WO2022071630A1 - 선박 중앙단면 최적화 설계 시스템 및 그 방법 - Google Patents

선박 중앙단면 최적화 설계 시스템 및 그 방법 Download PDF

Info

Publication number
WO2022071630A1
WO2022071630A1 PCT/KR2020/016912 KR2020016912W WO2022071630A1 WO 2022071630 A1 WO2022071630 A1 WO 2022071630A1 KR 2020016912 W KR2020016912 W KR 2020016912W WO 2022071630 A1 WO2022071630 A1 WO 2022071630A1
Authority
WO
WIPO (PCT)
Prior art keywords
coordinates
optimal
robot
design
variable
Prior art date
Application number
PCT/KR2020/016912
Other languages
English (en)
French (fr)
Inventor
조민철
Original Assignee
(주)씨씨엘소프트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)씨씨엘소프트 filed Critical (주)씨씨엘소프트
Publication of WO2022071630A1 publication Critical patent/WO2022071630A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design

Definitions

  • the present invention is to provide a ship center section optimization design system and method, which are not complicated in calculation compared to the conventional ship design program, have a small amount of calculation, have a fast calculation processing speed, and can efficiently optimize and design the center section of the ship will be.
  • the optimal variable coordinate calculator may include: a plurality of first virtual values having different first multidimensional variable values in the plurality of first variable coordinates in a first multidimensional coordinate space including first variables related to the number of members of the design members.
  • a first virtual robot arrangement unit configured to distribute the robot;
  • a first robot and two first random robots are selected from among the plurality of first virtual robots, and coordinates and first function values of the first robot and the first random robots, and the plurality of first virtual robots a first motion vector calculating unit configured to calculate a first motion vector based on the global optimal solution coordinates having the largest function value; and moving the first robot based on the coordinates of the first virtual robot corresponding to the maximum function value among the first robot and the first random robots, the coordinates of the first robot, and the first movement vector It may include a first robot moving unit.
  • the calculating of the optimal variable coordinates may include: sequentially selecting the first robot from among the plurality of first virtual robots until all of the plurality of first virtual robots are moved in the first multidimensional coordinate space. performing a first optimization process for moving the first robot; determining, as the optimal variable coordinates, a global optimal solution coordinate having a maximum function value among the plurality of first virtual robots in a state in which the plurality of first virtual robots are all moved; and repeating the first optimization process two or more times m times, determining the optimal variable coordinates whenever the first optimization process is completed, and sequentially outputting m optimal variable coordinates. .
  • FIG. 4 is a view showing various stiffeners constituting a central section of a ship.
  • FIG. 6 is a flowchart specifically illustrating step S100 of FIG. 5 .
  • step S300 of FIG. 5 is a flowchart specifically illustrating step S300 of FIG. 5 .
  • the optimization design process of the central section of the ship is performed separately into the m first optimization process and the n second optimization process, various variables (members) of the design members constituting the central section of the ship number, member thickness, member location, member type, etc.), but compared to the conventional ship design program, the calculation is not complicated, the amount of calculation is small, the calculation processing speed is fast, and each design member constituting the center section of the ship It can be designed to be optimized efficiently.
  • the input unit 20 may be configured to receive various commands or information for optimizing the ship's central section through an input interface (eg, keyboard, mouse, touch panel, touch pad, etc.).
  • the input unit 20 may be configured so that an engineer in charge of designing a central cross-section of a ship can input various input data necessary for designing a central cross-section of a ship, such as a main dimension and a frame space.
  • the optimal variable coordinate calculator 62 may determine a candidate group related to the m member thicknesses from among all thickness combinations of the member thicknesses of the design members by the first optimization algorithm repeating the first optimization process m times.
  • the global optimal coordinate calculator 64 may calculate a total of m global optimal coordinates by calculating the global optimal coordinates for each of the m optimal variable coordinates calculated by the optimal variable coordinate calculator 62 .
  • the m global optimal coordinates calculated by the global optimal coordinate calculation unit 64 are finally first variables (thicknesses of design members) and second variables (thicknesses, positions of design members) related to the center section of the ship. and types) may be transmitted to the optimal design value determining unit 66 to determine optimal design values.
  • the global optimal coordinate calculator 64 may determine the global optimal solution coordinates having the maximum function value among the plurality of second virtual robots in a state in which the plurality of second virtual robots are all moved according to the second optimization process.
  • the global optimal coordinate calculation unit 64 repeats the second optimization process n times or more for each of the m optimal variable coordinates, respectively, and converts the global optimal solution coordinates when the second optimization process is completed n times as the global optimal coordinates. can decide
  • the optimal variable coordinate calculator 62 may determine the global optimal solution coordinates having the maximum function value among the plurality of first virtual robots as the optimal variable coordinates in a state in which all of the plurality of first virtual robots are moved ( S160 ).
  • the first motion vector calculator 626 sequentially selects a first robot Ri from among the plurality of first virtual robots R, and selects two first random robots Rj from among the remaining first virtual robots R. , Rk) can be randomly selected, and an attraction rate to be described later can be updated (refer to codes 4 and 5 in Table 1).
  • the first motion vector calculator 626 is configured to calculate the first optimal coordinates B1 having an optimal value among the plurality of first robots Ri and the plurality of first random robots Rj and Rk selected so far during the first optimization process. ) can be calculated.
  • the first vector V1, the second vector V2, and the third vector V3 determine the first coordinate P1 in relation to the coordinates of the first body robot R1.
  • the first movement vector calculator 626 applies a vector sum obtained by adding the first vector V1, the second vector V2, and the third vector V3 to the coordinates of the first body robot R1 to obtain the first coordinates. (P1) can be determined.
  • the first motion vector calculating unit 626 may calculate a fourth vector V4 from the first robot Ri toward the first coordinate P1 . Also, the first motion vector calculating unit 626 may calculate the first motion vector V5 by applying a preset inducement factor to the fourth vector V4 . In an embodiment, the attraction ratio may be set to 0.4 to 0.6, but is not limited thereto.
  • the first robot Ri is assigned to the first objective function based on the function values of the randomly selected first random robots Rj and Rk and the function values of the global optimal solution coordinates G1. It can be shifted to obtain the coordinates of the global optimal solution that can obtain the maximum function value for .
  • the second motion vector calculating unit 646 selects a second robot and two second random robots from among a plurality of second virtual robots, coordinates and second function values of the second robot and the second random robots, and A second motion vector may be calculated based on the coordinates of the global optimal solution having the maximum function value among the plurality of second virtual robots ( S230 ).
  • the global optimal coordinate calculator 64 may determine the global optimal solution coordinates having the maximum function value among the plurality of second virtual robots in a state in which the plurality of second virtual robots are all moved according to the second optimization process ( S270 ).
  • the second optimization process may be performed similarly to the first optimization process described with reference to FIGS. 7 to 11 .
  • m candidate groups for the number of members are generated, and in the second optimization process, member thicknesses, member positions, and member types of the design members are optimized for each candidate group of member numbers, and weight optimization is performed.
  • the optimal design value determiner 66 may compare m second global optimal values of m global optimal coordinates calculated for each m optimal variable coordinates ( S310 ).
  • the optimal design value determiner 66 may determine design values corresponding to the global optimal solution as optimal design values for the first variables and the second variables ( S330 ).
  • optimal design values for the number of plates, the number of welds, and the number of stiffeners may be determined from the variable values corresponding to the first variables of the global optimal solution, and variable values corresponding to the second variables of the global optimal solution It is possible to determine optimal design values for the thickness, position, and type of each of the plates, welds, and stiffeners.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 실시예에 따른 선박 중앙단면 최적화 설계 시스템은: 제1 최적화 과정을 반복 수행하여 선박의 중앙단면을 구성하는 설계 부재들의 부재 개수들의 다수의 후보군을 생성하고; 부재 개수들의 각 후보군 마다 제2 최적화 과정을 반복 수행하여 선박의 중앙단면을 구성하는 설계 부재들의 부재 두께들, 부재 위치들 및 부재 종류들을 최적화하는 중량 최적화를 수행할 수 있다. 본 발명의 실시예에 의하면, 종래의 선박 설계 프로그램과 비교하여 계산이 복잡하지 않아 연산량이 적고 연산 처리 속도가 빠르며, 선박의 중앙단면을 효율적으로 최적화 설계할 수 있다.

