Smart System Lab
기계로봇에너지공학과 고봉환
스마트 시스템 연구실은 동국대학교 기계공학과에 소속되어 있으며, 첨단 센서, 인공지능, 신호처리 및 제어 기술을 융합하여 스마트 시스템의 설계와 응용에 중점을 두고 있습니다. 본 연구실은 회전기계, 구조물, 로봇 등 다양한 시스템의 상태 모니터링과 결함 진단, 예측 유지보수 기술 개발에 선도적인 역할을 하고 있습니다.
특히, AI 및 딥러닝 기반의 데이터 분석 기법을 활용하여 베어링, 기어 등 회전체 부품의 결함을 조기에 탐지하고, 시스템의 이상 징후를 실시간으로 모니터링하는 기술을 개발하고 있습니다. 이러한 연구는 산업 현장의 안전성 향상과 유지보수 비용 절감, 생산성 증대에 크게 기여하고 있습니다.
또한, 군집지능 및 스마트 무선센서 네트워크를 이용한 구조물 결함 탐지 및 위치 추정 기술을 통해 대규모 구조물의 안전성을 확보하고, 분산형 센서 네트워크 기반의 자율적이고 효율적인 상태 감시 시스템을 구현하고 있습니다. 이와 함께, 영상 기반 딥러닝 및 디지털 이미지 프로세싱 기술을 접목하여 비접촉식 동적 시스템 식별, 스포츠 동작 분석, 로봇 제어 등 다양한 응용 분야로 연구를 확장하고 있습니다.
연구실은 다수의 국내외 연구 프로젝트, 특허, 논문 발표를 통해 학계와 산업계에서 높은 평가를 받고 있으며, 실험실 내 첨단 장비와 하드웨어 인프라를 바탕으로 실험적 검증과 현장 적용 연구를 활발히 수행하고 있습니다. 앞으로도 스마트 시스템 연구실은 인공지능, 센서 네트워크, 영상처리 등 융합기술을 바탕으로 미래형 스마트 산업 인프라 구축에 핵심적인 역할을 할 것입니다.
Bearing Fault Detection
Composite Structures
Optimization Algorithms
AI 기반 회전기계 상태 모니터링 및 결함 진단
AI 기반 회전기계 상태 모니터링은 베어링 및 기어와 같은 회전 부품의 결함을 조기에 탐지하고 예측하는 기술입니다. 본 연구실에서는 다양한 신호처리 기법과 머신러닝, 딥러닝 알고리즘을 활용하여 회전기계의 진동, 소음, 온도 등 다양한 센서 데이터를 분석합니다. 이를 통해 장비의 이상 징후를 실시간으로 감지하고, 고장 발생 전 사전 경고를 제공함으로써 산업 현장의 안전성과 효율성을 크게 향상시키고 있습니다.
특히, 최소 엔트로피 디콘볼루션(MED), 주성분 분석(PCA), 서포트 벡터 머신(SVM), 통계적 특징 추출 등 다양한 데이터 분석 기법을 결합하여 결함의 유형과 위치를 정확하게 분류합니다. 최근에는 딥러닝 기반의 신경망 모델을 적용하여 대규모 다차원 데이터를 효과적으로 처리하고, IoT 환경에서의 실시간 진단 시스템 개발에도 주력하고 있습니다. 이러한 연구는 논문, 특허, 산학협력 프로젝트 등 다양한 성과로 이어지고 있습니다.
이 기술은 제조업, 발전소, 운송 등 다양한 산업 분야에서 회전기계의 유지보수 비용을 절감하고, 예기치 못한 고장으로 인한 생산 중단을 최소화하는 데 기여합니다. 앞으로는 더욱 정교한 예측 모델과 자율적 상태 모니터링 시스템 개발을 통해 스마트 팩토리 및 미래형 산업 인프라 구축에 핵심적인 역할을 할 것으로 기대됩니다.
