선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 장애물이 한 개일 경우와 두 개일 경우에 대해 혼합효율을 극대화하기 위해 최적 설계를 수행하고자 한다. 따라서 각각의 경우에 대해 장애물의 위치와 크기에 따른 혼합효율의 변화를 수치해석을 통해 먼저 살펴보았다.
- 본 연구에서는 혼합효율을 향상시키기 위해 두 개의 장애물을 갖는 Y-채널 믹서의 최적설계를 수행하였다. 먼저 한 개 또는 두 개의 장애물의 위치 와 크기 변화에 따른 혼합효율의 영 향을 수치계산을 통해 알아보았다.
- 이를 이용하여 Y-채널 내부에 추가된 장애물의 반지름과 배열구조에 따른 혼합효율의 변화를 해석하였다. 장애물이 한 개와 두 개일 때의 경향을 파악함으로써 혼합효율을 증대시키는 최적 설계의 방향을 제시한다. 또한 본 연구에서는 이를 바탕으로 근사최적화 방법을 이용하여 최적 설계를 수행하였다.
가설 설정
- 위한 기하학적 구속조건이다. 여기에서, h 는 채널 중심에서 벽면까지의 거리이고 £은 장애물과 장애물 사이 및 장애물과 벽면 사이의 최소간극으로 8彻 로 가정하였다. 또한 식 (8b)에서 NP 는 입 구와 출구 사이의 압력 강하(pressure drop) 를 나타낸다.
- 전체 혼합영역의 길이는 1200 例 이다. 입구로 들어가는 작동유체(working fluid)는 각각 20°C 의 물과 에탄올(Ethanol)로 가정하였으며, 이 두 유체의 물성치를 Table 1 에 나타내었다. 이 경우 확산에 의한 혼합시간을 Wang 등⑫ 에 따라 대략적으로 추정해 보면, 약 IO'1 (s) 정도 (order)0] 다.
제안 방법
- 1 과 동일하고, 1번 장애물의 위치 는 혼합 부로부터 X 축 방향으로 150伊/, 채널의 중심에서 y 방향으로 90pm 떨어진 곳이다. 각각의 경우에 대해 혼합효율과 수직 방향 속도성분을 계산하였다. 일반적으로 수직 방향 속도성분은 혼합효율과 비례하여 증가함을 볼 수 있었다.
- 다음으로 두 개의 장애물을 사용할 경우에 대해 수치계산을 수행하였다. Wang 등(⑵은 장애물 이두 개인 경우 이를 비대칭 하게 배열함으로써 높은 효율을 얻을 수 있다고 밝히고 있다.
- 0e-6MPa 으로 설정하였다 . 다음으로 설계변수인 반지름의 설계구간을 결정하기 위하여 반지름의 변화에 따른 압력강하와 혼합효율의 변화를 알아보았다. Fig.
- 수행하고자 한다. 따라서 각각의 경우에 대해 장애물의 위치와 크기에 따른 혼합효율의 변화를 수치해석을 통해 먼저 살펴보았다.
- 앞서 해석한 바와 같이 두 장애물들이 비대칭으로 위치해 있을 때, 가장 높은 효율을 얻을 수 있었다. 따라서 두 장애물의 X 좌표 값들은 설계구간을 전 후반부로 나누어 각각의 영역에 하나의 장애물이 위치하도록 설정하였다.
- 또한 크리깅(Kriging) 모델과 같이 내재적 함수를 이용하여 근사모델을 구성할 경우 최적화 과정의 계산 시간이 증가되어 효율적이지 못하다. 따라서, 본 연구에서는 비선형성을 잘 표현할 수 있을 뿐만 아니라 계산 시간이 비교적 짧아 효율적이라 할 수 있는 신경망 이론을 이용하여 근사모델을 구성하였다. 실험 점들은 장애물이 하나인 경우에 대해 라틴 방격 (Latin square)을 이용하여 25 개의 실험 점을 선택하였다.
- 장애물이 한 개와 두 개일 때의 경향을 파악함으로써 혼합효율을 증대시키는 최적 설계의 방향을 제시한다. 또한 본 연구에서는 이를 바탕으로 근사최적화 방법을 이용하여 최적 설계를 수행하였다. 장애물이 있는 Y-채널 내부와 같이 비선형성이 강한 영역을 적절히 묘사 할 수 있도록 신경망(neural network) 이론을 이용하여 근사모델(approximate analysis model)을 구성하였다.
- 먼저 한 개 또는 두 개의 장애물의 위치 와 크기 변화에 따른 혼합효율의 영 향을 수치계산을 통해 알아보았다. 장애물이 하나인 경우와 두 개인 경우에 대해 근사최적화 방법을 이용한 최적 설계를 수행하였으며, 이를 통해 다음과 같은 결론을 얻을 수 있었다.