Description

선박 중앙단면 최적화 설계 시스템 및 그 방법
본 발명은 선박 중앙단면 최적화 설계 시스템 및 그 방법에 관한 것으로, 보다 상세하게는 선박 중앙단면을 구성하는 설계 부재들의 개수, 두께, 위치 및 종류를 효율적으로 최적화 설계할 수 있는 선박 중앙단면 최적화 설계 시스템 및 그 방법에 관한 것이다.
일반적으로 벌크 캐리어(Bulk carrier)는 곡물, 광석 등을 포장하지 않고 그대로 선창에 싣고 수송하는 화물선으로, 수송 대상 화물이나 사용 목적 등에 따라 곡물 운반선, 광석 운반선, 석탄 운반선, 겸용 운반선 등의 다양한 유형의 선박이 있다. 벌크 캐리어는 그 용도나 화물 종류, 화물 운반량 등을 고려하여 화물을 보다 안정적으로 수송하면서도 효율적으로 실을 수 있도록 그 중앙단면이 설계될 필요가 있다.
일반적으로 벌크 캐리어의 중앙단면 설계 시에는 국제 선급 학회(IACS) 및 한국 선급 등에서 지정한 선급의 평가 기준이 고려되고 있다. 선급은 배가 해양을 항해할 수 있다는 보증으로, 구조 및 설비 등에 대한 검사를 통해 산정된 선박의 등급을 의미한다. 이러한 벌크 캐리어의 설계 시에는 선체 단면 계수, 공통 구조 규칙(CSR; Common Structural Rules) 요구사항, 휨 모멘트 등 다양한 고려 조건을 전부 반영해야 하기에, 보통 6개월 이상의 긴 시간이 소요된다.
선박의 설계 시간을 단축하기 위하여, 트라이본(Tribon), AM(AVEVA MARINE), PDMS, GSCAD, AUTO CAD 등과 같은 해양 전용 설계를 위한 CAD 기반의 프로그램이 개발되고 있다. 그러나 이러한 종래의 선박 설계 프로그램은 계산이 복잡하고 컴퓨팅 시간이 매우 오래 걸리는 단점이 있다. 또한, 종래의 선박 설계 프로그램은 국제 규약 등에서 제시하는 기준을 만족하는지 검증이 어렵고, 설계 엔지니어가 고려해야 할 값이 많으며, 툴(Tool) 사용법이 복잡한 단점도 가진다.
본 발명은 종래의 선박 설계 프로그램과 비교하여 계산이 복잡하지 않아 연산량이 적고 연산 처리 속도가 빠르며, 선박의 중앙단면을 효율적으로 최적화 설계할 수 있는 선박 중앙단면 최적화 설계 시스템 및 그 방법을 제공하기 위한 것이다.
본 발명의 실시예에 따른 선박 중앙단면 최적화 설계 시스템은: 선박의 설계 단면을 구성하는 다수의 상이한 설계 부재들의 설계값들을 최적화하여 상기 선박의 중앙단면을 설계하도록 구성되는 선박 중앙단면 최적화 설계 시스템으로서, 상기 설계 부재들의 부재 개수들에 관한 제1 변수들을 포함하는 다수의 제1 변수 좌표를 제1 목적 함수에 각각 적용하여 다수의 제1 함수 값을 산출하고, 상기 다수의 제1 함수 값을 기초로 상기 제1 변수들과 관련하여 제1 전역 최적값에 해당하는 하나 이상의 최적 변수 좌표를 산출하도록 구성되는 최적 변수 좌표 산출부; 상기 최적 변수 좌표 별로 상기 설계 부재들의 부재 두께들, 부재 위치들 및 부재 종류들에 관한 제2 변수들을 포함하는 다수의 제2 변수 좌표를 제2 목적 함수에 각각 적용하여 다수의 제2 함수 값을 산출하고, 상기 다수의 제2 함수 값을 기초로 상기 제2 변수들과 관련하여 제2 전역 최적값에 해당하는 전역 최적 좌표를 산출하도록 구성되는 전역 최적 좌표 산출부; 및 상기 다수의 최적 변수 좌표에 대해 산출된 제2 전역 최적값들을 비교하여 전역 최적 좌표들 중 하나 이상의 전역 최적해를 결정하고, 상기 전역 최적해에 해당하는 설계값들을 기반으로 상기 제1 변수들 및 상기 제2 변수들에 관한 최적 설계값들을 결정하도록 구성되는 최적 설계값 결정부를 포함한다.
상기 제1 변수들은 상기 선박의 설계 단면을 구성하는 플레이트들의 개수, 상기 플레이트들 간의 용접부들의 개수 및 상기 선박의 구획별 스티프너들의 개수를 포함할 수 있다. 상기 제2 변수들은 상기 플레이트들의 두께, 상기 플레이트들 간의 용접부들의 위치 및 상기 선박의 구획별 스티프너들의 종류를 포함할 수 있다.
상기 최적 변수 좌표 산출부는 상기 플레이트들, 상기 용접부들, 상기 스티프너들을 포함하는 상기 설계 부재들의 유형 및 상기 선박의 구획 정보에 따라 상기 제1 변수들의 차원을 설정하도록 구성되는 제1 변수 차원 설정부를 포함할 수 있다. 상기 전역 최적 좌표 산출부는 상기 최적 변수 좌표에 해당하는 상기 플레이트들의 개수, 상기 용접부들의 개수 및 상기 구획별 스티프너들의 개수에 따라 상기 제2 변수들의 차원을 설정하도록 구성되는 제2 변수 차원 설정부를 포함할 수 있다.
상기 최적 변수 좌표 산출부는: 상기 설계 부재들의 상기 부재 개수들과 관련된 제1 변수들로 이루어지는 제1 다차원 좌표 공간 내의 상기 다수의 제1 변수 좌표에 상이한 제1 다차원 변수값들을 가지는 다수의 제1 가상 로봇을 분산 배치하도록 구성되는 제1 가상 로봇 배치부; 상기 다수의 제1 가상 로봇 중 제1 로봇과, 2개의 제1 랜덤 로봇들을 선택하고, 상기 제1 로봇 및 상기 제1 랜덤 로봇들의 좌표들 및 제1 함수 값들, 및 상기 다수의 제1 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 기반으로 제1 이동 벡터를 산출하도록 구성되는 제1 이동 벡터 산출부; 및 상기 제1 로봇 및 상기 제1 랜덤 로봇들 중 최대 함수 값에 해당하는 제1 가상 로봇의 좌표, 상기 제1 로봇의 좌표 및 상기 제1 이동 벡터를 기초로 상기 제1 로봇을 이동시키도록 구성되는 제1 로봇 이동부를 포함할 수 있다.
상기 최적 변수 좌표 산출부는: 상기 제1 다차원 좌표 공간 내에서 상기 다수의 제1 가상 로봇이 모두 이동될 때까지, 상기 다수의 제1 가상 로봇 중 상기 제1 로봇을 순차적으로 선택하여 상기 제1 로봇을 이동시키는 제1 최적화 과정을 수행하고; 상기 다수의 제1 가상 로봇이 모두 이동된 상태에서 상기 다수의 제1 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 상기 최적 변수 좌표로 결정하고; 그리고 상기 제1 최적화 과정을 2회 이상인 m회 반복하여 수행하고, 상기 제1 최적화 과정이 완료될 때마다 상기 최적 변수 좌표를 결정하여 m개의 최적 변수 좌표를 순차적으로 출력하도록 구성될 수 있다.
상기 전역 최적 좌표 산출부는: 상기 m개의 최적 변수 좌표 별로 각각 상기 설계 부재들의 부재 두께들, 부재 위치들 및 부재 종류들과 관련된 제2 변수들로 이루어지는 제2 다차원 좌표 공간 내의 상기 다수의 제2 변수 좌표에 상이한 제2 다차원 변수값들을 가지는 다수의 제2 가상 로봇을 분산 배치하도록 구성되는 제2 가상 로봇 배치부; 상기 다수의 제2 가상 로봇 중 제2 로봇과, 2개의 제2 랜덤 로봇들을 선택하고, 상기 제2 로봇 및 상기 제2 랜덤 로봇들의 좌표들 및 제2 함수 값들, 및 상기 다수의 제2 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 기반으로 제2 이동 벡터를 산출하도록 구성되는 제2 이동 벡터 산출부; 및 상기 제2 로봇 및 상기 제2 랜덤 로봇들 중 최대 함수 값에 해당하는 제2 가상 로봇의 좌표, 상기 제2 로봇의 좌표 및 상기 제2 이동 벡터를 기초로 상기 제2 로봇을 이동시키도록 구성되는 제2 로봇 이동부를 포함할 수 있다.
상기 전역 최적 좌표 산출부는: 상기 제2 다차원 좌표 공간 내에서 상기 다수의 제2 가상 로봇이 모두 이동될 때까지, 상기 다수의 제2 가상 로봇 중 상기 제2 로봇을 순차적으로 선택하여 상기 제2 로봇을 이동시키는 제2 최적화 과정을 수행하고; 상기 제2 최적화 과정에 따라 상기 다수의 제2 가상 로봇이 모두 이동된 상태에서 상기 다수의 제2 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 결정하고; 그리고 상기 m개의 최적 변수 좌표 별로 각각 상기 제2 최적화 과정을 2회 이상인 n회 반복하여 수행하고, 상기 제2 최적화 과정이 n회 완료될 때의 전역 최적해 좌표를 상기 전역 최적 좌표로 결정하도록 구성될 수 있다.
상기 최적 설계값 결정부는: 상기 m개의 최적 변수 좌표 별로 각각 산출된 m개의 전역 최적 좌표들의 m개의 제2 전역 최적값들을 비교하고; 상기 m개의 제2 전역 최적값들 중 최대 전역 최적값에 해당하는 전역 최적 좌표를 상기 전역 최적해로 결정하고; 그리고 상기 전역 최적해에 해당하는 설계값들을 상기 제1 변수들 및 상기 제2 변수들에 관한 최적 설계값들로 결정하도록 구성될 수 있다.
본 발명의 실시예에 따른 선박 중앙단면 최적화 설계 방법은: 선박의 설계 단면을 구성하는 다수의 상이한 설계 부재들의 설계값들을 최적화하여 상기 선박의 중앙단면을 설계하는 선박 중앙단면 최적화 설계 방법으로서, 최적 변수 좌표 산출부에 의해, 상기 설계 부재들의 부재 개수들에 관한 제1 변수들을 포함하는 다수의 제1 변수 좌표를 제1 목적 함수에 각각 적용하여 다수의 제1 함수 값을 산출하고, 상기 다수의 제1 함수 값을 기초로 상기 제1 변수들과 관련하여 제1 전역 최적값에 해당하는 하나 이상의 최적 변수 좌표를 산출하는 단계; 전역 최적 좌표 산출부에 의해, 상기 최적 변수 좌표 별로 상기 설계 부재들의 부재 두께들, 부재 위치들 및 부재 종류들에 관한 제2 변수들을 포함하는 다수의 제2 변수 좌표를 제2 목적 함수에 각각 적용하여 다수의 제2 함수 값을 산출하고, 상기 다수의 제2 함수 값을 기초로 상기 제2 변수들과 관련하여 제2 전역 최적값에 해당하는 전역 최적 좌표를 산출하는 단계; 및 최적 설계값 결정부에 의해, 상기 다수의 최적 변수 좌표에 대해 산출된 제2 전역 최적값들을 비교하여 전역 최적 좌표들 중 하나 이상의 전역 최적해를 결정하고, 상기 전역 최적해에 해당하는 설계값들을 기반으로 상기 제1 변수들 및 상기 제2 변수들에 관한 최적 설계값들을 결정하는 단계를 포함한다.
