지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이지웅
- 발행연도
- 2023
- 저작권
- 한국해양대학교 논문은 저작권에 의해 보호받습니다.
이용수10
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
내연기관의 연소실 압력을 측정하는 목적은 출력 및 연소상태를 확인하고, 이를 통해 엔진의 성능과 상태를 진단하기 위함이다. 밀폐된 연소실의 상태를 확인하는 방법으로 실린더 내 작동기체의 압력을 측정하는 방법이 주로 사용된다. 연소실 압력은 피스톤의 상하운동을 통해 크랭크샤프트로 전달되어 회전 운동에너지로 전환된다. 따라서 크랭크샤프트의 각속도 변동은 연소실 내 폭발력에 기인하기 때문에 연소실 압력은 각속도로부터 예측될 수 있다.
본 연구는 한국해양대학교 실습선의 주기관으로부터 측정한 크랭크샤프트 각속도 및 각 가속도, 소기 압력 데이터를 기반으로 기계학습하여 각 실린더의 연소실 압력을 예측하였다. 기계학습 방법 중 하나인 심층 신경망을 활용하였으며, 최적의 예측 모델 구성을 위해 데이터 전처리 및 하이퍼 파라미터 탐색 과정을 거쳐 심층 신경망 모델을 구성하였다. 결과적으로 크랭크샤프트 각속도를 활용한 기계학습을 통해 주기관의 실린더 내 연소상태를 모사할 수 있음을 확인하였다. 내연기관의 연소실 압력 측정을 위한 전자 압력 센서의 가격과 유지보수 비용을 감안한다면, 엔코더로부터 측정한 크랭크샤프트의 각속도를 통한 연소실 압력 예측기술은 스마트 선박 및 자율운항 선박의 성능 진단을 위한 주요기술이 될 수 있을 것으로 기대한다.
본 연구는 한국해양대학교 실습선의 주기관으로부터 측정한 크랭크샤프트 각속도 및 각 가속도, 소기 압력 데이터를 기반으로 기계학습하여 각 실린더의 연소실 압력을 예측하였다. 기계학습 방법 중 하나인 심층 신경망을 활용하였으며, 최적의 예측 모델 구성을 위해 데이터 전처리 및 하이퍼 파라미터 탐색 과정을 거쳐 심층 신경망 모델을 구성하였다. 결과적으로 크랭크샤프트 각속도를 활용한 기계학습을 통해 주기관의 실린더 내 연소상태를 모사할 수 있음을 확인하였다. 내연기관의 연소실 압력 측정을 위한 전자 압력 센서의 가격과 유지보수 비용을 감안한다면, 엔코더로부터 측정한 크랭크샤프트의 각속도를 통한 연소실 압력 예측기술은 스마트 선박 및 자율운항 선박의 성능 진단을 위한 주요기술이 될 수 있을 것으로 기대한다.
목차
제 1 장 서 론 11.1 연구 배경 11.2 연구 방법 31.3 논문 구성 4제 2 장 왕복동 내연기관의 각속도와 출력의 관계 52.1 출력과 토크의 관계 52.1.1 관성력에 의한 토크 62.1.2 가스의 폭발압력에 의한 토크 82.2 축 토크 변동과 각속도와의 관계 10제 3 장 대상 선박의 주기관 제원 및 실험 방법 123.1 대상 선박의 주기관 제원 123.2 실험 방법 133.2.1 실험장치의 구성 133.2.2 데이터 수집 방법 143.2.3 실험 데이터의 계측 16제 4 장 기계학습 방법 184.1 인공 신경망과 심층 신경망 184.2 기계학습 절차 204.2.1 데이터 전처리 214.2.2 데이터 분류 354.2.3 기계학습 모델링 36제 5 장 기계학습을 통한 연소실 압력 예측 결과 445.1 연소실 압력의 실측 및 예측값 비교 445.2 기계학습 모델의 성능평가 475.3 모델의 예측을 통한 엔진성능 분석 535.3.1 TDC 오차분석 535.3.2 엔진의 출력분석 57제 6 장 결 론 60참고문헌 62국문초록 66
최근 본 자료
댓글(0)
0