Heizenbug 스토어

Heizenbug

개인인증

팔로워0 팔로우

소개

등록된 소개글이 없습니다.

전문분야 등록된 전문분야가 없습니다.

판매자 정보

학교정보

입력된 정보가 없습니다.

직장정보

입력된 정보가 없습니다.

자격증

입력된 정보가 없습니다.

판매지수

판매중 자료수

9개
전체 판매량

23개
최근 3개월 판매량

6개
자료후기 점수

-
자료문의 응답률

-

전체자료 9개

판매자 표지

[2024-1학기 국민대학교 자동차융합실험] 전기전자 회로 이론 및 센서 설계 실험(A+)

전자전기 회로 이론 및 센서 설계 실험결과보고서학 과:학 번:이 름:1. 키르히호프의 법칙 회로 실험(1) 표1. 저항 R1, R2, R3에 대한 전압과 전류 = , V=12V전압(V)전류(mA)오차율(%)이론치측정치이론치측정치전압전류7.2V7.35V7.2mA6.36mA2.08%11.67%4.8V4.98V4.8mA5.1mA3.75%6.25%2.4V2.51V2.4mA4.26mA4.58%77.5%이론치 전압과 전류를 구하기위해 전압분배법칙과 옴의 법칙을 사용하였다. 전압분배법칙에 의해 , =4.8V, , 이므로 , ,오차율 = 로 구하였다. 키르히호프 제1법칙(KCL)은 한 점에 흘러 들어오는 전류의 총합은 그 점에서 나가는 총합과 같다. , , 은 다음과 같은 관계를 만족해야 한다. . 키르히호프 제2법칙(KVL)은 회로 속 닫힌 경로에서, 그 회로에 있는 전원의 기전력의 합은 그 회로에 있는 저항에 의한 전압강하의 합과 같다. 따라서 다음 식을 만족해야 한다. V= 위 식들은 이론치에서는 모두 성립했고, 측청치에 대해서는 오차를 보였다.(2) 오차 원인 분석 및 성찰전류, 전압의 실험치와 측청치 사이의 오차는 작게는 2.08% 크게는 77.5%로 나타났다. 오차율에 영향을 주는 요인으로는 먼저 저항 자체의 오차율이 있다. 저항 자체만으로 정도의 오차율을 가지고 있기 때문에 이는 측정 전압과 전류에도 영향을 주었을 것이다. 두번째로 회로의 전선 자체도 저항처럼 에너지를 소모하기 때문에 오차율에 영향을 주었을 것이다. 세번째로 디지털 멀티미터 자체의 문제이다. 측정기기의 불완전한 성능으로 오차가 발생한다. 해당 실험에서 오차율이 크게 나타난 주된 이유라고 생각한다. 왜냐하면 같은 실험을 한 다른 조에서는 오차율이 이 정도로 크게 나오지 않았으며, 회로에 인가 전압 12V가 일정하게 유지되지 않는 등의 문제가 있었다. 마지막으로 환경적 요인이 있다. 이론치는 절대적인 환경을 가정하여 계산된 결과이고 측청치의 경우 온도, 충격, 진동, 자기장 등의 여러 환경적 요인들이 실험 결과에 영향을 줄 수 있다. 이번 실험은 회로 내에서 전하의 보존과 에너지 보존을 확인하는 실험이었다. 비록 오차율은 크게 나왔지만 근사적으로 KCL과 KVL이 성립함을 알 수 있었다. 오차율에 영향을 주는 요인들을 보완한다면 이론치에 가까운 측정치를 얻을 수 있을 것이다. 키르히호프 법칙은 회로해석에서 기본이 되는 법칙이다. 이론으로만 사용해왔던 내용을 실험을 통해 법칙이 성립함을 확인할 수 있어서 상당히 의미 있는 실험이었다.2. 테브난-노턴정리(1) 표2. 부하저항에 따른 전압과 전류측정치이론치오차율(%)1kΩ11.24V15.51 mA11.31V11.31 mA0.62%37.14%2kΩ12.44V8.85 mA12.52V6.26 mA0.64%41.37%3kΩ12.9V6.18 mA12.99V4.33 mA0.69%42.73%3.9kΩ13.1V4.84mA13.21V3.39 mA0.83%42.77%이론치측정치오차율이론치측정치오차율이론치측정치오차율14.03V13.974V0.004%240.3Ω175.6Ω26.92%58.39 mA79.58 mA36.29%(2) 이론치와 측정치에 대한 전류(와 전압()의 그래프위 그래프는 다음과 같은 관계를 가진다.따라서 엑셀의 추세선 기능을 통해 전압-전류의 선형적인 관계를 근사적으로 나타냈다. 기울기는 이므로 테브난 저항값을 의미한다. 직선의 y절편은 테브난 전압을 의미한다.부하전류는 테브난 등가회로에서 을 이용해 구했다.(3) 테브난 등가회로와 노턴 등가회로 그리기(이론치 저항을 활용한 테브난, 노턴 회로 변환),,,실험회로에서 테브난 전압, 테브난 저항과 노턴 전류, 노턴 저항은 위와 같은 관계로 구했다.(4) 오차 원인 분석 및 성찰전압의 오차율는 모두 1%이내로 나타났지만, 전류와 저항의 오차는 약 27%~43%로 매우 크게 나타났다. 오차율에 영향을 주는 요인들은 다음과 같다. 먼저 저항 자체의 오차이다. 저항 자체만으로 정도의 오차율을 가지고 있기 때문에 이는 측정 전압과 전류에도 영향을 주었을 것이다. 두번째로 회로의 전선 자체도 저항처럼 에너지를 소모하기 때문에 오차율에 영향을 주었을 것이다. 세번째로 온도, 자기장, 진동 등의 환경적 요인이 있다. 위의 요인들은 일반적으로 오차율에 영향을 줄 수 있는 요인들이다. 하지만 이번 실험에서 오차율을 크게 발생시킨 가장 큰 요인은 멀티미터와 브래드보드라고 생각한다. 왜냐하면 키르히호프 실험에서도 전류의 오차율이 전압의 오차율보다 크게 나왔으며, 이번 테브난-노턴 실험의 경우에도 전류와 저항에서 오차율이 크게 발생했기 때문이다. 아마 전류와 저항을 측정하는 부분에서 시스템적인 오류가 발생하는 것으로 추정된다. 