비행데이터 이미지 기반 Deep Learning을 통한 항공기 피로수명 예측
저자
전병철(Byungchul Jeon) ; 백세일(Seil Baek) ; 김신곤(Sinkon Kim) ; 이홍철(Hongchul Lee)
발행기관
학술지명
권호사항
발행연도
2021
작성언어
Korean
주제어
KDC
550
자료형태
학술저널
발행기관 URL
수록면
9-9(1쪽)
제공처
항공기는 설계/개발단계에서 주요 피로취약부위에 대해 예측 운영환경을 반영한 구조해석, 피로해석을 통해 안전성을 확보한다. 실제 운영환경은 설계와 다르게 운영되므로 군용 항공기는 실제 운영 상태의 비행데이터를 반영하여 피로수명 해석을 수행하고 있다. 일부 항공기는 비행데이터에서 직접 하중/응력 스펙트럼을 생성하고 피로수명 해석을 수행함으로써 장시간의 복잡한 계산 시스템을 필요로 한다. 본 연구에서는 항공기 비행 파라미터에 대한 이미지화 과정 및 Deep Learning 기계학습 적용을 통해 효과적이고 효율적인 피로수명 예측 방안을 제시하고자 한다. 비행 파라미터에 대한 이미지화 과정은 다차원의 대량 축적된 비행데이터에 대한 Deep Learning 적용 적합성 향상에 기여하였으며, 이러한 기계학습 과정을 통해 정확도가 유지된 상태에서 수명예측 시간 단축이 가능함을 확인하였다.
더보기In the aircraft design/development stage, flight safety is confirmed through structural analysis and fatigue analysis reflecting the predicted operating environment for fatigue critical locations. Since the actual environment is operated differently from the design, the military aircraft is performing fatigue analysis by reflecting flight data of actual operating conditions. Some aircraft require time consuming and complex calculation system by generating load/stress spectra directly from flight data and performing fatigue life analysis. In this study, we propose an effective and efficient fatigue life prediction method through the application of deep learning by imaging process for aircraft flight parameters. The process of imaging flight parameters contributed to the improvement of the suitability of deep learning application to multi-dimensional mass accumulated flight data, and it was confirmed that the fatigue life prediction can be shortened while maintaining accuracy through this deep learning process.
더보기서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)