MERRIC인
조회수 771 좋아요 2 댓글 0
로봇과 인공지능을 이용한 실험유체역학 연구
김동 (Kim Dong)(울산대학교 기계공학부 조교수) / dongkim at ulsan.ac.kr
1. 본인의 연구에 대해서 대략적인 소개를 부탁드립니다.

- 안녕하십니까. 저는 울산대학교 기계공학부 기계 자동차 공학전공 조교수로 재직 중인 김동입니다. 저는 실험열유체역학을 기반으로 한 열유체공학 연구를 수행 중입니다. 대표적으로 로봇팔에 최첨단 유동 측정기술을 접목하여 자동차 사이드미러의 후류 유동을 측정하고 데이터 학습을 위한 독자적인 인공지능 모델을 개발하여 3차원 미세 난류구조 파악, 압력장 비교, 유동소음 저감 효과를 분석하였습니다. 최근에는 인공지능 데이터 동화 기술과 4차원 다상 유동장/음향장 측정 기법 개발을 통한 유체동역학적 수중방사소음 평가 및 저감 연구를 수행 중입니다.


2. 자동차 사이드 미러의 후류 유동을 측정하기 위해 로봇팔에 유동측정기술을 접목하고, 데이터 학습을 위한 독자적인 인공지능 모델을 개발하신 걸로 알고 있습니다. 이에 대한 설명을 부탁드립니다.

- 자동차의 사이드미러, 고속열차의 팬타그래프, 저소음 풍력 발전용 날개, 저소음 드론 등 광범위한 공학 영역에서 저소음 형상 설계의 필요성이 매우 높아지고 있습니다. 종래의 저소음 형상 설계는 마이크로폰 배열을 설치하여 유동 여기 소음을 측정하고, 형상을 수정해 나가는 시행오차 방식을 사용함으로써 시간과 노력이 많이 요구될 뿐만 아니라 소음 유발 메커니즘의 본질을 파악할 수가 없습니다.



- 이에 따라, 본 연구를 통해 유동 소음 발생을 최소화하는 저소음 형상 설계를 위해 시간 분해 4차원 로봇 탑재형 라그랑지안 입자 추적 유속계를 이용한 속도장 측정과 압력장 측정을 수행하고 인공지능 기반 데이터 동화 기법을 기반으로 실시간 고해상도 공간 압력장을 측정하여 소음 발생의 원인 규명 및 분석 기술을 개발하였습니다.




- 개발된 기술은 공간 내의 임의의 위치에서 소음원 파악이 가능하여 주 소음원을 제거하기 위한 산업적 응용에 쓰일 수 있으며, 유동 소음 메커니즘의 이해와 새로운 난류 모델의 개발이 가능합니다. 또한 인공 신경망 알고리즘에 기반해 데이터를 통계학적으로 학습하기 때문에 모델의 일반화 능력이 뛰어나고 오류나 잡음에 강한 특징을 지닙니다.


3. 최근 인공지능 데이터 동화 기술과 4차원 다상 유동장/음향장 측정 기법으로 유체동역학적 수중 방사소음 평가 및 저감연구를 수행 중이신데 이에 대한 소개를 부탁드립니다.

- 본 연구는 수중방사소음의 4차원 분포와 발생원을 실험적으로 가시화하여 파악하고 유동과 소음 간 상호작용 관계를 평가하여 수중소음 저감 방안을 도출하는 것을 목표로 하고 있습니다.

- 해양 운송체: 해양 운송량 증가에 따른 선박의 대형화, 고속화에 따른 공동현상이 불가항력적으로 발생합니다. 산업계에서는 URN (Underwater Radiated Noise) 저감이 가능하면서 추진 효율 향상을 요구하고 있습니다.
- 해양공사: 국제적으로 다이빙 기지, 해중 전망탑, 해중 플랜트, 수중 터널 건설 등 규모가 큰 구조물의 해양공사 시 URN과 관련한 차음벽의 설치를 요구하고 있으나 국내 관련 연구는 미진한 실정입니다.

- 환경오염: 국제해사기구(IMO)를 포함한 국제기구들은 URN을 해양오염으로 규정하며 이에 대한 규제 논의를 진행하고 있습니다. 세계적인 해양 환경규제 선제 대응과 함께 친환경 선박으로의 패러다임이 변화하고 있습니다.

- URN 저감 연구에는 반드시 공동현상과 공기층에 의한 차음벽 등 난류 다상 유동을 고려해야합니다. 난류 다상 유동의 경우 수치해석, 실험에 의한 경험식에 의존하고 있으며, 실험적으로 난류 다상 유동을 4차원적으로 측정한 사례는 전무합니다.



- 저는 독일항공우주센터 Andreas Schroeder 연구진과 협업하여 세계 최초로 4차원 난류 다상 유동 측정에 성공하였습니다.



