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
- 김유일
- 발행연도
- 2016
- 저작권
- 인하대학교 논문은 저작권에 의해 보호받습니다.
이용수1
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
랜덤하게 변화하는 응력에 노출된 구조물의 피로손상도를 구하는 방법으로는 시간영역과 주파수영역에서 구하는 두 가지 방법이 있다. 시간영역에서 레인플로우 집계법을 이용하여 응력범위와 빈도를 헤아리는 것이 가장 정확한 방법으로 알려져 있으나 확률밀도함수가 느리게 수렴하는 현상 등으로 인해 랜덤한 파랑하중에 노출된 선박 및 해양구조물에 적용하기에는 많은 단점을 내포하고 있는 것이 사실이다. 응답스펙트럼이 협대역 과정인 경우는 응력범위의 확률밀도함수는 레일리분포를 따르는 것으로 알려져 있으나 광대역 과정인 경우에는 응력범위의 확률밀도함수는 명확하게 정의할 수 없는 어려움이 있다. 본 논문에서는 인공신경망 기법을 이용하여 광대역 과정의 응력범위 확률밀도함수를 추정하여 피로손상도를 계산하는 방법론을 제시하였다. 이를 위해 두 개의 삼각형으로 표현된 bi-modal 스펙트럼에 대한 확률밀도함수를 레인플로우 집계법을 토대로 도출한 다음, 인공신경망 기법을 적용하여 스펙트럼 파라미터와 확률밀도함수 간의 상관관계를 규명하는 방법을 적용하였다. 신경망에 적용되는 파라미터의 개수를 최소화하기 위해 확률밀도함수를 가우시안 함수로 근사화하였으며, 이를 통해 인공신경망을 통한 확률밀도함수 예측치의 정확도 향상을 도모하였다. 학습된 인공신경망에 임의의 응력 응답 스펙트럼을 테스트한 결과, 레인플로우 집계법을 통해 구한 피로손상도 대비 오차범위 ±5%의 우수한 결과를 얻을 수 있었다.
목차
그림 목차............................................................................................ⅲ표 목차...............................................................................................ⅴ약어 정리............................................................................................ⅵ국문 요약............................................................................................ⅷ영문 요약............................................................................................ⅹ제1장. 서론 91.1 연구 배경 91.2 연구 동향 101.3 연구 범위 및 방법 11제2장. 이론적 배경 122.1 인공신경망의 개요 122.2 다층퍼셉트론 132.3 피로손상도 14제3장. 인공신경망의 적용 173.1 응력 스펙트럼 173.2 확률밀도함수의 근사 193.3 인공신경망의 검증 23제4장. 비교 및 검증 25제5장. 결론 33참고문헌 34
최근 본 자료
댓글(0)
0