최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Kim J.H.,Lee S.W.,Jin E.S.
2022 / International Journal of Naval Architecture and Ocean Engineering
데이터가 존재하지 않습니다.
loading...
본 논문에서는 칼만 필터를 이용한 예측 확률 기반의 충돌 회피 알고리즘을 제안합니다. 기존 알고리즘과 달리, 제안하는 알고리즘은 비선형 상태 변수를 예측하고 불확실성을 고려하여 최적 경로를 계획하며, 특히 UKF를 사용하여 선박의 미래 위치를 예측 확률로 도출합니다. 시뮬레이션을 통해 제안된 알고리즘의 유효성을 검증했습니다.
Probability and mechanics of ship collision and grounding
Fundamentals of Kalman filtering : a practical approach
Kalman filtering : with real-time applications
Optimization of observation and control processes
Kalman filtering : with real-time applications
Approximate Kalman filtering
Optimal estimation of dynamic systems
Cooperative control of dynamical systems : applications to autonomous vehicles
Robust estimation and failure detection : a concise treatment
Principles of GNSS, inertial and multisensor integrated navigation systems
Practical ship hydrodynamics
Robotic navigation and mapping with radar
Adaptive sampling with mobile WSN : simultaneous robot localisation and mapping of paramagnetic spatio-temporal fields
Robust Kalman filtering for signals and systems with large uncertainties
Advances in cooperative control and optimization : proceedings of the 7th International Conference on Cooperative Control and Optimization
Fundamentals of Kalman filtering : a practical approach
Journal of Physics: Conference Series
Zantopp, Nico; Budak, Akif; Delea, Cosmin; Werner, Herberto; Au, Ching Nok; Oeffner, JohannesOcean Engineering
Yoshioka H.,Hashimoto H.,Makino H.Proceedings of the Institution of Mechanical Engineers, Part C: Journal of Mechanical Engineering Science
Samaneh Alsadat Saeedinia; Mehdi Tale MasoulehInternational Journal of Aeronautical and Space Sciences
유신형; 박종호International Journal of Aeronautical and Space Sciences
Yu, Sinhyung; Park, JonghoAdvances in Mechanical Engineering
Deng, S.; Zhong, Y.; Wu, Z.; Wang, M.; Zhu, L.; Yu, H.한국해양공학회지
이동훈; 서무영; 이효근; 유원준; 김상현; 백광준Journal of Ocean Engineering and Technology
Lee, D.-H.; Seo, M.-Y.; Lee, H.-G.; Yoo, W.-J.; Kim, S.; Paik, K.-J.Journal of Navigation
Kim, Donggyun; Hirayama, Katsutoshi; Okimoto, Tenda해양환경안전학회지
이희진Journal of Navigation
