자동차의 발전에 따라 더불어 타이어에 대한 관심이 지속적으로 이루어지고 있다. 타이어의 발전은 타이어 재료와 구조의 개선으로 지속적으로 개발되어져 왔으며, 앞으로도 계속 개발되어 질 것이다. 하지만 승차감, 조종성능, 내구성 등 타이어의 다양한 기능 및 성능을 모두 만족시키는 것은 매우 어려운 일이며, 타이어의 2-3가지 성능을 만족시키기 위해서는 타이어의 여러 가지 설계변수의 수정이 뒤 따르게 되어 최적의 설계 값을 결정하기 위해 타이어 개발에 많은 시간이 소요되어 설계 효율성이 크게 떨어지게 된다. 본 논문에서는 타이어에 요구되어지는 성능을 개선하기 위한 ...
자동차의 발전에 따라 더불어 타이어에 대한 관심이 지속적으로 이루어지고 있다. 타이어의 발전은 타이어 재료와 구조의 개선으로 지속적으로 개발되어져 왔으며, 앞으로도 계속 개발되어 질 것이다. 하지만 승차감, 조종성능, 내구성 등 타이어의 다양한 기능 및 성능을 모두 만족시키는 것은 매우 어려운 일이며, 타이어의 2-3가지 성능을 만족시키기 위해서는 타이어의 여러 가지 설계변수의 수정이 뒤 따르게 되어 최적의 설계 값을 결정하기 위해 타이어 개발에 많은 시간이 소요되어 설계 효율성이 크게 떨어지게 된다. 본 논문에서는 타이어에 요구되어지는 성능을 개선하기 위한 목적함수과 설계변수를 설정하고, 설계변수에 따른 성능의 영향도 분석 및 최적설계를 통해 목적함수를 만족하는 최적의 타이어 설계변수 값을 도출하고자 한다. 이를 위해 타이어에서 요구되어지는 주요성능 중에 내구성과 승차감을 고려하기 위한 목적함수로 변형률 에너지 밀도 범위와 수직 강성을 설정하고, 설계변수를 cap, carcass, belt cord 및 단면적과 belt length, belt의 cord angle, side wall의 material property를 설정하였다. 그리고 해석에 소요되는 수치적 비용을 절감하기 위해 다양한 설계 방법론을 쉽게 수행할 수 있는 PIDO 프로그램인 PIAnO를 이용하였다. 타이어 설계변수에 따른 성능분석을 PIAnO에서 제공하는 직교배열표를 이용하여 목적함수에 따른 설계변수의 영향을 검토하였다. 그리고 수치해석에서는 설계영역을 빈틈없이 채우는 방법인 충진 계획법을 이용하는 것이 바람직한데, 충진 계획법인 OLHD 이용하여 kriging메타모델을 생성하여, 진화 알고리즘을 적용하여 타이어 목적함수인 변형률 에너지 밀도 범위와 수직 강성에 대한 최적화를 수행하여 최적의 설계 변수값을 도출하였다. 또한 설계변수에 따른 목적함수의 영향도 결과와 최적의 설계 변수값을 비교 및 분석을 하였다.