상기 최적 변수 좌표를 산출하는 단계는: 상기 플레이트들, 상기 용접부들, 상기 스티프너들을 포함하는 상기 설계 부재들의 유형 및 상기 선박의 구획 정보에 따라 상기 제1 변수들의 차원을 설정하는 단계를 포함할 수 있다. 상기 전역 최적 좌표를 산출하는 단계는: 상기 최적 변수 좌표에 해당하는 상기 플레이트들의 개수, 상기 용접부들의 개수 및 상기 구획별 스티프너들의 개수에 따라 상기 제2 변수들의 차원을 설정하는 단계를 포함할 수 있다.
상기 최적 변수 좌표를 산출하는 단계는: 제1 가상 로봇 배치부에 의해, 상기 설계 부재들의 상기 부재 개수들과 관련된 제1 변수들로 이루어지는 제1 다차원 좌표 공간 내의 상기 다수의 제1 변수 좌표에 상이한 제1 다차원 변수값들을 가지는 다수의 제1 가상 로봇을 분산 배치하는 단계; 제1 이동 벡터 산출부에 의해, 상기 다수의 제1 가상 로봇 중 제1 로봇과, 2개의 제1 랜덤 로봇들을 선택하고, 상기 제1 로봇 및 상기 제1 랜덤 로봇들의 좌표들 및 제1 함수 값들, 및 상기 다수의 제1 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 기반으로 제1 이동 벡터를 산출하는 단계; 및 제1 로봇 이동부에 의해, 상기 제1 로봇 및 상기 제1 랜덤 로봇들 중 최대 함수 값에 해당하는 제1 가상 로봇의 좌표, 상기 제1 로봇의 좌표 및 상기 제1 이동 벡터를 기초로 상기 제1 로봇을 이동시키는 단계를 포함할 수 있다.
상기 최적 변수 좌표를 산출하는 단계는: 상기 제1 다차원 좌표 공간 내에서 상기 다수의 제1 가상 로봇이 모두 이동될 때까지, 상기 다수의 제1 가상 로봇 중 상기 제1 로봇을 순차적으로 선택하여 상기 제1 로봇을 이동시키는 제1 최적화 과정을 수행하는 단계; 상기 다수의 제1 가상 로봇이 모두 이동된 상태에서 상기 다수의 제1 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 상기 최적 변수 좌표로 결정하는 단계; 및 상기 제1 최적화 과정을 2회 이상인 m회 반복하여 수행하고, 상기 제1 최적화 과정이 완료될 때마다 상기 최적 변수 좌표를 결정하여 m개의 최적 변수 좌표를 순차적으로 출력하는 단계를 포함할 수 있다.
상기 전역 최적 좌표를 산출하는 단계는: 제2 가상 로봇 배치부에 의해, 상기 m개의 최적 변수 좌표 별로 각각 상기 설계 부재들의 부재 두께들, 부재 위치들 및 부재 종류들과 관련된 제2 변수들로 이루어지는 제2 다차원 좌표 공간 내의 상기 다수의 제2 변수 좌표에 상이한 제2 다차원 변수값들을 가지는 다수의 제2 가상 로봇을 분산 배치하는 단계; 제2 이동 벡터 산출부에 의해, 상기 다수의 제2 가상 로봇 중 제2 로봇과, 2개의 제2 랜덤 로봇들을 선택하고, 상기 제2 로봇 및 상기 제2 랜덤 로봇들의 좌표들 및 제2 함수 값들, 및 상기 다수의 제2 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 기반으로 제2 이동 벡터를 산출하는 단계; 및 제2 로봇 이동부에 의해, 상기 제2 로봇 및 상기 제2 랜덤 로봇들 중 최대 함수 값에 해당하는 제2 가상 로봇의 좌표, 상기 제2 로봇의 좌표 및 상기 제2 이동 벡터를 기초로 상기 제2 로봇을 이동시키는 단계를 포함할 수 있다.
상기 전역 최적 좌표를 산출하는 단계는: 상기 제2 다차원 좌표 공간 내에서 상기 다수의 제2 가상 로봇이 모두 이동될 때까지, 상기 다수의 제2 가상 로봇 중 상기 제2 로봇을 순차적으로 선택하여 상기 제2 로봇을 이동시키는 제2 최적화 과정을 수행하는 단계; 상기 제2 최적화 과정에 따라 상기 다수의 제2 가상 로봇이 모두 이동된 상태에서 상기 다수의 제2 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 결정하는 단계; 그리고 상기 m개의 최적 변수 좌표 별로 각각 상기 제2 최적화 과정을 2회 이상인 n회 반복하여 수행하고, 상기 제2 최적화 과정이 n회 완료될 때의 전역 최적해 좌표를 상기 전역 최적 좌표로 결정하는 단계를 포함할 수 있다.
상기 최적 설계값들을 결정하는 단계는: 상기 m개의 최적 변수 좌표 별로 각각 산출된 m개의 전역 최적 좌표들의 m개의 제2 전역 최적값들을 비교하는 단계; 상기 m개의 제2 전역 최적값들 중 최대 전역 최적값에 해당하는 전역 최적 좌표를 상기 전역 최적해로 결정하는 단계; 및 상기 전역 최적해에 해당하는 설계값들을 상기 제1 변수들 및 상기 제2 변수들에 관한 최적 설계값들로 결정하는 단계를 포함할 수 있다.
본 발명의 실시예에 의하면, 종래의 선박 설계 프로그램과 비교하여 계산이 복잡하지 않아 연산량이 적고 연산 처리 속도가 빠르며, 선박의 중앙단면을 효율적으로 최적화 설계할 수 있는 선박 중앙단면 최적화 설계 시스템 및 그 방법이 제공된다.
도 1은 본 발명의 실시예에 따른 선박 중앙단면 최적화 설계 시스템의 구성도이다.
도 2는 본 발명의 실시예에 따른 선박 중앙단면 최적화 설계 시스템을 구성하는 최적 변수 좌표 산출부 및 전역 최적 좌표 산출부의 구성도이다.
도 3은 선박의 중앙단면을 구성하는 설계 부재들을 나타낸 도면이다.
도 4는 선박의 중앙단면을 구성하는 다양한 스티프너를 나타낸 도면이다.
도 5는 본 발명의 실시예에 따른 선박 중앙단면 최적화 설계 방법의 순서도이다.
도 6은 도 5의 단계 S100을 구체적으로 나타낸 순서도이다.
도 7 내지 도 11은 본 발명의 실시예에 따른 선박 중앙단면 최적화 설계 방법을 구성하는 제1 최적화 과정을 설명하기 위한 개념도이다.
도 12는 도 5의 단계 S200을 구체적으로 나타낸 순서도이다.
도 13은 도 5의 단계 S300을 구체적으로 나타낸 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 명세서에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 본 명세서에서 사용되는 '~부'는 적어도 하나의 기능이나 동작을 처리하는 단위로서, 예를 들어 소프트웨어, FPGA 또는 하드웨어 구성요소를 의미할 수 있다. '~부'에서 제공하는 기능은 복수의 구성요소에 의해 분리되어 수행되거나, 다른 추가적인 구성요소와 통합될 수도 있다. 본 명세서의 '~부'는 반드시 소프트웨어 또는 하드웨어에 한정되지 않으며, 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고, 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 이하에서는 도면을 참조하여 본 발명의 실시예에 대해서 구체적으로 설명하기로 한다.
본 발명의 실시예에 따른 선박 중앙단면 최적화 설계 시스템 및 그 방법은 선박 중앙단면을 구성하는 설계 부재들(예를 들어, 플레이트들, 용접부들 및 스티프너들)의 제1 변수들(부재 개수들)과 관련된 제1 최적화 과정을 m번(m은 2 이상의 정수) 반복하여 부재 개수들과 관련된 m개의 후보군들을 생성하고, 제1 최적화 과정을 반복하여 생성되는 부재 개수들과 관련된 각 후보군 마다 설계 부재들의 제2 변수들(부재 두께들, 부재 위치들 및 부재 종류들)과 관련된 제2 최적화 과정을 n번(n은 2 이상의 정수) 반복하여 전역 최적 좌표를 산출함으로써 선박 중앙단면의 설계 부재들의 최적 설계값들을 결정할 수 있다.
본 발명의 실시예에 의하면, 선박 중앙단면의 최적화 설계 과정이 m번의 제1 최적화 과정과, n번의 제2 최적화 과정으로 구분되어 수행되므로, 선박 중앙단면을 구성하는 설계 부재들의 다양한 변수들(부재 개수, 부재 두께, 부재 위치, 부재 종류 등)을 모두 고려하면서도, 종래의 선박 설계 프로그램과 비교하여 계산이 복잡하지 않아 연산량이 적고 연산 처리 속도가 빠르며, 선박의 중앙단면을 구성하는 각 설계 부재를 효율적으로 최적화 설계할 수 있다.
도 1은 본 발명의 실시예에 따른 선박 중앙단면 최적화 설계 시스템의 구성도이다. 도 1을 참조하면, 본 발명의 실시예에 따른 선박 중앙단면 최적화 설계 시스템(10)은 입력부(20), 제어부(30), 출력부(40), 저장부(50) 및 최적화 설계부(60)를 포함한다.
입력부(20)는 입력 인터페이스(예를 들어, 키보드, 마우스, 터치 패널, 터치 패드 등)를 통해 선박 중앙단면 최적화 설계를 위한 각종 명령이나, 정보들을 입력받도록 구성될 수 있다. 입력부(20)는 선박의 중앙단면설계를 담당하는 엔지니어가 주요 수치(main dimension), 프레임 공간(frame space) 등과 같이 선박의 중앙단면 설계에 필요한 다양한 입력 데이터를 입력할 수 있도록 구성될 수 있다.
제어부(30)는 입력부(20), 출력부(40), 저장부(50) 및 최적화 설계부(60)를 제어할 수 있다. 제어부(30)는 최적화 설계부(60)에 의해 선박 중앙단면 최적화 설계를 위한 프로그램을 실행시키도록 구성될 수 있다. 제어부(30)는 적어도 하나의 프로세서(processor)를 포함할 수 있다.
출력부(40)는 최적화 설계부(60)에 의해 생성된 선박 중앙단면 최적화 설계 정보를 출력하도록 구성될 수 있다. 출력부(40)에 의해 출력되는 정보는 선박 중앙단면을 구성하는 플레이트들, 용접부들 및 스티프너들의 개수, 두께, 위치 및 종류 등을 포함할 수 있다.
또한, 출력부(40)는 출력되는 설계 변수들에 매칭되는 설계 부재들의 개수, 두께, 위치 및 종류 등을 조합하여 선체 중앙단면을 가시화하는 시뮬레이션 화면을 출력할 수 있으며, 선체 강도의 모의실험 및 그에 대한 결과 그래프 등을 디스플레이 화면을 통해 출력할 수도 있다.
출력부(40)는 액정 디스플레이(liquid crystal display, LCD), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT LCD), 유기 발광 다이오드(organic light emitting diode, OLED), 플렉서블 디스플레이(flexible display), 3차원 디스플레이(3D display) 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