처음 측정 시 오차가 너무 크게 나와 회로를 재구성하여 다시 실험을 실행하였는데도 전류와 저항 측정 시 오차가 크게 발생했다. 테브난-노턴 정리를 이용하면 아무리 복잡한 회로라도 테브난 등가회로로 바꾸어 부하저항에 걸리는 전압과 전류를 쉽게 계산할 수 있다. 전류와 저항 부분에서 오차율이 크게 나와 만족할 만한 결과를 얻지 못했지만 전압 측정치의 오차율은 모두 1%이내로 나와 테브난-노턴 정리가 근사적으로 성립함을 확인할 수 있었다.3. 휘트스톤 브릿지 기본 회로 실험조정 전 BD 전압( = 120Ω)조정 후 BD 전압( = 47.1 Ω)측정 전압이론 전압전압 오차율(%)측정 전압이론 전압저항오차율(%)1.9V1.13V68.14%0.056V0.007V0.62%, , ,(1) 측정전압이 0V로 측정되지 않는 원인 추론조정 후 이다. 이때 , 이다.이므로 측정전압도 0이 아닐 것임을 추정할 수 있다. 하지만 보다 근본적인 이유는 조정 후 가 을 만족하기 위한 필요충분조건인 을 만족하지 못했기 때문에 측정전압이 0V로 측정되지 않는다.(2) 가변저항 조정 전 점 B와 점 D에서 인가되는 전압의 측정값과 이론값을 비교 및 고찰가변저항 조정 전 . 일 때 이론값을 계산해보면 다음과 같다.측정값 1.9V이고 오차율은 68.14% 이다. 오차율이 상당히 높게 나온 것을 확인할 수 있다. 오차원인으로는 먼저 가변저항이 민감하여 정확하게 120Ω으로 설정하기 어렵다. 두번째로 가변저항 내부적으로 오차를 만들었을 가능성이 있다. 세번째로 회로 도선의 저항이 측정값의 오차를 초래한다. 마지막으로 멀티미터 자체의 불안정한 성능으로 측정 시 오차가 발생한다.(3) 측정전압을 0V로 만들어주는 저항 값 계산이므로 이면 가 되어 측정 점 BD에서 전류가 흐르지 않게 되어 전압이 0으로 측정된다. 따라서 을 만족하는 이다.(4) 조정한 가변저항의 값을 이용해 점 B와 점D에 인가되는 전압을 구해보고 조정 전 값과 비교조정 후 일 때 , 이다.조정 전 . 일 때, , 이다.따라서 이론치의 조정 전 이고 조정 후이므로 조정 후 가 0에 더 가까워진 것을 알 수 있다. 측정치 역시 조정 전 1.9V이고 조정 후 =0.056V이므로 조정 후 가 0에 가까워진 것을 알 수 있다.(5)휘트스톤 브릿지를 사용하는 제품을 찾아보고 휘트스톤 브릿지 회로의 역할 설명스트레인 게이지(Strain Gage)스트레인 게이지는 저항으로 이루어진 센서로서 피 측정물에 부착되어 피 측정물의 물리적인 변형률을 휘스톤 브릿지을 통해 전기적인 신호로 바꾸어 측정물의 변형량을 측정하는 저항센서이다.스트레인 게이지는 재료의 압축, 인장 변형에 따라 저항의 변화를 감지한다. 스트레인 게이지와 연결된 저항의 미소 변화량은 아래와 같은 관계를 가진다.스트레인 게이지와 연결된 미소 저항의 변화량을 알 수 있다면 재료의 변형량을 측정할 수 있다.위 휘트스톤 브릿지의 에 스트레인 게이지를 연결하고 E,의 값들이 모두 고정 값이라고 가정하면, 휘트스톤 브릿지 원리를 통해 를 얻을 수 있다. 이 매우 작게 변한다고 가정하면, 미소 출력 전압이고 변형률 이므로 이다. 따라서 출력 전압의 변화량을 측정할 수 있다면 재료의 변형량을 구할 수 있다.(6) 오차 원인 분석 및 성찰조정 전 전압의 오차율은 68.14%로 매우 크게 나타났다. 가 0에 가까워지도록 조정한 후 저항을 측정해보니 으로 0.62%의 오차율이 나왔다. 조정 전 전압의 오차율에 영향을 준 요인들을 분석해보면, 먼저 앞의 실험들과 마찬가지로 저항 자체의 오차율이 정도가 존재한다. 두번째로 회로의 전선 자체도 저항처럼 에너지를 소모하기 때문에 오차율에 영향을 주었을 것이다. 세번째로 온도, 자기장, 진동 등의 환경적 요인이 있다. 위의 요인들은 대부분의 실험에서 오차율에 영향을 주는 요인들이다. 하지만 이번 실험에서 오차율에 가장 영향을 많이 준 것은 가변저항의 민감도와 멀티미터라고 생각한다. 가변저항을 로 설정하는 과정에서 가변저항 자체가 민감하게 반응하여 정확하게 로 설정하는 것이 어려웠다. 또한 가변저항을 조절하고 다시 끼우는 과정에서 회로에 미세한 충격 등의 물리적인 변화가 생겼을 가능성도 있다.앞의 두 실험에서도 오차율이 크게 나온 것처럼 멀티미터의 성능이 오차율에 가장 큰 영향을 미쳤을 것이다. 오차율이 계속 크게 나와 회로를 다시 구성해보는 시도도 해봤지만 역시 오차율이 크게 나온 것으로 보아 멀티미터나 브레드 보드에 문제가 있었을 것이다. 조정 전 전압 오차율이 크게 나와 성공적인 실험은 아니었지만, 가변저항 값 조절을 통해 를 0에 가깝게 변화시킬 수 있다는 점에서 보면 의미가 있었다. 이론으로만 배웠던 내용을 실험을 통해 이론의 타당함을 확인할 수 있어서 더욱 뜻깊은 실험이었다.참고문헌- 자동차융합실험_전자전기 회로 이론 및 센서 설계 실험 이론 자료-센서로세계로미래로.(2017.12.18).스트레인게이지의원리. Hyperlink "https://blog.naver.com/iotsensor/221165800436" https://blog.naver.com/iotsensor/221165800436-씨앤디테크.(2023.6.27).스트레인게이지 Strain gage 원리, 적용,부착, 선정 기준. Hyperlink "https://candj.tistory.com/12" https://candj.tistory.com/12

