강정호 연구실은 기계구조물의 하중 예측과 신뢰성 평가를 위해 인공지능, 특히 딥러닝 기반의 다양한 신경망 기법을 적극적으로 도입하고 있습니다. 최근 연구에서는 MLP, CNN, LSTM, GRU 등 다양한 신경망 모델을 활용하여 기계 장비 및 구조물에 작용하는 하중을 정밀하게 인식하고 예측하는 방법을 개발하고 있습니다. 이러한 연구는 기계구조물의 장단기 운용 데이터를 분석하여, 구조물의 안전성 및 신뢰성을 실시간으로 평가할 수 있는 기반을 마련하는 데 중점을 두고 있습니다. 특히, 유한요소해석(FEA)과 순환신경망(RNN)을 결합하여 하중 데이터의 부족 문제를 극복하고, 구조해석 결과를 증폭 및 보강하는 데이터 증강 기법도 연구하고 있습니다. 이를 통해 실제 운용 환경에서 발생할 수 있는 다양한 하중 조건에 대한 예측 정확도를 높이고, 사고 예방 및 유지보수 효율성을 극대화할 수 있습니다. 또한, Gated Recurrent Unit(GRU)과 Stacked Auto Encoder 등 최신 딥러닝 기법을 적용하여 하중 인식의 신뢰성과 정확성을 지속적으로 향상시키고 있습니다. 이러한 연구는 기계공학 분야에서 인공지능 기술의 실질적 응용 가능성을 보여주며, 미래의 스마트 제조 및 유지보수 시스템 개발에 중요한 역할을 할 것으로 기대됩니다. 궁극적으로는 기계 장비의 예지보전, 구조물의 수명 예측, 사고 예방 등 산업 현장의 안전성과 효율성을 크게 높이는 데 기여할 수 있습니다.

연구실은 산업 현장에서 필수적으로 사용되는 다양한 밸브 및 유체제어 시스템의 설계 최적화와 신뢰성 향상에 대한 연구를 활발히 수행하고 있습니다. 특히, 고온·고압 환경, 해양플랜트, 선박, 특수차량 등 다양한 응용 분야에서 요구되는 밸브의 유동 특성, 구조 안전성, 내구성 등을 정밀하게 분석하고, 최적의 설계 방안을 제시하고 있습니다. 이를 위해 유한요소해석(CAE), 유동해석(CFD), 실험계획법(DoE), 크리깅 모델 등 첨단 해석 및 최적화 기법을 적극적으로 활용하고 있습니다. 특히, 액화수소 제어용 밸브, 스팀 트랩 밸브, 판형 체크밸브, 감압 밸브 등 다양한 신제품 개발 프로젝트와 특허를 통해 산업 현장의 실질적인 문제 해결에 기여하고 있습니다. 연구실은 밸브의 유량계수, 구조적 안정성, 화재 및 극한 환경에서의 안전성 평가 등 실제 운용 조건을 반영한 실증적 연구를 수행하며, 수치해석과 실험을 병행하여 신뢰성 높은 설계 데이터를 확보하고 있습니다. 또한, 표면 열처리, 신소재 적용, 구조 경량화 등 첨단 소재 및 가공 기술을 접목하여 밸브의 성능과 내구성을 극대화하는 연구도 병행하고 있습니다. 이러한 연구는 국내외 플랜트, 선박, 자동차, 항공우주 등 다양한 산업 분야에서 요구되는 고성능·고신뢰성 유체제어 시스템의 국산화 및 기술 경쟁력 확보에 크게 기여하고 있습니다. 더불어, 산학협력 및 정부과제 수행을 통해 실제 산업 현장에 적용 가능한 혁신적 솔루션을 지속적으로 제시하고 있습니다.