• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2009년도 추계학술대회
• /
• pp.40-41
• /
• 2009

선박이 항만이나 운하 내에서 이동할 경우 일반적으로 예인선의 도움을 받아 운항하게 된다. 근래에 해상 물동량이 증가하면서 항만이나 운하 등지의 해상 교통이 복잡해지고 해난 사고 발생 가능성이 높아지는 추세이다. 따라서 예인선 및 부선의 조종 성능을 파악하여 전체 예부선 시스템의 운항 안정성을 확보할 필요가 있다. 예부선 시스템은 크게 예인선, 부선, 그리고 예인선과 부선을 연결하는 예인줄의 세 가지 요소로 구성된다. 본 연구에서는 예인선, 부선, 예인줄 각각의 동역학적 특성이 반영된 운동 방정식을 수식화하였다. 그리고 예인선의 수학 모형을 확립하기 위한 구속 모형 시험의 종류 및 범위에 대하여 논한다.

• 한국음향학회지
• /
• 제43권1호
• /
• pp.9-18
• /
• 2024

최근 수중표적의 저소음화와 해상교통량의 증가로 인한 주변 소음의 증가로 능동 소나 시스템의 중요성이 증대되고 있다. 하지만 신호의 다중 경로를 통한 전파, 다양한 클러터와 주변 소음 및 잔향 등으로 인한 반향신호의 낮은 신호대잡음비는 능동 소나를 통한 수중 표적 식별을 어렵게 만든다. 최근 수중 표적 식별 시스템의 성능을 향상 시키기 위해 머신러닝 혹은 딥러닝과 같은 데이터 기반의 방법을 적용시키려는 시도가 있지만, 소나 데이터셋의 특성 상 훈련에 충분한 데이터를 모으는 것이 어렵다. 부족한 능동 소나 데이터를 보완하기 위해 수학적 모델링에 기반한 방법이 주로 활용되어오고 있다. 그러나 수학적 모델링에 기반한 방법론은 복잡한 수중 현상을 정확하게 모의하는 데에는 한계가 있다. 따라서 본 논문에서는 심층 신경망 기반의 소나 신호 합성 기법을 제안한다. 제안하는 방법은 인공지능 모델을 소나 신호 합성 분야에 적용하기 위해, 음성 합성 분야에서 주로 사용되는 타코트론 모델의 주요 모듈인 주의도 기반의 인코더 및 디코더를 소나 신호에 적절하게 수정하였다. 실제 해상 환경에 모의 표적기를 배치해 수집한 데이터셋을 사용하여 제안하는 모델을 훈련시킴으로써 보다 실제 신호와 유사한 신호를 합성해낼 수 있게 된다. 제안된 방법의 성능을 검증하기 위해, 합성된 음파 신호의 스펙트럼을 직접 분석을 진행하여 비교하였으며, 이를 바탕으로 오디오 품질 인지적 평가(Perceptual Quality of Audio Quality, PEAQ)인지적 성능 검사를 실시하여 총 4개의 서로 다른 환경에서 생성된 반사 신호들에 대해 원본과 비교해 그 차이가 최소 -2.3이내의 높은 성적을 보여주었다. 이는 본 논문에서 제안한 방법으로 생성한 능동 소나 신호가 보다 실제 신호에 근사한다는 것을 입증한다.