저장부(50)는 선박 중앙단면 최적화 설계를 위한 프로그램이나 각종 정보들을 저장하도록 구성될 수 있다. 저장부(50)는 예를 들어, 플래시 메모리(flash memory type), 하드디스크(hard disk), 램(RAM; Random Access Memory), 롬(ROM; Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기저장부, 자기 디스크, 광디스크 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
최적화 설계부(60)는 선박의 설계 단면을 구성하는 다수의 상이한 설계 부재들의 설계값들을 최적화하여 선박의 중앙단면을 설계하도록 구성될 수 있다.
최적화 설계부(60)는 최적 변수 좌표 산출부(62), 전역 최적 좌표 산출부(64) 및 최적 설계값 결정부(66)를 포함할 수 있다.
앞서 설명한 제1 최적화 과정은 최적 변수 좌표 산출부(62)에 의해 수행되고, 제2 최적화 과정은 전역 최적 좌표 산출부(64)에 의해 수행될 수 있다.
최적 변수 좌표 산출부(62)는 설계 부재들(예를 들어, 플레이트들, 용접부들, 스티프너들)의 부재 개수들에 관한 제1 변수들을 포함하는 다수의 제1 변수 좌표를 제1 목적 함수에 각각 적용하여 다수의 제1 함수 값을 산출할 수 있다.
실시예에서, 제1 변수들은 선박의 설계 단면을 구성하는 플레이트들의 개수, 플레이트들 간의 심(seam)으로도 불리는 용접부들의 개수 및 선박 중앙단면의 구획별 스티프너들의 개수를 포함할 수 있다.
최적 변수 좌표 산출부(62)는 산출된 다수의 제1 함수 값을 기초로 제1 변수들과 관련하여 제1 전역 최적값에 해당하는 하나 이상의 최적 변수 좌표를 산출할 수 있다.
최적 변수 좌표 산출부(62)에 의해 산출되는 각 최적 변수 좌표는 설계 부재들의 부재 두께들에 관련된 후보군에 해당한다. 각 최적 변수 좌표의 좌표값들은 설계 부재들의 부재 두께들에 각각 대응한다.
최적 변수 좌표 산출부(62)는 제1 최적화 과정을 m번 반복하는 제1 최적화 알고리즘에 의해, 설계 부재들의 부재 두께들의 모든 두께 조합들 중에서, m개의 부재 두께들과 관련된 후보군을 결정할 수 있다.
최적 변수 좌표 산출부(62)는 제1 목적 함수에 따라 부재 두께들과 관련된 후보군들을 결정할 수 있다. 제1 목적 함수는 예를 들어, 국제 분류 협회(IACS)의 공통 구조 규칙(CSR; Common Structural Rules)을 기초로 구조 안정성, 선박 재료 비용 및 설계 시간이 고려된 하나 이상의 목표 함수로 설정될 수 있다.
제1 목적 함수에 의한 제1 함수값을 결정하기 위한 목적 함수 변수들은 예를 들어, 장력/압축 스프링 설계조건(tension/compression spring design), 용접빔 설계조건(welded beam design), 압력 베셀 설계조건(pressure vessel design), 감속기 설계조건(speed reducer design), 스텝 캔틸레버 빔 설계조건(stepped cantilever beam design) 및/또는 15-바 플라나 트러스 설계조건(15-bar planar truss desing) 등이 포함될 수 있으나, 이에 한정되는 것은 아니다.
최적 변수 좌표 산출부(62)에 의해 최적 변수 좌표를 산출하는 구체적인 과정은 이후 도 7 내지 도 11을 참조하여 설명될 것이다. 최적 변수 좌표 산출부(62)에 의해 산출된 최적 변수 좌표들은 순차적으로 전역 최적 좌표 산출부(64)로 전달될 수 있다.
전역 최적 좌표 산출부(64)는 최적 변수 좌표 산출부(62)에 의해 산출된 m개의 최적 변수 좌표 별로, 설계 부재들의 제2 변수들(부재 두께들, 부재 위치들 및 부재 종류들)을 포함하는 다수의 제2 변수 좌표를 제2 목적 함수에 각각 적용하여 다수의 제2 함수 값을 산출하고, 다수의 제2 함수 값을 기초로 제2 변수들과 관련하여 제2 전역 최적값에 해당하는 전역 최적 좌표를 산출하도록 구성될 수 있다.
실시예에서, 제2 변수들은 플레이트들의 두께, 플레이트들 간의 용접부들의 위치 및 선박의 구획별 스티프너들의 종류를 포함할 수 있다. 전역 최적 좌표 산출을 위한 제2 목적 함수는 최적 변수 좌표 산출부(62)의 최적 변수 좌표 산출을 위해 고려되는 제1 목적 함수와 동일하거나, 부분적으로 동일하거나, 상이할 수 있다.
제2 목적 함수는 플레이트들의 두께, 플레이트들 간의 용접부들의 위치 및 선박의 구획별 스티프너들의 종류를 포함하는 제2 변수들로 설정될 수 있다. 최적 변수 좌표 산출부(62)에서 고려되는 제1 목적 함수에는 전역 최적 좌표 산출부(64)에서 고려되는 제2 목적 함수의 제2 변수들이 포함되지 않거나, 제2 변수들이 고정된 값들로 설정될 수 있다. 이와 유사하게, 전역 최적 좌표 산출부(64)에서 고려되는 제2 목적 함수에는 최적 변수 좌표 산출부(62)에서 고려되는 제1 목적 함수의 제1 변수들이 포함되지 않거나, 제1 변수들이 고정된 값들로 설정될 수 있다.
전역 최적 좌표 산출부(64)는 최적 변수 좌표 산출부(62)에 의해 산출된 m개의 최적 변수 좌표 별로 전역 최적 좌표를 산출하여 총 m개의 전역 최적 좌표들을 산출할 수 있다. 전역 최적 좌표 산출부(64)에 의해 산출된 m개의 전역 최적 좌표들은 최종적으로 선박의 중앙단면에 관련된 제1 변수들(설계 부재들의 두께들) 및 제2 변수들(설계 부재들의 두께들, 위치들 및 종류들)의 최적 설계값들을 결정하기 위해 최적 설계값 결정부(66)로 전달될 수 있다.
최적 설계값 결정부(66)는 다수의 최적 변수 좌표에 대해 산출된 제2 전역 최적값들을 비교하여 m개의 전역 최적 좌표들 중 하나 또는 복수개의 전역 최적해를 결정하고, 전역 최적해에 해당하는 설계값들을 기반으로 선박의 중앙단면 설계를 위한 제1 변수들(설계 부재들의 두께들) 및 제2 변수들(설계 부재들의 두께들, 위치들 및 종류들)에 관한 최적 설계값들을 결정할 수 있다.
도 2는 본 발명의 실시예에 따른 선박 중앙단면 최적화 설계 시스템을 구성하는 최적 변수 좌표 산출부 및 전역 최적 좌표 산출부의 구성도이다. 도 3은 선박의 중앙단면을 구성하는 설계 부재들을 나타낸 도면이다. 도 4는 선박의 중앙단면을 구성하는 다양한 스티프너를 나타낸 도면이다.
도 1 내지 도 4를 참조하면, 최적 변수 좌표 산출부(62)는 제1 변수 차원 설정부(622), 제1 가상 로봇 배치부(624), 제1 이동 벡터 산출부(626) 및 제1 로봇 이동부(628)를 포함할 수 있다.
제1 변수 차원 설정부(622)는 플레이트(PL)들, 용접부(SM)들, 스티프너(ST)들을 포함하는 설계 부재들의 유형 및 선박의 구획 정보에 따라 설계 부재들의 부재 개수들에 관련된 제1 변수들의 차원(제1 변수들의 개수)을 설정하도록 구성될 수 있다. 설계 부재들의 부재 개수들과 관련된 제1 변수들이 k개이면, 제1 다차원 좌표 공간은 k-차원을 가질 수 있다.
제1 가상 로봇 배치부(624)는 설계 부재들의 부재 개수들과 관련된 제1 변수들로 이루어지는 제1 다차원 좌표 공간 내의 다수의 제1 변수 좌표에 상이한 제1 다차원 변수값들을 가지는 다수의 제1 가상 로봇을 분산 배치하도록 구성될 수 있다.
제1 가상 로봇 배치부(624)는 다수의 제1 가상 로봇들을 제1 다차원 좌표 공간 내에 임의적으로 분산시키거나, 다수의 제1 가상 로봇들을 제1 다차원 좌표 공간 내의 미리 설정된 초기 위치들에 배치시킬 수 있다. 제1 변수들은 설계 부재들의 부재 개수들과 관련되므로, 다수의 제1 가상 로봇들은 정수 단위의 좌표값들을 가지도록 분산 배치될 수 있다.
제1 이동 벡터 산출부(626)는 다수의 제1 가상 로봇 중 제1 로봇(body robot)과, 2개의 제1 랜덤 로봇들(antenna robot)을 선택하고, 제1 로봇 및 제1 랜덤 로봇들의 좌표들 및 제1 함수 값들, 및 다수의 제1 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 기반으로 제1 다차원 좌표 공간에서의 제1 로봇의 위치 이동(좌표 이동)을 위한 제1 이동 벡터를 산출하도록 구성될 수 있다.
제1 로봇 이동부(628)는 제1 로봇 및 제1 랜덤 로봇들 중 최대 함수 값에 해당하는 제1 가상 로봇의 좌표, 제1 로봇의 좌표 및 제1 이동 벡터를 기초로 제1 로봇을 이동시키도록 구성될 수 있다. 제1 이동 벡터 산출부(626)와 제1 로봇 이동부(628)에 의해 제1 로봇을 이동시키는 방법은 도 7 내지 도 11을 참조하여 후술될 것이다.
최적 변수 좌표 산출부(62)는 제1 다차원 좌표 공간 내에서 다수의 제1 가상 로봇이 모두 이동될 때까지, 다수의 제1 가상 로봇 중 제1 로봇을 순차적으로 선택하여 제1 로봇을 이동시키는 제1 최적화 과정을 수행할 수 있다.
최적 변수 좌표 산출부(62)는 다수의 제1 가상 로봇이 모두 이동된 상태에서 다수의 제1 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 최적 변수 좌표로 결정할 수 있다.
최적 변수 좌표 산출부(62)는 제1 최적화 과정을 2회 이상인 m회 반복하여 수행하고, 제1 최적화 과정이 완료될 때마다 최적 변수 좌표를 결정하여 m개의 최적 변수 좌표를 순차적으로 출력할 수 있다.
전역 최적 좌표 산출부(64)는 제2 변수 차원 설정부(642), 제2 가상 로봇 배치부(644), 제2 이동 벡터 산출부(646) 및 제2 로봇 이동부(648)를 포함할 수 있다.
제2 변수 차원 설정부(642)는 최적 변수 좌표 산출부(62)에 의해 산출된 최적 변수 좌표에 해당하는 플레이트들의 개수, 용접부들의 개수 및 구획별 스티프너들의 개수에 따라 제2 변수들의 차원을 설정하도록 구성될 수 있다.
