김진혁, 노명일, 여인창, "선형 설계를 위한 GNN의 적용 방안 연구", 2023년도 대한조선학회 추계학술발표회, 울산, pp. 450, 2023.11.02-03
Domestic Conference
2023.11.06 16:52
김진혁, 노명일, 여인창, "선형 설계를 위한 GNN의 적용 방안 연구", 2023년도 대한조선학회 추계학술발표회, 울산, pp. 450, 2023.11.02-03
조회 수 228
| 첨부 '1' |
|---|
| Abstract | 선형의 성능을 추정하기 위해서 CFD (Computational Fluid Dynamics)와 같은 수치적인 방법들이 주로 사용된다. 이러한 수치적인 방법은 한 번 수행하는 데에 시간이 오래 걸리기 때문에 최적의 선형을 찾기가 어렵다. 따라서, CFD를 수행하지 않고 기존의 선형 성능 데이터로부터 근사 모델을 만들어 선형 성능을 추정하는 연구들이 많이 수행되어 왔다. 선형 성능을 추정하기 위해서는 선형의 기하학적인 형태를 잘 표현할 방법이 필요하다. 많은 연구들에서 근사 모델을 개발하기 위해 NURBS (Non-Uniform Rational B-Spline) 형태의 곡면으로 정의된 선형의 구상 선수부의 길이, 폭과 같은 여러 가지 특징들을 매개변수화하여 선형을 표현하였다. 그러나 이런 방식은 각 선종마다 매개변수화를 다른 방식으로 시켜 주어야 하고, 매개변수화 과정에서 선형의 자세한 부분에 대한 정보가 손실될 수 있다는 한계가 있었다. 이러한 한계를 극복하기 위해 본 연구에서는 GNN (Graph Neural Network)을 적용하였다. GNN은 그래프 형태의 데이터를 처리하는 신경망으로 그래프의 크기에 상관없이 입력이 가능하다는 특징이 있다. 이러한 GNN의 특징을 이용하여 선형 곡면을 삼각형의 격자 형태로 나타낸 뒤, 격자를 그래프로 변환하여 GNN으로 선형의 성능을 예측하는 근사 모델을 제안하였다. 제안한 근사 모델을 이용하여 임의의 선형 곡면이 주어졌을 때 별도의 매개변수화 없이 선형을 표현할 수 있으며, 선박의 종류가 바뀌더라도 선형 성능의 예측이 가능하다. 또한 선형 곡면을 삼각형 격자로 근사하기 때문에 수치화하는 과정에서의 정보 손실을 줄일 수 있다. 제안한 선형 표현 방법 및 근사 모델의 검증을 위해, 기존의 매개변수를 이용한 근사 모델의 결과와 비교하였다. |
|---|---|
| Publication Date | 2023-11-03 |