- 이 결과를 바탕으로 실제 최적 설계를 수행하여 효율을 극대화하였다. 먼저 해석 단계에서는 비 정렬 격자 Navier-Stokes 해석기법⑲에 농도 수송 방정식 (concentration transport equation)을 해석흐)■는 모듈을 추가하였다. 이를 이용하여 Y-채널 내부에 추가된 장애물의 반지름과 배열구조에 따른 혼합효율의 변화를 해석하였다.
- 본 연구에서는 채널 출구에서의 혼합된 정도를 알아보기 위해 다음과 같이 정의된 혼합효율을 사용하였다.('이
- 또한 식 (8b)에서 NP 는 입 구와 출구 사이의 압력 강하(pressure drop) 를 나타낸다. 여기에서 최대 허용 압력강하 △rm硕을 1.0e-6MPa 으로 설정하였다 . 다음으로 설계변수인 반지름의 설계구간을 결정하기 위하여 반지름의 변화에 따른 압력강하와 혼합효율의 변화를 알아보았다.
- 이에 본 연구에서는 장애물이 하나 그리고 두 개일 경우에 대하여 혼합을 해석하였다. 이 결과를 바탕으로 실제 최적 설계를 수행하여 효율을 극대화하였다. 먼저 해석 단계에서는 비 정렬 격자 Navier-Stokes 해석기법⑲에 농도 수송 방정식 (concentration transport equation)을 해석흐)■는 모듈을 추가하였다.
- 998로 잘설계공간을 잘 모사하고 있다고 판단된다. 이 근사 모델을 바탕으로 SQP(Sequential Quadratic Progra-mming)를 사용하여 최적화를 수행하였다.
- 장애물이 있는 Y-채널 내부와 같이 비선형성이 강한 영역을 적절히 묘사 할 수 있도록 신경망(neural network) 이론을 이용하여 근사모델(approximate analysis model)을 구성하였다. 이 근사모델에 대하여 복잡한 해 공간에서도 정밀도가 강한 SQP(Sequential Quadratic P* rogramming) 15, 를 이용하여 최적화를 수행하였다. 이를 통하여 장애물이 하나일 경우와 두 개일 경우 최대 효율을 갖는 믹서 형상을 얻을 수 있었다.
- 또한 한 개의 장애물의 경우 장애물이 벽면에 가까이 갈수록 혼합효율이 높아짐을 알고 있으므로 Case 2의 또위치를 또 하나의 설계변수의 초기값으로 설정하였다. 이 두 초기 위치 값들을 이용하여 각각 최적 설계를 수행하였다. 이 두 최 적설계 과정 에서 혼합효율과 압력강하의 변화, 그리고 최적화된 형상에서의 질량농도분포를 Fig.
- 장애물이 두 개인 경우에는 2 중점 혼합법(Central Composite Design)을 이용하여 78개의 실험점을 선택하였다. 이들 실험점들에 대하여 수치해석을 수행하였으며 혼합효율에 대한 근사모델을 구축하였다. 이 모델들의 결정계수(R2)의 값은 각각 0.
- 먼저 해석 단계에서는 비 정렬 격자 Navier-Stokes 해석기법⑲에 농도 수송 방정식 (concentration transport equation)을 해석흐)■는 모듈을 추가하였다. 이를 이용하여 Y-채널 내부에 추가된 장애물의 반지름과 배열구조에 따른 혼합효율의 변화를 해석하였다. 장애물이 한 개와 두 개일 때의 경향을 파악함으로써 혼합효율을 증대시키는 최적 설계의 방향을 제시한다.
- Wang 등(⑵은 장애물 이두 개인 경우 이를 비대칭 하게 배열함으로써 높은 효율을 얻을 수 있다고 밝히고 있다. 이에 Fig. 4 와 같이 I부터 III의 위치 중 한곳에 하나의 장애물을 고정시키고 다른 하나의 장애물을 1 에서 20 중 한곳에 위치시킨 후 각각에 대해 수치해석을 수행하였다. 이 중 가장 높은 효율을 얻을 수 있는 조합들을 고정된 장애물(I, II, III) 각각에 대해 Table 2 에 나타내었다.
- 마이크로 채널의 형상은 단순하나 장애물들의 위치와 크기를 적절히 조절함으로써 혼합효율을 증가시킬 수 있다. 이에 본 연구에서는 장애물이 하나 그리고 두 개일 경우에 대하여 혼합을 해석하였다. 이 결과를 바탕으로 실제 최적 설계를 수행하여 효율을 극대화하였다.
- 장애물이 하나, 그리고 두 개일 경우 각각에 대하여 최적설계를 수행하였다. 먼저 장애물이 하나일 경우에 대해 설계 변수는 장애물 중심의 좌표 (X, , 力)와 반지름(〃), 총 3개로 선정하였다.
