선박의 국부 진동은 동일한 형태를 취하고 있는 선박이나 기관실 구조라도 선박의 기본 주요 인자, 주 엔진의 출력과 회전수, 프로펠러의 직경과 날개 수에 따라 다양한 특성을 나타낸다. 실제 선박의 시운전중에 과도한 국부진동이 발생하는 경우 선체나 해당 구역에 대해 구조적인 보강이 필요할 수 있다. 이러한 경우 기존에 설치되어 있는 선체나 선실의 구조, 기관실 경우에는 기 설치되어 있는 의장 장치 관련 장비, Pipe, 기계 장치 등을 철거한 후에 부분적인 수리 및 재설치 작업이 필요하게 되며, 이는 큰 비용과 손실이 발생하게 된다. 선박의 시운전 단계 이전에 국부진동 현상을 예측하기 위해 수치 해석적 방법이나 이론적 계산법을 이용할 수 있지만, 선박 시스템의 복잡성과 실 운항 조건의 변동성으로 인해 국부진동 예측치의 정확도가 높지 않다. 본 연구에서는 다양한 선박의 국부 진동에 대한 시운전 실적 데이터를 이용하여 ...
선박의 국부 진동은 동일한 형태를 취하고 있는 선박이나 기관실 구조라도 선박의 기본 주요 인자, 주 엔진의 출력과 회전수, 프로펠러의 직경과 날개 수에 따라 다양한 특성을 나타낸다. 실제 선박의 시운전중에 과도한 국부진동이 발생하는 경우 선체나 해당 구역에 대해 구조적인 보강이 필요할 수 있다. 이러한 경우 기존에 설치되어 있는 선체나 선실의 구조, 기관실 경우에는 기 설치되어 있는 의장 장치 관련 장비, Pipe, 기계 장치 등을 철거한 후에 부분적인 수리 및 재설치 작업이 필요하게 되며, 이는 큰 비용과 손실이 발생하게 된다. 선박의 시운전 단계 이전에 국부진동 현상을 예측하기 위해 수치 해석적 방법이나 이론적 계산법을 이용할 수 있지만, 선박 시스템의 복잡성과 실 운항 조건의 변동성으로 인해 국부진동 예측치의 정확도가 높지 않다. 본 연구에서는 다양한 선박의 국부 진동에 대한 시운전 실적 데이터를 이용하여 신경망알고리즘을 적용한 선박 국부진동 예측용 기계학습모델을 개발하였다. 선박과 선실의 주요 치수, 선박의 종류, 주기관과 프로펠러의 특성치를 입력변수로 고려하여 진동 예측을 위한 기계학습모델을 생성하였다. 본 연구에서 제시한 방법을 통해 선박의 초기 설계 단계에서 국부진동을 효율적으로 예측할 수 있을 것으로 기대된다.
선박의 국부 진동은 동일한 형태를 취하고 있는 선박이나 기관실 구조라도 선박의 기본 주요 인자, 주 엔진의 출력과 회전수, 프로펠러의 직경과 날개 수에 따라 다양한 특성을 나타낸다. 실제 선박의 시운전중에 과도한 국부진동이 발생하는 경우 선체나 해당 구역에 대해 구조적인 보강이 필요할 수 있다. 이러한 경우 기존에 설치되어 있는 선체나 선실의 구조, 기관실 경우에는 기 설치되어 있는 의장 장치 관련 장비, Pipe, 기계 장치 등을 철거한 후에 부분적인 수리 및 재설치 작업이 필요하게 되며, 이는 큰 비용과 손실이 발생하게 된다. 선박의 시운전 단계 이전에 국부진동 현상을 예측하기 위해 수치 해석적 방법이나 이론적 계산법을 이용할 수 있지만, 선박 시스템의 복잡성과 실 운항 조건의 변동성으로 인해 국부진동 예측치의 정확도가 높지 않다. 본 연구에서는 다양한 선박의 국부 진동에 대한 시운전 실적 데이터를 이용하여 신경망 알고리즘을 적용한 선박 국부진동 예측용 기계학습모델을 개발하였다. 선박과 선실의 주요 치수, 선박의 종류, 주기관과 프로펠러의 특성치를 입력변수로 고려하여 진동 예측을 위한 기계학습모델을 생성하였다. 본 연구에서 제시한 방법을 통해 선박의 초기 설계 단계에서 국부진동을 효율적으로 예측할 수 있을 것으로 기대된다.
The local vibration of ship during operation vary depending on the basic main specifications of the vessels, the power of the M/E(Main Engine), the RPM, the diameter and blase of propeller, even if the vessel has a similar shape. It is very difficult to predict local vibration as the measured local ...
The local vibration of ship during operation vary depending on the basic main specifications of the vessels, the power of the M/E(Main Engine), the RPM, the diameter and blase of propeller, even if the vessel has a similar shape. It is very difficult to predict local vibration as the measured local vibration figures for basic specifications of ships. In this study, a machine learning model was developed for the predicting local vibration of ships with neural network algorithms, using initial ship performance data. Considering the main dimensions of ships, characteristics of M/E and propellers as input variable, the local vibration response values were set as output variables, and the machine learning model was generated for the prediction by performing learning through neural network algorithms. It is expected that the proposed network model in this study will enable efficient prediction of local vibrations in the intial design state of ships.
The local vibration of ship during operation vary depending on the basic main specifications of the vessels, the power of the M/E(Main Engine), the RPM, the diameter and blase of propeller, even if the vessel has a similar shape. It is very difficult to predict local vibration as the measured local vibration figures for basic specifications of ships. In this study, a machine learning model was developed for the predicting local vibration of ships with neural network algorithms, using initial ship performance data. Considering the main dimensions of ships, characteristics of M/E and propellers as input variable, the local vibration response values were set as output variables, and the machine learning model was generated for the prediction by performing learning through neural network algorithms. It is expected that the proposed network model in this study will enable efficient prediction of local vibrations in the intial design state of ships.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.