역전파 신경망 알고리즘을 이용한 계류용 의장품의 구조설계 구현

다국어 초록 (Multilingual Abstract)

Ship Mooring Fittings is a device for safe anchoring and unloading and of ship. Since the loss of structural safety of ship mooring fittings can lead to major maritime accidents, several classification and standards associations are working to standardize the design of safe mooring fittings. Structural safety of ship’s mooring fittings is generally reviewed by structural analysis for design safety. However, due to the large size ships and various types of mooring fittings, it requires a lot of time and cost for numerical analysis. In this study, the structural analysis was used to obtain structural strength performance evaluation data for various types of ship mooring fittings, and the neural network algorithm was used to study the relationship between the structural strength performance and the design specifications of mooring fittings. Using the neural network algorithm, the structural strength performance learning model of ship mooring fittings was developed and the methods to predict the structural strength performance of mooring fittings without separate numerical model generation and structural analysis were explored.

국문 초록 (Abstract)

선박 계류 의장품은 선박의 안전한 정박과 적․하역을 위한 장치로서 선박의 크기에 따라 적절한 강도를 유지할 수 있어야 한다. 선박 계류 의장품의 구조 안정성을 상실하게 되면 큰 해상 사고로 이어질 수 있기 때문에 여러 선급과 표준협회에서는 안전한 계류 의장품의 설계를 표준화하기 위해 노력을 기울이고 있다. 선박 계류 의장품의 구조 안정성은 구조해석을 통해 설계 안정성을 검토하는 것이 일반적이지만, 선박의 크기가 다양하고 계류 의장품의 형태도 다양하기 때문에 수치해석적 검토에 많은 시간과 비용이 요구된다. 본 연구에서는 구조해석을 이용하여 다양한 형태의 선박 계류 의장품에 대한 구조강도 성능평가 데이터를 확보하여 계류 의장품의 설계사양에 대한 구조강도 성능 간의 관계를 신경망 알고리즘을 이용하여 학습하였다. 신경망 알고리즘을 이용한 선박 계류 의장품의 구조강도 성능 학습모델을 이용하여 별도의 수치해석모델 생성과 구조해석 과정 없이 계류 의장품의 구조강도 성능을 예측할 수 있는 방안과 이를 통한 설계 표준화 방법을 탐색하였다.

목차 (Table of Contents)

• <초록> xi
• 제1장 서 론 1
• 제1절 연구 배경 및 목적 1
• 제2절 국내 외 연구동향 4
• 제2장 본론 5
• 제1절 표준 구조설계 모델 5
• 1. 표준 구조설계 모델 선정 5
• 제2절 유한요소해석 및 구조강도평가 15
• 1. 유한요소해석 조건 15
• 2. 구조강도해석 20
• 3. 구조강도해석 결과 20
• 제3절 신경망(Neural Network)학습 30
• 1. 인공신경망(Artificial Neural Network)의 이론적 배경 30
• 2. 신경망(Neural Network)학습 데이터(Data)생성 34
• 3. 신경망(Neural Network)학습 조건 41
• 4. 신경망(Neural Network)학습 결과 44
• 제3장 결론 69
• 제1절 결론 69
• 참 고 문 헌 71