어선전복경보시스템 알고리즘 검증을 위한 어선 횡동요 시험 및 시간영역 횡동요 시뮬레이션 Rolling Motion Simulation in the Time Domain and Ship Motion Experiment for Algorithm Verification for Fishing Vessel Capsizing Alarm Systems원문보기
본 연구는 어선전복경보시스템 개발을 위해 어선의 횡동요 특성을 파악하고 시간영역 횡동요 운동 시뮬레이션을 수행한다. 어선전복경보시스템의 검증을 위해서는 전복 상황을 가정하여 시험을 수행하고 실제 어선 계측을 수행해야 하지만, 상황의 위험성으로 인해 현실적으로 불가능하다. 또한 많은 전복사고의 경우 횡동요와 밀접한 연관이 있는 것으로 조사되었다. 이에 따라 어선전복경보시스템의 핵심인 어선의 횡동요특성을 정확히 파악하여 시간영역 기반 횡동요 시뮬레이션을 수행하고 해당 정보를 통해 시스템에 탑재된 경보시스템의 알고리즘을 검증한다. 주요내용으로 첫째, 횡동요 운동 특성을 운동 시험을 통해 계측하고 파악한다. 특히 어선과 같은 소형선박의 경우 CFD 및 포텐셜 코드를 포함한 해석적인 방법으로 점성과 관련된 횡동요 해석이 어렵다. 이에 따라 횡동요 운동 모드에 초점을 맞추어 운동 시험을 수행하고 횡동요 RAO를 도출한다. 둘째, 횡동요 RAO를 이용하여 Wave Spectrum과의 조합으로 시간영역 운동 시뮬레이션을 수행하고 전복 경보 알고리즘을 검증한다.
본 연구는 어선전복경보시스템 개발을 위해 어선의 횡동요 특성을 파악하고 시간영역 횡동요 운동 시뮬레이션을 수행한다. 어선전복경보시스템의 검증을 위해서는 전복 상황을 가정하여 시험을 수행하고 실제 어선 계측을 수행해야 하지만, 상황의 위험성으로 인해 현실적으로 불가능하다. 또한 많은 전복사고의 경우 횡동요와 밀접한 연관이 있는 것으로 조사되었다. 이에 따라 어선전복경보시스템의 핵심인 어선의 횡동요특성을 정확히 파악하여 시간영역 기반 횡동요 시뮬레이션을 수행하고 해당 정보를 통해 시스템에 탑재된 경보시스템의 알고리즘을 검증한다. 주요내용으로 첫째, 횡동요 운동 특성을 운동 시험을 통해 계측하고 파악한다. 특히 어선과 같은 소형선박의 경우 CFD 및 포텐셜 코드를 포함한 해석적인 방법으로 점성과 관련된 횡동요 해석이 어렵다. 이에 따라 횡동요 운동 모드에 초점을 맞추어 운동 시험을 수행하고 횡동요 RAO를 도출한다. 둘째, 횡동요 RAO를 이용하여 Wave Spectrum과의 조합으로 시간영역 운동 시뮬레이션을 수행하고 전복 경보 알고리즘을 검증한다.
This study contributes to deepening understand of the characteristics of fishing vessel rolling motions to improve the development of capsizing alarm systems. A time domain rolling motion simulation was performed. In order to verify capsizing alarm systems, it is necessary to carry out experiments a...
This study contributes to deepening understand of the characteristics of fishing vessel rolling motions to improve the development of capsizing alarm systems. A time domain rolling motion simulation was performed. In order to verify capsizing alarm systems, it is necessary to carry out experiments assuming a capsizing situation and perform actual fishing vessel measurements, but these tasks are impossible due to the danger of such a situation. However, in many capsizing accidents, a close connection with rolling motion was found. Accordingly, the rolling motion of a fishing boat, which is the core of a fishing vessel capsizing alarm system, has been accurately measured and a time domain based on a rolling motion simulation has been performed. This information was used to verify the algorithm for a capsizing alarm system. Firstly, the characteristics of rolling motion were measured through a motion experiment. For small vessels such as fishing vessels, it was difficult to interpret viscosity due to analytical methods including CFD and potential codes. Therefore, an experiment was carried out focusing on rolling motion and a rolling mode RAO was derived.