공학/기술| 2024.12.18| 10페이지| 3,000원| 조회(139)

회로이론, 전기전자, A+, 국민대학교, 센서설계, 자동차융합실험

미리보기

닫기
판매자 표지

[2024 - 1학기 국민대학교 자동차융합실험] 진자주기 측정 및 엘리어싱 측정 실험_Matlab 코드 포함(A+)

국민대학교과 목자동차융합실험교 수 님학 과학 번이 름1.진자 주기측정 실험항목Test 1Test 2Test 3추의 길이(cm)253035주기(이론값) (s)1.0031.09881.1868카메라를 이용한 주기(s)1.0251.125촬영된 영상 오류로 얻지 못함.초시계를 이용한 주기(s)1회11.191.133회3.1253.433.625회5.145.726.1110회10.611.3112.120회20.9322.7524.44*촬영된 영상 오류로 실험 결과를 얻지 못한 이유는 4)에 서술실험 분석1) 이론값과 측정치가 차이가 나는 이유(1) 소수점으로 인한 오차이론값을 계산할 때 에 g=9.81, 을 대입하여 계산하였으며, 소수점 둘째 자리까지 사용하였다. 이는 정확한 이론값을 계산하는데 영향을 주었을 것이다.(2) 공기 저항이론값은 공기저항을 고려하지 않고 계산되었다. 하지만 실제 실험 환경에서는 공기 저항이 존재하기 때문에 오차가 발생한다.(3) 의 크기은 회전 변위 가 작다는 가정하에 유도되었지만 실제 실험에서는 가 작지 않으며, 이는 오차를 발생시킨다.(4) 추의 3차원 운동이론값은 추의 2차원 운동을 가정하여 이상적으로 얻은 값이지만, 실제 실험에서는 추는 완벽하게 2차원 운동이 아닌 3차원 운동을 하였다. 이는 오차를 발생시킨다.(5) 스탠드의 불균형추와 연결된 스탠드는 완벽하게 균형을 이루지 않고 약간 기울어져 있었다. 기울어진 정도를 손으로 잡아 어느정도 보정은 하였지만 이는 오차를 발생시켰을 것이다.(6) 카메라 성능의 불완전성-카메라의 초점카메라가 추의 중심을 정확하게 초점으로 인식하지 못했을 가능성이 있다.-프레임으로 인한 추의 잔상촬영한 영상에서도 확인할 수 있듯이, 추의 잔상이 시각적으로도 관측된다. 이러한 진자의 잔상은 흑백영상에서 검정색의 추를 인식하는 과정에서 오차를 발생시켰을 가능성이 있다.-프레임 분해능일정한 카메라의 분해능으로 촬영되었기 때문에 피크점에서 정확하게 프레임에 잡히지 않았을 가능성이 있다.(7) 스탠드와 실 사이의 마찰스탠드 촬영하는 경우 Matlab프로그래밍을 통해 주기를 계산해야 하지만, 초시계를 사용하는 경우 카메라를 이용해 계산하는 것보다 매우 간단하게 주기를 계산할 수 있다.-단점눈으로 피크점에 도달했을 때 초시계를 눌러 시간을 측정하기 때문에 부정확성이 크다. 눈으로 정확하게 피크점을 관측하는 것은 어렵고, 또 정확한 순간에 초시계를 누르기도 어렵기 때문에 오차가 발생한다. 또한 초시계의 분해능은 0.01초 이기 때문에 보다 정확한 측정값을 얻기 어렵다.4) 기타 실험을 통해 얻은 결과 기술실험 결과를 통해 추의 길이 l이 증가할수록 추의 운동 주기 T가 증가하는 것을 확인할 수 있다. 이론값에서 추의 길이가 25cm, 30cm, 35cm로 갈수록 주기가 증가하는 것을 확인했으며, 카메라와 초시계를 통해 얻은 결과 역시 추의 길이가 증가할수록 주기T가 증가하는 것을 실험적으로 확인했다.추의 길이가 35cm 인 경우, 카메라를 이용한 주기를 얻지 못했다. 그 이유를 추론해 보았는데 다음과 같다. 먼저 카메라를 통해 촬영된 영상을 확인해보니, 35cm 영상의 배경의 음영이 25cm,30cm 영상비해 다소 어둡게 나타난 것을 확인할 수 있었다. 이렇듯 배경의 음영 차이로 Matlab 코드가 영상을 제대로 인식하지 못했을 가능성이 있다. 다음으로 카메라로 촬영된 영상을 avi 형식으로 변환하는 과정에서 문제가 생겨 영상 파일을 Matlab 코드가 받아드리지 못했을 가능성이 있다. 35cm 영상의 Matlab 코드 실행시 나오는 결과는 다음과 같다.위와 같이 파일 자체를 읽어드리지 못하는 오류가 발생했다. 25cm와 30cm 영상은 잘 출력되는 걸로 보아 35cm 영상 파일 자체에 문제가 있다는 결론을 내렸다.어떤 실험에서도 오차는 발생한다. 오차의 원인을 알면 오차를 통제할 수 있다. 내가 생각한 오차에 가장 큰 영향을 준 요인은 추의 3차원 운동과 공기 저항이다. 실험을 하면서 추가 2차원에 가까운 운동이 아닌 3차원으로 앞뒤로 운동하는 모습을 시각적으로 확인할 수 있었다. v(k).cdata);imwrite(video123,strcat(int2str(k),'.jpg'),'jpg');b=video123>50;[y,x]=find(b==0);X=mean(x);Y=mean(-y);scatter(X,Y)xlabel('X');ylabel('Y');position(k,:)=[X,Y];endxlswrite('impro',position)p=position(:,1);for i=2:1:length(p)-1if p(i-1)p(i+1)pmax(i,:) = p(i);endendTraw = find(pmax~=0);T1 = (Traw(5)-Traw(4))/60;T2 = (Traw(6)-Traw(5))/60;T = (T1 + T2)/2;frame=[1:1:480];plot(frame, position(:,1),Traw(4:6),p(Traw(4:6)),'ro');xlabel('Frame')ylabel('X')fprintf('주기 T: %5.5f초 n', T);-구동 결과6) [Hook’s law F=-Kx]를 이용하여 단진자 주기 공식유도(최종 결과는 )2. 엘리어싱을 고려한 측정 실험항목Test1Test2Test3원판의 slit 개수6918카메라계산을 통한 RPM24016080Tachometer를 통해 측정된 RPM240.1158.783.0카메라의 촬영속도(Frame/s)242424실험 분석1) 이론값과 측정치가 차이가 나는 이유(1) 타코미터로 인한 오차-레이저 타코미터 사용으로 인한 오차타코미터의 레이저를 원판의 특정 부분에 발사하여 rpm을 측정하였다. 사람이 손으로 직접 타코미터를 가져다 대어 측정했기 때문에 측정 위치가 고정되지 못하여 오차가 발생할 수 있다. 실제로 타코미터에 나타나는 rpm이 고정되지 않고 계속 변하기도 하였다.- 빛의 간섭으로 인한 오차레이저로 rpm을 측정하기 때문에 가시광선, 자외선, 적외선 등의 빛들이 간섭을 일으켜 오차를 발생시킬 수 있다.-타코미터 기기 자체의 불완전성처음 받은 타코미터로 측정시 RPM이 심하게 변을 알 수 있다. 따라서 slit 수에 따라서 측정되는 RPM 값이 달라진다. 즉, slit 수가 많을수록 측정되는 rpm 이 작은 것을 알 수 있다.3) 영상에서 사용하는 frame/s (Hz)를 조사해보고 해당 Hz를 사용하는 이유에 대해서 조사해본다.동영상은 정지된 사진들을 빠르게 보여주는 과정이다. 이러한 정지된 사진 한 장을 frame이라고 한다. frame/s는 초당 프레임 수로 1초에 몇 장의 사진을 보여주는지에 대한 정보이다. 24frame/s는 영화나 뮤직비디오, 드라마, 광고 등에 많이 사용된다. fps가 작으면 초 당 이미지가 작기 때문에 동영상이 끊겨 보인다고 생각할 수 있다. 물체가 빠르게 움직일수록 초당 프레임 수가 낮으면 영상이 이어져 보이지 않고 끊겨서 보이는 느낌을 줄 수 있다. 하지만 여기에 잔상처리를 해주면 이는 사람의 눈으로 보았을 때 물체의 움직임이 실제 눈으로 본 것과 같은 자연스러운 영상을 보여줄 수 있다.24fps의 두 배 이상인 60fps가 적용된 영상에는 3D게임이나 CG작업이 많이 들어간 영상이 있다. 60fps는 24fps에 비해 두배 이상의 이미지가 들어가는 만큼 영상이 부드러운 효과를 준다. 3D게임이나 CG는 경계가 뚜렷한 이미지를 계속 그려서 보여줘야 하기 때문에 높은 fps를 요구한다. 따라서 굉장히 사실적이고 매끄럽게 표현할 수 있다. 초당 프레임 수가 많아진 만큼 하나에 프레임에 작업해야 양이 많아진다.4) 기타 실험에서 얻은 결과를 통해서 다른 적용 가능 분야에 대해서 조사해본다.(1) 컴퓨터 그래픽 분야의 안티 엘리어싱(Anti-Aliasing)래스터화(Rasterization)이란 벡터 그래픽 형식으로 설명된 이미지를 래스터 이미지(픽셀, 점 또는 선을 도형을 통해 표현된 이미지를 생성하는 작업)로 변환하는 작업이다. 래스터화로 생성되는 선분을 비롯한 기타 기본 요소는 표본화 과정에서 물체상의 좌표점을 불연속적인 정수 픽셀 위치로 디지털화하기 때문에 왜곡된 외형을 갖게 된다. 이와 같이 낮은 밝기값을 분석하여 이것이 급격하게 바뀌는 곳을 기반으로 외곽선을 추출하고, 이 외곽선에 90도 방향으로 안티엘리어싱 효과를 넣은 방식이다. 이 외곽선의 길이가 충분히 확보되지 않으면 효과를 특정하기 힘들어지며, 복잡하게 변화하는 구조에서 심각하게 문제가 발생한다.(2) 안티 엘리어싱 필터(Anti-Aliasing Filter)안티 엘리어싱 필터는 아날로그 신호가 샘플링되어 디지털 신호로 변환될 때 발생하는 엘리어싱을 줄이기 위해 사용된다. 엘리어싱은 주로 아날로그 신호의 고주파 신호 성분이 적절하게 샘플링되지 못하여 왜곡되는 현상이다. 안티 엘리어싱 필터는 아날로그 신호를 샘플링하기 전에 적용한다. 안티 엘리어싱 필터를 사용하여 나이퀴스트 주파수(샘플링 주파수의 절반) 이상의 고주파 영역을 제거하거나 줄여준다. 이렇게 고주파 성분을 미리 제거하여 디지털 신호로 변환전에 엘리어싱 효과를 상쇄하는 것이다. 안티 엘리어싱 필터의 예로 저주파 통과 필터가 있다. 저주파 통과 필터는 단시간에 튀어나오는 잡음 성분인 고주파 성분을 제거하고 저주파 신호만 통과시키기 때문에 신호를 부드럽게 만들 때 사용된다. 가장 간단한 1차 저주파 통과 필터로 RC회로가 있다.위 회로는 저항과 커패시터로 구성된 1차 저주파 통과 필터이다. 키르히호프 전압법칙으로 미분방정식을 세워서 해를 구해보면 아래와 같다. 여기서 는 단위계단 입력(상수)이다.(필터의 차단 주파수)참고문헌-자동차융합실험 제공 pdf-코아이디. (2020.12.4). [디자인용어] 동영상 프레임(frame), 24fps,30fps,60fps. Hyperlink "https://m.blog.naver.com/coidstudio/222162805288" https://m.blog.naver.com/coidstudio/222162805288-moomini.(2019.9.4). 안티엘리어싱 SSAA/MSAA/FXAA/SMAA. Hyperlink "https://cutemoomin.tistory.com/entry/%EC%95%80

