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 회전익 비행체 개발과정에서 사용되는 구조 해석, 공력 해석, 풍동 시험, 형상 정보 등과 관련된 다양한 데이터를 관리하기 위한 KHP 해석 데이터 관리시스템(KHP(Korea Helicopter Project) - SDM(Simulation Data Management)) 개발 사항 및 회전익 비행체 개념 설계를 위한 다분야통합 최적설계 프레임워크 개발에 관해 기술하였다. 최종적으로 KHP-SDM 시스템 내부에 KHP-SDM RMDO(KHP-SDM Rotorcraft Multidisciplinary Design Optimization) 프레임워크를 구축하고 회전익 비행체 개념설계에 적용하여 구축된 다분야통합 최적설계 프레임워크의 적합성을 확인하였다.
- 성능해석 모듈은 설계된 헬리콥터의 데이터를 이용하여 최대항속거리, 최대항속시간, 상승률 등의 성능을 계산하는 모듈이다. 이를 이용하여 설계된 헬리콥터가 요구조건을 만족하는지를 확인하게 된다.
- 개발된 해석 모듈들과 최적화 모듈 연계를 통한 최적 해석 결과를 검증하였다. 검증의 목적은 해석 모듈들과 최적화 모듈 연계를 통한 최적 해석 결과가 최소의 계산 시간과 정확도 높은 결과 값을 산출하는지 대한 충실도를 가지는 가를 가지고 판단하였다. 검증을 위해 이륙총중량이 22,000 lb 급의 단일로터를 가지는 헬리콥터로 다음과 같은 임무를 수행하도록 하였다.
- 본 연구에서는 KHP 개발에 사용되는 KHP-SDM의 기능과 개발사항에 관해 기술하였으며 KHP-SDM 상에 개념설계 단계에 적용이 가능한 회전익 비행체 다분야통합 최적설계 프레임워크 구축 및 검증에 관하여 기술하였다. KHP-SDM RMDO 프레임워크의 효율성을 확인하기 위해 S-70A 형상 조건을 적용한 해석 결과 5% 이내의 차이를 나타냈다.
제안 방법
- 사용자의 요구사항을 기초로 Actor와 Usecase를 도출하여, Usecase Diagram을 통하여 이를 도식화하고, 액터와 시스템 간의 상호 작용을 상세히 기술하여 시스템이 제공할 기능을 구체화한다. Fig.
- 식별된 요구사항 및 유즈케이스 모델을 기반으로 시스템에서 구현되어야 할 객체를 정의한 후, 객체들의 상호 관계성을 통하여 시스템의 정적인 구조를 모델링하고 시간의 추이에 따라 객체들간의 제어흐름, 상호작용, 동작순서 등을 조사하여 시스템의 동적 구조를 모델링하여 이를 문서화한다.
- 민감도를 사용하지 않는 최적화 기법은 전역 최적해를 제공하며 정수 설계 변수가 포함된 경우에도 최적화가 가능하다는 장점을 지니고 있으나 전역 최적화를 위해 비교적 긴 최적화 수행 시간을 필요로 한다. 본 회전익 비행체 다분야 통합 설계 프레임워크의 경우 개념설계 단계에서의 최적화를 목표로 하므로 다분야 통합 해석 모듈의 해석 수행에 드는 시간적 비용이 적으며 최적설계를 위한 초기값을 선택하기 위한 사전정보를 가지기가 어려우므로 민감도를 사용하지 않는 최적화 기법을 적용하였다. 특히 유전 알고리즘의 경우 다양한 형상에 대해 해석하고 최적화가 가능하므로 유전 알고리즘을 구현하고 다양한 분야에 연구에 이용되어 신뢰성이 입증된 GENOCOP[6]을 최적화 모듈로 탑재하였다.
- 본 회전익 비행체 다분야 통합 설계 프레임워크의 경우 개념설계 단계에서의 최적화를 목표로 하므로 다분야 통합 해석 모듈의 해석 수행에 드는 시간적 비용이 적으며 최적설계를 위한 초기값을 선택하기 위한 사전정보를 가지기가 어려우므로 민감도를 사용하지 않는 최적화 기법을 적용하였다. 특히 유전 알고리즘의 경우 다양한 형상에 대해 해석하고 최적화가 가능하므로 유전 알고리즘을 구현하고 다양한 분야에 연구에 이용되어 신뢰성이 입증된 GENOCOP[6]을 최적화 모듈로 탑재하였다.
- 4와 같다[7]. 설계 수렴은 주어진 요구도를 만족하면서 i-1 번째와 i 번째의 공허중량의 차이가 0.1% 이내일 때로 판단하여 주어진 설계 조건에 맞는 결과를 도출하였다.