Kim, D.; Hirayama, K.; Okimoto, T.JOURNAL OF MARINE SCIENCE AND ENGINEERING
Kim, Hyo-Gon; Yun, Sung-Jo; Choi, Young-Ho; Ryu, Jae-Kwan; Suh, Jin-Ho해양환경안전학회지
김동균한국정보기술학회논문지
김현빈; 옥승호JOURNAL OF MARINE SCIENCE AND ENGINEERING
Park, Jinwan; Jeong, Jungsik; Park, YoungsooOcean Engineering
Xu X.,Lu Y.,Liu G.,Cai P.,Zhang W.JOURNAL OF ADVANCED TRANSPORTATION
Zheng, Yisong; Zhang, Xiuguo; Shang, Zijing; Guo, Siyu; Du, YiquanIEEE Access
Lee J.,Song B.Ocean Engineering
Li S.,Liu J.,Negenborn R.R.IEEE Transactions on Intelligent Transportation Systems
Cho Y.,Han J.,Kim J.전선 / 대학원
선형시스템의 최적추정자인 칼만필터를 기본으로 하여 모델의 불확실성을 고려한 적응필터 및 강인필터, 계산량을 줄이기 위한 슈미트필터, 다양한 측정치에 대한 내고장을 높이기 위한 분산필터를 소개한다. 또한 비선형 모델에 대한 확장칼만필터를 기반으로 최근에 많은 연구가 되고 있는 무향 칼만필터 (Unscented Kalman Filter)에 대한 특성을 분석한다. 마지막으로 상태변수가 정규분포를 가지지 않을 때 최적의 필터로 최근에 각광을 받고있는 다양한 입자필터 (Particle Filter)를 소개한다. 수업에서 소개된 필터는 INS/GPS 결합시스템과 레이더 추적문제에 적용한다.전선 / 대학원
평균 제곱 추정(mean square estimation), 최대 가능성 추정(max likelihood estimation), 그리고, Wiener 필터링과 같은 고전적인 추정 이론에 대해 소개한다. 이산 시간 또는 연속 시간 Kalman 필터, shaping filter, 최적 평활, Kalman 필터 디자인과 성능 분석, 제곱근 필터링, 확장 Kalman 필터를 포함한 비선형 필터링에 대해서도 알아본다.전선 / 대학원
평균 제곱 추정(mean square estimation), 최대 가능성 추정(max likelihood estimation), 그리고, Wiener 필터링과 같은 고전적인 추정 이론에 대해 소개한다. 이산 시간 또는 연속 시간 Kalman 필터, shaping filter, 최적 평활, Kalman 필터 디자인과 성능 분석, 제곱근 필터링, 확장 Kalman 필터를 포함한 비선형 필터링에 대해서도 알아본다.전선 / 대학원
확률이론의 기초를 이해하고 이를 바탕으로 상태변수를 추정하는 원리를 배운다. 또한 이를 비행체 제어에 응용한다. 칼만필터에 대한 상세한 식을 유도하고 그 특성을 연구한다. 비선형 시스템에 적용될 수 있는 Extended 칼만필터를 유도하고 실제 비행기나 인공위성에 응용한 예를 다룬다.전선 / 학사
본 교과목에서는 현재 여러 분야에서 적용되고 있는 지능시스템 및 관련연구의 핵심이 되는 확률적 모델링 및 추론, 통계학적 기계학습, 컴퓨터비젼, 로보틱스의 기초를 소개한다. Bayesian networks, hidden Markov models (HMM), Kalman filters, Markov decision processes 등의 확률적 모델링 및 추론방식이 소개되고 선형 regression 및classification 그리고 nonparametric 학습 방법의 기초를 습득한다. 그리고 확률적 모델, 추론방식, 학습방식들이 어떻게 컴퓨터비전 그리고 로보틱스 등의 응용분야에 적용되는지 알아본다.전선 / 대학원
본 교과목에서는 선박설계를 위한 다양한 인공지능 방법을 배우고 이의 응용 사례를 살펴보는 것을 목적으로 한다. 먼저 선수 과목 등을 통해 학습한 여러 딥 러닝 기법, 즉 DFN (Deep Feedforward Network), RNN (Recurrent Neural Network), CNN (Convolutional Neural Network), 강화 학습 (Reinforcement Learning) 등의 개념을 복습한다. 이후, 설계 분야를 기본설계, 생산설계, 운항설계 등으로 구분한 뒤, 각 분야에서 인공지능이 필요한 사례를 학습한다. 기본설계에서는 도면 내 객체 및 텍스트 인식, 해기상 및 선박 소요 마력 예측 등의 사례를 살펴본다. 생산설계에서는 블록 탑재를 위한 크레인 제어 등의 사례를 살펴본다. 운항 설계에서는 영상 기반 선박 주변 장애물의 탐지 및 추적, 선박의 충돌 회피 등의 사례를 살펴본다. 끝으로 학생들은 설계 분야의 특정한 주제에 대해 인공지능을 활용한 문제 해결 방법에 대해 Term Project를 수행한다.전선 / 학사
