이득:
- 구조화된 형식으로 AI에 선체 형태, 저항 및 추진 매개변수를 제공하여 초기 크기 조정 및 설계 발견 속도를 높이는 기능
- AI 지원을 통해 CFD(전산 유체 역학) 연구, 네트워크 및 경계 조건 논리 설정을 쿼리하는 기능
- 모델 실험, 경험적 방법, 물리적 타당성을 통해 AI의 유체 역학 예측을 교차 확인하여 피팅 계수 및 결과를 캡처하는 기능
선박의 전체 경제는 물에 잠긴 형태로 숨겨져 있습니다. 선체 형태(선체 형태, 선박의 수중 및 표면 선체 형상)가 1밀리미터라도 변하더라도 선박이 사용하는 연료, 운반할 화물 및 배출 비용은 선박 수명 전반에 걸쳐 변경됩니다. 따라서 형태 설계와 유체 역학(보트 주위의 물 흐름과 그것이 유발하는 힘에 대한 과학)은 해군 공학에서 가장 비용이 많이 드는 결정이 내려지는 단계입니다. 인공 지능(AI)은 이 단계에서 초기 크기 조정 및 설계 탐색, 경험적 저항 방법 설치, 전산유체역학(CFD) 연구 계획이라는 세 가지 작업을 가속화합니다.
하지만 처음부터 문제를 해결해 보겠습니다. AI가 제공하는 저항 곡선이나 형상 계수가 없으면 모델 실험이나 검증된 방법으로 확인하지 않고 추진 결정으로 변환됩니다. 물은 공식을 읽지 않습니다. 보트의 실제 동작은 측정과 물리적 타당성에 의해서만 알 수 있습니다. 여기서 AI는 가속기이자 아이디어 생성기입니다. 유체역학은 현실의 증인이 아닙니다.
개념: 저항: 보트가 앞으로 나아갈 때 물이 보트에 가하는 반대 힘. 마찰, 파동 및 소용돌이 구성요소로 구성됩니다. 블록 계수(Cb): 선체의 수중 부피와 선체를 둘러싸는 직사각형 프리즘의 비율입니다. 충만의 척도이다. Froude 수(Fn): 보트 길이와 관련된 속도와 관련된 무차원 수입니다. 파도 저항을 결정합니다. 추진 효율: 엔진에서 생성된 동력 중 얼마나 많은 양이 유효 추력으로 변환되는지입니다. EHP/DHP: 유효 출력(유효 마력, 보트의 저항을 극복하는 데 필요한 힘) 및 전달 출력(전달 마력, 프로펠러에 도달하는 힘).
초기 크기 조정 및 설계 탐색
형태 디자인은 검색 문제입니다. 주요 치수(길이 Lpp, 폭 B, 구배 T), 형태 계수(Cb, 프리즘 계수 Cp, 중간 단면 계수 Cm) 및 속도 사이에는 끝없는 조합이 있습니다. 고전적인 방법에서 엔지니어는 유사한 선박의 데이터(주요 길이 계열, 회귀 관계)에서 시작합니다. AI는 이 발견을 가속화합니다. 몇 분 만에 수십 개의 주요 크기 조합 후보, 각 조합의 대략적인 변위, L/B, B/T 비율이 일반적인 범위 내에 속하는지 여부를 표로 작성합니다.
다음은 단계별 과정입니다. 첫 번째 단계는 운송할 화물, 범위, 서비스 속도, 채널/항구 제약(예: 파나마, 수에즈 폭 흘수 제한) 등 임무 요구 사항을 수정하는 것입니다. 두 번째 단계는 유사한 선박 데이터를 사용하여 첫 번째 주요 길이를 대략적으로 결정하는 것입니다. 세 번째 단계는 속도-종횡비(Froude number)에 따라 합리적인 범위 내의 형태 계수를 선택하는 것입니다. 네 번째 단계는 경험적 방법(예: Holtrop-Mennen 회귀)을 통해 저항과 전력을 예비적으로 추정하는 것입니다. 각 단계에서 AI는 공식을 작성하고 숫자를 생성합니다. 그러나 각 계수의 출처를 물어보고 이를 일반적인 범위와 비교하는 것이 중요합니다.
팁: AI가 형태 계수를 제안하면 "이 Froude 수에 대한 일반적인 Cb 값입니까? 어느 범위에 속해야 합니까?"라고 질문하십시오. 예를 들어, 고속 형태에서 전체 Cb(0.80+)는 파동 저항을 폭발시킵니다. AI는 이를 상기시켜 줄 수 있지만 최종 선택은 유사한 선박 데이터를 사용하는 귀하의 몫입니다.