예를 들어, 최적 변수 좌표 산출부(62)에 의해 산출된 어느 하나의 최적 변수 좌표에 해당하는 플레이트들의 개수가 3개인 경우, 제2 변수들에는 3개의 플레이트들의 부재 두께들에 해당하는 3개의 변수들이 포함된다. 다른 예로, 최적 변수 좌표 산출부(62)에 의해 산출된 다른 최적 변수 좌표에 해당하는 플레이트들의 개수가 4개이면 제2 변수들에는 4개의 플레이트들의 부재 두께들에 해당하는 4개의 변수들이 포함된다.
제2 가상 로봇 배치부(644)는 m개의 최적 변수 좌표 별로 각각 설계 부재들의 부재 두께들, 부재 위치들 및 부재 종류들과 관련된 제2 변수들로 이루어지는 제2 다차원 좌표 공간 내의 다수의 제2 변수 좌표에 상이한 제2 다차원 변수값들을 가지는 다수의 제2 가상 로봇을 분산 배치하도록 구성될 수 있다.
제2 다차원 좌표 공간의 차원은 제1 다차원 좌표 공간의 차원과 다를 수 있다. 설계 부재들의 부재 두께들, 부재 위치들 및 부재 종류들과 관련된 제2 변수들이 p개이면, 제2 다차원 좌표 공간은 p-차원을 가질 수 있다.
제2 가상 로봇 배치부(644)는 다수의 제2 가상 로봇들을 제2 다차원 좌표 공간 내에 임의적으로 분산시키거나, 다수의 제2 가상 로봇들을 제2 다차원 좌표 공간 내의 미리 설정된 초기 위치들에 배치시킬 수 있다. 제2 변수들의 좌표값들은 설계 부재들의 부재 두께들의 범위, 부재 위치들의 범위, 부재 종류들의 범위 내에서 설정될 수 있다.
제2 이동 벡터 산출부(646)는 다수의 제2 가상 로봇 중 제2 로봇과, 2개의 제2 랜덤 로봇들을 선택하고, 제2 로봇 및 제2 랜덤 로봇들의 좌표들 및 제2 함수 값들, 및 다수의 제2 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 기반으로 제2 이동 벡터를 산출하도록 구성될 수 있다.
제2 로봇 이동부(648)는 제2 로봇 및 제2 랜덤 로봇들 중 최대 함수 값에 해당하는 제2 가상 로봇의 좌표, 제2 로봇의 좌표 및 제2 이동 벡터를 기초로 제2 로봇을 이동시키도록 구성될 수 있다.
전역 최적 좌표 산출부(64)는 제2 다차원 좌표 공간 내에서 다수의 제2 가상 로봇이 모두 이동될 때까지, 다수의 제2 가상 로봇 중 제2 로봇을 순차적으로 선택하여 제2 로봇을 이동시키는 제2 최적화 과정을 수행할 수 있다.
전역 최적 좌표 산출부(64)는 제2 최적화 과정에 따라 다수의 제2 가상 로봇이 모두 이동된 상태에서 다수의 제2 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 결정할 수 있다. 전역 최적 좌표 산출부(64)는 m개의 최적 변수 좌표 별로 각각 제2 최적화 과정을 2회 이상인 n회 반복하여 수행하고, 제2 최적화 과정이 n회 완료될 때의 전역 최적해 좌표를 전역 최적 좌표로 결정할 수 있다.
최적 설계값 결정부(66)는 m개의 최적 변수 좌표 별로 각각 산출된 m개의 전역 최적 좌표들의 m개의 제2 전역 최적값들을 비교할 수 있다. 최적 설계값 결정부(66)는 m개의 제2 전역 최적값들 중 최대 전역 최적값에 해당하는 전역 최적 좌표를 전역 최적해로 결정할 수 있다. 최적 설계값 결정부(66)는 전역 최적해에 해당하는 설계값들을 제1 변수들 및 제2 변수들에 관한 최적 설계값들로 결정할 수 있다.
도 5는 본 발명의 실시예에 따른 선박 중앙단면 최적화 설계 방법의 순서도이다. 최적 변수 좌표 산출부(62)는 설계 부재들의 부재 개수들에 관한 제1 변수들을 포함하는 다수의 제1 변수 좌표를 제1 목적 함수에 각각 적용하여 다수의 제1 함수 값을 산출하고, 산출된 다수의 제1 함수 값을 기초로 제1 변수들과 관련하여 제1 전역 최적값에 해당하는 하나 이상의 최적 변수 좌표를 산출할 수 있다(S100).
최적 변수 좌표 산출부(62)에 의해 수행되는 제1 최적화 과정에서, 제1 변수들은 선박의 설계 단면을 구성하는 플레이트들의 개수, 플레이트들 간의 심(seam)으로 불리는 용접부들의 개수 및 선박의 구획별 스티프너들의 개수를 포함할 수 있다.
전역 최적 좌표 산출부(64)는 최적 변수 좌표 별로 설계 부재들의 부재 두께들, 부재 위치들 및 부재 종류들에 관한 제2 변수들을 포함하는 다수의 제2 변수 좌표를 제2 목적 함수에 각각 적용하여 다수의 제2 함수 값을 산출하고, 다수의 제2 함수 값을 기초로 제2 변수들과 관련하여 제2 전역 최적값에 해당하는 전역 최적 좌표를 산출할 수 있다(S200).
전역 최적 좌표 산출부(64)에 의해 수행되는 제2 최적화 과정에서, 제2 변수들은 플레이트들의 두께, 플레이트들 간에 용접이 이루어지는 용접부들의 위치 및 선박의 구획별 스티프너들의 종류를 포함할 수 있다.
최적 설계값 결정부(66)는 다수의 최적 변수 좌표에 대해 산출된 제2 전역 최적값들을 비교하여 전역 최적 좌표들 중 하나 이상의 전역 최적해를 결정하고, 전역 최적해에 해당하는 설계값들을 기반으로 제1 변수들 및 제2 변수들에 관한 최적 설계값들을 결정할 수 있다(S300).
도 6은 도 5의 단계 S100을 구체적으로 나타낸 순서도이다. 도 2 및 도 6을 참조하면, 제1 변수 차원 설정부(622)는 플레이트(PL)들, 용접부(SM)들, 스티프너(ST)들을 포함하는 설계 부재들의 유형 및 선박의 구획 정보에 따라 설계 부재들의 부재 개수들에 관련된 제1 변수들의 차원을 설정할 수 있다(S110).
제1 가상 로봇 배치부(624)는 설계 부재들의 부재 개수들과 관련된 제1 변수들로 이루어지는 제1 다차원 좌표 공간 내의 다수의 제1 변수 좌표에 상이한 제1 다차원 변수값들을 가지는 다수의 제1 가상 로봇을 분산 배치할 수 있다(S120).
제1 이동 벡터 산출부(626)는 다수의 제1 가상 로봇 중 제1 로봇과, 2개의 제1 랜덤 로봇들을 선택하고, 제1 로봇 및 제1 랜덤 로봇들의 좌표들 및 제1 함수 값들, 및 다수의 제1 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 기반으로 제1 이동 벡터를 산출할 수 있다(S130).
제1 로봇 이동부(628)는 제1 로봇 및 제1 랜덤 로봇들 중 최대 함수 값에 해당하는 제1 가상 로봇의 좌표, 제1 로봇의 좌표 및 제1 이동 벡터를 기초로 제1 로봇을 이동시킬 수 있다(S140).
최적 변수 좌표 산출부(62)는 제1 다차원 좌표 공간 내에서 다수의 제1 가상 로봇이 모두 이동될 때까지, 다수의 제1 가상 로봇 중 제1 로봇을 순차적으로 선택하여 제1 로봇을 이동시키는 제1 최적화 과정을 수행할 수 있다(S150).
최적 변수 좌표 산출부(62)는 다수의 제1 가상 로봇이 모두 이동된 상태에서 다수의 제1 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 최적 변수 좌표로 결정할 수 있다(S160).
최적 변수 좌표 산출부(62)는 제1 최적화 과정을 2회 이상인 m회 반복하여 수행하고, 제1 최적화 과정이 완료될 때마다 최적 변수 좌표를 결정하여 m개의 최적 변수 좌표를 순차적으로 출력할 수 있다(S170, S180).
도 7 내지 도 11은 본 발명의 실시예에 따른 선박 중앙단면 최적화 설계 방법을 구성하는 제1 최적화 과정을 설명하기 위한 개념도이다. 아래의 표 1은 선박 중앙단면 최적화 설계 방법을 수행하기 위한 제1 최적화 알고리즘을 예시한 것이다. 이하에서, 도 7 내지 도 11, 표 1을 참조하여 도 5의 단계 S100을 예시적으로 설명한다.
Figure PCTKR2020016912-appb-I000001
먼저, 도 2 및 도 7을 참조하면, 제1 가상 로봇 배치부(624)는 설계 부재들의 부재 개수들과 관련된 제1 변수들로 이루어지는 제1 다차원 좌표 공간 내의 다수의 제1 변수 좌표에 상이한 제1 다차원 변수값들을 가지는 다수의 제1 가상 로봇(R)을 분산 배치할 수 있다(S120)(표 1의 코드 ① 참조). 도 2 및 도 8을 참조하면, 제1 이동 벡터 산출부(626)는 다수의 제1 가상 로봇(R)에 대해 각각 제1 목적 함수(objective function)를 적용하여 제1 함수값들을 산출할 수 있다(표 1의 코드 ② 참조).제1 이동 벡터 산출부(626)는 제1 최적화 과정 중 다수의 제1 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표(G1)를 결정하고 그 좌표 위치 및 좌표값을 업데이트할 수 있다(표 1의 코드 ③ 참조).
제1 이동 벡터 산출부(626)는 다수의 제1 가상 로봇(R) 중 제1 로봇(Ri)을 순차적으로 선택하고, 나머지 제1 가상 로봇(R) 중에서 2개의 제1 랜덤 로봇들(Rj, Rk)을 무작위로 선택하고, 후술되는 유인율(attraction rate)을 업데이트할 수 있다(표 1의 코드 ④, ⑤ 참조).
표 1의 코드 ④는 코드 ⑤ 부터 코드 ⑪ 까지의 제1 최적화 과정이 설정된 횟수 만큼 반복되도록 하는 알고리즘이다. 표 1의 코드 ⑥은 코드 ⑤ 내지 코드 ⑪에 해당하는 과정이 모든 제1 가상 로봇(R)들에 대해 수행되도록 하는 알고리즘이다.
제1 최적화 과정은 다수의 제1 가상 로봇(R)들 중에서 제1 로봇(Ri)을 순차적으로 선택하고, 선택된 제1 로봇(Ri)에 대해 코드 ⑤ 내지 코드 ⑪을 수행하는 과정하고, 코드 ⑤ 내지 코드 ⑪에 해당하는 과정이 모든 제1 가상 로봇(R)들에 대해 수행 완료될 때까지 반복될 수 있다.
제1 이동 벡터 산출부(626)는 선택된 3개의 가상 로봇(제1 바다 로봇 및 2개의 제1 랜덤 로봇들)에 대해 제1 목적 함수를 적용한 제1 함수값들을 기준으로 순위를 결정할 수 있다(표 1의 코드 ⑦ 참조).
제1 이동 벡터 산출부(626)는 제1 로봇(Ri)과 제1 랜덤 로봇들(Rj, Rk)로 이루어지는 3개의 가상 로봇들 중 목적 함수를 적용한 함수값이 가장 큰 가상 로봇을 제1 바디 로봇(R1)으로 결정하고, 함수값이 가장 작은 가상 로봇을 제1 안테나 로봇(R3)으로 결정하고, 중간 함수값을 가지는 가상 로봇을 제2 안테나 로봇(R2)으로 결정할 수 있다.
