• 해양환경안전학회지
• /
• 제11권1호
• /
• pp.53-59
• /
• 2005

항해 중 발생하는 선박의 화재는 외부로부터 소방 활동을 기대할 수 없으므로 선내에서 자체적으로 처리해야 하기 때문에 매우 위험하다. 더구나 여객선의 경우에는 재산상의 피해는 물론이고, 대형 인명 사고로 이어질 수 있으므로 더욱 심각하다 화재가 발생하며 연소과정에서 열 뿐만 아니라 많은 연기가 동시에 발생하고 다량의 유독성 연기는 질식사와 같은 인명피해를 가져오게된다. 이 연구의 목적은 선박의 실내공간에서 화재의 크기 및 위치에 따른 연기거동 특성을 규명하는 것이다. 화원의 크기를 두가지로 하고 세가지 형태의 화재 위치에 따라 실험적 연구를 수행하였다. 그 견과 연기 및 열의 확산 특성은 모서리형 화재에서 가장 가파른 상승 곡선을 보였다.

• 해양환경안전학회:학술대회논문집
• /
• 해양환경안전학회 2005년도 춘계학술발표회
• /
• pp.167-173
• /
• 2005

항해 중 발생하는 선박의 화재는 외부로부터 소방 활동을 기대할 수 없으므로 선내에서 자체적으로 처리해야 하기 때문에 매우 위험하다. 더구나 여객선의 경우에는 재산상의 피해는 물론이고, 대형 인명 사고로 이어 질수 있으므로 더욱 심각하다. 화재가 발생하면 연소과정에서 열 뿐만 아니라 많은 연기가 동시에 발생하고 다량의 유독성 연기는 질식사와 같은 인명피해를 가져오게 된다. 이 연구의 목적은 선박의 실내공간에서 화재의 크기 및 위치에 따른 연기거동특성을 규명하는 것이다. 화원의 크기를 두가지로 하고 세가지 형태의 화재위치에 따라 실험적 연구를 수행하였다. 그 결과 연기 및 열의 확산 특성은 모서리형 화재에서 가장 가파른 상승 곡선을 보였다.

• 한국산학기술학회논문지
• /
• 제22권4호
• /
• pp.1-9
• /
• 2021

A60급 갑판 관통 관은 선박과 해양플랜트의 화재 발생 시 인명의 보호와 화염전파를 방지하기 위해 갑판 구획에 설치되는 방화 장치이다. A60급 갑판 관통 관이 새로 개발되거나 기존의 설계가 변경될 경우 국제해사기구의 화재시험절차 규정에 따라 A60급 갑판 관통 관의 방화성능을 검증하도록 요구하고 있다. 따라서, 본 논문에서는 신규 개발된 선박과 해양플랜트용 A60급 갑판 관통 관의 방화 설계의 적합성을 평가하기 위해 과도 열전달 해석을 수행하였고, 화재시험을 통해 해석결과의 타당성을 검증하였다. 또한 A60급 갑판 관통 관의 열전달 특성은 관의 직경, 내부형상 그리고 재질과 같은 설계 사양에 따라 비교하여 검토하였다. 과도 열전달 해석은 범용 유한요소법 소프트웨어인 ABAQUS/Implicit를 사용하여 수행하였으며, 해석결과의 검증을 위한 화재시험은 해사안전위원회에서 규정한 화재시험절차 코드에 따라 수행하였다. 본 연구에서 검토한 A60급 갑판 관통 관의 방화성능은 국제 해상안전규정을 만족하였고, 재질 사양의 설계가 중요한 것으로 나타났다. 최대 시험온도를 기준으로 SUS316L 재질의 측정온도는 S45C 재질보다 평균적으로 25% 낮게 나타났고, 이때 각 재질의 열전도계수와 비열의 차이는 각각 17%와 58%였다.