군집지능 및 스마트 무선센서 기반 구조물 결함 탐지
군집지능 및 스마트 무선센서 네트워크를 활용한 구조물 결함 탐지는 대규모 구조물의 안전성과 신뢰성을 확보하기 위한 첨단 기술입니다. 본 연구실은 유전 알고리즘, 입자 군집 최적화(PSO) 등 군집지능 기반의 최적화 기법을 적용하여 구조물 내 결함의 위치와 크기를 효과적으로 식별하는 방법을 개발하고 있습니다. 이러한 알고리즘은 다수의 센서가 자율적으로 협력하여 데이터를 수집하고 분석함으로써, 기존의 중앙 집중식 방식보다 빠르고 효율적인 결함 탐지가 가능합니다.
스마트 무선센서 네트워크는 구조물 곳곳에 설치된 센서들이 실시간으로 데이터를 교환하고, 이상 징후가 감지되면 자동으로 결함 위치를 추적합니다. 이 과정에서 각 센서는 로컬 수준에서 데이터를 처리하고, 필요에 따라 클러스터링 및 투표 시스템을 통해 결함의 위치를 결정합니다. 이러한 분산형 접근 방식은 데이터 트래픽을 줄이고, 시스템의 확장성과 신뢰성을 높이는 데 큰 장점이 있습니다.
이 연구는 교량, 빌딩, 플랜트 등 다양한 대형 구조물의 유지관리 및 재난 예방에 중요한 역할을 하며, 실제 실험과 현장 적용을 통해 그 효과가 입증되고 있습니다. 앞으로는 더욱 지능화된 센서 네트워크와 고도화된 군집지능 알고리즘을 결합하여, 자율적이고 실시간 대응이 가능한 스마트 구조물 관리 시스템 구축에 박차를 가할 예정입니다.
영상 기반 딥러닝 및 디지털 이미지 프로세싱을 활용한 동적 시스템 식별
영상 기반 딥러닝 및 디지털 이미지 프로세싱 기술은 구조물 및 기계 시스템의 동적 특성을 비접촉 방식으로 분석하고 진단하는 혁신적인 방법입니다. 본 연구실에서는 RANSAC 알고리즘, 머신비전, 딥러닝 네트워크 등을 활용하여 원격 감지 및 이미지 기반 상태 추정 기술을 개발하고 있습니다. 이를 통해 기존의 센서 기반 계측 방식이 가지는 한계를 극복하고, 보다 정밀하고 신속한 시스템 진단이 가능합니다.
특히, 영상 데이터를 활용한 딥러닝 모델은 구조물의 미세한 변형이나 결함을 자동으로 인식하고, 시간에 따른 동적 변화를 실시간으로 추적할 수 있습니다. 이러한 기술은 스포츠 트레이닝, 로봇 동작 분석, 산업 자동화 등 다양한 분야에 적용되고 있으며, 최근에는 비대면 환경에서의 사용자 자세 분석 및 코칭 시스템 개발에도 활용되고 있습니다.
이 연구는 대규모 데이터 처리와 고속 연산이 요구되는 분야에서 NVIDIA Jetson Xavier NX 등 첨단 하드웨어와 결합하여, 실시간 영상 분석 및 동적 시스템 식별의 정확도를 크게 높이고 있습니다. 앞으로는 더욱 정교한 영상 처리 알고리즘과 인공지능 모델을 개발하여, 다양한 산업 및 공공 분야에서의 활용 범위를 넓혀갈 계획입니다.
1
Data decomposition techniques with multi-scale permutation entropy calculations for bearing fault diagnosis
MN Yasir, BH Koh
Sensors 18 (4), 1278, 2018
2
Fault detection of bearing systems through EEMD and optimization algorithm
DH Lee, JH Ahn, BH Koh
Sensors 17 (11), 2477, 2017
3
Wavelet energy-based visualization and classification of high-dimensional signal for bearing fault detection
U Jung, BH Koh
Knowledge and Information Systems, 2015
1
영상정보 입출력 기반 동적 시스템 식별 알고리즘 개발[6/6]
2
[위탁] 딥러닝 기반 공공R&D 기술-시장수요 추천 알고리즘 개발[1/1]
3
영상정보 입출력 기반 동적 시스템 식별 알고리즘 개발[5/6]