- 개발하고자하는 혹은 성능을 해석하고자하는 헬리콥터의 임무형상을 입력받아 각 임무 형상 수행 과정에 필요한 연료량을 계산하게 된다. 구현되어 있는 임무형상은 이륙/수직상승, 상승, 순항, 제자리 비행, 하강, 수직하강/착륙, 예비연료의 7가지로 사용자가 자의에 의해 구성할 수 있도록 하였다.
- 형상해석 모듈에서는 기존의 헬리콥터의 데이터를 분석한 통계식을 바탕으로 헬리콥터 각 부분의 형상치수를 구하게 된다. 각각의 헬리콥터 형상에 크게 영향을 미치는 변수들로 구성이 된 통계식을 이용하여 각각의 형상을 구하였다. 이때 사용된 통계식들은 기존의 논문들과 자료[8]를 분석하여 가장 비슷한 형상을 도출할 수 있는 식을 이용하였다.
- 공력해석 모듈은 주 로터, 꼬리 로터, 동체의 3부분으로 나누어 각기 다른 방법을 이용하여 해석을 수행하였다. 주 로터의 경우에 헬리콥터 개념설계에 있어 가장 중요한 부분 중의 하나이므로 간단한 해석식 중에서도 정확도가 높은 Blade Element Method를 이용하여 공력하중을 해석하였으며 유입류 모델은 Glauert 모델을 사용하였다.
- 꼬리 로터의 경우에는 Momentum Theory를 이용하여 공력하중을 해석하였으며 동체의 경우에는 동체의 형상이나 크기에 따라 공력하중의 특징이 각기 다르므로 동체의 공기역학적인 하중을 실험한 데이터[9]를 이용하여 동급의 비슷한 형태의 동체에 대해 받음각에 따라 공력하중을 구하였다.
- 헬리콥터의 각 비행 상태에서 정확한 해석을 하기 위하여 트림해석 모듈을 구현하였다. 트림 해석을 위하여 사용된 트림식[10]은 로터와 동체를 동시에 고려하여 헬리콥터 전체의 트림각을 계산할 수 있도록 하였다.
- 추진해석을 위한 모듈은 구축되어 있는 헬리콥터 데이터베이스를 이용하여 주어진 기상 조건과 비행 상태에서 요구되는 동력을 계산하고 이를 이용하여 필요 동력에 대한 연료유량을 계산하도록 구축되었다. 사용자에 의해 선택된 엔진에 대해 구축된 데이터 베이스를 이용하여 각 엔진의 특성을 나타내는 계수와 중량에 대한 데이터를 도출해 내어 공력해석 모듈과 임무해석 모듈에서의 결과를 이용하여 주어진 필요 동력에 대한 연료유량을 계산하도록 하였다.
- 추진해석을 위한 모듈은 구축되어 있는 헬리콥터 데이터베이스를 이용하여 주어진 기상 조건과 비행 상태에서 요구되는 동력을 계산하고 이를 이용하여 필요 동력에 대한 연료유량을 계산하도록 구축되었다. 사용자에 의해 선택된 엔진에 대해 구축된 데이터 베이스를 이용하여 각 엔진의 특성을 나타내는 계수와 중량에 대한 데이터를 도출해 내어 공력해석 모듈과 임무해석 모듈에서의 결과를 이용하여 주어진 필요 동력에 대한 연료유량을 계산하도록 하였다.
- 중량해석 모듈은 설계된 헬리콥터의 공허 중량을 도출하는 모듈로서 헬리콥터의 각 요소별 중량을 계산하는 식을 이용하여 모듈을 구성하였다. 각 요소별 중량은 Sizing 모듈에서 계산된 데이터와 해석 모듈을 통하여 얻은 데이터를 이용하여 참고문헌[9][10]에서 주어진 통계식을 이용하여 계산하였다.
- 비용해석 모듈은 형상해석 모듈과 중량해석 모듈의 결과를 이용하여 헬리콥터 각 부분의 비용을 추정하고 이를 합하여 전체 헬리콥터 비용을 계산하였다. 비용해석 모듈에 사용된 통계식[11]은 1977년 기준으로 구성되어 있어 현재의 가격으로 추산하기 위하여 Inflation factor[12]를 고려하여 1977년의 가격을 2007년의 가격으로 환산하였다.
- 본 다분야 통합 최적설계 프레임워크 기법에 적용하는 Genetic Algorithms(GENOCOP)에 대하여 Global Optimization Test Function(Beale Function)을 이용하여 검증하였다. 결과가 정확히 잘 맞는 것을 알 수 있다.
