RnDCircle Logo
멀티스케일 소음 진동 실험실(Multi-Scale Noise & Vibration Laboratory)
기계공학과 이진우 교수
진동/소음
최적 설계
음향/진동 메타 물질
연구 영역
기본 정보
논문·특허
과제
구성원

멀티스케일 소음 진동 실험실(Multi-Scale Noise & Vibration Laboratory)

기계공학과 이진우 교수

멀티스케일 소음 진동 실험실은 아주대학교 기계공학과 소속으로, 진동 및 소음, 음향 메타물질, 신소재, 인공지능 기반 기계 시스템 진단 및 최적 설계 등 다양한 분야에서 선도적인 연구를 수행하고 있습니다. 본 연구실은 자동차, 항공, 조선, 반도체, 건설기계 등 다양한 산업 분야와 연계하여, 실제 현장에서 요구되는 소음 및 진동 저감 기술을 개발하고 있습니다. 특히, 음향 메타물질을 활용한 소음 차단 및 진동 제어 기술 개발에 주력하고 있으며, 다공성 패널, 메타패널, 메타소음기 등 첨단 구조물의 설계와 실험적 검증을 통해 산업 현장에 적용 가능한 실질적인 솔루션을 제시하고 있습니다. 또한, 고분자 및 나노복합재, 생체재료 등 신소재 연구를 통해 차세대 기계 시스템에 필요한 경량화, 고강도, 고기능성 소재 개발에도 앞장서고 있습니다. 최근에는 인공지능과 딥러닝 기술을 접목하여, 복잡한 기계 시스템의 진동 및 음향 특성 예측, 결함 진단, 최적 설계 등 고난이도 문제 해결에 도전하고 있습니다. 물리 정보 기반 인공지능 모델, 생성적 설계, 위상 최적화 등 첨단 해석 및 설계 기법을 도입하여, 실험 데이터가 부족한 환경에서도 높은 신뢰도의 예측과 최적화가 가능하도록 연구를 진행하고 있습니다. 이러한 연구 성과는 국내외 유수 학술지 및 학회에서 다수의 논문과 특허로 발표되고 있으며, 산업계와의 긴밀한 협력을 통해 기술 이전과 상용화에도 적극적으로 기여하고 있습니다. 연구실 구성원들은 다양한 수상 경력과 산학협력 경험을 바탕으로, 미래 기계공학 분야의 혁신을 선도하고 있습니다. 멀티스케일 소음 진동 실험실은 앞으로도 첨단 소재, 음향 및 진동 제어, 인공지능 기반 기계 시스템 해석 및 설계 등 다양한 연구 분야에서 새로운 도전을 이어가며, 산업계와 학계의 발전에 기여할 것입니다.

