• 한국산학기술학회논문지
• /
• 제21권5호
• /
• pp.93-102
• /
• 2020

자동차, 항공기, 선박과 같은 대형 복합 기계시스템 설계는 다분야 설계최적화의 영역이다. 다양한 영역의 전문지식과 경험을 동시에 요구하기 때문이다. 최근 급격한 기술발전과 더불어 인간의 편의 증진을 위한 요구로 이들 시스템의 복합도와 복잡도가 점증되고 있다. 이런 복합 시스템의 설계를 위해서는 도메인별 지식뿐만 아니라 다양한 분야의 지식, 경험 그리고 관점을 융합할 수 있는 통합 시스템 설계, 즉 다분야 설계최적화가 필요하다. 과거 다분야 설계최적화는 주로 설계자의 직관과 경험에 의존함으로써 해의 정확도나 시간 효율면에서 효용성이 크게 높지 않았다. 최근 다분야 설계최적화는 정보통신기술(IT)의 발전에 힘입어 프로세스통합 및 설계최적화(PIDO) 프레임워크에 의해 주로 구현된다. 본 논문은 오픈소스 PIDO 프레임워크인 RCE를 이용하여 합리적 수준의 노력과 시간 투입으로 효율적인 다분야 설계최적화를 구현하는 프로세스와 방법론을 찾고자 한다. 벤치마킹 예제로 벌크선 개념설계 모델에 본 논문이 제안한 다분야설계최적화 프로세스와 방법론을 적용해 보았다. 최적설계 결과에 대한 시각적 분석을 통해 제안된 방법론의 타당성을 확인하였다.

• 해양환경안전학회지
• /
• 제26권4호
• /
• pp.374-381
• /
• 2020

상선에 당직사관으로 승선하기 위한 해기사는 승선 전 해기사로서 갖추어야 할 적절한 자격요건을 국제규정에 맞게 충족시켜야 한다. 해사영어 활용 능력은 이와 관련한 중요한 요소 중 하나이다. 해기 교육 과정에 입교한 학생들은 교내 수업을 통해 선박과 관련된 영문 서류, 검사 문서 그리고 사고 보고서에 이르기까지 다양한 상황에 대한 해사영어활용능력을 습득하게 되며 이를 통해 일반 영어뿐만이 아닌 실무에서 사용되는 해사분야 전문 용어 및 특수 문장까지 학습하게 된다. 하지만 선박 및 해운산업의 특수성으로 인해 해사영어를 포함한 해기 지식이 전달되고 또 평가되는 데에는 많은 제약이 존재한다. 해당 연구는 항시 접속 가능한 해사영어 학습 및 시험 플랫폼의 활용을 기반으로 학생들의 학습 결과를 측정하고 이를 통한 교육 효과를 조사하였다. 실험은 승선실습 과정에 참여한 실습항해사를 두 집단으로 나누어 진행되었다. 한 집단은 해사영어 학습 및 평가 플랫폼을 활용하였고 다른 한 집단은 해사영어 학습 및 평가 플랫폼을 활용하지 않았다. 6주의 실험을 통한 최종 시험 결과 두 집단 간 해사영어 시험성적에 유의한 차이가 발생하였으며 이를 통해 해사영어 학습 및 평가 플랫폼의 활용이 해사영어 시험 점수에 유의미한 점수 차이를 가져오는 것을 확인하였다. 또한 학생들의 개인 학습시간을 조사하여 그 교육 효과를 정량화하였으며 나아가 추후 연구에 대한 개선방향을 제시하고자 하였다. 해당 연구는 해사 교육 분야에 다양하게 적용하여 활용할 수 있는 학습 플랫폼 활용 효능을 조사하였으며 향후 해사영어 교육 외에 그 범위를 넓혀 활용될 수 있을 것으로 사료된다.

• 한국음향학회지
• /
• 제32권6호
• /
• pp.472-483
• /
• 2013

잠수함 소나 운용 요원의 능력을 향상시키기 위한 실제 해상 훈련은 많은 비용과 제약사항이 따른다. 소나 시뮬레이터는 이러한 문제점을 해결하고, 실제와 유사한 전장 환경을 모의함으로써 소나 운용 요원의 능력과 훈련 성과를 극대화시킨다. 본 연구에서는 수동 소나 시뮬레이터의 알고리즘을 제시하였으며, 알고리즘은 기동모듈, 소음원모듈, 소음 전달 모듈의 3가지 모듈로 나뉘었다. 기동모듈은 3차원 좌표계를 이용하여 함정의 기동을 구현하였으며, 시간 간격은 함정의 변침률에 따라 설정하였다. 소음원 모듈은 표적 소음, 해양 배경 소음, 자체소음으로 구성하였다. 표적 소음은 주파수 특성에 따라 비변조 협대역, 변조 협대역, 비변조 광대역, 변조 광대역 신호로 구분하였으며, 톤수와 속력에 의존하는 함정 방사소음 준위를 적용하였다. 해양 배경 소음은 음향도파관 효과가 고려된 바람 소음과 그외 배경 소음으로 모의하였으며, 자체소음은 유체소음과 소나돔 삽입 손실로 모의하였다. 소음 전달 모듈은 음선 기반의 모델을 이용하였으며, 기동 모듈의 각 시간에서 고유음선의 진폭, 위상, 시간지연을 합산하여 주파수 영역에서 표적 소음에 곱하였다. 최종적으로 시나리오에 따른 모의 결과 실제 해양에서 발생하는 소음과 유사한 경향을 확인할 수 있었다.

• 해양환경안전학회지
• /
• 제28권1호
• /
• pp.184-192
• /
• 2022

밸브의 내부 누설 현상은 밸브의 내부 부품의 손상에 의해 발생하며 배관 시스템의 사고와 운전정지를 일으키는 주요 요인이다. 본 연구는 버터플라이형 밸브의 내부 누설에 따라 배관계에서 발생하는 음향방출 신호를 이용하여 배관 가동 중 실시간 누설 진단의 가능성을 검토하였다. 이를 위해 밸브의 작동 모드별로 측정한 시간영역의 AE 원시신호를 취득하였으며 이로부터 구축한 데이터셋은 데이터 기반의 인공지능 알고리즘에 적용하여 밸브의 내부 누설 유무를 진단하는 모델을 생성하였다. 누설 유무진단을 분류의 문제로 정의하여 SVM 기반의 머신러닝과 CNN 기반의 딥러닝 분류 알고리즘을 적용하였다. 데이터의 특징 추출에 기반한 SVM 분류 모델의 경우, 이진분류 모델에서 구축된 모델에 따라 83~90%의 정확도를 나타냈으며, 다중 클래스인 경우 분류 정확도가 66%로 감소하였다. 반면, CNN 기반의 다중 클래스 분류 모델의 경우 99.85%의 분류 정확도를 얻을 수 있었다. 결론적으로 밸브 내부 누설 진단을 위한 SVM 분류모델은 다중 클래스의 정확도 향상을 위해 적절한 특징 추출이 필요하며, CNN 기반의 분류모델은 프로세서의 성능 저하만 없다면 누설진단과 밸브 개도 분류에 효율적인 접근방법임을 확인하였다.