본 연구실은 선박 및 해양 구조물의 유체역학적 특성 해석에 중점을 두고 있습니다. 특히, 선박이 파랑 중에서 받는 부가저항, 운동 응답, 그리고 비선형 유체력 해석 등 다양한 해양환경에서의 선박 거동을 정밀하게 분석합니다. 이를 위해 직교격자 기반의 전산유체역학(CFD) 기법, 패널법, 스트립법 등 다양한 수치해석 방법을 개발 및 적용하고 있습니다. 실험 데이터와의 비교를 통해 해석 기법의 신뢰성을 확보하며, 다양한 선형 및 구조물에 대한 수치적 검증도 수행합니다. 이러한 연구는 선박의 효율적인 설계와 안전성 향상에 직접적으로 기여합니다. 예를 들어, 파랑 중 부가저항 해석을 통해 실제 운항 시 선박의 연료 소모량을 예측하고, 다양한 선형의 설계 최적화에 활용할 수 있습니다. 또한, 대변위 운동, 슬로싱 현상, 그린워터 등 비선형 현상에 대한 해석을 통해 극한 해양환경에서의 구조물 안전성 평가도 수행합니다. 최근에는 반잠수식 부유체, 컨테이너선, 대형 원유운반선 등 다양한 선박 및 해양 구조물에 대한 해석을 확장하고 있습니다. 이를 통해 해양플랜트, LNG 운반선, 군함 등 실무 적용이 가능한 연구성과를 도출하고 있으며, 산업체 및 연구기관과의 협력을 통해 실질적인 기술 이전도 이루어지고 있습니다.

연구실은 최신 전산유체역학(CFD) 기법과 기계학습(머신러닝) 기술을 융합하여 선박의 성능을 예측하고 있습니다. CFD 해석을 통해 선박의 저항, 추진, 조종, 슬로싱 등 다양한 성능 지표를 수치적으로 분석하며, 대규모 병렬 클러스터를 활용한 시뮬레이션 데이터베이스(DB) 구축에도 힘쓰고 있습니다. 이를 바탕으로, 실제 선박 설계 및 운항에 필요한 성능 예측 모델을 개발하고 있습니다. 특히, 최근에는 다양한 선형 변수와 실험 데이터를 바탕으로 기계학습 기반의 성능 추정 모델을 구축하고 있습니다. 예를 들어, 저속비대선의 잉여저항계수 예측, 반잠수식 부유체 감쇠계수 추정, 로터세일 선박의 저항추진 성능 분석 등에서 기계학습 기법이 활용되고 있습니다. 리지 회귀, 서포트 벡터 회귀, 랜덤 포레스트, 신경망 등 다양한 알고리즘을 적용하여 예측 정확도를 높이고, 앙상블 모델을 통해 과적합 문제를 해결하고 있습니다. 이러한 데이터 기반 접근법은 기존의 물리 기반 해석과 결합되어, 더욱 신뢰성 높은 성능 예측을 가능하게 합니다. 궁극적으로는 차세대 친환경 스마트 선박, 자율운항선박 등 미래 해양산업의 핵심 기술 개발에 기여하고 있으며, 관련 소프트웨어 개발 및 실무 적용을 위한 연구도 활발히 진행 중입니다.

슬로싱 현상은 LNG 운반선 등 액체 화물선의 안전성에 매우 중요한 문제로, 본 연구실에서는 슬로싱 충격 해석을 위한 실험 및 수치해석 연구를 활발히 수행하고 있습니다. 입자영상유속계(PIV)와 고속카메라를 활용한 실험과, CIP, CCUP, VOF 등 다양한 수치기법을 적용하여 슬로싱 유동의 압력, 속도장, 자유수면 변동 등을 정밀하게 분석합니다. 특히, 2차원 및 3차원 슬로싱 유동에 대한 수치해석을 통해, 탱크 내 액체의 충격 압력, 국부 유동 특성, 그리고 구조물에 미치는 영향을 예측합니다. 실험 데이터와의 비교를 통해 수치모델의 신뢰성을 확보하고, 다양한 충진율, 진동 조건, 탱크 형상에 따른 슬로싱 심각성 평가도 수행합니다. 최근에는 불규칙파랑 조건에서의 슬로싱 예측, 인공지능 기반 슬로싱 위험도 평가 등 첨단 연구도 진행 중입니다. 이러한 연구는 LNG 운반선, 해양플랜트, 해상 저장설비 등 실제 산업 현장에서의 안전성 평가와 설계 최적화에 직접적으로 활용됩니다. 또한, 슬로싱 해석 기술의 고도화를 통해 극한 해양환경에서의 구조물 신뢰성 향상에 기여하고 있습니다.