적합직교분해기법과 자동기계학습을 이용한 최적화 프레임워크 구축 및 항공기 날개 다분야통합최적설계 적용|RISS 상세보기

다국어 초록 (Multilingual Abstract)

A Study on the construction of an optimization framework using Proper Orthogonal Decomposition and Automatic machine learning for the problem of Multi-disciplinary integrated optimal design of aircraft wing was performed. The coupling between different disciplines for Multi-disciplinary Optimization greatly increases the complexity of a computational framework, while at the same time increasing CPU time and memory usage. To overcome these difficulties, first, Proper Orthogonal Decomposition and Radial Basis Function were used to generate a reduced-order model from the data for initial experimental points. Second, analysis results for additional experimental points were predicted using the reduced-order model. Third, using automated machine learning, surrogate models for the objective and constraint functions were obtained from the analysis results at the initial and additional experimental points. Last, optimization was performed using the surrogate models for the objective and constraint functions. As an example, the Multi-disciplinary Optimization problem of determining the thicknesses of the composite lamina and sandwich core when the composite sandwich structure was used as an aircraft wing skin material was analyzed.

번역하기

목차 (Table of Contents)

표 목차 ⅳ
그림 목차 v
Abstract vi
Ⅰ. 서론 1
1. 연구의 배경 및 필요성 1

표 목차 ⅳ
그림 목차 v
Abstract vi
Ⅰ. 서론 1
1. 연구의 배경 및 필요성 1
2. 연구동향 2
1) 대리모델 기반 최적화(Surrogate-based optimization) 2
2) 적합직교분해(POD, Proper Orthogonal Decomposition) 3
3) 자동기계학습(AutoML) 4
3. 연구목적 및 범위 6
Ⅱ. 이론적 배경 7
1. 실험계획법(Design of Experiment) 7
1) 요인배치법(Factorial Design) 7
2) 중심합성계획법(Central Composite Design)과 박스-벤켄 설계법 (Box-Behnken Designs) 8
3) 직교배열(Orthogonal Arrays) 8
4) 충진계획법(Space Filling Design) 8
5) 균일 라틴 하이퍼큐브 실험계획법(Uniform Latin Hypercube Design) 8
2. 대리모델 기반 최적화 10
1) 반응표면법(Response Surface Method) 11
2) 인공신경망(Artificial Neural Network) 12
3) 크리깅(Kriging) 13
3. 자동기계학습 (Automatic Machine Learning) 16
1) Auto-sklearn 16
2) HyperOpt 17
3) AutoKeras 17
4) TPOT 18
Ⅲ. 적합직교분해 및 방사기저함수를 적용한 대리모델 생성 19
1. 적합직교분해 및 방사기저함수 사용목적 19
2. 이론적 배경 20
1) 적합직교분해(POD, Proper Orthogonal Decomposition) 20
2) 특이값 분해(SVD, Singular value decomposition) 20
3) 방사기저함수(RBF, Radial Basis Fuction) 22
Ⅳ. TPOT을 이용한 파이프라인 생성 및 최적화 24
1. 자동기계학습 사용목적 24
2. 자동기계학습 방법 25
3. 파이프라인 생성(Pipeline generation) 26
Ⅴ. 최적화 28
1. 유전자 알고리즘(Genetic Algorithm) 28
Ⅵ. 항공기 날개 다분야 최적설계 문제의 적용 30
1. 항공기 날개 다분야 최적설계 문제 30
1) 날개의 기본 모델 및 비행조건 30
2) 재료 선정 및 물성치 적용 32
3) 최적화 문제 33
2. 항공기 날개 다분야 최적화 과정 35
1) 공력 및 구조 연계 해석 36
(1) 외부형상 모델링 36
(2) 공력해석 모듈 36
(3) 하중변환 모듈 39
(4) 구조해석 모듈 44
(5) 공력-구조연계시스템 50
2) 스냅샷 데이터 구성 51
(1) 초기 실험포인트 51
(2) 적합직교분해 및 방사기저함수 적용 대리 모델 생성 51
3) 추가 실험포인트 상태 예측 54
4) 자동기계학습을 적용 파이프라인 생성 56
5) 유전자 알고리즘 프로그램 적용 최적화 58
3. 최적화 결과 59
Ⅶ. 결 론 60
참고문헌 61
부 록 65

참고문헌 (Reference)

1. Ensemble of surrogates, Goel T, Haftka RT, Queipo NV, Shyy W, 33(3), pp. 199–216, , 2007

2. A minimum bias latin hypercube design, Tsui K., Palmer K, 33, pp. 793–808, , 2001

3. DEAP: Evolutionary Algorithms Made Easy, F.-A. Fortin, 13, pp. 2171–2175, , 2012

4. Surrogate-based analysis and optimization., Vaidyanathan R, Goel T, Shyy W, Haftka R, Queipo N, Kevintucker P., 41(1), pp. 1–28, , 2005

5. Efficient global optimization of expensive black-box functions., Schonlau M, Welch WJ., Jones DR, 13, pp. 455–492, , 1998

6. A parametric analysis of reduced order models of viscous fl ows in turbomachinery, Epureanu B, 17(7), pp. 971–982, , 2003

7. Aerodynamic data reconstruction and inverse design using proper orthogonal decomposition, Willcox K., Damodaran M, Bui-Thanh T, 42(8), pp. 1505–1516, , 2004

8. 자동화된 공력 구조 연계 시스템을 이 용한 소형항공기 날개 샌드위치구조 최적설계, 박찬우, 추재명, 설창원, 전승문, 한국정밀공학회, 제30권 제10호 : 1061-1068, , 2013

9. Reduced-order modeling of unsteady small-disturbance flows using a frequency-domain proper orthogonal decomposition technique, Dowell EH, Thomas JP, Hall KC, 38(10), 1853–1862, , 2000