선박의 소요동력 산정과 추진 장치 선정에 필요한 기본 지식을 습득하고 실습한다. 선박의 저항 및 자항 성능과 프로펠러의 단독 특성을 이해하고, 예인 수조에서 모형선에 대한 저항과 자항 실험을 수행한다. 추진 장치의 종류와 기능을 소개하고 성능특성을 파악한다. 선박용 프로펠러의 형상에 대한 기본개념을 정립한다. 특수 추진 장치의 종류와 개념을 이해할 수 있는 공학적인 지식을 익힌다.전선 / 대학원
다른 과목에서 배운 계량적 분석방법을 현실 농업문제에 응용한다. 비교정학(comparative statics)에 의한 모형분석, 칼만 필터(Kalman filter), 뉴럴 네트워크(neural network), 유전자 알고리즘(genetic algorithm), 부트 스트랩핑(boot strapping), 커널 추정(kernel estimation) 등을 다룬다.전선 / 학사
본 강의에서는 통계적 추론에 기반한 기계학습의 기초에 대하여 학습하고 조선해양공학의 응용문제에 대한 프로젝트를 수행한다. 기계학습에 관련된 확률, 선형대수, 최적화의 기초에 대하여 학습한다. 확률에 기반한 최우추정법에 대하여 학습한다. 비지도 학습 분류 방법 및 선형 회귀법에 대하여 학습한다. Hidden Markov 모델과 Bayesian Inference의 개념, 이론 및 알고리즘에 대한 개요를 학습한다. Neural Network에 기반한 학습모델로 이미지 인식을 위한 Convolutional Neural Network, 음성과 같은 time series 데이터의 학습을 위한 Recurrent Neural Network의 개요에 대하여 학습한다. 그리고 보상에 따라 학습하는 Reinforcement Learning에 대하여 익힌다. 마지막으로 조선해양공학 응용의 기계학습 프로젝트를 수행하도록 한다.전선 / 대학원
해당과목은 공학분야에서 중요한 통계적 데이터 처리, 통계적 공학해석, 통계기반 공학설계 이슈들을 다룬다. 통계적 데이터 처리에서는 공학통계, 통계적 데이터 처리의 정성적, 정량적 접근법과 베이지안 통계학을 배운다. 통계적 공학해석은 신뢰성함수, 위험도함수, 가속수명시험, 불확실성 해석, 신뢰성해석, 건전성 진단 및 예지기술을 배운다. 통계기반 설계에서는 통계기반 민감도 해석, 반응함수법, 신뢰성기반 최적설계를 다룬다. 끝으로 공학시스템의 건전성 모니터링기술을 간단히 다룬다.전선 / 학사
일반적인 구조문제를 풀 수 있는 방법인 유한요소법의 기초가 되는 탄성론, 변분법(Variational Principle), 빔/플레이트 (Beam/Plate)의 정식화, 간단한 요소에 대한 유한요소해석법 등을 공부한다. 이는 대학원에서 심도있게 학습할 유한요소법, 비선형 유한요소법, 설계민감도해석(Design Sensitivity Analysis) 등의 선수과목(Prerequisite)으로 중요하며 또한 산업체에서 광범하게 사용하는 상업 코드(MSC/NASTRAN, ABAQUS, ANSYS 등) 의 이론적 배경의 이해로 적합하다.전선 / 학사
인공지능의 발전 및 데이터의 축적으로 최근 재료공학분야에서 기계학습이 활발히 적용되고 있고 새로운 재료설계방법으로 떠오르고 있다. 본 강좌에서는 학생들에게 기계학습 및 통계추론에 대한 기초 이론 및 파이썬을 이용한 라이브러리 활용 방법을 강의한다. 이를 바탕으로 학생이 실제 재료 데이터에 기계학습을 적용하고 해석하는 방법을 익히도록 한다.전필 / 학사
본 강의에서는 선박설계를 위해 기준선의 lines를 이용하여 설계선의 선형 및 구획을 모델링하고 그의 응용에 대하여 학습한다. Bezier 곡선과 B-Spline 곡선의 이론을 학습한 후에 이를 Bezier 곡면과 B-Spline 곡면으로 확장하여 학습한다. 선형 곡면들의 저장을 위한 topology로서 Solid Modeling 방법 중 Boundary Representation에 대하여 학습한다. 최적 설계를 학습한다. 이를 위해 최적 설계 개요, 비제약 최적화, 선형 계획법, Kuhn-Tucker 정리, 제약 비선형 최적화 기법(Quadratic Programming, Sequential Quadratic Programming, Genetic Algorithm 등)에 대하여 학습한다. 마지막으로 최적화 기법을 이용한 선박의 주요 치수 결정에 대하여 학습한다.전필 / 학사