This study contributes to deepening understand of the characteristics of fishing vessel rolling motions to improve the development of capsizing alarm systems. A time domain rolling motion simulation was performed. In order to verify capsizing alarm systems, it is necessary to carry out experiments assuming a capsizing situation and perform actual fishing vessel measurements, but these tasks are impossible due to the danger of such a situation. However, in many capsizing accidents, a close connection with rolling motion was found. Accordingly, the rolling motion of a fishing boat, which is the core of a fishing vessel capsizing alarm system, has been accurately measured and a time domain based on a rolling motion simulation has been performed. This information was used to verify the algorithm for a capsizing alarm system. Firstly, the characteristics of rolling motion were measured through a motion experiment. For small vessels such as fishing vessels, it was difficult to interpret viscosity due to analytical methods including CFD and potential codes. Therefore, an experiment was carried out focusing on rolling motion and a rolling mode RAO was derived.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 어선전복경보시스템의 알고리즘 검증을 위해 어선의 운동실험을 수행하여 횡동요에 대한 정량적인 결과를 도출하였다. 어선의 경우 다른 선박과 달리 형상의 특징으로 인해 점성의 영향력이 크며, 해석적인 방법으로 횡동요 대한 결과를 도출하기가 현실적으로 어렵다.
어선의 경우 다른 선박과 달리 형상의 특징으로 인해 점성의 영향력이 크며, 해석적인 방법으로 횡동요 대한 결과를 도출하기가 현실적으로 어렵다. 이에 따라 실험을 통해 보다 정확한 횡동요에 대한 결과를 도출하였다. 해당정보는 2가지 선형에 대한 Roll RAO이며, 선형중첩법을 이용한 시간영역 횡동요 시뮬레이션에 사용되었다.
전복에 가까운 파고 조건에서의 운동실험은 침몰등과 같은 위험한 상황이 존재하기 때문에 본 연구에서는 시뮬레이션을 통해 선행적으로 경보 발생여부를 확인이 주요 연구목표이다. Fig.
가설 설정
2. 실제어선의 거동특성은 합법적인 부가물 및 확장, 어망/어구탑재, 어창 자유수등 다양한 요소에 의해 실제 모델링을 통한 계산 결과와 상이하다. 특히 횡요운동의 경우 비선형성이 큰 특징으로 인해 부가물에 관한 댐핑 계수가 반드시 고려되어야 할 것으로 판단되다.
10은 D1~D4를 산정하는 예를 보여주며, D1의 경우 침수, 사경등에 해당하는 경보이며, 본 연구에서는 침수 기준각도를 10도로 설정하였고, 10도 이상의 사경이 발생할 경우 알람이 발생한다. D4(3단계 경보)는 복원력 상실각도를 의미하며 해당 각도를 100 %로 가정하여, 본 연구에서는 D3(2단계 경보)는 D4의 70 %, D2(1단계 경보)는 D4의 40 %로 설정하여 경보 알람 확인을 수행하였다. 즉, X2 = 70이며, X1 =40이된다.
Fig. 19 및 Fig. 20과 같이 침수조건을 가정하여 실험을 수행하였으며, 경보는 약 35분 40초 경에 발생되었으며, 36분 00초경에 경보 발생이 중단되었다. 윈도우 사이즈에 의거하여 경보가 발생하기 때문에, 36분 40초까지 침수라고 인식되었던 조건이 36초 00초경에는 정상 선박상태로 인식되어 경보가 중단되었다.
시간영역 횡동요 시뮬레이션은 자체 in-house 코드를 사용하였으며(Yang and Kwon, 2016; Yang and Kwon, 2017), beam sea 조건만을 가정하여 수행되었다.