공학/기술| 2024.12.17| 13페이지| 3,000원| 조회(113)

A+, 국민대학교, 동역학실험, 자동차융합실험, 자동차융합대학

미리보기

닫기
판매자 표지

[2024-1학기 국민대학교 자동차융합실험] 수소연료전지실험(A+)

국민대학교과 목자동차융합실험교 수 님학 과학 번이 름1. 실험 목적PEMFC를 직접 구동시키며 수소연료전지의 VI특성곡선 데이터를 수집하고 분석하여 수소연료전지의 작동원리 및 특성을 이해한다.2. 실험 이론-Fuel Cell 정의수소 연료를 화학반응을 통해 물과 전기에너지로 변환한다. 배터리와 다르게 연료가 공급되는 한 재충전 없이 계속 전기 생산이 가능하다. 또한 반응 중 생성된 열은 온수를 만드는데 이용 가능하다.수소연료전지에 공급된 수소(H2)는 음극(-)에서 수소이온(H+)과 전자(e-)로 분리된다. 분리된 전자(e-)는 음극(-)에서 양극(+)으로 흐르며 전기를 생산한다. 전해질을 통과한 수소이온(H+)은 산소(O2)와 만나 물(H2O)이 되어 배출된다.수소연료전지는 전기를 저장하고 있는 전지(배터리)라고 생각되지만, 정확하게는 전기를 직접 만드는 발전기의 일종이다. 배터리는 미리 저장해 놓은 전기를 필요할 때 사용하는 장치인 반면 수소연료전지는 화학 반응을 통해 직접 전기를 생산하는 장치이다.-Fuel Cell의 장점(1) 무공해, 저소음 친환경 에너지원을 연료로 사용한다.(2) 지속적으로 전기를 생산할 수 있어 운용 안정성이 높다.(3) 설치면적 대비 높은 발전량으로 공간 효율성이 좋다.(4) 에너지 손실 최소화로 연비 효율성이 좋다.-Fuel Cell의 단점(1) 높은 초기 투자 비용이 필요하다.(2) 충전소와 같은 인프라 구축이 필요하다.(3) 내구성에 문제가 있다.-FCEV(Fuel Cell Electric Vehicle)수소전기차는 석유나 가스 등에서 추출된 수소를 연료로 공급해 공기 중의 산소와 반응시켜 전기와 열을 생산하는 수소연료전지를 배터리 대신 사용하거나 배터리 또는 슈퍼 커패시터와 함께 사용하여 온보드모터에 전력을 공급하여 구동하는 방식이다.-생산 방식에 따른 수소 분류수소 생산 방식에 따라 생성된 수소는 크게 개질 수소, 부생 수소, 수전해 수소로 나눌 수 있다. 먼저 개질 수소는 천연가스를 분해해 생산하는 수소로 기존 에너지를 활용 가능하며 CO2가 발생한다. 다음으로 부생 수소는 석유화학, 철강 등 산업 공정에서 부산물로 발생하는 수소로 가장 저렴한 방법이고 부산물에서 수소를 분리 및 정제를 통해 얻는다. 마지막으로 수전해 수소는 신재생에너지로 생산한 전기로 물을 전기분해하여 생산하는 수소이다. 전기 생산과정에서 온실가스가 전혀 발생되지 않아 친환경적인 수소 생산 방법이나 비용이 많이 든다.또 생산된 수소는 그린 수소, 그레이 수소, 블루 수소로 분류할 수 있다. 먼저 그린 수소는 태양광, 풍력 등 재생에너지로 생산한 전기로 물을 분해해 얻은 수소이고 생산과정에서 온실가스를 배출하지 않는다. 다음으로 그레이 수소는 석유화학 공정이나 철강 등을 만드는 과정에서 부산물로 나오는 수소로 수소 1kg 생산 시 이산화탄소 5~10kg이 배출된다. 마지막으로 블루 수소는 그레이 수소에 탄소 포집, 저장 기술을 적용하여 얻은 수소로 생산 과정에서 소량의 Co2가 배출된다.-PEMFC(Proton-exchange membrane fuel cell) 양성자 교환막 연료 전지고분자막을 전해질로 사용하고 전류 밀도가 큰 고출력 연료 전지이다. 저온에서 작동되고 구조가 간단하며 중량과 체적이 작다. 빠른 시동과 응답 특성을 가지고 있으며, 우수한 내구성을 가진다. 수소, 메탄올, 천연가스를 연료로 사용 시 자동차의 동력원으로 적합한 시스템을 가지고 있다. PEMFC는 전해질로 얇은 고분자막을 가지고 있다. 이 막은 양극과 음극 촉매 사이에 위치하며 전자의 통과를 제한하면서 양성자의 통과를 음극으로 전달한다. 이 고분자막은 액체 전해질에 비해 누출가능성이 낮아 밀봉이 용이하다.극한의 영하 조건에서 연로 전지에 의해 생성된 물은 동결될 가능성이 있으며, 이 물은 가스와 연료의 수송을 막을 뿐만 아니라 촉매 반응 부위를 덮어 출력 전력 손실과 연료 전지의 시동 실패로 이어질 가능성이 있다. 하지만 PEMFC는 작동온도가 낮기 때문에 다른 연료전지에 비해 발열을 적게 하면서 적절한 작동온도에 도달할 수 있다.PEMFC는 산화 전극에 Pt/Ru 촉매를 함유하고, 환원 전극에 Pt촉매를 함유하며 이론적인 기전력은 약 1.2V이다.3. 실험 장치 및 실험 과정실험 장치는 태양광 모듈, 전해질 모듈, 수소연료전지 모듈, 전류 및 전압 측정 미터기로 구성 되어있다.실험 순서는 다음과 같다.(1) 인공 조명을 태양광판에 조사하여 전기를 생성한다.(2) 생성된 전기를 이용해 수소를 전기분해하여 수소이온과 전자를 추출한다.(3) 전기분해된 전자가 음극에서 양극으로 이동하면서 전류가 흐른다.(3) 수소연료전지 모듈의 저항값을 변경하면서 이에 따라 검출되는 전류와 전압에 대한 데이터를 얻는다.4. 실험 결과 분석실험을 통해 얻은 전류, 전압 데이터를 추세선으로 나타내면 위와 같다. 전류의 단위는[A]이고 P=VI를 통해 전력[W]을 계산하여 그래프에 나타내었다.전류가 증가할수록 전압은 감소하는 양상을 보였고, 전력은 전류가 증가할수록 증가하는 양상을 보였다. VI선도의 기울기는 저항을 의미하기 때문에 기울기가 점점 감소하는 것으로 보아 저항을 감소시키면서 측정했음을 결과를 통해서도 알 수 있다. 따라서 수소연료전지 모듈의 저항값을 감소시킬수록 생성되는 전류가 증가함에 따라 전압이 감소함을 알 수 있다. 또한 전류가 증가할수록 전력도 계속 증가하는 것을 그래프에서 확인할 수 있다.실제 측정된 기전력인 전압[V]과 이론 기전력인 1.2V를 비교해보면 약 30%~60%의 오차가 나는 것을 확인할 수 있다. 전압의 오차율 선도는 아래 그림 7에 나타내었다. 측정 기전력이 이론 기전력보다 모두 작은 것으로 보아 에너지 손실이 발생했음을 알 수 있다. 오차에 영향을 주는 요인들은 다음과 같다.(1) 계측 기기의 부정확성전류, 전압 등을 측정하는 계측기 자체의 부정확성으로 오차가 발생할 수 있다.(2) 저항으로 인한 에너지 손실전극, 전해질, 전선 등의 저항으로 에너지가 손실된다.(3) 촉매의 성능PEMFC는 산화 전극에 Pt/Ru 촉매를 함유하고, 환원 전극에 Pt촉매를 함유한다. 이 촉매의 활성도가 낮거나 균일하지 않으면 전기분해 반응의 효율이 떨어질 수 있다.(4) 수소연료전지 모듈 자체의 문제수소연료전지 모듈에서 기기적 문제로 수소가 완전히 분리되지 않으면 오차가 발생할 수 있다.또한 전해질의 농도가 불균일하거나, 오염되어 있는 경우 오차를 발생시킬 것이다.(5) 환경적 요인온도, 습도, 압력 등의 조건들이 실험 결과에 영향을 미칠 수 있다. 화학적 반응이기 때문에 환경적 요인에 민감하게 반응할 수 있다.5.고찰이번 실험은 PEMFC를 직접 구동시키며 수소연료전지의 VI특성곡선 데이터를 수집하고 분석하여 수소연료전지의 작동원리 및 특성을 이해하는 실험이었다. 전기분해로 생성되는 전류와 전압의 데이터를 얻는 간단한 실험이었지만 수소연료전지의 원리와 특성에 대해 이해할 수 있었다. 수소연료전지의 전류-전압 특성곡선을 얻기 위해 저항값을 바꿔가며 전류와 전압을 측정했다. 이론적인 기전력은 1.2V였지만, 실제 측정되는 전압은 이보다 작은 것을 확인할 수 있었다. 실험 결과 분석에서 다루었던 오차에 영향을 주는 요인들을 잘 제어하면 오차를 줄일 수 있을 것이다. 수소연료차량에 적합한 수소연료전지를 개발하기 위해서는 다양한 촉매 및 전해질에 대해서 위와 같은 실험을 할 필요가 있다. 그러한 실험들을 통해서 오차가 적고, 최적의 효율을 갖는 수소연료전지를 개발할 수 있을 것이다.-참고 문헌자동차융합실험 수소연료전지 PPTSK E&S(2022.08.26). [에너지백과] 수소연료전지. Hyperlink "https://media.skens.com/2448" https://media.skens.com/2448위키백과. PEMFC. Hyperlink "https://en.wikipedia.org/wiki/Proton-exchange_membrane_fuel_cell" https://en.wikipedia.org/wiki/Proton-exchange_membrane_fuel_cell

공학/기술| 2024.12.17| 8페이지| 3,000원| 조회(208)

A+, 국민대학교, 자동차융합실험, 자동차융합대학, 수소연료전지실험

미리보기

닫기
[2024-1학기 국민대학교 자동차융합실험] SONSODRIVE 활용 모델링 실습(A+)

