윤병동 연구실

기계공학부 윤병동

윤병동 연구실은 신뢰성공학, 예측진단(PHM), 물리 기반·인공지능 융합 진단, 그리고 메타물질 및 에너지 하베스팅 구조 설계 등 기계공학의 다양한 첨단 분야에서 세계적인 연구를 수행하고 있습니다. 연구실은 기계시스템의 고장 메커니즘을 심층적으로 분석하고, 실제 산업 현장에서 발생하는 다양한 불확실성과 환경 변동성을 고려하여 신뢰성 평가 및 예측 모델을 개발합니다. 이를 통해, 기어박스, 베어링, 모터, 배터리 등 다양한 기계 요소의 수명 예측, 고장 진단, 잔여수명(RUL) 예측, 신뢰성 기반 구조 설계 등 실질적인 산업 문제 해결에 기여하고 있습니다. 특히, 연구실은 물리 기반 모델링과 인공지능(AI) 기술을 융합한 차세대 고장 진단 및 예지(예측진단, PHM) 연구를 선도하고 있습니다. 데이터 기반 진단의 한계를 극복하기 위해, 시뮬레이션 기반 신호 생성, 도메인 적응, 자기지도학습, 생성적 적대 신경망(GAN) 등 첨단 AI 기법을 적극적으로 도입하고 있으며, 물리 기반 디지털 트윈(Digital Twin) 모델과 데이터 기반 모델을 통합하여 예측 정확도와 설명 가능성을 동시에 확보하고 있습니다. 이러한 융합 연구는 스마트 제조, 미래형 자동차, 에너지 시스템, 항공우주 등 다양한 산업 분야에서 실제로 적용되고 있습니다. 또한, 연구실은 메타물질(phononic crystal)과 압전 에너지 하베스팅 분야에서도 세계적인 연구 성과를 내고 있습니다. 주파수 밴드갭, 결함 모드, 에너지 국부화 현상 등 메타물질의 고유한 물리적 특성을 활용하여, 진동 및 탄성파 에너지를 효과적으로 수확할 수 있는 구조 설계 및 최적화 기법을 개발하고 있습니다. 이를 통해, 무선 센서 네트워크, 스마트 시티, 구조물 건강 모니터링 등 다양한 분야에서 자가발전형 센서 및 시스템 구현에 기여하고 있습니다. 연구실은 실제 산업 현장과의 긴밀한 산학협력, 정부 및 국제 공동연구를 통해 연구 성과의 실용화와 기술 이전에도 적극적으로 참여하고 있습니다. 다양한 정부지원 대형 프로젝트와 기업 협력 과제를 수행하며, 산업 현장의 문제를 해결하는 동시에, 신뢰성공학 및 PHM 분야의 이론적 발전에도 크게 기여하고 있습니다. 이처럼 윤병동 연구실은 신뢰성공학, 예측진단, 물리-인공지능 융합, 메타물질 및 에너지 하베스팅 등 기계공학의 핵심 미래 분야에서 학문적·산업적 가치를 동시에 창출하며, 차세대 스마트 제조 및 자율운영 시스템의 혁신을 이끌고 있습니다.