제안 방법
선형중첩법을 위해 파랑스펙트럼과 RAO의 조합으로 운동스펙트럼을 도출하고, 랜덤 위상(random phase)를 사용하여 실제 해양환경의 불규칙성을 모사한다. JONSWAP Spectrum을 사용하였고, 모두 5가지 종류의 해양환경을 구성하였다. 특히 횡동요의 운동이 가장 큰 주기(resonance frequency)에 에너지를 집중할 수 있도록 조건을 선정하였다(Table 3).
경보 알람 횟수의 경우 Table 3에서 사용된 해양환경 조건과 실험을 통해 계측된 횡동요 RAO를 이용하여 실선기준 2시간동안 시간영역 시뮬레이션을 수행하였다. 선형A 및 선형B의 복원성계산서에 GZ-curve 기준 복원력 상실 각도는 약 30도와 40도 이다.
35이다. 관성반경을 산정하기 위해 자유횡동요 감쇄시험을 선행하였으며, 어선 복원성 정보와 유사하게 조정하였다.
본 시험에서 사용된 규칙파 파랑 조건은 Table 2와 같다. 규칙파는 1/50 Steepness 중, 실선 기준 1초~5초 주기의 범위에서 8개의 주기를 선정하였으며, 목표파고를 찾기 위해 캘리브레이션을 수행하였다. 규칙파는 목표대비 10 % 이내로 오차범위로 확인되었으며, 이외의 파 조건에서는 조파기의 물리적인 한계로 인해 큰오차가 발생하여 제외하였다.
이에 따라 운동시험을 통해 해당 운동 모드의 RAO를 산정한다. 또한 상기 RAO와 Wave Spectrum을 기반으로 시간영역 운동 시뮬레이션을 수행하여 위험한 해양환경에 대한 횡동요 특징을 파악한다. 최종적으로 어선전복경보시스템의 알고리즘을 시뮬레이션 결과에 접목하여 경보 작동여부를 확인한다.
해당 방식은 운동계측 물체에 마커를 부착하여야하며, 마커 설치지점으로부터 모형선의 COG(centreof gravity)까지 변환을 통해 모형선의 운동량을 계산한다. 본 시험에서는 복수의 계측장비를 동원하여 시험의 핵심인 운동 계측을 정확히 하고 데이터 손실을 예방하였다.
본 연구에서는 다음의 본문으로 이어지며 첫째, 어선 해양사고 분석을 통해 어선의 해양사고 실태 조사 및 현황을 파악한다. 둘째, 전복경보시스템의 하드웨어 및 소프트웨어 설명과 알고리즘의 구체적인 내용을 설명한다.
본 연구에서는 횡동요 계측을 목표로 간주하여 진행하였으며, 계측된 결과는 Fig. 17, Fig. 18과 같다. Fig.
또한 선박의 위치정보를 파악할 수 있는 GPS를 인터페이스할 수 있도록 포트를 마련하였다. 사고발생시 다양한 비상신호 자동송출을 위한 해당 칩셋을 마련하였으며, 사고 후 침몰시 자동으로 신호를 발생시켜 침몰지점 파악이 가능한 Underwater Acoustic Beacon을 장착하였다. 시스템은 터치페널과 아이콘으로 구성되어 손쉽게 운용가능한 인터페이스로 구성되었으며, 탈부착이 가능한 SD메모리를 통해 정보저장이 가능하다.
선박 프로토타입 전복경보시스템의 경우 IMU의 3축회전 운동정보를 주요하게 사용하고, 사고시 발생가능한 상황을 고려하여 하드웨어를 구성하였다. 경보는 위험상황 여부를 알고리즘에 기반하고 판단하여 시각적·청각적 장비를 통해 발생된다(Fig.
선형중첩법을 위해 파랑스펙트럼과 RAO의 조합으로 운동스펙트럼을 도출하고, 랜덤 위상(random phase)를 사용하여 실제 해양환경의 불규칙성을 모사한다. JONSWAP Spectrum을 사용하였고, 모두 5가지 종류의 해양환경을 구성하였다.
