Deep learning-based detection technology for vortex-induced vibration of a ships propeller

Abstract

국제해사기구(IMO)의 탄소 배출량 저감 규제 등의 규제에 따라 조선 해운업계는 선박의 초대형화와 에너지 저감장치(ESD) 등 친환경 장치 적용으로 대응하고 있다. 이에 따라 선박의 프로펠러, 러더, ESD 등 수중 구조물의 설계 변화가 요구되고 있다. 새로운 설계 요구조건에 맞춰 주요 제원이 결정되며 전산유체해석 및 수조시험을 통한 성능설계, 진동해석 및 구조강도해석을 통한 구조설계가 진행된다. 수중구조물 제작 이후에는 품질검사를 거쳐 시운전 중에 성능과 진동평가를 마치면 선박이 인도된다. 친환경 장치가 설치된 대형 상선의 선미 구조물은 형상이 복잡하여 유동 및 진동특성의 설계 민감도가 크고 생산 공차에 따른 피로수명의 산포가 크기 때문에 초기 설계단계에서 모든 품질문제를 걸러 내기 어려운 문제가 있다. 특히 유동장에 있는 수중구조물의 경우 특정 유속에서 와류 이탈이 발생하게 되며 와류 이탈 주파수가 구조물의 고유진동수가 일치하는 경우 공진에 인한 와류기인진동(Vortex Induced Vibration; VIV) 문제가 종종 발생되어 수중구조물 피로손상의 원인이 되고 있다. VIV 문제가 있는 상태로 선박이 인도될 경우 설계수명을 만족하지 못하고 단기간에 파손이 되는 경우가 많아 조선소에 큰 피해를 주기 때문에 선박 인도 직전인 선박 시운전 단계에서 진동이나 응력 계측을 통해 VIV 발생 여부의 확인이 필요하다. 구조물에 작용하는 하중을 계측하는 전통적인 방법은 구조물에 스트레인게이지를 설치하고 수중 텔레미터리를 설치하여 구조물의 스트레인을 직접 계측하는 방법이지만 계측을 위해 많은 비용이 소요되고 계측 실패의 가능성이 매우 높다는 문제가 있다. 본 논문에서는 대형 상선 프로펠러의 대표적인 손상 원인인 Vortex Induced Vibration을 시운전 단계에서 선체 진동 계측을 통해 간접적으로 검출할 수 있는 방법을 제안하였다. 특정 VIV가 문제가 되는 경우는 유속에서 와류 이탈 주파수가 구조물의 고유진동수가 일치하는 경우 공진에 의해 와류이탈 강도가 증가하고 유속이 증가하더라도 와류이탈 주파수가 유지되는 Lock-in 현상이 발생하는 경우로 간접 계측을 통해 이를 명시적으로 확인할 수 있다. 이를 위해서는 진동 전문가의 반복적인 진동 계측 및 평가 프로세스가 필요한데 본 연구에서는 전문가를 대신한 딥러닝 알고리즘을 이용한 VIV 탐지 시스템을 제안하였다. 진동 분석과 VIV 검출 자동화를 위해 이미지 기반의 Object detection을 위해 널리 이용되고 있는 CNN(Convolution Neural Network) 알고리즘을 이용하였다. 본 연구에서는 Object detection을 수행하되 Classification은 수행하지 않아도 되는 특징이 있어 이에 특화된 CNN 모델 개발을 위해 Hyper parameter를 조정하여 Hidden Layer를 증가하는 방법으로 30개의 CNN모델을 검토하였고 최종적으로 과적합이 없이 탐지 성능이 높은 5개의 Hidden layer 가진 모델을 제안하였다. CNN 학습을 위해 필요한 대규모의 데이터 생성을 위해 진동 모드 중첩법 기반의 간이 선박 모델을 제안하였고 프로펠러 기진력을 모사하였다. 간이 모델을 이용하여 실제 진동계측 결과와 유사한 진동 특성을 보이는 10,000개의 데이터를 생성하여 학습에 이용하였고 1,000개의 데이터를 이용하여 테스트한 결과 82%이상의 탐지 성공률을 보였다. 제안된 탐지시스템의 검증을 위해 축소모델 시험을 수행하였다. 프로펠러에서 Vortex shedding 주파수와 블레이드의 수중 고유진동수가 일치하도록 설계된 1/10 스케일의 선박 추진 시스템 축소 모델을 이용하여 프로펠러에서 Vortex Induced Vibration을 발생시키고 프로펠러 주변 구조물에서 가속도계를 이용하여 Lock-in 현상에 의한 진동을 측정하였다. 이 신호를 이용하여 개발된 시스템으로 VIV의 검출이 가능함을 보였다. 마지막으로 VIV문제가 발생했던 원유운반선의 시운전 중 기관실 내에서 계측된 선체 구조 진동값을 이용하여 개발된 탐지 시스템의 타당성을 검증하고 실제 선박에서의 적용 가능성도 확인하였다. 개발된 시스템은 VIV 검출은 위한 자동화 시스템으로 활용이 가능할 것으로 보이며 향후 실선 데이터가 확보될 경우 유용성이 증가할 것으로 기대된다

Due to the International Maritime Organizations (IMO) regulations on carbon emission reduction, the shipbuilding and shipping industry increases the size of ships and adopts energy-saving devices (ESD) on ships. Accordingly, design changes of underwater structures such as propellers, rudders, and ESD of ships are required in line with these trends. The lock-in phenomenon caused by vortex-induced vibration (VIV) is a potential cause of vibration fatigue and singing of the propellers of large merchant ships. The VIV occurs when the vibration frequency of a structure immersed in a fluid is locked in its resonance frequencies within a flow speed range. Here, a deep learning-based algorithm is proposed for early detection of the VIV phenomenon. A salient feature in this approach is that the vibrations of a hull structure are used instead of the vibrations of its propeller, implying that indirect hull structure data relatively easy to acquire are utilized. The RPM-frequency representations of the measured vibration signals, which stack the vibration frequency spectrum respective to the propeller RPMs, are used in the algorithm. The resulting waterfall charts, which look like two-dimensional image data, are fed into the proposed convolutional neural network architecture. To generate a large data set needed for the network training, we propose to synthetically produce vibration data using the modal superposition method without computationally-expensive fluid-structure interaction analysis. This way, we generated 100,000 data sets for training, 1,000 sets for hyper-parameter tuning, and 1,000 data sets for the test. The trained network was found to have a success rate of 82% for the test set. We collected vibration data in our laboratory's small-scale ship propulsion system to test the proposed VIV detection algorithm in a more realistic environment. The system was so designed that the vortex shedding frequency and the underwater natural frequency match each other. The proposed VIV detection algorithm was applied to the vibration data collected from the small-scale system. The system was operated in the air and found to be sufficiently reliable. Finally, the proposed algorithm applied to the collected vibration data from the hull structure of a commercial full-scale crude oil carrier in her sea trial operation detected the propeller singing phenomenon correctly.