- 먼저 한 개 또는 두 개의 장애물의 위치 와 크기 변화에 따른 혼합효율의 영 향을 수치계산을 통해 알아보았다. 장애물이 하나인 경우와 두 개인 경우에 대해 근사최적화 방법을 이용한 최적 설계를 수행하였으며, 이를 통해 다음과 같은 결론을 얻을 수 있었다.
- 장애물이 한 개인 경우 위치에 따른 효율의 변화를 알아보기 위해 Fig. 2 와 같이 25 가지 위치에 대해 수치해석을 수행하였다. 채널의 전체적 인형상은 Fig.
대상 데이터
- 최적설계를 수행하였다. 먼저 장애물이 하나일 경우에 대해 설계 변수는 장애물 중심의 좌표 (X, , 力)와 반지름(〃), 총 3개로 선정하였다. 이 변수들을 최대 혼합효율을 얻을 수 있도록 최적화하는 것이 설계 문제가 되므로 다음과 같이 설계 문제를 정의할 수 있다.
- 본 연구에서 대상으로 하는 Y-채널 마이크로 믹서의 형상을 Fig. 1 에 도시하였다. 서로 다른 두 유체가 60。의 각을 이루는 두 유입구로부터 들어와 혼합영역(mixing region)을 지나 줄구로.
- 본 연구에서 사용한 채널의 폭은 수백 所 의 크기 이고, 액체 유동으로 유동의 비 평형 도가 극히 적은 연속 류 영역(continuum flow regime)에 해당된다. 따라서, 비압축성 Navier-Stokes 방정식과 고착경계조건(no-slip wall condition)을 사용하여 해석할 수 있다.
- 따라서, 본 연구에서는 비선형성을 잘 표현할 수 있을 뿐만 아니라 계산 시간이 비교적 짧아 효율적이라 할 수 있는 신경망 이론을 이용하여 근사모델을 구성하였다. 실험 점들은 장애물이 하나인 경우에 대해 라틴 방격 (Latin square)을 이용하여 25 개의 실험 점을 선택하였다. 장애물이 두 개인 경우에는 2 중점 혼합법(Central Composite Design)을 이용하여 78개의 실험점을 선택하였다.
- 6 에 도시하였다. 압력강하의 변화가 비교적 완만한 80所 이하를 장애물 반지름의 설계영역으로 설정하였다. X 좌표 값의 설계구간은 2.
- 장애물이 두 개인 경우, 설계 변수는 장애물 중심의 좌표(孙 y, , x2. 见)와 반지름⑺, r3), 총 6 개로 선정하였다. 이 변수들을 최대 혼합효율을 얻을 수 있도록 최적화하는 것이 설계 문제가 되므로 다음과 같이 설계 문제를 정의할 수 있다.
이론/모형
- 따라서, 비압축성 Navier-Stokes 방정식과 고착경계조건(no-slip wall condition)을 사용하여 해석할 수 있다. 또한 두 작동 유체 물성치의 큰 차이가 없어 화학 변화 등의 현저한 물성치 변화가 없는 혼합만 발생할 것이다.
- 0e-3 이하로 하였다. 복잡한 형상에 쉽게 적용할 수 있는 비정 렬격 자 해 법 (unstructured grid method)'”⑰을 적용하였으며, 종속 스칼라 방정식 (passive scalar equation)인 농도 수송 방정식은 유동장을 계산한 이후에 독립적으로 계산하였다. 이는 선행연구(淄 에서 해석해와 상용코드와의 비교 결과 타당함이 검증되었다.
- 앞서 기술한 Navier-Stokes 방정식과 농도 수송 방정식을 수치적으로 계산하기 위해서, 비압축성 유동해석에 적절한 압력수정기법(pressure correction method)인 SIMPLE时법을 사용하였다. 수렴조건은 상대 Z, 2 norm 수정값(correction or residual)을 1.
- 실험 점들은 장애물이 하나인 경우에 대해 라틴 방격 (Latin square)을 이용하여 25 개의 실험 점을 선택하였다. 장애물이 두 개인 경우에는 2 중점 혼합법(Central Composite Design)을 이용하여 78개의 실험점을 선택하였다. 이들 실험점들에 대하여 수치해석을 수행하였으며 혼합효율에 대한 근사모델을 구축하였다.
- 또한 본 연구에서는 이를 바탕으로 근사최적화 방법을 이용하여 최적 설계를 수행하였다. 장애물이 있는 Y-채널 내부와 같이 비선형성이 강한 영역을 적절히 묘사 할 수 있도록 신경망(neural network) 이론을 이용하여 근사모델(approximate analysis model)을 구성하였다. 이 근사모델에 대하여 복잡한 해 공간에서도 정밀도가 강한 SQP(Sequential Quadratic P* rogramming) 15, 를 이용하여 최적화를 수행하였다.