진동/소음최적 설계음향/진동 메타 물질인공 지능항공
대표 연구 분야
연구 영역 전체보기
생성형/위상 최적화를 활용한 광대역 음향 머플러·메타실러 설계 연구 thumbnail
생성형/위상 최적화를 활용한 광대역 음향 머플러·메타실러 설계 연구
Generative and topology optimization for broadband acoustic mufflers and meta-silencers
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
주요 논문
3
논문 전체보기
1
Article
|
·
인용수 3
·
2025
Generative sequential design framework for ultra-wideband acoustic meta-silencers
Jaeho Cho, Jin Woo Lee
International Journal of Mechanical Sciences
https://doi.org/10.1016/j.ijmecsci.2025.110243
Generative grammar
Acoustics
Computer science
Speech recognition
Engineering
Artificial intelligence
Physics
2
Article
|
·
인용수 9
·
2024
Deep-learning-based generative design for optimal reactive silencers
Byung Hun An, Jin Woo Lee
IF 9.4 (2024)
International Journal of Mechanical Sciences
https://doi.org/10.1016/j.ijmecsci.2024.109736
Generative grammar
Generative Design
Computer science
Engineering
Artificial intelligence
Operations management
3
Article
|
·
인용수 6
·
2024
Deep-learning-based generative design for optimal silencer using backpropagation of artificial neural network model
Byung Hun An, Jin Woo Lee
IF 9.9 (2024)
Advanced Engineering Informatics
https://doi.org/10.1016/j.aei.2024.102763
Backpropagation
Silencer
Artificial neural network
Artificial intelligence
Computer science
Generative grammar
Deep learning
Machine learning
Engineering
Mechanical engineering
최신 정부 과제
14
과제 전체보기
1
2024년 4월-2027년 4월
|245,482,000
부족한 실험 정보로 모달 특성을 파악하고 개선하기 위한 물리 정보 기반 인공 신경망 개발과 실험적 검증
본 과제의 최종 목표는 4차 산업 혁명 시대 진동/음향 분야 중요한 과제인 "부족한 실험 정보로 모달 특성을 파악하고 개선"하기 위한 세 가지 난제를 정의하고 이를 해결하는 3 가지 신기술을 개발하는 것이다. 첫 번째로, 동역학 시스템의 국부 거동을 고려하여 실험값 측정 지역을 선택하는 신기술을 개발할 것이며, 두 번째로는 고유 모드의 절점과 반절점을 고려...
물리 정보 기반 인공 신경망
진동
음향
고유 모드
모달특성
2
주관|
2021년 7월-2023년 12월
|80,000,000
메타 구조를 활용한 전투차량 소음감소 기술
위에 기술한 연구 개발 목표를 달성하기 위해, 연차별 성과 목표를 고려한 연구 내용은 다음과 같다. 1차 년도-1) 전차의 배기 소음 특성 파악 실험, 2) 전차 소음기의 형상 특징을 고려한 소음 저감 성능과 중량 추정, 3) 주파수 대역별 목표 소음 수준 선정, 4) 전투 차량 소음기용 음향 메타물질 개발 (1차), 5)전투 차량의 배기 소음 저감을 위한 음향 메타물질 기반 소음기의 최적 설계 (1차), 4) 1 차 단위체를 사용한 설계 문제 정식화와 설계 결과의 효용성 파악, 5) 20 dB 이상의 삽입 손실을 갖는 1차 음향 메타물질 기반 소음기의 성능 파악(해석). 2차 년도- 1) 1차 년도 최적 설계 결과를 고려한 음향메타물질의 단위체 2 차 개발, 2) 2차 단위체를 사용한 설계 문제 정식화와 설계 결과의 효용성 파악, 3) 25 dB 이상의 삽입 손실을 갖는 2차 음향 메타물질 기반 소음기의 최적 설계. 4) 2차 음향 메타물질 기반 소음기의 목표 소음 저감 성능(25 dB 이상) 확인 실험, 5) 2차 음향 메타물질 기반 소음기의 목표 중량(K1 전차 소음기의 중량*90 %) 달성을 위한 경량화 3차 년도- 1) 2차 년도 최적 설계 결과를 고려한 음향메타물질의 단위체 3 차 개발, 2) 3차 단위체를 사용한 설계 문제 정식화와 설계 결과의 효용성 파악, 3) 30 dB 이상의 삽입 손실을 갖는 3차 음향 메타물질 기반 소음기의 최적 설계, 4) 3차 음향 메타물질 기반 소음기의 목표 소음 저감 성능(30 dB 이상) 확인, 5) 3차 음향 메타물질 기반 소음기의 목표 중량(K1 전차 소음기의 중량*80 %)달성을 위한 경량화
소음기
머플러
음향메타물질
삽입 손실
단위체
최적 설계
분산 곡선
투과 손실
3
주관|
2021년 7월-2023년 12월
|160,000,000
메타 구조를 활용한 전투차량 소음감소 기술
위에 기술한 연구 개발 목표를 달성하기 위해, 연차별 성과 목표를 고려한 연구 내용은 다음과 같다. 1차 년도-1) 전차의 배기 소음 특성 파악 실험, 2) 전차 소음기의 형상 특징을 고려한 소음 저감 성능과 중량 추정, 3) 주파수 대역별 목표 소음 수준 선정, 4) 전투 차량 소음기용 음향 메타물질 개발 (1차), 5)전투 차량의 배기 소음 저감을 위한 음향 메타물질 기반 소음기의 최적 설계 (1차), 4) 1 차 단위체를 사용한 설계 문제 정식화와 설계 결과의 효용성 파악, 5) 20 dB 이상의 삽입 손실을 갖는 1차 음향 메타물질 기반 소음기의 성능 파악(해석). 2차 년도- 1) 1차 년도 최적 설계 결과를 고려한 음향메타물질의 단위체 2 차 개발, 2) 2차 단위체를 사용한 설계 문제 정식화와 설계 결과의 효용성 파악, 3) 25 dB 이상의 삽입 손실을 갖는 2차 음향 메타물질 기반 소음기의 최적 설계. 4) 2차 음향 메타물질 기반 소음기의 목표 소음 저감 성능(25 dB 이상) 확인 실험, 5) 2차 음향 메타물질 기반 소음기의 목표 중량(K1 전차 소음기의 중량*90 %) 달성을 위한 경량화 3차 년도- 1) 2차 년도 최적 설계 결과를 고려한 음향메타물질의 단위체 3 차 개발, 2) 3차 단위체를 사용한 설계 문제 정식화와 설계 결과의 효용성 파악, 3) 30 dB 이상의 삽입 손실을 갖는 3차 음향 메타물질 기반 소음기의 최적 설계, 4) 3차 음향 메타물질 기반 소음기의 목표 소음 저감 성능(30 dB 이상) 확인, 5) 3차 음향 메타물질 기반 소음기의 목표 중량(K1 전차 소음기의 중량*80 %)달성을 위한 경량화
소음기
머플러
음향메타물질
삽입 손실
단위체
최적 설계
분산 곡선
투과 손실
최신 특허
특허 전체보기
상태출원연도과제명출원번호상세정보
공개2024인공신경망을 기반으로 한 머플러의 내부 격벽 구조 설계방법 및 장치1020240056656
공개2024인공지능 기반 차량 실내 음장 예측 시스템1020240021897
등록2023음향 메타물질을 활용한 광대역 소음기 및 음향 메타물질을 활용한 광대역 소음기의 설계방법1020230148541
전체 특허

