• 해양환경안전학회지
• /
• 제29권5호
• /
• pp.505-511
• /
• 2023

본 논문에서는 소형어선의 운동 응답을 예측하기 위해 딥러닝 모델을 구축하였다. 크기가 다른 두 소형어선을 대상으로 유체동역학 성능을 평가하여 데이터세트를 확보하였다. 딥러닝 모델은 순환 신경망 기법의 하나인 장단기 메모리 기법(LSTM, Long Short-Term Memory)을 사용하였다. 딥러닝 모델의 입력 데이터는 6 자유도 운동 및 파고의 시계열 데이터를 사용하였으며, 출력 라벨로는 6 자유도 운동의 시계열 데이터로 선정하였다. 최적 LSTM 모델 구축을 위해 hyperparameter 및 입력창 길이의 영향을 평가하였다. 구축된 LSTM 모델을 통해 입사파 방향에 따른 시계열 운동 응답을 예측하였다. 예측된 시계열 운동 응답은 해석 결과와 전반적으로 잘 일치함을 확인할 수 있었다. 시계열의 길이가 길어짐에 따라서 예측값과 해석 결과의 차이가 발생하는데, 이는 장기 데이터에 따른 훈련 영향도가 감소 됨에 따라 나타난 것으로 확인할 수 있다. 전체 예측 데이터의 오차는 약 85% 이상의 데이터가 10% 이내의 오차를 보였으며, 소형어선의 시계열 운동 응답을 잘 예측함을 확인하였다. 구축된 LSTM 모델은 소형어선의 모니터링 및 경보 시스템에 활용될 수 있을 것으로 기대한다.

• 해양환경안전학회지
• /
• 제30권1호
• /
• pp.108-117
• /
• 2024

본 연구에서는 너클 라인이 다수 존재하면서 안팎 형상이 비대칭으로 설계된 특이점을 갖는 쌍동선의 자항성능을 예측하기 위해 CFD 해석을 수행하였고, 해석 기법에 따른 차이를 파악하기 위해 MRF(Moving Reference Frame) 기법과 SDM(Sliding Mesh) 기법을 적용하였다. MRF 기법을 적용한 경우에는 time step당 프로펠러를 1˚ 회전시켰고, SDM 기법의 경우 10˚, 5˚, 1˚씩 회전시키며 각 기법별 예측된 자항성능을 비교하였다. 자항점 추정을 위한 몇 가지 프로펠러 회전수에서의 해석 결과 중 프로펠러의 토크는 기법에 따른 차이가 거의 없었지만 추력 및 선체가 받는 저항은 MRF 기법보다는 SDM 기법을 적용했을 때 더 낮게, SDM 기법의 time step당 프로펠러 회전각이 작을수록 높게 계산되었다. 선형 내삽을 통해 추정된 자항점의 프로펠러 회전수, 추력, 토크와 실선 확장법을 사용해 추정된 실선의 전달동력, 반류 계수, 추력 감소 계수 및 프로펠러 회전수도 동일한 경향을 보였으며, 대부분의 자항효율은 반대의 경향을 보였다. 프로펠러 후류의 경우 MRF 기법을 적용했을 때 정확도가 떨어졌고, SDM 기법의 time step당 프로펠러 회전각에 따라 표현되는 후류의 차이는 거의 없었다.