제1 이동 벡터 산출부(626)는 제1 최적화 과정 중에 현재까지 선택된 다수의 제1 로봇(Ri)과 다수의 제1 랜덤 로봇들(Rj, Rk) 중 최적값을 가지는 제1 최적 좌표(B1)를 산출할 수 있다.
제1 이동 벡터 산출부(626)는 제1 최적 좌표(B1)로부터 전역 최적해 좌표(G1)를 향하는 제1 벡터(V1), 제2 안테나 로봇(R2)으로부터 제1 최적 좌표(B1)를 향하는 제2 벡터(V2) 및 제1 안테나 로봇(R3)으로부터 제1 최적 좌표(B1)을 향하는 제3 벡터(V3)를 결정할 수 있다(표 1의 코드 ⑧ 참조).
도 2 및 도 9를 참조하면, 제1 벡터(V1), 제2 벡터(V2) 및 제3 벡터(V3)는 제1 바디 로봇(R1)의 좌표와 관련하여 제1 좌표(P1)를 결정하는데 활용될 수 있다. 제1 이동 벡터 산출부(626)는 제1 바디 로봇(R1)의 좌표에 제1 벡터(V1), 제2 벡터(V2) 및 제3 벡터(V3)를 합한 벡터합을 적용하여 제1 좌표(P1)를 결정할 수 있다.
표 1의 알고리즘의 코드 ⑧에, 제1 바디 로봇(R1)의 좌표는 'RobotR1.X'로 표기되고, 제2 안테나 로봇(R2)의 좌표는 'RobotR2.X'로 표기되고, 제1 안테나 로봇(R3)의 좌표는 'RobotR3.X'로 표기되고, 전역 최적해 좌표(G1)는 'gX'로 표기되고, 제1 좌표(P1)는 'PX'로 표기되어 있다.
도 2 및 도 10을 참조하면, 제1 이동 벡터 산출부(626)는 제1 로봇(Ri)으로부터 제1 좌표(P1)를 향하는 제4 벡터(V4)를 산출할 수 있다. 또한, 제1 이동 벡터 산출부(626)는 제4 벡터(V4)에 미리 설정된 유인율을 적용하여 제1 이동 벡터(V5)를 산출할 수 있다. 실시예에서, 유인율은 0.4 ~ 0.6으로 설정될 수 있으나, 이에 한정되는 것은 아니다.
도 2 및 도 11을 참조하면, 제1 이동 벡터 산출부(626)는 제1 로봇(Ri)을 제1 이동 벡터(V5) 만큼 이동시킬 수 있다(표 1의 코드 ⑨ 참조). 최적 변수 좌표 산출부(62)는 모든 제1 가상 로봇을 순차적으로 하나씩 제1 로봇(Ri)으로 설정하여 해당 제1 로봇(Ri)을 이동시킬 수 있다.
제1 로봇(Ri)이 제1 이동 벡터(V5)에 따라 이동되면, 해당 이동된 좌표를 제1 목적 함수에 적용하여 제1 로봇(Ri)의 제1 함수값을 업데이트할 수 있다(표 1의 코드 ⑩, ⑪ 참조). 이동된 제1 로봇(Ri)의 좌표에 대해 산출된 제1 함수값이 기존의 전역 최적해 좌표(G1)의 함수값 보다 큰 경우, 전역 최적해 좌표(G1)는 제1 로봇(Ri)의 이동된 좌표로 갱신되고, 그 함수값 또한 업데이트된다.
모든 제1 가상 로봇에 대해 이러한 제1 로봇의 이동이 수행되는 제1 최적화 과정은 여러번 반복하여 수행될 수 있다(표 1의 코드 ④, ⑫, ⑬ 참조). 최적 변수 좌표 산출부(62)는 다수의 제1 가상 로봇이 모두 이동된 상태에서 다수의 제1 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 최적 변수 좌표로 결정할 수 있다(S160).
제1 최적화 과정에 의해, 제1 로봇(Ri)은 무작위로 선택되는 제1 랜덤 로봇들(Rj, Rk)의 함수값들과 전역 최적해 좌표(G1)의 함수값을 기반으로 제1 목적 함수에 대한 최대의 함수값을 얻을 수 있는 전역 최적해 좌표를 얻을 수 있도록 이동될 수 있다.
제1 최적화 과정을 수회 내지 수백회 혹은 그 이상 반복하면, 제1 가상 로봇(R)들의 위치는 제1 목적 함수에 대해 가장 높은 함수값을 얻을 수 있는 좌표로 점차 수렴될 수 있다.
최적 변수 좌표 산출부(62)는 제1 최적화 과정을 2회 이상인 m회 반복하여 수행하고, 제1 최적화 과정이 완료될 때마다 최적 변수 좌표를 결정하여 총 m개의 최적 변수 좌표를 순차적으로 출력할 수 있다.
제2 최적화 과정을 통해 보다 최적의 전역 최적해 좌표를 얻을 수 있도록 하기 위해, 최적 변수 좌표 산출부(62)는 m번의 제1 최적화 과정을 수행한 최종 최적 변수 좌표 만을 출력하는 것이 아니라, m개의 최적 변수 좌표를 출력하여 전역 최적 좌표 산출부(64)로 전달할 수 있다.
도 12는 도 5의 단계 S200을 구체적으로 나타낸 순서도이다. 도 2 및 도 12를 참조하면, 제2 변수 차원 설정부(642)는 최적 변수 좌표 산출부(62)에 의해 산출된 최적 변수 좌표에 해당하는 플레이트들의 개수, 용접부들의 개수 및 구획별 스티프너들의 개수에 따라 제2 변수들의 차원을 설정할 수 있다(S210).
제2 가상 로봇 배치부(644)는 m개의 최적 변수 좌표 별로 각각 설계 부재들의 부재 두께들, 부재 위치들 및 부재 종류들과 관련된 제2 변수들로 이루어지는 제2 다차원 좌표 공간 내의 다수의 제2 변수 좌표에 상이한 제2 다차원 변수값들을 가지는 다수의 제2 가상 로봇을 분산 배치할 수 있다(S220).
제2 이동 벡터 산출부(646)는 다수의 제2 가상 로봇 중 제2 로봇과, 2개의 제2 랜덤 로봇들을 선택하고, 제2 로봇 및 제2 랜덤 로봇들의 좌표들 및 제2 함수 값들, 및 다수의 제2 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 기반으로 제2 이동 벡터를 산출할 수 있다(S230).
제2 로봇 이동부(648)는 제2 로봇 및 제2 랜덤 로봇들 중 최대 함수 값에 해당하는 제2 가상 로봇의 좌표, 제2 로봇의 좌표 및 제2 이동 벡터를 기초로 제2 로봇을 이동시킬 수 있다(S240).
전역 최적 좌표 산출부(64)는 제2 다차원 좌표 공간 내에서 다수의 제2 가상 로봇이 모두 이동될 때까지, 다수의 제2 가상 로봇 중 제2 로봇을 순차적으로 선택하여 제2 로봇을 이동시키는 제2 최적화 과정을 수행할 수 있다(S250, S260).
전역 최적 좌표 산출부(64)는 제2 최적화 과정에 따라 다수의 제2 가상 로봇이 모두 이동된 상태에서 다수의 제2 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 결정할 수 있다(S270).
전역 최적 좌표 산출부(64)는 m개의 최적 변수 좌표 별로 각각 제2 최적화 과정을 2회 이상인 n회 반복하여 수행하고, 제2 최적화 과정이 n회 완료될 때의 전역 최적해 좌표를 전역 최적 좌표로 결정할 수 있다(S270).
제2 최적화 과정은 도 7 내지 도 11을 참조하여 설명된 제1 최적화 과정과 유사하게 수행될 수 있다. 제1 최적화 과정에서는 설계 부재들의 부재 개수들의 m개의 후보군이 생성되고, 제2 최적화 과정에서는 부재 개수들의 각 후보군 마다 설계 부재들의 부재 두께들, 부재 위치들 및 부재 종류들이 최적화되어 중량 최적화가 수행될 수 있다.
도 13은 도 5의 단계 S300을 구체적으로 나타낸 순서도이다. 도 1 및 도 13을 참조하면, 최적 설계값 결정부(66)는 m개의 최적 변수 좌표 별로 각각 산출된 m개의 전역 최적 좌표들의 m개의 제2 전역 최적값들을 비교할 수 있다(S310).
최적 설계값 결정부(66)는 m개의 제2 전역 최적값들 중 최대의 전역 최적값에 해당하는 전역 최적 좌표를 최종적으로 전역 최적해로 결정할 수 있다(S320).
최적 설계값 결정부(66)는 전역 최적해에 해당하는 설계값들을 제1 변수들 및 제2 변수들에 관한 최적 설계값들로 결정할 수 있다(S330).
즉, 전역 최적해의 제1 변수들에 해당하는 변수값들로부터 플레이트들의 개수, 용접부들의 개수, 스티프너들의 개수에 관한 최적 설계값들을 결정할 수 있으며, 전역 최적해의 제2 변수들에 해당하는 변수값들로부터 플레이트들, 용접부들 및 스티프너들 각각의 두께, 위치 및 종류에 관한 최적 설계값들을 결정할 수 있다.
상술한 바와 같은 본 발명의 실시예에 의하면, 선박 중앙단면의 최적화 설계 과정을 m번의 제1 최적화 과정과, n번의 제2 최적화 과정으로 구분하여 수행함으로써, 선박 중앙단면을 구성하는 설계 부재들의 다양한 변수들(부재 개수, 부재 두께, 부재 위치, 부재 종류 등)을 모두 고려하면서도, 종래의 선박 설계 프로그램과 비교하여 계산이 복잡하지 않아 연산량이 적고 연산 처리 속도가 빠르며, 선박의 중앙단면을 구성하는 각 설계 부재를 효율적으로 최적화 설계할 수 있다.
이상에서 설명된 실시예들의 구성 중 적어도 일부는 하드웨어 구성요소, 소프트웨어 구성요소, 및/ 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(Arithmetic Logic Unit), 디지털 신호 프로세서(Digital Signal Processor), 마이크로컴퓨터, FPGA(Field Programmable Gate Array), PLU(Programmable Logic Unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다.
처리 장치는 운영 체제 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술 분야에서 통상의 지식을 가진 자는 처리 장치가 복수 개의 처리 요소(Processing Element) 및/또는 복수 유형의 처리요소를 포함할 수 있음을 이해할 것이다.
예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(Parallel Processor) 와 같은, 다른 처리 구성(Processing configuration)도 가능하다. 소프트웨어는 컴퓨터 프로그램(Computer Program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다.
소프트웨어 및/ 또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody) 될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CDROM, DVD와 같은 광기록 매체(optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (17)