성능/효과
- 이 중 가장 높은 효율을 얻을 수 있는 조합들을 고정된 장애물(I, II, III) 각각에 대해 Table 2 에 나타내었다. 그 결과 일정한 간격을 두고 비대칭적인 배열이 되었을 때 (1-14, 11-15, III-4 조합) 가장 높은 효율을 얻을 수 있었다. 추가적으로 Table 2 의 세 가지 조합을 각각의 반지름을 변경시켜가며 수치해석을 수행해본 결과 Fig.
- 둘째, 장애물이 하나인 경우 장애물의 위치와 크기를 최적화함으로써 Wang 등이 제시한 경우인 9 개의 장애물을 갖는 Y-채널 믹서에 준하는 높은 혼합효율을 얻을 수 있었다.
- 두 그래프에서 두 개의 장애물 중 어느 것이든 반지름을 증가시키면 효율이 증가하는 동일한 결과를 보여준다. 또한 III-4 조합과 같이 두 장애물의 간격이 충분히 떨어지지 않았을 경우에 다른 조합에 비해 상대적으로 적은 혼합효율을 얻을 수 있었다. 이를 종합해 볼 때 두 장애물의 위치와 크기를 최적화 함으로써 혼합효율을 극대화 할 수 있다.
- 009% 차이로 동일한 값이라 할 수 있다. 본 연구의 최적화를 통해서 Wang 등에 의해 제시된 장애물 9 개를 사용했을 경우보다 약 4.4% 이상의 높은 혼합효율을 갖는 Y-채널 믹서의 형상을 얻을 수 있었다.
- 셋째, 장애물이 두 개인 경우 최적설계를 통하여 최대 효율을 갖는 Y-채널 믹서형상을 얻을 수 있었다.
- . 앞서 해석한 바와 같이 두 장애물들이 비대칭으로 위치해 있을 때, 가장 높은 효율을 얻을 수 있었다. 따라서 두 장애물의 X 좌표 값들은 설계구간을 전 후반부로 나누어 각각의 영역에 하나의 장애물이 위치하도록 설정하였다.
- 또한 III-4 조합과 같이 두 장애물의 간격이 충분히 떨어지지 않았을 경우에 다른 조합에 비해 상대적으로 적은 혼합효율을 얻을 수 있었다. 이를 종합해 볼 때 두 장애물의 위치와 크기를 최적화 함으로써 혼합효율을 극대화 할 수 있다.
- 이 근사모델에 대하여 복잡한 해 공간에서도 정밀도가 강한 SQP(Sequential Quadratic P* rogramming) 15, 를 이용하여 최적화를 수행하였다. 이를 통하여 장애물이 하나일 경우와 두 개일 경우 최대 효율을 갖는 믹서 형상을 얻을 수 있었다.
- 첫째, 장애물이 한 개일 경우와 두 개일 경우 공히 근사최적화를 통하여 설계요구조건들을 모두 만족시키며 효율적인 최적 설계를 할 수 있었다.
- 7 에 나타내었다. 총 9 번의 반복 횟수 동안 효율은 초기값 35% 에서 36.5% 까지 증가하였다. 압력강하는 다섯 번째 반복 이후 약 4.
- 1의 해석 결과와 동일한 경향을 보이고 있다. 최적화된 설계변수의 값으로 실제 해석을 수행한 결과 혼합효율은 35.38% 로 근사모델을 이용한 최적화 값과 약 1.12% 의 차이를 보였다. Wang 등에 의해 제시된 형상에서의 해석결과泌)와 비교하면, 가장 높은 효율을 보여준 9개의 장애물을 비대칭으로 배열한 경우와 거의 같은 효율을 얻었다(-0.
- y 좌표 값은 장애물이 한 개인 경우와 마찬가지로 장애물의 반지름과 완충구간을 고려했을 때 최대한 벽면으로 이동함을 알 수 있다. 특히, 첫 번째 장애물과 두 번째 장애물이 비대칭적인 배열구조로 이동하는 것을 확인할 수 있었다. 또 하나의 설계변수인 반지름은 상한 값 80彻 까지 증가하지는 않는다.
후속연구
- 이것의 장점으로는 대량생산의 가능과 적은 양의 시료를 사용할 수 있다는 것이다. 따라서, 향후 더 다양한 분야에 적용되어질 수 있을 것으로 전망된다.⑴
- 따라서, 비압축성 Navier-Stokes 방정식과 고착경계조건(no-slip wall condition)을 사용하여 해석할 수 있다. 또한 두 작동 유체 물성치의 큰 차이가 없어 화학 변화 등의 현저한 물성치 변화가 없는 혼합만 발생할 것이다. 그러므로 농도 변화를 고려 하지 않은 단순 농도 수송 방정식 (concentration transport equation)으로 두 유체의 혼합 정도를 예측할 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.