논문 상세보기
pp.377-386
A60 급 갑판 관통 관은 선박과 해양플랜트에서 화재사고가 발생할 경우 화염의 확산을 방지하고 인명을 보호하기 위해 수평구조에 설치되는 방화장치이다. 본 연구에서는 다양한 대리모델과 다중 섬유전자 알고리즘을 이용하여 A60 급 갑판 관통 관의 방화설계에 대한 이산변수 근사최적화를 수행하였다. A60 급 갑판 관통 관의 방화설계는 과도 열전달해석을 통해 평가하였다. 근사최적화에서 관통 관의 길이, 지름, 재질, 그리고 단열재의 밀도는 이산설계변수로 적용하였고, 제한조건은 온도, 생산성 및 가격을 고려하였다. 대리모델 기반의 근사최적설계 문제는 제한조건을 만족하면서 A60 급 갑판 관통 관의 중량을 최소화할 수 있는 이산설계변수를 결정하도록 정식화 하였다. 반응표면모델, 크리깅, 그리고 방사기저함수 신경망과 같은 다양한 대리모델이 근사최적화에 사용되었다. 근사최적화의 정확도를 검토하기 위해 최적해의 결과는 실제 계산 결과와 비교하였다. 근사최적화에 사용된 대리모델 중 방사기저함수 신경망 모델이 A60 급 갑판 관통 관의 방화설계에 대해 가장 정확한 최적설계 결과를 나타내었다.
The A60 class deck penetration piece is a fire-resistant system installed on a horizontal compartment to prevent flame spreading and protect lives in fire accidents in ships and offshore plants. This study deals with approximate optimization using discrete variables for the fire resistance design of an A60 class deck penetration piece using different surrogate models and a genetic algorithm. Transient heat transfer analysis was performed to evaluate the fire resistance design of the A60 class deck penetration piece. For the approximate optimization of the piece, the length, diameter, material type, and insulation density were applied to discrete design variables, and temperature, productivity, and cost constraints were considered. The approximate optimum design problem based on the surrogate models was formulated such that the discrete design variables were determined by minimizing the weight of the piece subjected to the constraints. The surrogate models used in the approximate optimization were the response surface model, Kriging model, and radial basis function-based neural network. The approximate optimization results were compared with the actual analysis results in terms of approximate accuracy. The radial basis function-based neural network showed the most accurate optimum design results for the fire resistance design of the A60 class deck penetration piece.
Abstract
1. 서 론
2. A60 DPP의 방화성능
3. 대리모델
4. 이산설계 근사최적화
5. 결 론
References