Q1. ODE을 Simulink에 구현하여 시뮬레이션 환경을 구축(1) Simulink 환경 구축핸들의 전체 질량을 하나의 점으로 간주하고, 이 점 질량이 회전축에서 l만큼 떨어진 위치에서 운동한다고 가정한다. 핸들의 진자 운동 효과를 고려하면 핸들에 중력의 복원력에 의한 토크가 회전축 대해 작용한다.진자 운동 효과를 고려하기 전의 핸들의 각변위에 대한 미분방정식은 다음과 같다.진자 운동 효과를 고려하여 핸들에 작용하는 중력에 의한 토크는 mglsin(이므로 진자 운동 효과를 고려한 핸들의 각변위에 대한 미분방정식은 다음과 같다.위 미분방정식을 Simulink를 통해 블록선도로 구현하였다.(2) 단위/블록의 의미 작성-토크그림 2의 각 블록이 의미하는 것은 시스템에 작용하는 토크들을 의미한다. 토크의 단위는 [N-m] 이다. 비틀림 강성 토크 T_s= 이고 비틀림 스프링상수 와 핸들의 각변위와 모터의 각변위의 차이의 곱으로 구해진다. 이번 실험에서 핸들에 작용하는 T_h = 0으로 간주한다.-부호 반전 게인미분방정식의 변수들의 부호를 나타내기 위한 게인으로 단위는 무차원이다.-핸들의 질량관성모멘트회전하는 핸들의 질량관성모멘트로 단위는 [kg-]이다.-비틀림 감쇠상수Ch는 회전하는 핸들에 작용하는 비틀림 감쇠 토크의 감쇠상수로, 감쇠 토크는 핸들의 회전 방향과 반대 방향으로 작용한다. 비틀림 감쇠 토크는 이고 비틀림 감쇠 상수 Ch의 단위는 [N-m-s/rad]이다.-적분기와 시간 지연기 그림 6는 적분기를 나타내며 적분기를 한번 통과하면 각속도 을 얻을 수 있고, 한 번 더 통과하면 각변위 를 얻을 수 있다. 적분기 블록을 통해 미분 방정식을 풀 수 있다. 시간 지연기로 시간 지연을 주는 이유는 각변위 가 발생해야 각속도 각속도 을 얻을 수 있기 때문이다.-파라미터 계산입력되는 값들을 곱하거나 나누거나 더하여 출력하는 블록이다.-진자모델의 상수항일정한 값을 가지는 상수 항들이며, 핸들의 질량 m의 단위는 [kg], 중력가속도 g=9.81의 단위는 [], 진자의 결과값을 출력하는 블록이다. 무차원 수를 출력한다.Q2. 파라미터 Ch, Jh을 결정Q2-1) 기본 데이터에서 모터입력(T_m)을 이와 같이 입력한 이유를 작성추가데이터를 취득했을 경우, 추가데이터의 모터입력에 대한 이유도 작성모터입력 토크를 Simulink의 Scope기능을 통해 확인하였다. 그림 9의 그래프를 보면 t=0부터 일정 시간까지는 토크가 입력되지 않다가, 일정시간 이후부터는 사인파 형태를 가지면서 진폭이 일정하고 진동수가 점점 증가하는 Sine sweep의 형상을 하고 있다. Sine sweep 형태의 입력이 주어지는 이유는 모터입력 토크의 입력에 대한 시스템의 주파수 응답을 분석하기 위해서이다. Sine sweep은 어떤 주파수 범위에서 주파수가 점진적으로 변화하는 사인파이다. Sine sweep 형태의 입력을 통해 Steering wheel의 주파수 영역에서의 동적특성을 분석할 수 있다. 또한 주파수 영역에서의 동적 분석을 통해 공진주파수를 찾아낼 수 있다. 공진 주파수에서 시스템에 최대 진폭이 발생하므로, 차량에 취약한 주파수를 분석할 수 있다. 즉, 다양한 주파수에서 시스템의 동적 응답을 분석하여 조향 시스템의 안정성을 분석 및 검증하여 차량 안정성을 위한 설계에 반영할 수 있다.Q2-2) 결정한 Ch, Jh은 얼마인지 명시하고, 이를 얻기위한 과정을 서술진자모델을 추가하였을 경우, 관련 파라미터를 결정한 과정도 같이 서술=0이고 이므로이다.핸들이 회전축에서 l만큼 떨어진 위치에 질량 m이 집중된다고 가정하면, 핸들이 회전할 때 중력은 핸들의 회전축에 작용하여 복원 토크를 만든다. 일반적인 핸들의 질량은 약 1.5kg~3kg 이므로 핸들의 질량 m=2.5kg로 설정하고 중력가속도 값은 을 사용하겠다.* Simulink를 통해 그려지는 그래프의 파랑선은 모델링을 통해 얻은 출력 데이터이고 주황선은 실제 계측 데이터이다. 진자의 질량과 중력가속도가 고정되었으므로 모델링을 통해 얻은 데이터가 실제 계측 데이터에 가까워지도록 핸들의 질량관성모멘준을 잡기 위해 초기 대입값은 =0.1, 로 설정하겠다. -t 그래프의 세로축은 각변위[°]이고 가로축은 시간[s]이다. 그래프의 세로축은 각속도[°/s] 가로축은 시간[s]이다.(1) =0.1, , l=0.1각변위-시간, 각속도-시간 그래프 모두 모델링을 통해 얻은 데이터와 계측을 통해 얻은 데이터 사이의 오차가 크게 발생하는 것을 확인했다.(2) =0.1, , l=0.01오차의 변화 양상을 확인하기 위해 ,은 유지하고l=0.01를 대입하였다.l을 0.01로 감소시키자 각변위의 오차가 많이 줄어든 것을 시각적으로 확인할 수 있다. 하지만 각속도의 오차는 일부는 감소하고 일부는 증가한 것을 확인할 수 있다.(3) =0.05, , l=0.01가 오차에 미치는 영향을 확인하기 위해 =0.05을 대입하였다.각변위의 오차가 일부 줄어든 것을 확인할 수 있었고, 각속도의 오차가 눈에 띄게 감소했다.(4) =0.05,가 오차에 미치는 영향을 확인하기 위해 을 대입하였다.