  1. 선박의 설계 단면을 구성하는 다수의 상이한 설계 부재들의 설계값들을 최적화하여 상기 선박의 중앙단면을 설계하도록 구성되는 선박 중앙단면 최적화 설계 시스템으로서,
    상기 설계 부재들의 부재 개수들에 관한 제1 변수들을 포함하는 다수의 제1 변수 좌표를 제1 목적 함수에 각각 적용하여 다수의 제1 함수 값을 산출하고, 상기 다수의 제1 함수 값을 기초로 상기 제1 변수들과 관련하여 제1 전역 최적값에 해당하는 하나 이상의 최적 변수 좌표를 산출하도록 구성되는 최적 변수 좌표 산출부;
    상기 최적 변수 좌표 별로 상기 설계 부재들의 부재 두께들, 부재 위치들 및 부재 종류들에 관한 제2 변수들을 포함하는 다수의 제2 변수 좌표를 제2 목적 함수에 각각 적용하여 다수의 제2 함수 값을 산출하고, 상기 다수의 제2 함수 값을 기초로 상기 제2 변수들과 관련하여 제2 전역 최적값에 해당하는 전역 최적 좌표를 산출하도록 구성되는 전역 최적 좌표 산출부; 및
    상기 다수의 최적 변수 좌표에 대해 산출된 제2 전역 최적값들을 비교하여 전역 최적 좌표들 중 하나 이상의 전역 최적해를 결정하고, 상기 전역 최적해에 해당하는 설계값들을 기반으로 상기 제1 변수들 및 상기 제2 변수들에 관한 최적 설계값들을 결정하도록 구성되는 최적 설계값 결정부를 포함하는, 선박 중앙단면 최적화 설계 시스템.
  2. 제1항에 있어서,
    상기 제1 변수들은 상기 선박의 설계 단면을 구성하는 플레이트들의 개수, 상기 플레이트들 간의 용접부들의 개수 및 상기 선박의 구획별 스티프너들의 개수를 포함하고,
    상기 제2 변수들은 상기 플레이트들의 두께, 상기 플레이트들 간의 용접부들의 위치 및 상기 선박의 구획별 스티프너들의 종류를 포함하는, 선박 중앙단면 최적화 설계 시스템.
  3. 제2항에 있어서,
    상기 최적 변수 좌표 산출부는 상기 플레이트들, 상기 용접부들, 상기 스티프너들을 포함하는 상기 설계 부재들의 유형 및 상기 선박의 구획 정보에 따라 상기 제1 변수들의 차원을 설정하도록 구성되는 제1 변수 차원 설정부를 포함하고,
    상기 전역 최적 좌표 산출부는 상기 최적 변수 좌표에 해당하는 상기 플레이트들의 개수, 상기 용접부들의 개수 및 상기 구획별 스티프너들의 개수에 따라 상기 제2 변수들의 차원을 설정하도록 구성되는 제2 변수 차원 설정부를 포함하는, 선박 중앙단면 최적화 설계 시스템.
  4. 제1항에 있어서,
    상기 최적 변수 좌표 산출부는:
    상기 설계 부재들의 상기 부재 개수들과 관련된 제1 변수들로 이루어지는 제1 다차원 좌표 공간 내의 상기 다수의 제1 변수 좌표에 상이한 제1 다차원 변수값들을 가지는 다수의 제1 가상 로봇을 분산 배치하도록 구성되는 제1 가상 로봇 배치부;
    상기 다수의 제1 가상 로봇 중 제1 로봇과, 2개의 제1 랜덤 로봇들을 선택하고, 상기 제1 로봇 및 상기 제1 랜덤 로봇들의 좌표들 및 제1 함수 값들, 및 상기 다수의 제1 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 기반으로 제1 이동 벡터를 산출하도록 구성되는 제1 이동 벡터 산출부; 및
    상기 제1 로봇 및 상기 제1 랜덤 로봇들 중 최대 함수 값에 해당하는 제1 가상 로봇의 좌표, 상기 제1 로봇의 좌표 및 상기 제1 이동 벡터를 기초로 상기 제1 로봇을 이동시키도록 구성되는 제1 로봇 이동부를 포함하는, 선박 중앙단면 최적화 설계 시스템.
  5. 제4항에 있어서,
    상기 최적 변수 좌표 산출부는:
    상기 제1 다차원 좌표 공간 내에서 상기 다수의 제1 가상 로봇이 모두 이동될 때까지, 상기 다수의 제1 가상 로봇 중 상기 제1 로봇을 순차적으로 선택하여 상기 제1 로봇을 이동시키는 제1 최적화 과정을 수행하고;
    상기 다수의 제1 가상 로봇이 모두 이동된 상태에서 상기 다수의 제1 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 상기 최적 변수 좌표로 결정하고; 그리고
    상기 제1 최적화 과정을 2회 이상인 m회 반복하여 수행하고, 상기 제1 최적화 과정이 완료될 때마다 상기 최적 변수 좌표를 결정하여 m개의 최적 변수 좌표를 순차적으로 출력하도록 구성되는, 선박 중앙단면 최적화 설계 시스템.
  6. 제5항에 있어서,
    상기 전역 최적 좌표 산출부는:
    상기 m개의 최적 변수 좌표 별로 각각 상기 설계 부재들의 부재 두께들, 부재 위치들 및 부재 종류들과 관련된 제2 변수들로 이루어지는 제2 다차원 좌표 공간 내의 상기 다수의 제2 변수 좌표에 상이한 제2 다차원 변수값들을 가지는 다수의 제2 가상 로봇을 분산 배치하도록 구성되는 제2 가상 로봇 배치부;
    상기 다수의 제2 가상 로봇 중 제2 로봇과, 2개의 제2 랜덤 로봇들을 선택하고, 상기 제2 로봇 및 상기 제2 랜덤 로봇들의 좌표들 및 제2 함수 값들, 및 상기 다수의 제2 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 기반으로 제2 이동 벡터를 산출하도록 구성되는 제2 이동 벡터 산출부; 및
    상기 제2 로봇 및 상기 제2 랜덤 로봇들 중 최대 함수 값에 해당하는 제2 가상 로봇의 좌표, 상기 제2 로봇의 좌표 및 상기 제2 이동 벡터를 기초로 상기 제2 로봇을 이동시키도록 구성되는 제2 로봇 이동부를 포함하는, 선박 중앙단면 최적화 설계 시스템.
  7. 제6항에 있어서,
    상기 전역 최적 좌표 산출부는:
    상기 제2 다차원 좌표 공간 내에서 상기 다수의 제2 가상 로봇이 모두 이동될 때까지, 상기 다수의 제2 가상 로봇 중 상기 제2 로봇을 순차적으로 선택하여 상기 제2 로봇을 이동시키는 제2 최적화 과정을 수행하고;
    상기 제2 최적화 과정에 따라 상기 다수의 제2 가상 로봇이 모두 이동된 상태에서 상기 다수의 제2 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 결정하고; 그리고
    상기 m개의 최적 변수 좌표 별로 각각 상기 제2 최적화 과정을 2회 이상인 n회 반복하여 수행하고, 상기 제2 최적화 과정이 n회 완료될 때의 전역 최적해 좌표를 상기 전역 최적 좌표로 결정하도록 구성되는, 선박 중앙단면 최적화 설계 시스템.
  8. 제7항에 있어서,
    상기 최적 설계값 결정부는:
    상기 m개의 최적 변수 좌표 별로 각각 산출된 m개의 전역 최적 좌표들의 m개의 제2 전역 최적값들을 비교하고;
    상기 m개의 제2 전역 최적값들 중 최대 전역 최적값에 해당하는 전역 최적 좌표를 상기 전역 최적해로 결정하고; 그리고
    상기 전역 최적해에 해당하는 설계값들을 상기 제1 변수들 및 상기 제2 변수들에 관한 최적 설계값들로 결정하도록 구성되는, 선박 중앙단면 최적화 설계 시스템.
  9. 선박의 설계 단면을 구성하는 다수의 상이한 설계 부재들의 설계값들을 최적화하여 상기 선박의 중앙단면을 설계하는 선박 중앙단면 최적화 설계 방법으로서,
    최적 변수 좌표 산출부에 의해, 상기 설계 부재들의 부재 개수들에 관한 제1 변수들을 포함하는 다수의 제1 변수 좌표를 제1 목적 함수에 각각 적용하여 다수의 제1 함수 값을 산출하고, 상기 다수의 제1 함수 값을 기초로 상기 제1 변수들과 관련하여 제1 전역 최적값에 해당하는 하나 이상의 최적 변수 좌표를 산출하는 단계;
    전역 최적 좌표 산출부에 의해, 상기 최적 변수 좌표 별로 상기 설계 부재들의 부재 두께들, 부재 위치들 및 부재 종류들에 관한 제2 변수들을 포함하는 다수의 제2 변수 좌표를 제2 목적 함수에 각각 적용하여 다수의 제2 함수 값을 산출하고, 상기 다수의 제2 함수 값을 기초로 상기 제2 변수들과 관련하여 제2 전역 최적값에 해당하는 전역 최적 좌표를 산출하는 단계; 및
    최적 설계값 결정부에 의해, 상기 다수의 최적 변수 좌표에 대해 산출된 제2 전역 최적값들을 비교하여 전역 최적 좌표들 중 하나 이상의 전역 최적해를 결정하고, 상기 전역 최적해에 해당하는 설계값들을 기반으로 상기 제1 변수들 및 상기 제2 변수들에 관한 최적 설계값들을 결정하는 단계를 포함하는, 선박 중앙단면 최적화 설계 방법.
  10. 제9항에 있어서,
    상기 제1 변수들은 상기 선박의 설계 단면을 구성하는 플레이트들의 개수, 상기 플레이트들 간의 용접부들의 개수 및 상기 선박의 구획별 스티프너들의 개수를 포함하고,
    상기 제2 변수들은 상기 플레이트들의 두께, 상기 플레이트들 간의 용접부들의 위치 및 상기 선박의 구획별 스티프너들의 종류를 포함하는, 선박 중앙단면 최적화 설계 방법.
  11. 제10항에 있어서,
    상기 최적 변수 좌표를 산출하는 단계는:
    상기 플레이트들, 상기 용접부들, 상기 스티프너들을 포함하는 상기 설계 부재들의 유형 및 상기 선박의 구획 정보에 따라 상기 제1 변수들의 차원을 설정하는 단계를 포함하고,
    상기 전역 최적 좌표를 산출하는 단계는:
    상기 최적 변수 좌표에 해당하는 상기 플레이트들의 개수, 상기 용접부들의 개수 및 상기 구획별 스티프너들의 개수에 따라 상기 제2 변수들의 차원을 설정하는 단계를 포함하는, 선박 중앙단면 최적화 설계 방법.
  12. 제9항에 있어서,
    상기 최적 변수 좌표를 산출하는 단계는:
    제1 가상 로봇 배치부에 의해, 상기 설계 부재들의 상기 부재 개수들과 관련된 제1 변수들로 이루어지는 제1 다차원 좌표 공간 내의 상기 다수의 제1 변수 좌표에 상이한 제1 다차원 변수값들을 가지는 다수의 제1 가상 로봇을 분산 배치하는 단계;
    제1 이동 벡터 산출부에 의해, 상기 다수의 제1 가상 로봇 중 제1 로봇과, 2개의 제1 랜덤 로봇들을 선택하고, 상기 제1 로봇 및 상기 제1 랜덤 로봇들의 좌표들 및 제1 함수 값들, 및 상기 다수의 제1 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 기반으로 제1 이동 벡터를 산출하는 단계; 및
    제1 로봇 이동부에 의해, 상기 제1 로봇 및 상기 제1 랜덤 로봇들 중 최대 함수 값에 해당하는 제1 가상 로봇의 좌표, 상기 제1 로봇의 좌표 및 상기 제1 이동 벡터를 기초로 상기 제1 로봇을 이동시키는 단계를 포함하는, 선박 중앙단면 최적화 설계 방법.
  13. 제12항에 있어서,
    상기 최적 변수 좌표를 산출하는 단계는:
    상기 제1 다차원 좌표 공간 내에서 상기 다수의 제1 가상 로봇이 모두 이동될 때까지, 상기 다수의 제1 가상 로봇 중 상기 제1 로봇을 순차적으로 선택하여 상기 제1 로봇을 이동시키는 제1 최적화 과정을 수행하는 단계;
    상기 다수의 제1 가상 로봇이 모두 이동된 상태에서 상기 다수의 제1 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 상기 최적 변수 좌표로 결정하는 단계; 및
    상기 제1 최적화 과정을 2회 이상인 m회 반복하여 수행하고, 상기 제1 최적화 과정이 완료될 때마다 상기 최적 변수 좌표를 결정하여 m개의 최적 변수 좌표를 순차적으로 출력하는 단계를 포함하는, 선박 중앙단면 최적화 설계 방법.
  14. 제13항에 있어서,
    상기 전역 최적 좌표를 산출하는 단계는:
    제2 가상 로봇 배치부에 의해, 상기 m개의 최적 변수 좌표 별로 각각 상기 설계 부재들의 부재 두께들, 부재 위치들 및 부재 종류들과 관련된 제2 변수들로 이루어지는 제2 다차원 좌표 공간 내의 상기 다수의 제2 변수 좌표에 상이한 제2 다차원 변수값들을 가지는 다수의 제2 가상 로봇을 분산 배치하는 단계;
    제2 이동 벡터 산출부에 의해, 상기 다수의 제2 가상 로봇 중 제2 로봇과, 2개의 제2 랜덤 로봇들을 선택하고, 상기 제2 로봇 및 상기 제2 랜덤 로봇들의 좌표들 및 제2 함수 값들, 및 상기 다수의 제2 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 기반으로 제2 이동 벡터를 산출하는 단계; 및
    제2 로봇 이동부에 의해, 상기 제2 로봇 및 상기 제2 랜덤 로봇들 중 최대 함수 값에 해당하는 제2 가상 로봇의 좌표, 상기 제2 로봇의 좌표 및 상기 제2 이동 벡터를 기초로 상기 제2 로봇을 이동시키는 단계를 포함하는, 선박 중앙단면 최적화 설계 방법.
  15. 제14항에 있어서,
    상기 전역 최적 좌표를 산출하는 단계는:
    상기 제2 다차원 좌표 공간 내에서 상기 다수의 제2 가상 로봇이 모두 이동될 때까지, 상기 다수의 제2 가상 로봇 중 상기 제2 로봇을 순차적으로 선택하여 상기 제2 로봇을 이동시키는 제2 최적화 과정을 수행하는 단계;
    상기 제2 최적화 과정에 따라 상기 다수의 제2 가상 로봇이 모두 이동된 상태에서 상기 다수의 제2 가상 로봇 중 최대 함수 값을 가지는 전역 최적해 좌표를 결정하는 단계; 그리고
    상기 m개의 최적 변수 좌표 별로 각각 상기 제2 최적화 과정을 2회 이상인 n회 반복하여 수행하고, 상기 제2 최적화 과정이 n회 완료될 때의 전역 최적해 좌표를 상기 전역 최적 좌표로 결정하는 단계를 포함하는, 선박 중앙단면 최적화 설계 방법.
  16. 제15항에 있어서,
    상기 최적 설계값들을 결정하는 단계는:
    상기 m개의 최적 변수 좌표 별로 각각 산출된 m개의 전역 최적 좌표들의 m개의 제2 전역 최적값들을 비교하는 단계;
    상기 m개의 제2 전역 최적값들 중 최대 전역 최적값에 해당하는 전역 최적 좌표를 상기 전역 최적해로 결정하는 단계; 및
    상기 전역 최적해에 해당하는 설계값들을 상기 제1 변수들 및 상기 제2 변수들에 관한 최적 설계값들로 결정하는 단계를 포함하는, 선박 중앙단면 최적화 설계 방법.
  17. 제9항의 선박 중앙단면 최적화 설계 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
PCT/KR2020/016912 2020-09-29 2020-11-26 선박 중앙단면 최적화 설계 시스템 및 그 방법 WO2022071630A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0126530 2020-09-29
KR1020200126530A KR102498985B1 (ko) 2020-09-29 2020-09-29 선박 중앙단면 최적화 설계 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
WO2022071630A1 true WO2022071630A1 (ko) 2022-04-07

