심층신경망을 이용한 저속비대선의 저항성능 추정
* 본 문서는 배포용으로 복사 및 편집이 불가합니다.
서지정보
ㆍ발행기관 : 해양환경안전학회
ㆍ수록지정보 : 해양환경안전학회지 / 28권 / 7호
ㆍ저자명 : 박태원, 서장훈, 박동우
ㆍ저자명 : 박태원, 서장훈, 박동우
목차
요 약Abstract
1. 서 론
2. 심층신경망 모델
2.1 심층신경망의 입력과 출력
2.2 심층신경망 구조
3. 대상 선박 및 실험 방법
3.1 대상 선박
3.2 학습 데이터
3.3 심층학습
4. 결 과
5. 결 론
후 기
References
한국어 초록
전산유체역학을 사용하는 일반적인 선박의 저항성능 평가는 많은 시간과 비용이 필요하며, 이를 줄이기 위한 다양한 방법이 연구되고 있다. 선박의 주요 치수나 단면을 이용하는 기존의 방법들은 선형에 크게 좌우되는 저항성능을 추정하는데 한계가 있다. 본 논 문에서는 선형 격자의 기하학적 정보를 입력으로 선체 표면의 저항성능을 빠르게 추정할 수 있는 심층신경망 모델을 제안한다. Perceiver IO 기반의 제안하는 심층신경망 모델은 시간 단계별로 계산이 필요한 전산유체역학 기법과 달리 바로 저항성능 추정이 가능하며, 저속비 대선의 일종인 50K 탱커 선박을 대상으로 한 데이터집합에서 평균 1% 미만의 오차로 저항성능을 추정하는 결과를 보인다.영어 초록
The resistance performance evaluation of general ships using computational fluid dynamics requires a lot of time and cost, and various methods are being studied to reduce the time and cost. Existing methods using main particulars or cross sections of ships have limitations in estimating resistance performance that is greatly dependent on the shape of the ship. In this paper, we propose a deep neural network model that can quickly predict the resistance performance of the hull surface by inputting the geometric information of the hullform mesh. The proposed deep neural network model based on Perceiver IO can immediately predict resistance performance, unlike computational fluid dynamics techniques that require calculation in each time step. It shows the result of estimating the resistance performance with an average error of less than 1% in the data set for a 50 K tanker ship, a type of low-speed full ship.참고 자료
없음태그
"해양환경안전학회지"의 다른 논문
- 거대선의 정의에 관한 고찰10페이지
- IPA분석을 활용한 해상교통관제 인원의 사이버 보안 관리 인식 연구8페이지
- 연안 해상교통안전을 위한 중소형선 항해등 개선방안11페이지
- 해상 객체 탐지를 위한 머신러닝 기반의 초분광 영상 분석 기술9페이지
- 영상처리기법을 활용한 연도교와 선박간의 충돌사고 위험성 평가에 관한 연구9페이지
- 어선용 복합 추진시스템 적용을 위한 연구6페이지
- AI 기반 설계 탐색 기법을 통한 선박의 주요 치수 최적화7페이지
- 복합재료를 적용한 1MW급 조류 발전 터빈 블레이드의 설계와 구조 안전성 평가9페이지
- 선박 갑판에서 이미지 기반 이동로봇 주행에 관한 연구6페이지
- 선박 발전기관용 SCR 촉매의 셀 밀도차에 따른 NOx 저감 특성7페이지