1 |
1
선박의 실시간 모니터링 시스템으로부터 선박의 운항 상태 및 기상 상태에 대한 선박의 모니터링 정보를 전달 받는 단계; 상기 선박의 모니터링 정보를 이용하여 인공지능 학습으로부터 운동 성능 데이터베이스를 취득하는 단계; 및 상기 선박의 모니터링 정보를 상기 운동 성능 데이터베이스와 연동하여 실시간으로 선박의 내항 성능을 평가하는 단계를 포함하고, 상기 선박의 모니터링 정보를 이용하여 인공지능 학습으로부터 운동 성능 데이터베이스를 취득하는 단계는, 기계학습 기반의 근사모델(Surrogate model)로 이루어진 상기 운동 성능 데이터베이스를 구축하며, 학습을 통한 상기 근사모델을 구현하기 위해 대상 선박의 적재 상태의 무게중심, 흘수, 트림, 운항 상태인 선속 및 선수각을 입력변수로 선택하여, 상기 근사모델에 입력하는 단계; 및 상기 근사모델을 통해 횡동요 운동응답함수(Response Amplitude Operator; RAO)의 출력변수를 주파수별로 출력하는 단계를 포함하고, 상기 대상 선박의 적재 상태의 무게중심, 흘수, 트림, 운항 상태인 선속 및 선수각을 입력변수로 선택하여, 상기 근사모델에 입력하는 단계는, 횡동요 운동 데이터의 특성상 선속보다 선수각의 학습 데이터가 많으며, 상기 기계학습 기반의 근사모델로 이루어진 상기 운동 성능 데이터베이스를 구축함에 따라, 실시간으로 변화하는 외란에 대응하여 선박의 운동특성 및 내항 성능을 예측하는 것을 특징으로 하는, 인공지능을 이용한 선박 운동 성능 예측 방법
|
2 |
2
제1항에 있어서, 상기 선박의 실시간 모니터링 시스템으로부터 선박의 운항 상태 및 기상 상태에 대한 선박의 모니터링 정보를 전달 받는 단계는, 상기 선박의 내항성 및 전복 위험성을 평가하기 위해 선박의 적재 상태 및 파랑하중에 대한 이력을 취득하는 것을 특징으로 하는, 인공지능을 이용한 선박 운동 성능 예측 방법
|
3 |
3
삭제
|
4 |
4
삭제
|
5 |
5
삭제
|
6 |
6
선박의 실시간 모니터링 시스템으로부터 선박의 운항 상태 및 기상 상태에 대한 선박의 모니터링 정보를 전달 받는 정보 획득부; 상기 선박의 모니터링 정보를 이용하여 인공지능 학습으로부터 운동 성능 데이터베이스를 취득하는 데이터베이스부; 및 상기 선박의 모니터링 정보를 상기 운동 성능 데이터베이스와 연동하여 실시간으로 선박의 내항 성능을 평가하는 성능 평가부를 포함하고, 상기 데이터베이스부는, 기계학습 기반의 근사모델(Surrogate model)로 이루어진 상기 운동 성능 데이터베이스를 구축하며, 학습을 통한 상기 근사모델을 구현하기 위해 대상 선박의 적재 상태의 무게중심, 흘수, 트림, 운항 상태인 선속 및 선수각을 입력변수로 선택하여, 상기 근사모델에 입력하는 입력부; 및 상기 근사모델을 통해 횡동요 운동응답함수(Response Amplitude Operator; RAO)의 출력변수를 주파수별로 출력하는 출력부를 포함하고, 상기 입력부는, 횡동요 운동 데이터의 특성상 선속보다 선수각의 학습 데이터가 많으며, 상기 기계학습 기반의 근사모델로 이루어진 상기 운동 성능 데이터베이스를 구축함에 따라, 실시간으로 변화하는 외란에 대응하여 선박의 운동특성 및 내항 성능을 예측하는 것을 특징으로 하는, 인공지능을 이용한 선박 운동 성능 예측 시스템
|
7 |
7
제6항에 있어서, 상기 정보 획득부는, 상기 선박의 내항성 및 전복 위험성을 평가하기 위해 선박의 적재 상태 및 파랑하중에 대한 이력을 취득하는 것을 특징으로 하는, 인공지능을 이용한 선박 운동 성능 예측 시스템
|
8 |
8
삭제
|
9 |
9
삭제
|
10 |
10
삭제
|
11 |
11
삭제
|
12 |
12
제6항에 있어서, 상기 근사모델은, 실시간으로 선박의 운동특성 및 내항성 안정성을 예측하기 위해 TGP(Tensored Gaussian Process) 기법을 이용하는 것을 특징으로 하는, 인공지능을 이용한 선박 운동 성능 예측 시스템
|
13 |
13
삭제
|