CFD 설정의 경험적 방법 및 AI
초기 단계에서는 모델 실험이 아닌 경험적 회귀 방법을 통해 저항성을 추정합니다. Holtrop-Mennen과 같은 방법은 선박의 대규모 데이터베이스에서 파생된 공식을 사용하여 저항을 마찰 저항, 형태 효과, 파도 저항, 팽창 및 공기 저항 등의 구성 요소로 분류합니다. AI는 이 방법의 단계를 기억하고 중간 계수를 계산하며 스프레드시트 뼈대를 구축합니다. 그러나 이 방법에는 유효성 한계가 있습니다. Holtrop은 특정 Cb, Fn 및 L/B 범위에 대해 파생됩니다. 이 범위를 벗어나면 결과를 신뢰할 수 없습니다. AI는 이 한계를 상기시켜줄 것입니다. 그가 당신에게 상기시켜 주지 않는다면, 당신이 물어봐야 합니다.
CFD 측면에서 AI는 솔루션 자체를 수행하지는 않지만 설정을 쿼리하는 데 도움이 됩니다. 메시 해상도를 강화해야 하는 위치, 경계층에 대한 초기 셀 높이(y+)는 얼마이어야 하는지, 난류 모델(예: k-Ω SST)을 선택하는 이유, 수렴을 제어하는 방법. 이것은 교사-학생 대화입니다. 수치 결과를 확인하는 것은 메시 독립성 연구(메시 독립성, 네트워크를 강화해도 결과가 변하지 않음)와 가능한 경우 모델 실험 보정입니다.
방법
무엇을 주는가
장점
한도/검증
유사한 선박/회귀
첫 번째 주요 크기, 무차별 대입
속도도 빠르고 데이터도 저렴해요
유사한 형상에만 유효합니다.
홀트로프-메넨
부품 저항 곡선
전면 디자인 표준
Cb/Fn/L·B 범위 제한; 모델 확인이 필요합니다
CFD
상세한 흐름, 압력장
지역적 효과를 본다
네트워크 및 난기류 모델에 민감합니다. 교정이 필요합니다
모형실험(풀)
측정된 실제 저항
가장 신뢰할 수 있는
비용이 많이 들고 시간이 많이 걸립니다. 스케일 효과 보정
미니 케이스
사례 1 — 피팅된 보정 계수. 팀은 Holtrop을 사용하여 190m 유조선의 총 항력을 620kN으로 계산합니다. AI에게 "결과를 개선하라"고 지시하면 모델은 출처를 알 수 없는 "형태 수정 승수 0.80"을 추가하여 저항을 496kN으로 줄입니다. 이 20% 감소는 약 1개의 호스트 클래스만큼 추진력을 감소시킵니다. 팀은 승수의 기초에 대해 묻습니다. AI는 출처를 인용할 수 없습니다. 모델 테스트 데이터와 비교해 보면 실제 저항은 약 610kN이라는 것을 알 수 있습니다. 교훈: 소스가 없으면 보정 계수가 결과에 입력되지 않습니다.
사례 2 - Froude 한계를 초과합니다. 한 학생이 Holtrop에게 30노트의 운항 속도를 목표로 하는 50m 페리의 저항을 계산하게 했습니다. 이 길이 속도의 경우 Froude 수는 ~0.70으로 증가합니다. Holtrop의 신뢰할 수 있는 범위보다 훨씬 높습니다. AI는 먼저 지정하지 않고 결과를 제공합니다. 학생이 타당성 범위에 대해 질문하면 이 방법은 이 체제에 적합하지 않으며 대패/반변위 형태에는 다른 방법(Savitsky 등)이 필요하다는 것이 밝혀졌습니다. 교훈: 모든 경험적 방법의 타당성 범위에 의문을 제기하십시오.
사례 3 — 네트워크 오류. CFD 연구에서 AI는 거친 메쉬로 저항 540kN을 제공합니다. 엔지니어가 네트워크를 강화하고 독립성 연구를 수행하면 결과는 605kN입니다. 후방파장이 충분히 분해되지 않아 초기값이 11% 낮아졌습니다. 교훈: CFD 결과는 네트워크 독립성 연구 없이는 신뢰할 수 있는 것으로 간주될 수 없습니다.
복사 가능한 프롬프트 템플릿
템플릿 1 — 사전 크기 조정 탐색:
역할: 귀하는 선박 예비 설계 컨설턴트입니다.컨텍스트(대표): 수에즈 흘수 한도 내 벌크선의 탑재량 ~40,000t, 서비스 속도 ~14.5노트, 과제: 1) 4개의 후보 주요 길이 조합(Lpp, B, T)을 권장합니다.2) 각 후보의 대략적인 배수량, L/B, B/T, Cb ver.3) 비율이 일반적인 범위를 벗어나는 것을 표시합니다.제약: 단위를 작성합니다. 각 번호의; 사용 중인 회귀/데이터베이스를 지정하십시오. 최종 결정을 내리지 말고 후보자를 제출하십시오.
템플릿 2 - 홀트롭 저항 계산 구성:
Holtrop-Mennen 방법을 사용하여 예비 저항 계산 프레임워크를 설정합니다. 입력(대표): Lpp, B, T, Cb, Cp, 서비스 속도, 젖은 면적. 원하는 것:1) 저항 성분을 별도로 나열합니다(마찰, 형태, 파동, 투영, 공기).2) 각 성분에 사용하는 공식과 계수를 작성합니다.3) 방법의 유효 범위(Cb, Fn, L/B)를 지정하고 입력이 이 범위에 있는지 확인합니다. et.4) 모델 실험을 통해 결과를 보정하는 방법을 추가합니다.