- Gross Weight 최소화를 목적으로 최적화를 수행 하였을 때 Rotor Blade의 크기(Radius, Chord)가 감소하는 방향으로 최적화 되었으며 제약조건으로 주어진 Endurance, Range 등은 큰 차이가 없었으나, Rate of Climb는 향상되는 결과를 나타낸다. 목적함수를 최소화함과 동시에 제약조건을 위배하지 않는 설계 변수를 결과로 얻어 최적화를 수행하였다. 해집단(population)의 수에 따른 결과의 향상 및 계산 시간의 적절성을 살펴보기 위해 해집단의 수가 13, 25, 50, 100인 경우의 최적화를 수행하였으며, 50인 경우 가장 좋은 결과를 얻을 수 있었다.
- KHP-SDM의 개발 소프트웨어 iSIGHT-FD는 상용 다분야통합 최적설계 소프트웨어 이며 iSIGHT-FD의 Simcode 및 최적화 모듈을 적용하여 개발된 해석 모듈을 KHP-SDM 상에 통합 하여 KHP-SDM RMDO(KHP-SDM Rotorcraft Multidisciplinary Design Optimization) 프레임워크를 구축하였다. KHP-SDM RMDO 프레임워크에서는 iSIGHT-FD내의 다양한 최적화 모듈을 적용할 수 있도록 구성 하였다.
- KHP-SDM RMDO 프레임워크를 이용하여 회전익 비행체 개념설계를 수행하였다. 해석 모듈 및 최적화 모듈 연계 검증에 사용된 최적화 문제를 적용하여 KHP-SDM RMDO 프레임워크의 적절성을 확인하였다.
- KHP-SDM RMDO 프레임워크를 이용하여 회전익 비행체 개념설계를 수행하였다. 해석 모듈 및 최적화 모듈 연계 검증에 사용된 최적화 문제를 적용하여 KHP-SDM RMDO 프레임워크의 적절성을 확인하였다.
- 최적화 기법은 KHP-SDM 최적화 모듈인 Multi-Island GA를 적용하였다. 설계 변수는 Main Rotor의 개수 및 형상을 나타내는 4개의 변수로 구성하였다. Table 7은 KHP-SDM RMDO 프레임워크를 이용한 최적설계 결과값을 나타낸다.
대상 데이터
- 본 연구에서 개발한 해석 모듈은 임무해석, 형상해석, 공력해석, 트림해석, 추진해석, 중량해석, 성능해석, 비용해석의 7개의 모듈로 구성이 되어 있다. 각 해석 모듈들은 각각 모듈의 입출력 파일을 통하여 서로 연동되어 있어 해석 시 상호 데이터를 교환하게 된다.
- 본 연구에서 개발된 해석 모듈을 통해 설계한 회전익 비행체는 22,000 lb급의 단일로터를 가지는 헬리콥터이며 동일한 이륙중량을 가지는 S-70A의 데이터[13]와 비교하여 해석 모듈을 검증하였다. Table 2에서 볼 수 있는 바와 같이 외형 형상과 관련되어 있는 변수의 경우 본 연구에서 개발된 모듈에 의해 설계된 결과와 S-70A의 데이터가 유사하나 연료 중량에 있어 차이를 보이는 것을 알 수 있다.
- 검증의 목적은 해석 모듈들과 최적화 모듈 연계를 통한 최적 해석 결과가 최소의 계산 시간과 정확도 높은 결과 값을 산출하는지 대한 충실도를 가지는 가를 가지고 판단하였다. 검증을 위해 이륙총중량이 22,000 lb 급의 단일로터를 가지는 헬리콥터로 다음과 같은 임무를 수행하도록 하였다.
- 설계 변수는 Main Rotor의 형상을 나타내는 4개의 변수로 구성하였으며 범위는 Table 3과 같다. 각 설계 변수의 초기값은 S-70A의 제원에 기초하였다[13].
- 설계 변수는 Main/Tail Rotor의 형상과 Horizontal/Vertical Stabilizer Arm을 8개의 변수로 구성하였으며 범위는 Table 5와 같다. 8개의 설계변수에 대한 결과는 Table 6과 같다.
데이터처리
- 개발된 해석 모듈들과 최적화 모듈 연계를 통한 최적 해석 결과를 검증하였다. 검증의 목적은 해석 모듈들과 최적화 모듈 연계를 통한 최적 해석 결과가 최소의 계산 시간과 정확도 높은 결과 값을 산출하는지 대한 충실도를 가지는 가를 가지고 판단하였다.
