.
본 연구를 통해 T7 위치에 부착한 관성 센서 하나로 산업현장에서 발생하는 추락사고를 충분히 감지할 수 있음을 확인하였다. 실제 산업현장에서 근무하는 작업자로부터 얻은 데이터로 개발된 알고리즘을 평가하고 개선하여 개인 착용형 에어백에 적용한다면 산업현장 추락사고로 인한 피해를 줄이는데 큰 도움이 될 것으로 판단된다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0