$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

신경망 모델을 이용한 선박-교각 최대 충돌력 추정 연구
Peak Impact Force of Ship Bridge Collision Based on Neural Network Model 원문보기

海洋環境安全學會誌 = Journal of the Korean society of marine environment & safety, v.28 no.1, 2022년, pp.175 - 183  

왕지엔 (군산대학교 조선해양공학과) ,  노재규 (군산대학교 조선해양공학과)

초록
AI-Helper 아이콘AI-Helper

선박과 교각이 충돌하면 생명과 안전에 큰 위협이 될 수 있다. 따라서 선박-교각 충돌력 영향 인자를 식별하고 다양한 충돌 조건에서의 충돌력에 대한 연구의 필요성이 있다. 본 논문에서는 선박-교각 충돌의 유한요소 모델을 설정하고, 수치 시뮬레이션을 통해 선적상태, 운항속도, 충돌 각도의 세 가지 입력조건을 조합하여 50가지 케이스에서의 선박-교각 최대 충돌력을 계산하였다. 계산된 유한요소해석 결과를 사용하여 신경망 추정 모델을 학습하고 최대 충돌력을 추정함으로써 빠른 시간에 최대 충돌력을 추정하는 프로세스를 제안하였다. 신경망 예측 모델은 가장 기초적인 역전파 신경망과 시간정보를 고려할 수 있는 순환신경망인 Elman 신경망 2가지 모델을 사용하였다. 10가지 케이스의 테스트 데이터로 시험한 결과 Elman 신경망을 사용했을 경우에 평균상대오차가 4.566%로 역전파 신경망보다 나은 최대 충돌력 추정이 가능함을 확인하였고 8가지 케이스에서 5%이하의 상대오차를 보여 주었다. 본 신경망을 이용한 최대 충돌력 추정법은 유한요소해석을 수행하지 않아도 되므로 계산 시간이 짧아 선박 항해 중 충돌을 회피할 수 없는 경우 피해를 최소화하는 의사결정의 기초 방법으로 사용할 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The collision between a ship and bridge across a waterway may result in extremely serious consequences that may endanger the safety of life and property. Therefore, factors affecting ship bridge collision must be investigated, and the impact force should be discussed based on various collision condi...

주제어

#유한요소해석   #신경망 추정   #선박-교각 충돌   #최대 충돌력   #역전파 신경망   #Elman 신경망  

참고문헌 (19)

  1. Consolzaio, G. R. and D. R. Cowan(2003), Nonlinear analysis of barge crush behavior and its relationship to impact resistant bridge design, Computer&Structure, pp. 547-557. 

  2. Cooper, S. B. and D. Dimaio(2018), Static load estimation using artificial neural network: Application on a wing rib, Advances in Engineering Software, pp. 113-125. 

  3. Feng, Q. H. and H. B. Wu(2013), Method for ship-bridge collision force calculation based on energy, Journal of Wuhan University of Technology, Vol. 37, No. 5, pp. 943-946. 

    crossref

  4. Hasnaoui, H., M. Krea, and D. Roizard(2017), Neural networks for the prediction of polymer permeability to gases, Journal of Membrane Science, pp. 541-549. 

  5. He, Y., W. L. Jin, and A. H. Zhang(2008), Nonilnear collision simulation on dynamic interaction between ship-bridge, Journal of Zhejiang University, Vol. 42, No. 6, pp. 1065-1070. 

    crossref

  6. Hu, Z. B., Y. H. Fu, W. S. Cai, and Y. Jin(2016), Numerical simulation of nonlinear dynamic behaviors of VLCC collision, Navigation of China, Vol. 39, No. 4, pp. 81-86. 

  7. Leheta, H. W., A. M. Elhewy, and W. Mohamed(2014), Finite element simulation of barge impact into a rigid wall, Alexandria Engineering Journal, Vol. 53, No. 1, pp. 11-21. 

    상세보기 crossref

  8. Liu, J. C. and Y. N. Gu(2002), Response and damage of bridge pier during ship-bridge collision, Highway, pp. 33-41. 

  9. Liu, J. C., Y. N. Gu, and Z. Q. Hu(2002), Simulation of the whole process of ship-bridge collision, China Ocean Engineering, Vol. 16, No. 3, pp. 368-382. 

  10. Mao, Y. F., W. Q. Liu, D. Zhou, and Y. Zhuang(2015), Stiffness simplified model of bow in ship bridge collision, Journal of Nanjiang Tech University, Vol. 37, No. 5, pp. 67-72. 

  11. Marcus, S., B. Franz, and M. Bernd(2018), Artificial neural networks and intelligent finite elements in non-linear structural mechanics, Thin-Walled Structures, pp. 102-106. 

  12. Motora, S., M. Fujino, M. Sugiura, and M. Sugita(1971), Equivalent added mass of ships in collisions, Society of Naval Architects of Japan, pp. 128-138. 

  13. Polanco, L. M., O. S. Hopperstad, and T. Borvok(2008), Numerical predictions of ballistic limits for concrete slabs using a modified version of the HJC concrete model, International Journal of Impact Engineering, Vol. 35, No. 5, pp. 290-303. 

    상세보기 crossref

  14. Rodrigo, M. S., C. F. Ramon, J. B. Fabricio, P. S. Adriano, F. Z. Ronaldo, F. Wellington, and D. Victor(2017), A System Based on Artificial Neural Networks for Automatic Classification of Hydro-generator Stator Windings Partial Discharges, Journal of Microwaves, Optoelectronics and Electromagnetic Applications, pp. 2179-1074. 

  15. Sha, Y. Y. and H. Hao(2012), Nonlinear finite element analysis of barge collision with a single bridge pier, Engineering Structures, pp. 63-76. 

    상세보기 crossref

  16. Sheng, M. J. and P. H. Chen(2018), Estimation method for damage area after low-velocity impact of composite material based on neural network, Journal of Nanjing University of Aeronautics & Astronautics, pp. 30-35. 

  17. Xiang, H. F., L. C. Fan, and J. J. Wang(2002), State of art of ship collision design for bridges and future research, Journal of Tongji University, Vol. 30, No. 4, pp. 386-392. 

    crossref

  18. Zhang, J. B., X. Z. Li, and L. Xiao(2016), Difference of impact forces for two sorts of vessel-bridge collisions and bridge dynamic response analysis, Journal of Vibration and Shock, Vol. 35, No. 4, pp. 156-161. 

    상세보기 crossref

  19. Zhao, N., J. J. Liu, and Z. J. Li(2015), Research of store ship broadside collision damaged environment, Journal of Ship Mechanics, Vol. 19, No. 8, pp. 950-957. 

    상세보기

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로