- 4차원 다상 난류 유동장으로부터 음향장 도출이 가능하게 되면 근-원거리장에서의 속도, 압력, 음향강도, 음파지향성 등 세계 최초로 실험적 4차원 소음 분포 및 소음원 파악이 가능해집니다.


- 기존 비압축성 Navier-Stokes equation 기반 Data Assimilation을 (DA) 적용함에 있어 수학적 모델링이 필요하기 때문에 다상-난류 유동과 같은 유체역학적 난제를 인공지능 학습을 통한 비선형모델링 시도하고자 합니다.


4. 자동차 헤드램프 내부의 자연대류에 대한 속도 측정을 진행하신걸로 알고 있습니다. 연구의 계기와 결과에 대한 소개를 부탁드립니다.

- 자동차 헤드램프의 심미적인 기능과 경량화 및 에너지 소비 저감이 중요하게 대두되면서 헤드램프 내부 공간이 매우 복잡해지고, 소재의 열 변형 문제 및 렌즈 표면의 응축 문제를 해결하기 위해 설계 단계에서 매우 정교한 열유동 해석 기법의 적용이 필요해졌습니다.


- 전산 유체 해석 기술과 컴퓨터의 성능이 발전함에 따라 자동차 헤드램프 내부의 복잡한 유동 현상의 예측이 가능하나, 이를 검증할 실험 데이터가 부재하여 해석 결과에 확신이 부족한 상태입니다.


- 헤드램프 내부 유동에 시간분해 Stereo-PIV 실험을 시도한 사례는 찾아볼 수없었습니다. 그동안 이러한 실험이 수행되지 않았던 이유는 램프의 복잡한 형상과 렌즈 표면의 곡률로 광학적 측정 시 발생되는 빛의 굴절과 반사, 그리고 영상 왜곡 문제를 해결하지 못하였기 때문입니다.

- 본 연구는 헤드램프 내부의 입자 투입, 영상 왜곡 문제 등 난제를 해결할 실험 기법과 영상처리 프로그램을 개발하고, 정확한 3차원 유동장을 측정하는 실험 기법을 확립함이 연구의 주된 내용입니다.

- 세계 최초로 Stereo-PIV 기법을 적용하여, 헤드램프 내부의 3차원 유동장을 정밀하게 측정하는데 성공하였습니다. 이 기법의 적용을 위해 입자 주입 문제, 이미지 왜곡현상의 보정 문제, 반사광 처리기술 등 부수적인 측정기법과 관련된 소프트웨어를 개발하였습니다.


- Stereo-PIV 측정을 통하여 헤드램프 내부 유동은 강한 3차원 성분을 가지고 있음을 발견하였고, 종래의 자연대류 기반의 큰 와류가 아니라 이에 수직한 방향으로 형성되는 2개 이상의 와류 성분이 지배적인 유동임을 발견했습니다.


- 헤드램프 내부 유동에 난류가 발생하는가에 대한 연구를 수행한 결과 Bulb 의 경우 강하게 형성된 thermal plume과 반사경 등 복잡한 내부 구조로 인하여 국소적으로 난류를 발생시킴을 발견했습니다.


5. 위 내용외에 추가로 진행중이거나 소개해 주실 연구가 있으시다면 알려주세요.

- 최근에는 인공지능 기반 난류/다상/데이터모니터링 분석 툴 개발에 힘쓰고 있습니다. 열유체 산업에 있어 데이터의 측정은 필수적이나 측정 기법의 한계, 센서 전송 오류, 극심한 환경 조건에 의해 데이터 부재가 발생할 수 있습니다. 이에 따라메타학습 기반 데이터 갭(Gap) 분석 및 데이터 품질 향상을 위한 이상 데이터의 탐지/제거 전처리 알고리즘 개발이 필요합니다. 데이터 대체, 군집화, 디노이징, 회귀분석을 결합한 데이터 갭 분석 알고리즘을 구축하고 열유체역학 데이터에 적용하는 연구를 진행 중입니다.


- 열유체역학 기반 인공지능 개발을 위해 본 연구자가 개발한 ANFIS for fluid dynamics 모델을 활용하고, 동시에 물리현상의 지배방정식을 인공지능 신경망과 연결하여 더욱 신뢰성 높은 모델을 제시하고자 Physical Informed Neural Network (PINN) 알고리즘 개발을 수행 중입니다.