인공신경망을 기반으로 한 머플러의 내부 격벽 구조 설계방법 및 장치

상태
공개
출원연도
2024
출원번호
1020240056656

인공지능 기반 차량 실내 음장 예측 시스템

상태
공개
출원연도
2024
출원번호
1020240021897

음향 메타물질을 활용한 광대역 소음기 및 음향 메타물질을 활용한 광대역 소음기의 설계방법

상태
등록
출원연도
2023
출원번호
1020230148541
연구실 하이라이트
연구실의 정보를 AI가 요약해서 키워드 중심으로 정리해두었어요
AI융합
AI 기반 생성적 설계 및 시스템 진단
AI 요약 확인하기
혁신기술
차세대 음향 메타물질 소음/진동 제어
AI 요약 확인하기
기업협력
산업 현장 문제 해결을 위한 실증적 연구
AI 요약 확인하기
SCIE논문
세계적 수준의 연구 역량 입증
AI 요약 확인하기
최적설계
위상 최적화 기반 혁신 구조 설계
AI 요약 확인하기
연구자역량
산업과 학계를 아우르는 전문가 리더십
AI 요약 확인하기
맞춤형 인사이트 리포트
연구실의 전체 데이터를 활용한 맞춤형 인사이트 리포트
연구 트렌드부터 공동 연구 방향성 기획까지
연구실과 같이 할 수 있는게 무엇인지,
지금 바로 확인해보세요
무료 리포트 확인하기