선박의 통행량이 많은 연안해역은 선박들 사이에 복잡한 조우상황이 자주 발생하기 때문에 충돌사고의 가능성이 높다. 따라서 해상에서 충돌사고를 줄이기 위해서는 항해사의 국제충돌예방규칙(COLREG) 준수에 더하여 정량적인 충돌위험평가가 요구된다. 본 연구에서는 선박의 계획항로에 대한 충돌위험을 평가하기 위한 새로운 충돌위험도 평가시스템이 개발되었다. 먼저 기존의 충돌위험 평가모델들을 검토함으로써 적절한 충돌위험 평가방법이 제시되었다. 시스템은 MATLAB을 사용하여 개발되었으며 해도, 범퍼 및 평가의 세 부분으로 구성된다. 개발된 시스템은 시험을 위해 간단한 계산조건으로 시험해역에 적용되었으며, 그리고 검증을 위해 실제 계산조건으로 실제해역에 적용되었다. 그 결과 충돌위험은 자선의 길이, 항해시간 및 항로 등에 의해 영향을 받는 것으로 나타났다. 개발된 시스템은 항해사가 출항전 최적안전항로를 선택하는데 도움을 줄 수 있을 것으로 기대된다.

개발도상국에서 해양대학의 설립과 우수한 해기사의 양성은 해당 국가의 해양산업발전에 큰 영향을 줄 수 있다. 한국의 해양산업발전에 도전을 받은 케냐 정부에 의해 케냐해양대학의 설립을 위한 프로젝트가 추진되고 있다. 이 연구의 목적은 케냐해양대학을 위한 항해학과 교과과정을 개발하는 것이다. 이를 위해 먼저 케냐의 환경을 조사하였고, 이어서 IMO 해기교육요건, 모델코스 및 세계 주요 해양대학의 항해학과 교과과정을 검토하였으며, 이를 바탕으로 케냐해양대학 항해학과 교과과정을 개발하였다. 개발된 교과과정은 승선실습 1년을 포함하여 총 5년이 소요되는 과정이며, 총 200학점(매학기 20학점)을 이수하도록 되어 있다. 이 교과과정은 비록 케냐의 환경에 맞추어 개발된 것이지만, 국제적으로 표준화된 해기교육의 특성상 다른 국가의 유사한 연구에도 좋은 참고가 될 것으로 기대된다.

The Formal Safety Assessment (FSA) is a structured and systematic methodology developed by the IMO, aimed at assessing the risk of vessels and recommending the method to control intolerable risks, thereby enhancing maritime safety, including protection of life, health, the marine environment and property, by using risk analysis and cost-benefit assessment. While the FSA has mostly been applied to merchant vessels, it has rarely been applied to a DP vessel, which is one of the special purpose vessels in the offshore industry. Furthermore, most of the FSA has been conducted so far by using the Fault Tree Analysis tool, even though there are many other risk analysis tools. This study carried out the FSA for safe operation of DP vessels by using the Bayesian network, under which conditional probability was examined. This study determined the frequency and severity of DP LOP incidents reported to the IMCA from 2001 to 2010, and obtained the Risk Index by applying the Bayesian network. Then, the Risk Control Options (RCOs) were identified through an expert brainstorming and DP vessel simulations. This study recommends duplication of PRS, regardless of the DP class and PRS type and DP system specific training. Finally, this study verified that the Bayesian network and DP simulator can also serve as an effective tool for FSA implementation.

Dynamic Positioning System(DPS)은 동력, DP control 장치, DP 컴퓨터, 위치참조시스템(PRS), 센서, thruster 시스템 및 DP 운용 자(DPO) 7가지로 구성되어 있다. DP 선박은 이들 구성요소들에 문제가 발생하면 그 기능을 상실할 수 있는데 이러한 DP 선박의 위치손실사 고(Loss of Position, LOP)는 선주가 자발적으로 매년 IMCA에 보고하고 있다. 본 연구에서는 2001∼2010년까지 10년 동안 IMCA 보고된 DP 선박 관련사고 612건에 대한 분석을 바탕으로 DPS의 7가지 구성요소와 관련된 사고 원인을 파악하고 이들 중 높은 비율을 차지하는 요인의 정성적, 정량적 분석을 통한 DP 선박의 안전운항 방안을 모색하고자 한다. 10년 평균 가장 높은 비율을 차지한 DPS 사고원인 요소는 PRS였 다. 이를 전문가들의 브레인스토밍을 통해 작성된 flowchart를 바탕으로 베이지안 네트워크 분석을 시행한 결과 PRS 각 요소별 조건부 확률 을 확인할 수 있었다. DP 선박의 drive off를 발생시키는데 주요한 영향을 미치는 것은 DGPS, microwave radar 및 HPR 이었고 DGPS에 주 요한 영향을 미치는 에러 요인은 signal blocked, electric components failure, relative mode error 및 signal weak or fail이라는 것도 확인할 수 있었다.

In this paper, an adaptive neural network controller and its application to automatic berthing control of ship is presented. The neural network controller is trained online using adaptive interaction technique without any teaching data and off-line training phase. Firstly, the neural networks used to control rudder and propeller during automatic berthing process are presented. Secondly, computer simulations of automatic ship berthing are carried out in Pusan bay to verify the proposed controller under the influence of wind disturbance and measurement noise. The results of simulation show good performance of the developed berthing control system.

In this paper, new application of adaptive neural network to design a ship's Rudder-Roll Damping(RRD) control system is presented Firstly, the ANNAI neural network controller is presented. Secondly, new RRD control system using this neural network approach is developed. It uses two neural network controllers for heading control and roll damping control separately. Finally, Computer simulation of this RRD control system is carried out to compare with a linear quadratic optimal RRD control system; discussions and conclusions are provided. The simulation results show the feasibility of using ANNAI controller for RRD. Also, the necessity of mathematical ship model in designing RRD control system is removed by using NN control technique.

This paper presents an improved adaptive neural network autopilot based on our previous study for track-keeping control of ships. The proposed optimal neural network controller can automatically adapt its learning rate and number of iterations. Firstly, the track-keeping control system of ships is described For the track-keeping control task, a way-point based guidance system is applied To improve the track-keeping ability, the off-track distance caused by external disturbances is considered in learning process of neural network controller. The simulations of track-keeping performance are presented under the influence of sea current and wind as well as measurement noise. The toolbox for track-keeping simulation on Mercator chart is also introduced.

In Part I(theoretical study) of the paper, a new adaptive autopilot for ships based on Adaptive Neural Networks was proposed. The ANNAI autopilot was designed for course-keeping, turning and track-keeping control for ships. In this part of the paper, to show the effectiveness and feasibility of the ANNAI autopilot and automatic selection algorithm for learning rate and number of iterations, computer simulations of course-keeping and track-keeping tasks with and without the effects of measurement noise and external disturbances are presented. Additionally, the results of the previous studies using Adaptive Neural Network by backpropagation algorithm are also showed for comparison.

This paper presents a new adaptive autopilot for ships based on the Adaptive Neural Networks. The proposed adaptive autopilot is designed with some modifications and improvements from the previous studies on Adaptive Neural Networks by Adaptive Interaction (ANNAI) theory to perform course-keeping, turning and track-keeping control. A strategy for automatic selection of the neural network controller parameters is introduced to improve the adaptation ability and the robustness of new ANNAI autopilot. In Part II of the paper, to show the effectiveness and feasibility of the proposed ANNAI autopilot, computer simulations of course-keeping and track-keeping tasks with and without the effects of measurement noise and external disturbances will be presented.