딥 러닝을 이용한 단면 접수 평판의 음향방사효율 예측 (Prediction of Acoustic Radiation Efficiency of One Side-Wetted Plate Using Deep Learning)

서지정보

· 발행기관 : 대한기계학회
· 수록지 정보 : 대한기계학회논문집 A / 45권 / 4호 / 345 ~ 352페이지
· 저자명 : 박성종, 함종호, 박형식, 이희성, 이동연

초록

선박에서 수중으로 방사되는 소음에 의하여 해양 생태계가 심각한 영향을 받고 있다. 이와 같은 피해를 줄이기 위하여 여러 국제 기구에서는 선박의 수중방사소음에 대한 규제 제정을 협의하고 있다. 선박이 연안을 항해하는 경우에 프로펠러 공동이 발생하지 않는 낮은 속도로 운항하며, 이와 같은 속도 영역에서는 탑재 장비에 의한 선체 외판의 진동이 수중소음의 주요한 원인으로 간주된다. 따라서 선체 외판과 같은 단순지지 단면 접수 평판의 음향방사효율을 빠르고 정확하게 계산할 필요가 있다. 평판의 방사효율은 모드 중첩법을 이용하여 수치적으로 계산할 수 있으나, 계산 시간을 크게 요구하여 실제 선박의 소음 해석에 적용하기는 한계가 있다. 본 연구에서는 인공 신경망 모형을 이용하여 단면 접수 평판의 방사효율을 예측하고, 이를 계산 시간과 정확도 관점에서 수치해석 결과와 비교하여 딥 러닝을 이용한 추정 기법의 적용 가능성을 검토한다.

영어초록

Marine ecosystems are severely affected by noise radiated from ships into the water. To reduce such damage, several international organizations are discussing the enactment of regulations on underwater radiated noise (URN) of ships. When a ship sails off the coast, it runs at a low speed to which propeller cavitation is not introduced, and the vibration of the shell plate caused by the onboard equipment is the major cause of underwater noise in such a speed range. Therefore, it is necessary to quickly and accurately calculate the acoustic radiation efficiency of a simply supported one side-wetted plate such as a shell plate. The radiation efficiency of the plate can be calculated numerically using a mode superposition method, but it requires a large calculation time; therefore, it is limited in application to the actual ship noise analysis. In this study, an artificial neural network model is used to predict the radiation efficiency of one side-wetted plate and the predictions are compared with the numerical analysis results from the perspective of both the calculation time and the accuracy to examine the applicability of the estimation technique using deep learning.

참고자료

· 없음