선박의 아웃리거에 의한 선박 안정성(요동 감쇄)
Reduction Of Outrigger Wide To Maximize Fishing Boat ...
https://iptek.its.ac.id › article › download › pdf_266
2024. 8. 5. — Moreover, broader outriggers can amplify vessel motion, leading to extended oscillation periods, ... of the boat with and without the use ...

1. 연구 배경:
- 프리기 지역의 주깅(Jukung) 어선들은 넓은 아웃리거(약 5미터) 때문에 해안 가까이 정박하기 어려운 문제가 있습니다.
2. 연구 목적:
- 아웃리거 폭을 줄여 PPN 프리기 항구의 정박 용량을 늘리면서도 선박 안정성을 유지하는 방법을 찾고자 합니다.
3. 연구 방법:
- 다양한 아웃리거 폭(1.5m, 1.25m, 1m, 0.75m)에 대해 선박 안정성을 분석했습니다.
- HSC 2000 Annex 7과 Annex 749 (18) Ch3 설계 기준을 사용했습니다.
4. 주요 결과:
- 아웃리거 폭을 1미터로 줄여도 선박 안정성 기준을 충족합니다.
- 이 변경으로 15미터 정박지에서 정박 효율을 66% 높일 수 있습니다.
- PPN 프리기 동쪽 부두의 주깅 선박 수용량이 142척에서 236척으로 증가합니다.
5. 결론:
- 아웃리거 폭을 줄이면 항구 인프라를 최적화하고 프리기 어업 공동체의 운영 효율성을 향상시킬 수 있습니다.
이 연구는 전통적인 어선 설계를 현대화하여 항구 용량과 효율성을 개선하는 방법을 제시하고 있습니다.
댓글2
-
세상의모든계산기
클로드 Sonnet 3.5에게 수치적으로 분석해 달라고 했습니다.


import numpy as np import matplotlib.pyplot as plt from scipy.signal import find_peaks # 파도 프로파일 생성 함수 def generate_wave_profile(time, amplitude, frequency): return amplitude * np.sin(2 * np.pi * frequency * time) # 선박 요동 각도 계산 함수 def calculate_boat_angle(wave_height, outrigger_width): base_angle = np.arctan(wave_height / 5) # 기본 각도 (아웃리거 없을 때) if outrigger_width == 0: return np.degrees(base_angle) else: return np.degrees(base_angle / (1 + outrigger_width * 0.5)) # 아웃리거 효과 # 파라미터 설정 time = np.linspace(0, 10, 1000) # 10초 동안 1000개 데이터 포인트 wave_amplitude = 2 # 파도 진폭 (미터) wave_frequency = 0.5 # 파도 주파수 (Hz) # 파도 프로파일 생성 wave_profile = generate_wave_profile(time, wave_amplitude, wave_frequency) # 아웃리거 폭 범위 설정 outrigger_widths = [0, 0.75, 1, 1.25, 1.5, 2] # 그래프 설정 plt.figure(figsize=(12, 8)) # 파도 프로파일 플롯 plt.subplot(2, 1, 1) plt.plot(time, wave_profile, label='Wave Profile') plt.title('Wave Profile') plt.xlabel('Time (s)') plt.ylabel('Wave Height (m)') plt.legend() # 선박 요동 각도 플롯 plt.subplot(2, 1, 2) for width in outrigger_widths: boat_angles = [calculate_boat_angle(h, width) for h in wave_profile] plt.plot(time, boat_angles, label=f'Outrigger Width: {width}m') plt.title('Boat Roll Angle for Different Outrigger Widths') plt.xlabel('Time (s)') plt.ylabel('Roll Angle (degrees)') plt.legend() plt.tight_layout() plt.show() # 최대 요동 각도 분석 max_angles = [] for width in outrigger_widths: boat_angles = [calculate_boat_angle(h, width) for h in wave_profile] peaks, _ = find_peaks(boat_angles) max_angle = np.mean(np.array(boat_angles)[peaks]) max_angles.append(max_angle) # 최대 요동 각도 플롯 plt.figure(figsize=(10, 6)) plt.plot(outrigger_widths, max_angles, 'bo-') plt.title('Maximum Roll Angle vs Outrigger Width') plt.xlabel('Outrigger Width (m)') plt.ylabel('Maximum Roll Angle (degrees)') plt.grid(True) plt.show() # 결과 출력 for width, max_angle in zip(outrigger_widths, max_angles): print(f"Outrigger Width: {width}m, Max Roll Angle: {max_angle:.2f} degrees")인공지능 정말 똑똑하네요.
인공지능은 아직 개발 초기단계라는거...
세상의모든계산기 님의 최근 댓글
fx-570 CW 는 아래 링크에서 https://allcalc.org/56026 2025 10.24 불러오기 할 때 변수값을 먼저 확인하고 싶을 때는 VARIABLE 버튼 【⇄[x]】목록에서 확인하고 Recall 하시면 되고, 변수값을 이미 알고 있을 때는 바로 【⬆️SHIFT】【4】로 (A)를 바로 입력할 수 있습니다. 2025 10.24 fx-570 CW 로 계산하면? - 최종 확인된 결과 값 = 73.049507058478629343538 (23-digits) - 오차 = 6.632809104889414877 × 10^-19 꽤 정밀하게 나온건 맞는데, 시뮬레이션상의 22-digits 와 오차 수준이 비슷함. 왜 그런지는 모르겠음. - 계산기중 정밀도가 높은 편인 HP Prime CAS모드와 비교해도 월등한 정밀도 값을 가짐. 2025 10.24 HP Prime 에서 <Home> 73.0495070344 (12-decimal-digits) // python 시뮬레이션과 일치 <CAS> 21자리까지 나와서 이상하다 싶었는데, Ans- 에서 자릿수를 더 늘려서 빼보니, 뒷부분 숫자가 아예 바뀌어버림. 버그인가? (전) 73.0495070584718691243 (21-digits ????) (후) 73.0495070584718500814401 (24-digits ????) 찾아보니 버그는 아니고, CAS에서는 십진수가 아니라 2진수(bit) 단위로 처리한다고 함. Giac uses 48 bits mantissa from the 53 bits from IEEE double. The reason is that Giac stores CAS data (gen type) in 64 bits and 5 bits are used for the data type (24 types are available). We therefore loose 5 bits (the 5 low bits are reset to 0 when a double is retrieved from a gen). 출처 : https://www.hpmuseum.org/cgi-bin/archv021.cgi?read=255657 일단 오차를 놓고 보면 16-decimal-digits 수준으로 보임. 2025 10.23 khiCAS 에서 HP 39gII 에 올린 khiCAS는 254! 까지 계산 가능, 255! 부터는 ∞ fx-9750GIII 에 올린 khiCAS는 factorial(533) => 425760136423128437▷ // 정답, 10진수 1224자리 factorial(534) => Object too large 2025 10.23