각변위의 초반 부분의 오차가 상당히 감소하였고, 각속도의 중반부 이상의 오차도 감소한 것을 시각적으로 확인할 수 있다.(5) =0.06,조금더 세밀한 튜닝을 통해 다음과 같은 결과를 얻었다.정밀하게 반복해서 튜닝해본 결과 =0.06, 일 때 모델링을 통해 얻은 데이터가 실제 계측 데이터에 가깝게 거동하는 것을 확인할 수 있었다.따라서 파라미터 값들은 핸들의 질량관성모멘트,비틀림감쇠상수 , 진자의 길이 로 결정한다.Q2-3) 결정한 Ch, Jh으로 시뮬레이션 하였을 때, 실제 계측값 대비 오차는 몇%인가?계산방법 및 수식 필수 작성(코드첨부로 대체 가능)시뮬레이션으로 얻은 값과 실제 계측값 대비 오차율은 다음과 같이 계산하였다.개별 데이터들의 오차율을 그래프로 나타내기 위해 Simulink에 To workspace블록을 추가하여 Matlab에서 데이터를 불러왔다. 시뮬레이션으로 얻은 데이터는 3001개이고 계측 데이터는 3001개보다 많으므로 계측 데이터 3001개까지의 데이터들만 사용하여 오차율을 구하였다이터들을 Matlab으로 불러와 1행은 시간 2행은 출력 데이터가 되도록 다음 그림과 같이 구성하였다.먼저 각변위에 대한 오차율 데이터를 구하고 그래프를 그리기 위해 다음과 같은 Matlab 코드를 사용하였다.timeData = SimdataMatrix_deg(1,:); %시뮬레이션 데이터의 1행에 해당하는 시간 데이터thereticalValues = SWA_deg (2,:); % 계측 데이터의 2행에 해당하는 각변위 데이터, 이론값=계측값measuredValues= SimdataMatrix_deg(2,:); %시뮬레이션 데이터의 2행에 해당하는 각변위 데이터, 실험값=시뮬레이션값errorPercentage_deg = abs(thereticalValues-measuredValues) ./abs(thereticalValues)*100;% 각 데이터 사이의 계측값 대비 오차율 계산위 Matlab 코드를 통해 각 시간에 대한 오차율 데이터들을 그림 21와 같이 얻었다. 다음 코드를 통해 시간에 대한 오차율을 그래프로 나타내었다.figure;plot(timeData,errorPercentage_deg , '-o');title('각변위 오차율');xlabel('Time(sec)');ylabel('오차율(%)');grid on각속도에 대한 오차율도 같은 방식으로 구하였다. 시간에 대한 각속도의 오차율 그래프는 다음과 같다.각변위의 경우 0.96초까지 오차율이 계속 증가하여 635099%의 오차율을 가지는 것을 확인하였고, 이후 오차율이 매우 감소하여 유의미한 결과를 얻을 수 있었다. 오차율이 매우 크게 나타나는 이유는 초반에 측정되는 각변위가 매우 작기 때문에 매우 작은 변화에도 오차율이 크게 나올 수밖에 없다. 약 5초 이후부터는각속도의 경우 오차율이 산발적으로 분포되어 있으며, 대부분의 오차율이 약 100%이내 분포하고 있는 것을 확인할 수 있다.두 그래프를 비교해보면, 각변위의 경우 초기에는 오차율이 매우 크게 나지만 시간이 지날수록 약 5%이내의 오차율을 갖는 모것을 확인할 수 있었다.Q3. 실제 계측값 대비 오차가 발생하는 이유는 무엇인가?Simulink에서 오차가 발생하는 이유를 개선하였을 경우 가산점실제 계측값 대비 오차가 발생하는 원인으로는 먼저, 계측 센서의 오류가 있다. 계측 장치 자체의 문제로 실제 데이터가 제대로 측정되지 않았을 가능성이 있다. 또한 계측 과정에서 불필요한 노이즈가 개입되어 계측 결과에 영향을 주었을 수 있다. 성능이 좋은 계측기를 사용한다면 오차를 줄일 수 있을 것이다.다음으로 운동방정식에 진자모델을 적용하는 과정에서 오류가 발생했을 수 있다. 첫째, 실제 계측 시 사용된 핸들의 제원을 알지 못하여, 임의의 값을 핸들의 질량으로 설정하였는데 이는 오차를 발생시켰을 것이다. 둘째, 분포되어 있는 핸들의 질량을 하나의 점질량으로 취급하여 진자 운동 효과를 반영하였는데, 이는 단진자 운동으로 보기위한 가정이므로 핸들의 실제 기하학적 형상과 운동을 반영하기에는 한계가 있다. 셋째, 핸들을 단진자로 취급하여 점질량에 의한 중력이 회전축에 작용하는 토크를 운동방정식에 반영하였는데, 이는 핸들이 지면과 수직으로 놓여있을 때 유효하다. 실제 핸들은 지면과 기울어져 있기 때문에 이를 반영하지 않아 오차가 발생했을 것이다. 핸들의 정확한 제원을 진자모델에 반영하고, 핸들이 지면과 이루는 각도를 반영하여 진자모델을 적용한다면 오차를 줄일 수 있을 것이다.다음으로 경험적으로 파라미터 값들을 계속 수정하여 시뮬레이션으로 얻은 데이터가 실제 계측값에 가까워지도록 하였기 때문에, 설정한 값들이 오차율을 줄이기 위한 최적의 파라미터 값이 아닐 가능성이 있다. 따라서 컴퓨터 프로그래밍을 통해 많은 경우의 수들 중 최적의 파라미터 값을 찾을 수 있다면 오차율을 줄일 수 있을 것이다.마지막으로 핸들에 작용하는 토크 =0으로 설정하여 시뮬레이션 값들 얻었기 때문에 오차가 발생했을 것이다. 실제 계측 데이터를 얻을 때에는 운전자가 핸들을 직접 돌리기 때문에 값이 존재한다. 따라서 데이터를 얻어 Simulink에 반영한다면