Family

ID=80950721

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/016912 WO2022071630A1 (ko) 2020-09-29 2020-11-26 선박 중앙단면 최적화 설계 시스템 및 그 방법

Country Status (2)

Country Link
KR (1) KR102498985B1 (ko)
WO (1) WO2022071630A1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006011729A (ja) * 2004-06-24 2006-01-12 Toshiba Corp 設計最適化支援システムおよび設計最適化支援方法
KR20150022208A (ko) * 2013-08-22 2015-03-04 대우조선해양 주식회사 용접로봇 작업대상 조립블록의 파라메트릭 모델링 방법
JP2015062991A (ja) * 2013-08-28 2015-04-09 キヤノン株式会社 座標系校正方法、ロボットシステム、プログラム及び記録媒体
CN111611526A (zh) * 2020-05-29 2020-09-01 广船国际有限公司 一种型船所用焊材量的计算方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006011729A (ja) * 2004-06-24 2006-01-12 Toshiba Corp 設計最適化支援システムおよび設計最適化支援方法
KR20150022208A (ko) * 2013-08-22 2015-03-04 대우조선해양 주식회사 용접로봇 작업대상 조립블록의 파라메트릭 모델링 방법
JP2015062991A (ja) * 2013-08-28 2015-04-09 キヤノン株式会社 座標系校正方法、ロボットシステム、プログラム及び記録媒体
CN111611526A (zh) * 2020-05-29 2020-09-01 广船国际有限公司 一种型船所用焊材量的计算方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
NA, SEUNG-SOO : "Optimum Structural Design of Mid-ship Section of D/H Tankers Based on Common Structural Rules. ", JOURNAL OF THE SOCIETY OF NAVAL ARCHITECTS OF KOREA, vol. 45, no. 2, 20 April 2008 (2008-04-20), pages 151 - 156, XP009535509, ISSN: 1225-1143, DOI: 10.3744/SNAK.2008.45.2.151 *

Also Published As

Publication number Publication date
KR20220043299A (ko) 2022-04-05
KR102498985B1 (ko) 2023-02-17

Similar Documents

Publication Publication Date Title
WO2019164237A1 (ko) 시스톨릭 배열을 이용하여 딥 러닝 연산을 수행하는 방법 및 장치
EP1815951B1 (en) Robot controller and robot system
EP3735662A1 (en) Method of performing learning of deep neural network and apparatus thereof
US20010008563A1 (en) Parallel processor and image processing apparatus
WO2019216513A1 (ko) 행 단위 연산 뉴럴 프로세서 및 이를 이용한 데이터 처리 방법
US11345026B2 (en) Robot program generation apparatus
JP2019016011A (ja) 演算処理装置及び演算処理装置の制御方法
WO2022071630A1 (ko) 선박 중앙단면 최적화 설계 시스템 및 그 방법
WO2020075957A1 (ko) 분산처리용 인공신경망 연산 가속화 장치, 이를 이용한 인공신경망 가속화 시스템, 및 그 인공신경망의 가속화 방법
EP3227856A1 (en) Method and apparatus for image blurring
Gultekin et al. Pure cycles in two-machine dual-gripper robotic cells
EP0137962B1 (en) System and method for controlling an industrial robot
WO2022055020A1 (ko) 자동화된 기계 학습 방법 및 그 장치
WO2021137420A1 (ko) 분석알고리즘개발장치 및 그 동작 방법
CN114119767A (zh) 基于相机标定的工件抓取方法、装置和控制系统
EP3529776A1 (en) Method, device, and system for processing multimedia signal
JP7478862B2 (ja) ロボット制御装置、ロボットコントローラ、ロボット制御方法、端末装置、及び端末制御方法
CN102047317B (zh) 冗余方法以及着色器列修复的装置
Kim et al. Optimal path finding with space‐and time‐variant metric weights via multi‐layer CNN
Chen et al. Planning to build soma blocks using a dual-arm robot
US5748933A (en) Data driven type information processor suitable for image processing that utilizes a configuration condition
WO2020231006A1 (ko) 영상 처리 장치 및 그 동작방법
JP2957778B2 (ja) 部品装着順序最適化方法
WO2024185914A1 (ko) 벡터 프로세서 및 그의 동작 방법
WO2019021938A1 (ja) 設計情報生成装置及び設計支援システム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20956395

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20956395

Country of ref document: EP

Kind code of ref document: A1