본 강의에서는 선박이 반드시 가져야 하는 주요 성능 중 하나인 복원성 (stability)의 개념을 설명하고, 그것을 평가하기 위한 일련의 과정인 선박계산에 대해 학습한다. 먼저 선박과 같은 부유체에 작용하는 다양한 힘과 모멘트를 이해하고, 선박의 횡복원성 및 종복원성을 학습한다. 선박의 정확한 무게 중심을 구하기 위한 자유 표면 효과와 경사 시험에 대해 학습한다. 이후 선박의 복원성 곡선으로부터 복원성을 평가하기 위한 다양한 기준에 대해 학습한다. 특히, 선박의 복원성 곡선을 생성하기 위한 여러 수치 적분 방법을 설명하고, 유체 정역학적 계수 및 배수량 등곡선도를 구하기 위한 방법을 학습한다. 이어서 선박이 손상을 입었을 때 복원성을 평가하기 위한 두 가지 방법, 즉 결정론적 방법과 확률론적 방법에 대해 심도 있게 학습한다. 본 강의는 선박과 관련한 다양한 계산 방법을 다루고 있으며, 최종적으로는 설계 과정에 적용하여 선박의 안정성 즉, 복원성을 평가하는 것을 목적으로 한다.전선 / 대학원
비선형조종성 운동방정식을 유도하고, 이 방정식의 계수들에 관한 이론적, 실험적 해석방법을 다룬다. 또 이 방정식의 해로부터 선박의 안정성을 판정하고 선형과 안정성과의 관계를 조사한다. 제한수로나 유한수심과 같이 특수한 해역에서의 배의 조종성방정식을 유도하고, 방정식의 해를 사용하여 배의 항적을 추정한다.전선 / 대학원
현실에서 발생하는 최적화 문제는 많은 경우, 효율적인 알고리즘을 갖지 않는 NP-hard 문제이다. 본 강의에서는 우선 이러한 문제를 식별하는데, 기본이 되는 최적화 계산론, 다항 변환 등을 도입한다. 그리고 NP-hard 문제의 좋은 해를 효율적으로 구하는 다양한 접근법을 다룬다.전선 / 학사
과거와 현재 항공기 교통관제 및 항행에 이용되는 항법시스템에 대한 소개를 시작하여, 미래 항공, 우주 뿐만 아니라, 육상, 해상 및 스마트폰의 항법으로 쓰이는 항법시스템에 대하여 그 원리와 이론을 고찰하고 실험으로 증명함으로써, 아직 세상에 없는 새로운 항법시스템을 구상할 수 있는 바탕을 마련하는 것이 이 과목에서 추구하는 바이다. 그 밖에도 Dead Reckoning과 Radio Navigation 그리고 위성항법(GNSS)에 대해서도 그 원리와 실생활에의 응용 예를 다룬다. 또한 항공기/우주비행체의 항공교통(Air Traffic Control) 및 관제에 대한 소개와 공역에 대한 관제 절차를 설명하고, 관제의 핵심 장비인 레이더와 ADS-B를 소개하고, 차세대 항행시스템인 CNS/ATM에 대해서도 심도 있게 그 내용과 원리를 소개한다.전선 / 대학원
자율주행 이동 로봇공학은 로봇이 임의 공간에서 무인으로 이동하면서 주변을 탐색하고 현재 위치를 추정하면서 동시에 주위 공간의 지도를 작성하는 문제와 경로 계획 및 경로 최적화를 다룬다. 작성된 지도는 로봇이 주변 환경을 인식하는데 사용되며 로봇은 환경과 연속적으로 상호작용하게 된다. 이 내용은 기계 학습의 확률적 추론에 기반하고 있으며 수상/수중 로봇, 지능형 제조 작업 수행, 물류 처리 로봇의 핵심 알고리즘으로 사용된다. 베이즈 필터, 칼만 필터, 입자 필터, 동시적 위치추정 및 지도작성, 확장칼만필터 SLAM, 빠른 SLAM, 그래프 SLAM, 경로 계획 등에 대하여 학습토록 한다. 파이썬/C++ 프로그래밍의 기초 지식을 필요로 한다.전선 / 대학원
이 과목에서는 해양공학분야에서 새로이 대두되는 중요한 기술문제 중 한 가지를 택하여 해당 기술의 역사적 배경, 기술개발과정, 현재의 상황, 세계수준에 대비한 우리나라의 기술수준, 해결해야 할 핵심기술 내용 등을 관련문헌이나 전문가의 초청강연을 통하여 분석하고 단순화된 모델을 구축하여 이론적 및 수치적 또는 실험적으로 해석하여 해결책을 모색한다.전선 / 대학원
인간의 다양한 운동기술을 주의깊게 관찰하고 효과적으로 연구하는 방법뿐만 아니라 이러한 복잡한 기술들을 정성적으로 분석하는 여러 가지 운동역학적 접근 방법에 대해 배운다. 특히, 인간의 효율적인 운동동작 수행을 위한 주요 원리와 함께 각종 운동상해 원인에 대한 규명 및 예방방법, 그리고 더 나아가 운동 기술의 수행력을 최대로 하기 위한 기술개발 등에 대한 내용을 중심으로 구성된다.