이종원 연구실
남서울대학교 건축공학과
이종원 교수
Structural health monitoring
Impedance-based damage detection
Baseline model updating
홈
이종원 연구실
남서울대학교 건축공학과 이종원 교수
이종원 연구실은 건축공학 분야에서 구조물 건전성 모니터링을 수행합니다. 특히 말뚝기초, 강관 보, 볼트 체결부 등에서 취득되는 센서 신호를 기반으로 손상 위치·손상 단계 또는 균열·결함 상태를 추정하는 연구를 진행합니다. 임피던스 신호와 가속도 등 진동 특성을 결합해 손상 지표를 구성하고, 기저모델 업데이트와 고유진동수 추정기법을 통해 모델 정합성을 확보합니다. 또한 전이학습을 포함한 딥러닝 기반 센서융합 기술로 건물 안전 모니터링 적용을 목표로 연구를 수행합니다.
Structural health monitoringImpedance-based damage detectionBaseline model updatingNatural frequency estimationTransfer learning
대표 연구 분야
연구 영역 전체보기
전이학습 기반 딥러닝 센서융합 구조물 건전성 모니터링 연구
Transfer Learning–Driven Deep Learning Sensor-Fusion Structural Health Monitoring Research
연구 분야 상세보기
전이학습 기반 딥러닝 센서융합 구조물 건전성 모니터링 연구
Transfer Learning–Driven Deep Learning Sensor-Fusion Structural Health Monitoring Research
연구 분야 상세보기
전기·기계 임피던스 기반 균열 및 결함 추정 연구
Electrical–Mechanical Impedance–Based Crack and Defect Estimation Research
연구 분야 상세보기
기저모델 업데이트 기반 비균일 보 건전성 모니터링 연구
Baseline Model Updating–Based Health Monitoring for Non-Uniform Beams Research
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
주요 논문
5
논문 전체보기
1
Article
|
·
인용수 0
·
2025Health Monitoring Method of Differently Tapered Structure Elastically Restrained with a Tip Mass
Jong-Won Lee
IF 1.4 (2025)
International Journal of Steel Structures
https://doi.org/10.1007/s13296-025-00945-9
Solid mechanics
Structural engineering
Materials science
Composite material
Forensic engineering
Engineering
2
Article
|
인용수 1
·
2022Experimental Study on Damage Detection of Non-uniform Steel Pipe Beam Using Impedance and Natural Frequency
Jong-Won Lee
Korean Society of Hazard Mitigation
강관 구조물의 중요성이 시설 전반에서 널리 사용됨에 따라 증가하고, 이에 따라 건강 모니터링 기술의 개발이 더욱 요구된다. 본 연구는 종방향으로 단면 특성이 단계적으로 변화하는 캔틸레버형 강관 보에서 손상을 실험적으로 검출하였다. 보다 정확한 손상 검출을 위해 임피던스 신호와 가속도를 함께 측정하였다. 손상 전(무손상) 및 손상 경우 각각에 대하여 임피던스 및 자유진동 시험을 수행하였고, 손상 심각도를 9단계에 걸쳐 점진적으로 증가시켰다. 임피던스 신호를 분석하기 위해 두 가지 손상 지표를 사용하였으며, 측정한 가속도로부터 1차, 2차, 3차 고유진동수를 구하였다. 임피던스 손상 지표의 분산은 손상 심각도가 증가함에 따라 커지는 것으로 확인되었다. 또한 손상 진행에 따른 고유진동수와 임피던스 손상 지표의 변화를 비교한 결과, 임피던스 손상 지표는 초기 손상 단계에서 민감하게 반응하며, 특정 수준 이상의 손상에서는 고유진동수의 변화가 상대적으로 크게 나타나는 것으로 밝혀졌다. 따라서 임피던스 기반 방법과 가속도 기반 방법을 상호 보완한다면, 강관 구조물의 보다 신뢰성 있는 손상 검출이 가능할 것으로 기대된다.
