Unet 기반 인공지능 모델을 활용한 잠수함의 표면 압력 분포 예측

Q: 이 논문에서 정의한 압력 분포 예측이란 무엇인가?

잠수함의 선형 변화에 따라 발생하는 표면 압력의 변화를 예측하는 것을 의미한다. 이는 전산 유체 역학을 통해 구축된 유동장 데이터를 기반으로 하며, 함형의 변화가 주변 유동장에 미치는 영향을 분석하여 표면 압력 변화나 와류 구조를 파악하는 데 활용된다.

Q: Unet 기반 모델을 활용한 잠수함 표면 압력 분포 예측의 성능과 한계는 무엇인가?

연구 결과, 제안된 모델은 CFD 해석과 유사한 압력 분포를 보이며 학습 데이터에서 2.0%의 낮은 오차율을 기록했다. 다만 선미 부가물 위치 변화에 따른 비선형적 압력 거동 예측에서는 상대적으로 큰 오차가 발생하여 모델 구조 개선의 필요성이 확인되었다.

서정범; 이인원

doi:10.3744/SNAK.2024.61.6.420

학술저널 Full-text XML

저자정보: 서정범 (부산대학교) 이인원 (부산대학교)

저널정보: 대한조선학회 대한조선학회 논문집 대한조선학회논문집 제61권 제6호(통권 제258호)

오류 신고하기

피인용 0

검색

초록·키워드

In this study, a preprocessing method for submarine hull form and hydrodynamic pressure distribution were developed to enable an AI model to predict pressure distribution for the corresponding hull form. An Unet-based symmetric model including convolution layers was trained. The training hull form data set was generated by modifying DARPA Suboff 5475 model and the corresponding pressure distribution data set was calculated by solving RANS equation. The AI model was designed to extract the feature maps of body, sail, and stern parallelly to learn their hydrodynamic interaction. As a result, the trained model's predicted pressure distribution closely matched the CFD results, showing not only similar contours but also a total resistance coefficient within 2% error margin. However, the model shows limitations in predicting highly non-linear behavior of pressure distribution for the combination of two deformation on stern: afterbody and stern appendages.

#AI(인공지능) #Machine learning(기계학습) #Surrogate model(예측모델) #Unet(유넷) #Pressure distribution prediction(압력분포 예측) #Neural network(인공신경망) #Submarine(잠수함)

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료