• 해양환경안전학회지
• /
• 제27권1호
• /
• pp.22-28
• /
• 2021

본 연구는 화재진압 및 피난활동을 지원하는 딥러닝 기반의 알고리즘 개발에 관한 기초 연구로 선박 화재 시 연기감지기가 작동하기 전에 검출된 연기 데이터를 분석 및 활용하여 원격지까지 연기가 확산 되기 전에 연기 확산거리를 예측하는 것이 목적이다. 다음과 같은 절차에 따라 제안 알고리즘을 검토하였다. 첫 번째 단계로, 딥러닝 기반 객체 검출 알고리즘인 YOLO(You Only Look Once)모델에 화재시뮬레이션을 통하여 얻은 연기 영상을 적용하여 학습을 진행하였다. 학습된 YOLO모델의 mAP(mean Average Precision)은 98.71%로 측정되었으며, 9 FPS(Frames Per Second)의 처리 속도로 연기를 검출하였다. 두 번째 단계로 YOLO로부터 연기 형상이 추출된 경계 상자의 좌표값을 통해 연기 확산거리를 추정하였으며 이를 시계열 예측 알고리즘인 LSTM(Long Short-Term Memory)에 적용하여 학습을 진행하였다. 그 결과, 화재시뮬레이션으로부터 얻은 Fast 화재의 연기영상에서 경계 상자의 좌표값으로부터 추정한 화재발생~30초까지의 연기 확산거리 데이터를 LSTM 학습모델에 입력하여 31초~90초까지의 연기 확산거리 데이터를 예측하였다. 그리고 추정한 연기 확산거리와 예측한 연기 확산거리의 평균제곱근 오차는 2.74로 나타났다.

• 방재와보험
• /
• 통권110호
• /
• pp.66-68
• /
• 2005

첨단 자동화 설비를 보유한 최강의 경쟁력을 갖추고 21세기 해양시대를 열어가는 현대삼호중공업, '오늘 걷지 않으면 내일은 뛰어야 한다' 는 격언처럼 현실에 안주하지 않는 기술개발, 고객감동을 향한 열정과 더불어 안전보건을 경영의 주요소로 인식, 사업장 내 위험요소에 대한 예방과 개선으로 조선강국의 꿈을 키워나가고 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 추계학술대회
• /
• pp.276-279
• /
• 2009

최근 선박의 안전과 작업환경 개선을 위해 선박 자동화 시스템을 도입하고 있다. IMO에서 표준기술 및 안전관리측면의 규제를 강화하여 해상안전과 해상 화재 방지를 위하여 노력을 하고 있으나 해양사고와 선박화재는 계속 발생하고 있다. 본 논문에서는 선박의 화재에서 Robot을 이용하여 Risk에 대응하고 관리하는 연구를 하였다. Robot의 Risk대응을 위한 화재 감지 센서를 부착하고, Robot에서 장착되어 수행되는 적외선 센서, TOUCH SWITCH, 소리감지 센서, 가스 감지 센서, 빛감지 센서를 이용하여 Robot을 컨트롤 하였으며, Robot에게 Risk 대응을 지시 할 때의 소리출력 사용과 DC MOTOR의 속도와 COM SEN에 Low~High 값을 설정하여 Robot의 Risk 대응관리 동작을 설정하였다.

• 대한조선학회지
• /
• 제49권4호
• /
• pp.22-27
• /
• 2012

• 방재와보험
• /
• 통권145호
• /
• pp.23-29
• /
• 2012

• 한국해양공학회지
• /
• 제32권2호
• /
• pp.138-142
• /
• 2018

The marine industry is rapidly developing as a result of the increase in various needs in the marine environment. In addition, accidents involving ship fires and explosions and the resulting casualties are increasing. Generally, manpower and safety problems exist in fire fighting. A fire fighter in the form of an autonomous surface robot would be ideal for marine fire safety, because it has no manpower and safety problems. Therefore, an autonomous surface robot with the abilities of fire recognition and tracking, nozzle selection, position and attitude control, and fire fighting was developed and is discussed in this paper. The test and evaluation results of this robot showed the possibility of real-size applications and the need for additional studies.

• 해양환경안전학회지
• /
• 제25권1호
• /
• pp.111-116
• /
• 2019

선박의 기관실에서 사용하고 있는 화재 검출기는 연기나 열이 검출기에 도달해야 하지만 기관실의 공기 흐름은 기기의 사용유무에 따라 매우 유동적이기 때문에 상부에 설치된 검출기에 도달하기에는 많은 시간이 필요하다. 이러한 단점을 보완하기 위해 근래에는 영상을 기반으로 화재를 검지하는 연구가 이루어지고 있다. 영상기반의 연기 검지는 공기의 흐름에 영향을 받지 않으며 전송속도가 빠르기 때문에 화재의 초기 검지에 효율적이다. 본 연구는 기관실에서 연기 발생기로 발생시킨 연기의 확산모습을 녹화한 영상으로 실험을 수행하였다. 연기의 질감특징을 추출하는 LBP와 GLCM연산자를 사용하여 생성된 학습 데이터를 기계학습 분류기인 SVM으로 학습한 후 분류하여 검출 성능을 평가함으로서 연기가 상부에 설치되어 있는 검출기까지 상승하지 않더라도 영상기반으로 먼저 검지 가능함을 확인하였다.