특히 Chine Line이 존재하는 어선의 경우 소프트웨어를 통한 횡동요 해석의 한계가 있어 실험적 접근을 수행한다. 셋째, 앞서 산정된 유체력 계수를 토대로 RAO와 파랑스펙트럼(wave spectrum)의 조합을 통해 시간영역 시뮬레이션을 수행하고, 어선전복경복 시스템에 탑재된 알고리즘의 작동여부를 확인한다. 실제 어선 운동계측 및 모형선 운동실험 등의 방법은 전복상황을 모사하기에는 위험성이 따르기 때문에 시간영역 어선 운동 시뮬레이션을 도입하여 알고리즘을 검증한다.
사고발생시 다양한 비상신호 자동송출을 위한 해당 칩셋을 마련하였으며, 사고 후 침몰시 자동으로 신호를 발생시켜 침몰지점 파악이 가능한 Underwater Acoustic Beacon을 장착하였다. 시스템은 터치페널과 아이콘으로 구성되어 손쉽게 운용가능한 인터페이스로 구성되었으며, 탈부착이 가능한 SD메모리를 통해 정보저장이 가능하다. 모든 시스템은 실리콘 씰링을 통한 방수/방습이 가능하다.
어선의 경우 그물작업과 같은 조업시 침수와 유사한 조건으로 경보시스템에서는 인식할 수 있으며, 시스템이 오작동을 할수 있다. 이를 예방하기 위해 정상상태로 복귀할 경우 알람이 자동으로 중단될 수 있도록 개발하였다.
복원정의 경우 횡요각도와 복원력의 관계에 의해 도출되는 복원성 평가의 대표적인 지표이며, 해당 횡요각도의 경우 복원성과 직결되어 있다. 정량적인 기준각도 선정을 위해서 모델링을 통한 운동해석과 IMU센서를 이용한 운동계측을 수행하였으며, 해당 기준의 적용가능성에 대해서 상기 계측값을 이용하였다. 그러나 실제 선박의 경우 전복에 가까운 위험한 항해가 불가능하여 전복경보시스템을 테스트하는 것이 어렵다.
횡동요를 비롯한 운동 계측은 2가지 종류의 센서를 통해 획득하였다. 첫 번째는 무선 IMU센서를 이용하여 실시간 회전과 관련된 운동량을 정확히 측정한다. 두 번째는 Trinocular 카메라 기반 운동계측장비인 Motion Technology 의 Optitrack 을 사용하였다(Fig 16).
또한 상기 RAO와 Wave Spectrum을 기반으로 시간영역 운동 시뮬레이션을 수행하여 위험한 해양환경에 대한 횡동요 특징을 파악한다. 최종적으로 어선전복경보시스템의 알고리즘을 시뮬레이션 결과에 접목하여 경보 작동여부를 확인한다.
특히 계류 전·후 자유횡동요 감쇄 시험을 통해 계류에 의한 영향을 확인하였다.
특히 실험을 통해 도출된 RAO는 파랑 스펙트럼과의 조합을 통해 운동 스펙트럼으로 변환되며, 해당 운동스펙트럼은 불규칙위상(random phase)이 포함된 선형중첩법에의해서 시간영역 횡동요 시뮬레이션이 수행된다. Seed의 경우 모두 30개가 사용되었다.
JONSWAP Spectrum을 사용하였고, 모두 5가지 종류의 해양환경을 구성하였다. 특히 횡동요의 운동이 가장 큰 주기(resonance frequency)에 에너지를 집중할 수 있도록 조건을 선정하였다(Table 3).
해양사고가 빈번하게 발생하는 시간을 파악하기 위하여 사고 시간별 건수를 분석하였고, Fig. 6(청색:0시-4시, 적색:4시-8시, 녹색:8시-12시, 보라색:12시-16시, 하늘색:16시-20시, 주황색:20시-24시)과 같다. 예상과는 달리 시야 확보가 어려운 새벽이나 깊은 밤보다는 낮 시간대에 높은 통계 결과를 확인할 수 있다.