https://doi.org/10.9798/kosham.2022.22.3.143
Electrical impedance
Mechanical impedance
Natural frequency
Acceleration
Materials science
SIGNAL (programming language)
Vibration
Structural engineering
Beam (structure)
Acoustics
3
Article
|
·
인용수 25
·
2021Detection of damage locations and damage steps in pile foundations using acoustic emissions with deep learning technology
Alipujiang Jierula, Tae-Min Oh, Shuhong Wang, Joon-Hyun Lee, Hyunwoo Kim, Jong-Won Lee
IF 3.252 (2021)
Frontiers of Structural and Civil Engineering
https://doi.org/10.1007/s11709-021-0715-y
Pile
Acoustic emission
Artificial neural network
Structural engineering
Acoustics
Set (abstract data type)
Geotechnical engineering
Engineering
Computer science
Artificial intelligence
최신 정부 과제
13
과제 전체보기
1
주관|
2022년 2월-2025년 2월
|109,792,000원딥 러닝 기반 센서융합 건축구조물 건전성 모니터링을 위한 전이학습기법 개발
1) 1차년도: 딥 러닝 기술 적용을 위한 센서융합 건물 SHM 데이터 처리기술 연구
- 딥 러닝 기술의 건물 SHM 응용기술 연구: CNN, RNN 및 GAN의 적용성 연구, 건물 SHM을 위한 최적 기법 선정
- 딥 러닝을 위한 heterogeneous 데이터 처리기술 연구: 전역적/국부적 모니터링 데이터 융합 기법 연구, 특성인자 추출(feature extraction) 및 classification task 방법 연구
- 전역적/국부적 건물 SHM을 위한 센서융합 시스템 설계: 전역적/국부적 모니터링 항목 선정, 대표 구조형식별 계측항목/위치 설계, 센서융합 시스템 적용 모형실험
2) 2차년도: 건물 SHM을 위한 전이학습 알고리즘 연구
- Scale-free 학습 기반 건물 SHM을 위한 domain adaptation 기법 연구: TCA, JDA 및 ARTL 기법 연구, 축소 모형과 실 건물 간 상사법칙 적용, Geometry/material/topology domain 적용
- Shared representation 학습 알고리즘 연구: 유사 구조물간 공통 사용 가능한 shared representation 연구, 특성인자 설계 및 추출 기법 연구, 특성인자 및 label 분포의 mapping 방법 연구
- 전이학습 알고리즘 연구: 최적 전이학습 알고리즘 선정 및 초기 구현, 단순부재/단순구조에 대한 알고리즘 적용 및 실험 검증
3) 3차년도: 딥 러닝 및 전이학습 기반 건물 SHM 기법 개발
- 딥 러닝 기반 건물 SHM의 학습체계 구축: 4단계 평가 결과 범주 설정, 범주별 학습방법 구축, 건물 SHM 특화 딥 러닝 학습체계 구축
- 전이학습 알고리즘 고도화: 사전학습 및 fine-tuning 기법 고도화 연구, 대표 구조형식별 알고리즘 검증, 소규모 vs 중규모 축소 모형에 대한 scale-free 전이학습 알고리즘 적용 및 실험 검증
- 인공지능 기반 센서융합 건물 SHM 시스템 제안: Source 및 target domain의 센서융합 시스템 설계, Source domain 구축방법 및 사전학습 기법 체계화, Target domain의 fine-tuning 기법 체계화 및 SHM 시스템 제안
전이학습
딥 러닝
스마트센서 융합
구조물 건전성 모니터링
건물 안전
2
2022년 2월-2025년 2월
|110,554,000원딥 러닝 기반 센서융합 건축구조물 건전성 모니터링을 위한 전이학습기법 개발
딥 러닝(deep learning) 기반 실 건물의 구조물 건전성 모니터링(SHM: structural health monitoring)에서 발생하는 데이터 불균형 및 데이터 부족 문제를 해결하기 위하여, source domain(축소 모형)의 건전상태와 다양한 손상상태에 대한 데이터를 실험을 통하여 확보하고, 해석/실험 데이터를 기반으로 사전학습(pre-...
전이학습
딥 러닝
스마트센서 융합
구조물 건전성 모니터링
건물 안전
3
주관|
2018년 8월-2019년 2월
|46,667,000원해상풍력터빈 통합 모니터링을 위한 지지구조물 SHM 기술 개발
해상풍력터빈 지지구조물의 거동을 센서로 측정하여 원격에서 현재의 상태를 평가하고 결함 및 노후화 정도를 판정한 후 이를 기반으로 유지보수의 적정시점을 판단할 수 있는 상태기반 유지보수를 위한 SHM 기술을 개발하고자함. 이를 위하여 지지구조물의 거동특성을 분석한 후, 계측방법 및 계측시스템 설계, 상태평가/손상추정기법, 장기 모니터링 모듈 등을 개발하고 이를 기기 CMS와 통합한 이상상태진단 시스템을 개발함. 대상 지지구조물은 트라이포드형식임. 구체적 연구내용은 다음과 같음.
* 지지구조물 거동특성 연구: 바람, 파도, 조류, 해저지질조건 등 다양한 해상환경조건을 고려하여 지지구조물을 포함하는 풍력발전시스템 동력학시뮬레이션, 구조해석 및 진동해석 등을 수행한 후 지지구조물의 거동특성을 분석함.
* 계측방법 연구 및 계측시스템 설계: 전역적/국부적 상태평가 및 장기 모니터링을 위한 요구사항을 도출한 후 최적계측위치 및 항목 선정기법을 연구하고 지지구조물의 계측시스템을 설계함.
* 상태평가/손상추정기법 연구: 자연모사법, 하이브리드 평가기법 등 첨단 평가기법의 비교연구를 통하여 지지구조물의 상태평가/손상기법을 개발하고 수치적 시뮬레이션 및 실험을 통하여 알고리즘을 검증함.
* 장기 모니터링 모듈 개발: 경향분석 및 통계분석 등을 통한 장기 모니터링 데이터 처리기법을 연구하고, 감시지표를 이용한 경고기준치 및 기준식을 개발함.
* 통합 이상상태진단 시스템 설계 및 구축: 기기 CMS와 지지구조물 SHM 요소기술들을 모듈화한 후 통합할 수 있는 시스템을 설계하고 구축함.
* 3 MW 용량 해상풍력터빈 지지구조물에 적용: 개발된 통합 이상상태진단 시스템을 실제 해상풍력터빈에 적용하여 검증을 수행함.
해상풍력발전
지지구조물
상태평가
구조물 건전성 모니터링
유지보수
최신 특허
특허 전체보기
전체 특허
터빈 지지 구조물의 고유 진동수 기반 손상 추정 시스템 및 방법
상태
공개출원연도
2022출원번호
1020220144492해상풍력터빈 모노파일 지지 구조체의 고유 진동수 추정 시스템 및 방법
상태
공개출원연도
2022출원번호
1020220020440턱맞춤형 PC 보, 이를 구비한 PC 조립체 및 이를 이용한 PC 조립방법
상태
소멸출원연도
2010출원번호
1020100054463