김진혁, 노명일, 김기수, 여인창, 남정우, 이상현, 장영훈, "딥 러닝을 이용한 선형 성능의 우열 관계 예측", 2021년도 대한조선학회 춘계학술발표회, 인천, pp. 572, 2021.05.13-14
Domestic Conference
2021.03.04 16:29
김진혁, 노명일, 김기수, 여인창, 남정우, 이상현, 장영훈, "딥 러닝을 이용한 선형 성능의 우열 관계 예측", 2021년도 대한조선학회 춘계학술발표회, 인천, pp. 572, 2021.05.13-14
조회 수 228
| 첨부 '1' |
|---|
| Abstract | 선박의 선형 설계를 위해서 다양한 대안에 대해 CFD 해석을 수행하고, 이를 통해 선형 성능을 파악 및 선정한다. 선형 설계 과정에서 두 가지 선형 중 어떤 선형이 더 우월한지 판별하기 위해서, 전 저항, 반류 계수 등 정량적 지표뿐만 아니라, CFD 해석의 결과로 도출된 압력 계수 분포, 파고 분포, 반류 분포 등의 정성적인 지표도 확인한다. 특히, 선형의 우열 관계를 판별하기 위해, 설계자의 정성적인 평가가 필수적이다. 이러한 평가를 위해서는 많은 경험을 가진 설계자가 필요하기에, 경험이 부족한 초보 설계자들은 이를 수행하기 어렵다. 또한, 비슷한 성능을 가진 선형의 우열 관계는 숙련자도 판별하기 어려울 수 있다. 이를 해결하기 위해, 본 연구에서는 딥 러닝의 한 종류인 합성곱 신경망 (CNN: Convolutional Neural Network)을 이용하여 선형의 CFD 해석 이미지로부터 선형 성능의 우열 관계를 예측하는 방법을 제안하였다. 다양한 CNN 모델을 비교 분석하고, 선형 성능의 우열 관계를 예측하기 위해 적합한 CNN 모델을 선정하였다. 또한, 예측한 결과에 대한 신뢰도를 정량적인 수치로 산출하여, 설계자가 이를 통해 선형 설계에 참고할 수 있도록 하였다. 본 연구를 통해, CFD를 이용해 선형 설계를 수행하는 초보 설계자들에게는 선형 성능의 우열 관계를 판별하는 데 있어 좋은 가이드를 제공하고, 숙련자들에게는 선형 성능의 우열 판별이 어려운 경우에도 신뢰도 높은 평가 결과를 제공하여 선형 설계 과정을 도와줄 수 있으리라 판단된다. Keywords: Deep learning (딥 러닝), CNN (Convolutional Neural Network, 합성곱 신경망), CFD (Computational Fluid Dynamics, 전산유체해석), Hull form design (선형 설계) |
|---|---|
| Publication Date | 2021-05-13 |