대상 데이터
Fig. 1~6의 해양사고의 분석은 해양수산부-중앙해양안전심판원(Korean Maritime Safety Tribunal, 2017) 웹사이트에 공개되어 있는 재결서를 비롯한 자료에 기초하였다. Fig.
특히 실험을 통해 도출된 RAO는 파랑 스펙트럼과의 조합을 통해 운동 스펙트럼으로 변환되며, 해당 운동스펙트럼은 불규칙위상(random phase)이 포함된 선형중첩법에의해서 시간영역 횡동요 시뮬레이션이 수행된다. Seed의 경우 모두 30개가 사용되었다. 또한 Table 3 의 좌측 파라미터는 유의파고, 최고파주기, 최고점 상승값(peak enhancement)이며, 최고점 상승값의 경우 에너지의 집중도를 뜻한다.
모형선의 재질은 FRP(fiber reinforced plastic)이며, 축척비는 5.35이다. 관성반경을 산정하기 위해 자유횡동요 감쇄시험을 선행하였으며, 어선 복원성 정보와 유사하게 조정하였다.
본 시험은 국립수산과학원 예인수조에서 수행되었으며 수조는 길이 85 m, 폭 10 m, 수심 3.5 m이고, 후면과 측면에 소파기가 설치되어 있다(Fig. 15).
운동시험을 수행할 대상선형은 선형특성이 다를 것으로 예상되는 2가지 선형을 선정하였으며, 해당 2가지 선형은 일반적인 어선선형과 해양사고가 발생했던 선형이다. 상세제원과 선도는 Table 1, Fig.
이론/모형
모형선은 다점계류식(spread mooring)으로 구성되었으며, 계류선은 선박 고유의 운동특성을 방해하지 않는 고유주기를 가진 스프링을 사용하였다. 특히 계류 전·후 자유횡동요 감쇄 시험을 통해 계류에 의한 영향을 확인하였다.
본 시스템의 경우 알고리즘의 작동여부가 가장 중요하기 때문에 DSP(Digital Signal Processing)등을 이용한 자체 연산처리가 가능한 하드웨어로 구성하였고, 6자유도 운동을 정밀하게 계측할 수 있는 IMU(Inertia Measurment Unit)가 탑재된다. 또한 선박의 위치정보를 파악할 수 있는 GPS를 인터페이스할 수 있도록 포트를 마련하였다.
시간영역 횡동요 시뮬레이션은 실험적으로 계측된 RAO와 파랑스펙트럼을 이용하여 선형중첩법(linear superposition)을 통해 수행된다.
이에 따라 실험을 통해 보다 정확한 횡동요에 대한 결과를 도출하였다. 해당정보는 2가지 선형에 대한 Roll RAO이며, 선형중첩법을 이용한 시간영역 횡동요 시뮬레이션에 사용되었다. 어선전복경보시스템의 경우 센서에서 출력되는 운동신호, 특히 Roll 값을 주요 인자로 사용하고 있는바, 시간영역 Roll 시뮬레이션을 통해 실제 센서에서 출력되는 값을 대체한다.
성능/효과
1. 해양사고분석결과 어선의 비율이 대단히 높고, 전복, 침몰과 같은 사상자 발생 가능성이 높은 사고가 빈번하게 발생사실을 파악하였다. 따라서 사전예방과 사후대처가 필수적이며, 기 개발된 프로토타입의 전복경보시스템이 그 역할을 할 수 있을것으로 판단된다.
4. 해당연구결과는 전복경보시스템의 HIL(hardware In Loop) 테스트를 수행하기 위해 필수적인 것으로, 운동특성과 해역 특성을 반영하여 시간영역 운동정보를 획득할 수 있다. 따라서 상기 모델링을 통한 RAO계산을 일회성에 그치지 않고 후속연구 수행에 밑걸음이 될 것으로 판단된다.