공학/기술| 2024.12.18| 16페이지| 3,000원| 조회(95)

A+, 국민대학교, 차량동역학, 자동차융합실험, SENSODRIVE

미리보기

닫기
[2024-1학기 국민대학교 자동차융합실험] LIDAR실험(A+)

자동차융합실험I 실험 결과보고서이름 :학번 :제출일 :1) 실험 목적 10점자율주행 자동차의 눈 역할을 하는 인지센서 중 LiDAR 센서를 이용한 실험을 진행하여 자율주행 인지기술에 대한 이해와 물체 분류 방법에 대해 터득한다.2) 지능형 자동차 및 지능형 교통시스템에서의 LIDAR와 RADAR, Camera의 활용 범위와 센서별 특징 비교 20점-LIDAR : 펄스 레이저를 이용하여 주변을 탐색하는 센서이다. 라이다는 360도로 초당 수십 바퀴를 돌면서 빛을 사방으로 쏘았다가 다시 돌아오는 정보를 토대로 이미지를 그려낸다. 그려낸 이미지는 컴퓨터 프로그램을 통해 장애물 감지, 차선, 사람, 건물 등을 인지하고 주변환경을 파악하여 3D지도를 만드는데도 사용된다.-RADAR : 무선 전파로 주변 물체를 탐지하고 거리를 측정할 수 있는 센서이다. 레이더는 전자기파를 발생시켜 물체에 쏘고 다시 돌아오는 전자기파를 통해 거리, 방향 고도를 측정하여 물체의 위치를 파악할 수 있다. 라이더는 비행기나 배의 위치, 지형에 대한 정보, 구름과 같은 기상정보를 알아내는데 사용할 수 있다.-CAMERA : 카메라는 주변 환경을 촬영하고 분석하는 센서이다. 카메라는 컬러 또는 흑백 이미지를 촬영하여, 촬영한 이미지들을 차선 인식, 주변 차량 및 보행자 감지, 신호등 및 도로 표지판 인식 등 다양한 운전상황에 활용된다. 카메라센서는 주변 환경을 실시간으로 촬영하고 이미지를 분석하여 차량에 주행에 필요한 정보를 제공한다. 이러한 정보를 바탕으로 차량은 주행에 필요한 결정을 내릴 수 있다.-각 센서 별 특징 비교장점단점RADAR종방향 위치 추정 성능, 날씨 변화 강건횡방향 추정성능, 물체크기 추정성능CAMERA물체인식, 색상 구별종방향 위치 추정, 날씨, 야간, 조명 등에 영향이 많음LIDAR물체 위치 측정, 조도에 상관없는 물체 검출장착성, 날씨, 고가의 가격등의 제약3) 제공받은 데이터를 x,y 직교좌표계로 출력하시오. 20점제공받은 데이터를 엑셀로 옮기고 -45°부터 224°까지xychange.xlsx');angles = data(:, 1);lengths = data(:, 2);x = lengths .* cosd(angles);y = lengths .* sind(angles);plot(x, y, '.');xlabel('X축 (mm)');ylabel('Y축 (mm)');title('x-y좌표계로 변환');grid on;4) 실험 결과 30점데이터의 점과 점 최단거리는 유클리디언 클러스터링 방법의 을 사용하여 계산하였다.(1) 최적의 임계값을 설정하여 유클리디언 클러스터링으로 군집화 하였다고 가정했을 때, 데이터 상 군집의 수군집 4의 데이터들을 하나의 군집으로 묶기 위하여 2000mm를 점과 점 사이의 거리의 최적의 임계값으로 설정하여 점들을 군집화 하였다. 점과 점사이의 거리가 2000mm 이하이면 같은 군집으로 분류하면 총 4개의 군집으로 분류할 수 있다.(2) 센서 주변 검출된 물체들 까지의 최단거리 및 물체의 특징-군집 1군집 1은 lidar센서로부터 반경 350mm이내에 모여있다. 원점 주변에 찍히는 점들은 100mm 이내에 있으므로 노이즈로 간주한다. 우측에 있는 데이터 점들은 세로로 약 225mm로 나열되어 있는 것을 확인할 수 있고, 좌측에는 데이터 점들이 불규칙하게 모여있는 것을 확인할 수 있다. 또한 225mm로 나열되어 있는 데이터 점들에서 우측으로 약111mm 거리에 세로로 약 45mm의 데이터 점들이 모여있다. 센서가 원점에 놓여있으므로, 센서로부터 최단거리는 원점으로부터 좌측의 데이터 점까지의 거리인 115mm이다.-군집 2군집2의 경우 좌측부터 살펴보면, 가로로 약 1701mm의 호의 형상을 확인할 수 있어 자동차의 전면부로 추정된다. 우측에는 세로로 7240mm, 가로로 1873mm인 일부 곡률을 가지는 계단식 형상을 확인할 수 있다. 원점에 있는 센서로부터 최단거리는 계단식 형상의 최 하단 점과 원점과의 거리로 약 3755mm이다.-군집 3군집 3의 경우 세로로 약 2558mm의 긴 형상을 확인할 수 있다 원점과의 거리로 약 8517mm이다.-군집 4군집 4의 경우 데이터들이 촘촘하게 나열되거나 밀집되어 있지 않고 다른 군집에 비해 분산되어 있다. 상단의 데이터들의 경우 가로로 약 1351mm로 나열되어 있고 약간의 곡률이 있다. 하단의 데이터의 경우 가로로 약 968mm로 나열되어 있다. 상단 데이터와 하단 데이터들의 세로 거리는 약 1962mm로 확인된다. 최상단의 데이터와 하단부의 2개의 데이터는 불규칙하게 분포된 것을 확인할 수 있다. 원점으로부터 군집 4까지의 최단거리는 최상단 데이터와 원점과의 거리로 약 7853mm이다.5) 실험 결과 분석 및 고찰 20점-실험 결과 분석(1) 군집 1실험에 사용된 라이다 센서가 일반적인 상용차 크기의 자동차에 장착되었다고 가정하면, 군집 1의 경우 라이다 센서의 반경 350mm 이내에 나타나는 것을 확인할 수 있다. 좌측에 있는 불규칙하게 모여있는 데이터 점들은 차량에 부착된 GPS를 수신하는 안테나로 추정할 수 있다. 