본 연구는 항만물류 분야의 산업 설비에 대한 머신러닝 기반 예지정비 시스템 개발을 목적으로 수행되었다. UCI Repository의 Dataset을 활용하여 10,000개의 데이터 포인트를 분석하였으며, 설비 고장 발생 여부를 예측하는 이진 분류와 고장 유형을 분류하는 다중 클래스 분류 과제를 수행하였다. 데이터 전처리 과정에서 클래스 불균형 문제 해결을 위해 SMOTE 기법을 적용하였고, StandardScaler를 이 용한 정규화를 수행하였다. 주성분 분석을 통해 온도 변수, 기계 출력, 공구 마모가 주요 예측 변수로 확인되었다. 로지스틱 회귀, K-최근 접 이웃, 서포트 벡터 머신, 랜덤 포레스트, XGBoost 등 다섯 가지 머신러닝 알고리즘을 적용하여 성능을 비교하였다. 분석 결과, KNN은 상대적으로 낮은 성능을 보였으나 빠른 응답속도를 제공하였고, XGBoost가 모두에서 최고 성능을 보였으며, 이진 분류에서 F1 점수 0.958, 다중 클래스 분류에서 0.989를 달성하였다.

로터 블레이드는 조류발전 터빈의 매우 중요한 구성 요소로서, 해수의 높은 밀도로 인해 큰 추력(Trust force)와 하중(Load)의 영 향을 받는다. 따라서 블레이드의 형상 및 구조 설계를 통한 성능과 복합소재를 적용한 블레이드의 구조적 안전성을 반드시 확보해야 한 다. 본 연구에서는 블레이드 설계 기법인 BEM(Blade Element Momentum) 이론을 이용해 1MW급 대형 터빈 블레이드를 설계하였으며, 터빈 블레이드의 재료는 강화섬유 중의 하나인 GFRP(Glass Fiber Reinforced Plastics)를 기본으로 CFRP(Carbon Fiber Reinforced Plastics)를 샌드위치 구조에 적용해 블레이드 단면을 적층(Lay-up)하였다. 또한 유동의 변화에 따른 구조적 안전성을 평가하기 위해 유체-구조 연성해석 (Fluid-Structure Interactive Analysis, FSI) 기법을 이용한 선형적 탄성범위 안의 정적 하중해석을 수행하였으며, 블레이드의 팁 변형량, 변형 률, 파손지수를 분석해 구조적 안전성을 평가하였다. 결과적으로, CFRP가 적용된 Model-B의 경우 팁 변형량과 블레이드의 중량을 감소시 켰으며, 파손지수 IRF(Inverse Reserce Factor)가 Model-A의 3.0*Vr를 제외한 모든 하중 영역에서 1.0 이하를 지시해 안전성을 확보할 수 있었 다. 향후 블레이드의 재료변경과 적층 패턴의 재설계뿐 아니라 다양한 파손이론을 적용해 구조건전성을 평가할 예정이다.

본 연구는 전남 서남해안 우이도 주변해역의 조류흐름 특성에 따른 조류에너지 자원을 평가하였다. 먼저 대상해역의 조류특성에 관한 정보 수집을 통한 타당성 조사와 유한요소법을 적용한 수심평균 2차원 ADCIRC(Advanced Circulation) 수치모델로 조석과 조류속의 변화에 대한 모의실험을 수행하였다. 조석분조는 우리나라 해역에 가장 큰 영향을 미치는 4대 분조(M2, S2, K1, O1)를 기본으로 설정하였다. 실제 평균 수심이 반영된 수치모형의 4곳을 관측점으로 설정하여 분석한 결과, 대조기 때 고고조 2.2m, 최강조류속 1.33 m/s를 나타냈다. ADCIRC Model의 결과값은 국립해양조사원(KHOA) 실제 관측 자료와 비교 및 분석하여 검증하였다. 또한 대상해역의 수치모델 조류속값에 지형적 특성을 반영한 조류속기법(Tidal Flux Method)을 이용하여 조류에너지 밀도 분포에 대해 평가하였다. 우이도 해역의 5개 평가 영역 중 최대 1.75 kW/m²의 조류에너지 분포를 보였으며, 조위 및 조류속뿐만 아니라 해역의 지형적 특성을 고려한 조류에너지 밀도 분포도를 작성하여 최적의 조류발전단지 후보지를 선정하였다.