6. 영향을 받은 연구자가 많으실거 같습니다. 어떤연구자 분들의 어떤 영향을 받으셨는지 궁금합니다

- 저는 부산대학교 기계공학부 김경천 석학교수님의 지도 아래 박사 학위를 받았습니다. 지도교수님께선 매일 아침 8시부터 저녁 10시까지 밤낮, 주말, 휴일 없이 솔선수범 하여 연구에 열정적인 모습을 항상 지도학생들에게 먼저 보여주시며 연구를 독려 하시는 분이십니다. 교수님께선 난류 해석으로 시작하여 측정기법 개발 연구를 거쳐 최근에는 친환경 스마트선박부품 기술혁신센터의 센터장을 맡으시며 선박의 환경규제에 적극 대응하는데 앞장 서고 계십니다. 연구란 한 우물만 파는 것이 아닌 항상 변화하며 최신 트렌드를 잘 파악하여야 한다는 모습을 옆에서 보고 배움으로 항상 저의 연구에 대하여 생각하며 되돌아볼 수 있는 계기를 주십니다. 저도 교수님을 본받아 다양한 연구를 수행하여 학문에 기여하기 위해 노력하려 합니다.



7. 연구 활동 하시면서 평소 느끼신 점 또는 자부심, 보람

- 요즘에는 연구를 할 때 중요한 것은 실제 현장에서 무엇을 필요로 하는지 아는 것이 중요하다는 것을 배웁니다. 물론 자기 기술을 기반으로 확장하는 연구도 중요합니다. 그러나 제 짧은 경험으로는 현장에서 문제를 발견하고 이것을 해결하는 연구를 할 때 영향력이 있으며 다양한 적용이 가능하다는 것을 배웠습니다. 올해 부터 울산대학교에서 새롭게 연구를 시작하는데 울산의 산학협력 장점을 살려 저는 각 분야의 전문가들을 만나서 현장에서 필요한 기술을 찾고 여기에 부합한 기술을 제공하는 연구를 하고 싶습니다. 특히 3차원 유동장 및 열전달 연구를 기반으로 산업적 열유체공학 적용, 인공지능을 활용한 압력장, 소음원 분석, 열역학적 모니터링과 관련된 문제를 해결할 때 연구에 대한 자부심을 느낍니다. 세계적인 스마트, 친환경 연구동향에 맞추어 꾸준히 연구 스펙트럼을 넓힐 준비가 되어 있는 연구자로 대한민국, 나아가 세계적인 연구발전에 기여하고자 합니다.


8. 이 분야로 진학(사업)하려는 후배들에게 조언해 주신다면?

- 국내를 비롯하여 전 세계의 산업현장, 연구소, 대학에서 요구하는 기계공학 관련 산업 발전의 방향을 파악하는 것이 중요하다고 생각합니다. 기계공학은 자동차, 항공우주, 조선해양 산업을 비롯하여 에너지, 환경 및 자동화 반도체 산업 등 거의 모든 산업 분야의 핵심 근간이 되는 학문이며, 공학 기술 분야 전반에 걸친 종합학문이라고 생각합니다. 이를 바탕으로 차세대 친환경, 경량, 고효율 및 스마트 산업 시스템 개발에 중추적 역할을 담당할 수 있도록 다양한 연구 경험을 쌓는 것이 중요할 것이라 생각합니다.


9. 다른 하시고 싶은 이야기들.

- 울산대학교 부임 후 수업과 연구를 시작할 수 있도록 물심양면으로 도움을 주신 울산대학교 임옥택 학부장님, 이상욱 교수님, 장경식 교수님께 감사를 드립니다. 선배 교수님들의 도움과 조언 덕분에 빠르게 울산대에서 빠른 적응을 할 수 있었습니다. 하루 빨리 저의 노하우와 연구 조언을 물심양면 지원 받으실 첫 제자를 받고 싶습니다. 많은 관심을 부탁드립니다.


* 김동교수의 최근(대표)논문

- Kim, D., Kim, M., Saredi, E., Scarano, F., & Kim, K. C. (2020). Robotic PTV study of the flow around automotive side-view mirror models. Experimental Thermal and Fluid Science, 119, 110202.

- Kim, D., Safdari, A., & Kim, K. C. (2021). Sound pressure level spectrum analysis by combination of 4D PTV and ANFIS method around automotive side-view mirror models. Scientific Reports, 11(1), 1-15.

- Kim, D., Kim, M., Lee, J., Jung, I., Roh, K., & Kim, K. C. (2019). Velocity field measurement on natural convection inside an automotive headlamp using time-resolved stereoscopic particle image velocimetry. International Journal of Heat and Fluid Flow, 77, 19-30.

- Kim, D., Kim, J., & Lee, S. J. (2021). Effectual removal of indoor ultrafine PM using submicron water droplets. Journal of Environmental Management, 296, 113166.

- Kim, D., & Lee, S. J. (2020). Effect of water microdroplet size on the removal of indoor particulate matter. Building and Environment, 181, 107097.


 

  • Experimental Fluid Dynamics
  • Artificial Intelligence
  • Robot Arm
  • Turbulent
  • Noise
인쇄 Facebook Twitter 스크랩

  전체댓글 0

[로그인]

댓글 입력란
프로필 이미지
0/500자