이는 수조실험 및 CFD 해석을 통해 후속연구가 필요한 것으로 사료된다. 본 연구에 앞서 일부 상용 소프트웨어를 통해 운동 계산을 수행한 결과, Roll 모드의 경우 RAO의 크기가 실험과 비교하였을 때 맞지 않는 것을 확인하였다. 그 이유로는 소형선박의 경우 선박의 크기에 비해 대각도 형상과 부가물이 많아 점성의 영향이 지배적이며, 이에 따라 기존 포텐셜코드의 해석은 한계가 있는 것으로 판단된다.
상용소프트웨어를 이용하여 모형선의 운동성능을 계산한 결과, 대형선 계산시 적용되는 부가물에 따른 감쇄계수 등을 어선과 같은 소형선박에 적용하기에 적합하지 않은 것으로 확인되었다. 이에 따라 2가지 선형의 모형선을 선정하여 운동시험을 수행한다.
후속연구
해양사고분석결과 어선의 비율이 대단히 높고, 전복, 침몰과 같은 사상자 발생 가능성이 높은 사고가 빈번하게 발생사실을 파악하였다. 따라서 사전예방과 사후대처가 필수적이며, 기 개발된 프로토타입의 전복경보시스템이 그 역할을 할 수 있을것으로 판단된다.
해당연구결과는 전복경보시스템의 HIL(hardware In Loop) 테스트를 수행하기 위해 필수적인 것으로, 운동특성과 해역 특성을 반영하여 시간영역 운동정보를 획득할 수 있다. 따라서 상기 모델링을 통한 RAO계산을 일회성에 그치지 않고 후속연구 수행에 밑걸음이 될 것으로 판단된다.
최종적으로 시뮬레이션으로 대체된 신호값은 전복경보알고리즘에 적용되어, 해당 알고리즘의 동작여부를 판단하는데 사용되었다. 본 연구는 알고리즘의 동작여부를 확인하기 위한 가장 기본적인 단계의 연구이며, 추후 전복경보시스템 완성에 필수적으로 사용되고 다음의 결과로 귀결된다.
특히 횡요운동의 경우 비선형성이 큰 특징으로 인해 부가물에 관한 댐핑 계수가 반드시 고려되어야 할 것으로 판단되다. 이는 수조실험 및 CFD 해석을 통해 후속연구가 필요한 것으로 사료된다. 본 연구에 앞서 일부 상용 소프트웨어를 통해 운동 계산을 수행한 결과, Roll 모드의 경우 RAO의 크기가 실험과 비교하였을 때 맞지 않는 것을 확인하였다.
질의응답
핵심어
질문
논문에서 추출한 답변
전복 경보시스템의 데이터는 어디에, 어떻게 저장되는가?
전복 경보시스템의 데이터는 탈부착이 가능한 SD메모리에 저장되며, 메모리 용량에 따라 가장 오래된 데이터는 삭제되고, 최신데이터로 갱신되는 일명 “밀어내기”방식이다. 또한 Fig.
소형선박의 특징은 무엇인가?
소형선박은 형상과 점성등의 다양한 요소로 인해 감쇄력에 대한 정량적인 평가가 어려운 특징이 있다. 이에 따라 운동시험을 통해 해당 운동 모드의 RAO를 산정한다.
알고리즘이 내장된 경보 시스템의 필요성이 대두되는 이유는 무엇인가?
최근 어선 및 소형 선박의 사고로 인하여 다수의 인명피해가 발생하였다. 전복사고를 직전에 인지 할 수 있는 기울기 센서등의 오작동은 해당 시스템의 신뢰성을 낮추는 원인으로, 상용화 직전에 폐기된 사례가 있다. 이에 따라 단순 대각도 횡동요에 의한 경보가 아닌 알고리즘이 내장된 경보 시스템의 필요성이 대두된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.