템플릿 3 — CFD 설정 쿼리:
저는 보트 저항 CFD 연구를 설정하고 있습니다. 정당성과 함께 다음 결정을 설명하고 일반적인 값 범위를 제공합니다. - 난류 모델 선택 및 이유 - 벽 근처 솔루션(y+ 대상) 및 초기 셀 높이 - 자유 표면(VOF) 설정 - 수렴 및 메시 독립성을 확인하는 방법 각 제안에 대해 "어떻게 확인합니까" 줄을 추가합니다.
템플릿 4 — 결과 합리성 확인:
다음 저항/전력 결과를 비판하십시오.[EHP, DHP, 속도, 저항 값 붙여넣기]1) 이 크기의 선박에 일반적인 크기 순서가 있습니까?2) 추진 효율 가정이 합리적입니까(일반적으로 0.55-0.70)?3) 입력한 속도에서 저항을 다시 계산하십시오. 일관성이 있습니까?4) 의심스럽거나 근거가 없는 값을 표시하십시오.
약한 프롬프트 / 강한 프롬프트
약한 프롬프트:
이 보트에 가장 적합한 형태와 저항 곡선을 제공하십시오.
강력한 프롬프트:
역할: 당신은 유체역학 예비 설계 컨설턴트입니다. 상황(실제 프로젝트가 아닌 대표): Lpp ~180 m, B ~32 m, T ~12.5 m, Cb ~0.84, 서비스 속도 ~14.5노트. 작업: Holtrop 방법으로 부품의 예비 저항을 추정합니다. 각 계수의 출처와 방법의 유효 범위를 기록합니다. 제약: 소스 없이 보정 계수를 추가합니다. 모델 테스트를 통해 결과를 검증하는 방법과 수행해야 할 측정 사항을 나열하십시오. 단위(kN, kW, 노트)를 명확하게 명시합니다.
약한 프롬프트 형식에서는 "best"가 정의되지 않은 상태로 유지되며 유효성 검사가 필요하지 않습니다. 강력한 프롬프트는 컨텍스트, 방법, 유효성 제한 및 확인 경로를 요청합니다.
일반적인 실수
- 유효성 봉투를 무시합니다. Holtrop 또는 파생된 범위 밖의 다른 회귀를 사용하면 합리적으로 보이지만 잘못된 저항이 제공됩니다.
- 미소싱 보정 계수 채택. "개선"이라고 말하면 AI가 추가하는 빈약한 계수가 결과를 자동으로 왜곡합니다.
- 네트워크 독립 없이 CFD를 사용합니다. 거친 메쉬는 선미파와 소용돌이장을 해석할 수 없습니다. 저항이 낮아지게 됩니다.
- 규모 효과를 잊어 버렸습니다. 모형 실험 결과는 실제 크기로 이동할 때 마찰 보정(ITTC 방법)이 필요합니다. AI는 이를 우회할 수 있다.
- 파견 효율성을 낙관적으로 생각합니다. 저항이 정확하더라도 지나치게 낙관적인 구동 효율은 필요한 기계 출력을 과소평가합니다.
요약하면
AI는 선체 형태 발견, 경험적 저항 계산 설정 및 CFD 실행 계획을 가속화합니다. 몇 분 안에 수십 개의 후보 양식을 비교할 수 있습니다. 그러나 모든 경험적 방법에는 유효성 범위가 있고 모든 CFD 결과에는 네트워크 종속성이 있으며 모든 전체 규모 추정에는 규모 수정이 있습니다. AI가 생성한 저항 및 전력 값은 모델 실험, 경험적 확인 및 물리적 타당성의 필터를 거친 후에만 추천 결정으로 변환될 수 있습니다.
응용과제
대표적인 선박(예: Lpp ~150m, B ~25m, T ~9m, Cb ~0.75, 속도 ~15노트)의 경우 AI가 Holtrop 방법을 사용하여 예비 항력과 EHP를 계산하도록 합니다. 그런 다음 "결론 타당성 확인" 템플릿을 적용하여 크기 순서와 파견 효율성 가정을 쿼리합니다. AI에게 메소드의 유효 범위를 물어보고 입력이 이 범위 내에 있는지 확인하십시오. 발견한 불일치 사항을 하나 이상 보고하고 이를 확인한 방법을 반 페이지에 걸쳐 보고하세요.
체크리스트
- [ ] 제가 입력한 내용을 바탕으로 제가 사용한 경험적 방법의 타당도 범위를 비교했습니다.
- [ ] AI가 추가한 각 보정 요소의 출처를 물어보고 확인했습니다.
- [ ] 저항과 전력 결과를 일반적인 선박과 비교했습니다.
- [ ] CFD를 사용했다면 네트워크 독립성 연구를 계획/수행했습니다.
- [ ] 파견효율 가정이 합리적인 범위 내에 있음을 확인하였습니다.
- [ ] 모델 실험/검증된 방법을 토대로 최종 추진 결정을 내렸습니다.