자동차의 발전에 따라 더불어 타이어에 대한 관심이 지속적으로 이루어지고 있다. 타이어의 발전은 타이어 재료와 구조의 개선으로 지속적으로 개발되어져 왔으며, 앞으로도 계속 개발되어 질 것이다. 하지만 승차감, 조종성능, 내구성 등 타이어의 다양한 기능 및 성능을 모두 만족시키는 것은 매우 어려운 일이며, 타이어의 2-3가지 성능을 만족시키기 위해서는 타이어의 여러 가지 설계변수의 수정이 뒤 따르게 되어 최적의 설계 값을 결정하기 위해 타이어 개발에 많은 시간이 소요되어 설계 효율성이 크게 떨어지게 된다. 본 논문에서는 타이어에 요구되어지는 성능을 개선하기 위한 목적함수과 설계변수를 설정하고, 설계변수에 따른 성능의 영향도 분석 및 최적설계를 통해 목적함수를 만족하는 최적의 타이어 설계변수 값을 도출하고자 한다. 이를 위해 타이어에서 요구되어지는 주요성능 중에 내구성과 승차감을 고려하기 위한 목적함수로 변형률 에너지 밀도 범위와 수직 강성을 설정하고, 설계변수를 cap, carcass, belt cord 및 단면적과 belt length, belt의 cord angle, side wall의 material property를 설정하였다. 그리고 해석에 소요되는 수치적 비용을 절감하기 위해 다양한 설계 방법론을 쉽게 수행할 수 있는 PIDO 프로그램인 PIAnO를 이용하였다. 타이어 설계변수에 따른 성능분석을 PIAnO에서 제공하는 직교배열표를 이용하여 목적함수에 따른 설계변수의 영향을 검토하였다. 그리고 수치해석에서는 설계영역을 빈틈없이 채우는 방법인 충진 계획법을 이용하는 것이 바람직한데, 충진 계획법인 OLHD 이용하여 kriging 메타모델을 생성하여, 진화 알고리즘을 적용하여 타이어 목적함수인 변형률 에너지 밀도 범위와 수직 강성에 대한 최적화를 수행하여 최적의 설계 변수값을 도출하였다. 또한 설계변수에 따른 목적함수의 영향도 결과와 최적의 설계 변수값을 비교 및 분석을 하였다.
As automobiles technology has been developed over time, the interest in tires also has been increased. The advance of tire has been continuously developed by the improvement of tire's material and structure, and it will be continued. Moreover, in order to satisfy two or three functions of a tire, it...
As automobiles technology has been developed over time, the interest in tires also has been increased. The advance of tire has been continuously developed by the improvement of tire's material and structure, and it will be continued. Moreover, in order to satisfy two or three functions of a tire, it is required to have modification of several design variables and it takes time to determine optimal design variable and it causes low-efficiency of design. Therefore, to reduce the numerical cost that is required for analysis, PIAnO(Process Integration, automation and Optimization) was used, which can also be easily performed for design methodology. In the research, objective function and design variable are set to improve the functions of tire that are required for its better conditions and through analysis of functional effect of design variable and optimization, it draws a conclusion of design variable value which contents objective function. In order to do these processes, strain energy density range and vertical stiffness are set to as an objective function to consider the tire’s required functions such as durability and comfortable ride. Section area of cap ply, carcass and belt cord, belt length, cord angle of belt and material property of side wall are set as design variable. Performance evaluation by design variable was analyzed using by orthogonal array(OA) table from PIAnO and the effect of design variable by objective function was examined through it. Then, kriging approximate model was produced by results of OLHD , a space filling experiment design and optimization was executed depending on objective function using evolutionary algorithm(EA). Also, it compares and analyzes the result of effect of objective function by design variable and design variable value.
As automobiles technology has been developed over time, the interest in tires also has been increased. The advance of tire has been continuously developed by the improvement of tire's material and structure, and it will be continued. Moreover, in order to satisfy two or three functions of a tire, it is required to have modification of several design variables and it takes time to determine optimal design variable and it causes low-efficiency of design. Therefore, to reduce the numerical cost that is required for analysis, PIAnO(Process Integration, automation and Optimization) was used, which can also be easily performed for design methodology. In the research, objective function and design variable are set to improve the functions of tire that are required for its better conditions and through analysis of functional effect of design variable and optimization, it draws a conclusion of design variable value which contents objective function. In order to do these processes, strain energy density range and vertical stiffness are set to as an objective function to consider the tire’s required functions such as durability and comfortable ride. Section area of cap ply, carcass and belt cord, belt length, cord angle of belt and material property of side wall are set as design variable. Performance evaluation by design variable was analyzed using by orthogonal array(OA) table from PIAnO and the effect of design variable by objective function was examined through it. Then, kriging approximate model was produced by results of OLHD , a space filling experiment design and optimization was executed depending on objective function using evolutionary algorithm(EA). Also, it compares and analyzes the result of effect of objective function by design variable and design variable value.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.