우측에 있는 세로로 225mm의 형상과 45mm 형상은 차량에 가까이 붙어서 라이다 센서를 확인하고 있는 실험자의 몸통과 팔로 추정된다. 임계값을 2000mm로 설정하여 안테나와 사람이 같은 군집으로 묶였지만, 그림 3에서도 알 수 있듯이 서로 확실히 구분되는 형상을 가지는 것을 확인할 수 있다.(2) 군집 2좌측에 있는 가로로 약 1701mm의 호의 형상은 일반적인 승용차의 전폭이 1800mm인 것을 고려하여 승용차로 추정할 수 있다. 또한 곡률을 가진 부분은 승용차의 전면부 혹은 후면부 부분으로 추정된다.우측에 있는 세로로 7240mm, 가로로 1873mm인 계단식 형상은 창문이 달린 건물의 일부로 추정된다. 그렇게 생각한 근거는 계단식 형상의 세로 길이는 7240mm로 매우 길고, 하단부의 데이터들은 촘촘하게 검출되어 건물 벽으로 추정하였고 상단부 데이터들은 하단부에 비해 넓은 간격으로 데이터들이 나열되고 있는 점으로 보아 레이저가 제대로 반사되지 못하여 창문이라고 추정하였다. 또한 계단식 형 다른 물체가 가까이 붙어 있는 것으로 추정한다.(3) 군집 3측정된 데이터들이 비교적 일정한 간격으로 세로로 나열되어 있으며, 하단부에는 곡률을 가지는 것을 확인할 수 있다. 세로로 길고 끝부분에 곡률을 가지는 특성으로 보아 차량의 전면부 혹은 후면부와 측면부가 측정된 것으로 추정하였다. 차량의 일부분만 측정된 이유는 센서에서 발사되는 레이저의 각도 특성상 차량의 모든 부분을 측정할 수 없기 때문이다.(4) 군집 4군집 4의 경우 다른 군집에 비해 데이터들이 일관성 있게 나열되어 있지 않고 불규칙하게 분포되어 있는 데이터들을 포함하고 있다. 전체적인 형상은 그나마 사각형 형상을 띄고 있고 다른 군집들의 특성들을 고려하여 실험장소를 야외주차장으로 추정하여 군집 4를 창문이 달린 주차 관리실로 추정하였다. 군집 4의 상단부는 주차 관리실의 벽으로 추정하였고, 하단부의 두점은 창문으로 이어진 주차관리실의 기둥이라고 추정하였다.-고찰이번 실험을 통해 LIDAR 센서를 이용하여 자율주행의 인지 기술과 데이터의 분류 방법에 대해 알아볼 수 있었다. 라이다 센서는 다른 센서들에 비해 조도에 상관없이 물체의 위치와 형상을 알아내는데 유리하다. 하지만 날씨에 영향을 받는다는 단점이 있고, 특히 다른 센서들에 비해 고가의 가격을 가진다는 단점이 있다. 따라서 날씨가 실험으로 측정된 데이터에 영향을 미쳤을 가능성이 있다. 이번 실험은 라이다 센서로 측정된 좌표계의 값들을 x-y좌표계로 변환한 후, 유클리디언 클러스터링 방법을 통해 데이터들을 군집화 하였다. 유클리디언 클러스터링은 거리의 임계값을 설정하여 임계값 이내에 있는 데이터 들을 같은 군집으로 묶는 방법이다. 유클리디언 클러스터링 방법은 데이터 사이의 거리의 임계값을 기준으로 군집을 분류하기 때문에 같은 군집에 속한다고 해서 무조건 같은 물체라고 판단해서는 안 된다고 생각한다. 좌측 하단부의 데이터들을 하나의 군집으로 묶기 위해 임계값을 2000mm로 설정하였는데, 이로 인해 군집 1,2와 같이 형상적으로 다른 물체로 구 있다고 추정하였다. 이러한 결과들로 적절한 임계값을 설정하는 것이 중요하다는 것을 알게 되었다.2차원 평면 상의 데이터들만 얻었기 때문에 x-y평면 상에 나타난 데이터 값들만 보고 어떤 물체인지 추정하는 것이 까다로웠다. 만약 3차원 데이터를 얻어 x-y평면이 아닌 x-y-z 공간에 데이터를 나타낼 수 있다면, 물체의 종류를 추정하는 것이 훨씬 수월할 것이라고 생각한다.이번 실험은 LIDAR 센서로부터 얻은 데이터를 Matlab 프로그램을 통해 x-y평면에 나타내었고, 임계값을 기준으로 군집화하여 해당 군집이 어떤 물체인지 추정해볼 수 있는 좋은 기회였다.참고 문헌-자동차융합실험 PPT-Rolling Magazine(2018.08.21).레이더와 라이다, 뭐가 다른거죠?. Hyperlink "https://m.post.naver.com/viewer/postView.naver?volumeNo=16544387&memberNo=15178086" https://m.post.naver.com/viewer/postView.naver?volumeNo=16544387&memberNo=15178086-by Irons-s Garage(2023.11.29).자율주행 자동차 센서 종류 3편 -카메라. Hyperlink "https://irons-garage.com/entry/%EC%9E%90%EC%9C%A8-%EC%A3%BC%ED%96%89-%EC%9E%90%EB%8F%99%EC%B0%A8-%EC%84%BC%EC%84%9C-%EC%A2%85%EB%A5%98-3%ED%8E%B8-%EC%B9%B4%EB%A9%94%EB%9D%BC" https://irons-garage.com/entry/%EC%9E%90%EC%9C%A8-%EC%A3%BC%ED%96%89-%EC%9E%90%EB%8F%99%EC%B0%A8-%EC%84%BC%EC%84%9C-%EC%A2%85%EB%A5%98-3%ED%8E%B8-%EC%B9%B4%EB%A9%94%EB%9D%BC-조조링(2020.10.19). [머신러닝] 군집m/6

공학/기술| 2024.12.18| 10페이지| 3,000원| 조회(91)

A+, 국민대학교, lidar, 자동차융합실험

미리보기

닫기