이론/모형
- MDF(Multidisciplinary Design Feasible)기법의 경우 다른 기법들에 비해 간단한 구조를 가지지만 일반적으로 연성이 복잡한 문제의 경우 MDA 구성이 어려운 단점이 있다. 그러나 쉽게 모듈을 적용할 수 있으며 각 모듈들 간의 연성이 복잡한 경우 이를 위한 다른 보조설계 변수나 적합성 제약조건, 민감도 해석을 위해 추가적인 계산 시간의 증대가 없으므로 본 연구에서 프레임워크의 효율성을 위해서 MDF 기법을 선정하였다.
- 공력해석 모듈은 주 로터, 꼬리 로터, 동체의 3부분으로 나누어 각기 다른 방법을 이용하여 해석을 수행하였다. 주 로터의 경우에 헬리콥터 개념설계에 있어 가장 중요한 부분 중의 하나이므로 간단한 해석식 중에서도 정확도가 높은 Blade Element Method를 이용하여 공력하중을 해석하였으며 유입류 모델은 Glauert 모델을 사용하였다. 사용된 식들은 아래와 같으며 각각의 변수들은 Fig.
- 중량해석 모듈은 설계된 헬리콥터의 공허 중량을 도출하는 모듈로서 헬리콥터의 각 요소별 중량을 계산하는 식을 이용하여 모듈을 구성하였다. 각 요소별 중량은 Sizing 모듈에서 계산된 데이터와 해석 모듈을 통하여 얻은 데이터를 이용하여 참고문헌[9][10]에서 주어진 통계식을 이용하여 계산하였다.
- 최적화 기법은 KHP-SDM 최적화 모듈인 Multi-Island GA를 적용하였다. 설계 변수는 Main Rotor의 개수 및 형상을 나타내는 4개의 변수로 구성하였다.
성능/효과
- 본 연구에서는 회전익 비행체 개발과정에서 사용되는 구조 해석, 공력 해석, 풍동 시험, 형상 정보 등과 관련된 다양한 데이터를 관리하기 위한 KHP 해석 데이터 관리시스템(KHP(Korea Helicopter Project) - SDM(Simulation Data Management)) 개발 사항 및 회전익 비행체 개념 설계를 위한 다분야통합 최적설계 프레임워크 개발에 관해 기술하였다. 최종적으로 KHP-SDM 시스템 내부에 KHP-SDM RMDO(KHP-SDM Rotorcraft Multidisciplinary Design Optimization) 프레임워크를 구축하고 회전익 비행체 개념설계에 적용하여 구축된 다분야통합 최적설계 프레임워크의 적합성을 확인하였다.
- Table 4에서 4개의 설계변수에 대한 최적화 결과와 해집단 수에 따른 최적화 결과를 보여준다. Gross Weight 최소화를 목적으로 최적화를 수행 하였을 때 Rotor Blade의 크기(Radius, Chord)가 감소하는 방향으로 최적화 되었으며 제약조건으로 주어진 Endurance, Range 등은 큰 차이가 없었으나, Rate of Climb는 향상되는 결과를 나타낸다. 목적함수를 최소화함과 동시에 제약조건을 위배하지 않는 설계 변수를 결과로 얻어 최적화를 수행하였다.
- 목적함수를 최소화함과 동시에 제약조건을 위배하지 않는 설계 변수를 결과로 얻어 최적화를 수행하였다. 해집단(population)의 수에 따른 결과의 향상 및 계산 시간의 적절성을 살펴보기 위해 해집단의 수가 13, 25, 50, 100인 경우의 최적화를 수행하였으며, 50인 경우 가장 좋은 결과를 얻을 수 있었다. Evaluation 수의 제약이 있는 경우, 해집단의 수가 크다고 해서 반드시 좋은 결과를 보장하지 않는 다는 것은 알 수 있다.
- 8개의 설계변수에 대한 결과는 Table 6과 같다. Main Rotor의 크기(Radius, Chord)는 증가하는 방향으로, Tail Rotor의 Radius는 감소, Chord는 증가하는 방향으로 최적화가 수행되었다. 목적함수인 Gross Weight는 약 10% 정도 감소하였으며, Range, Rate of Climb는 증가되었다.
- Main Rotor의 크기(Radius, Chord)는 증가하는 방향으로, Tail Rotor의 Radius는 감소, Chord는 증가하는 방향으로 최적화가 수행되었다. 목적함수인 Gross Weight는 약 10% 정도 감소하였으며, Range, Rate of Climb는 증가되었다. 설계 변수의 수가 4개인 경우에서 가장 좋은 결과를 보였던 해집단의 수인 50개를 가지고 100회의 Evaluation으로 최적화를 수행하였으며, 실행 시간은 설계 변수의 수가 4개인 경우의 약 3배 정도로 시간 비용이 크게 증가하였다.
- 목적함수인 Gross Weight는 약 10% 정도 감소하였으며, Range, Rate of Climb는 증가되었다. 설계 변수의 수가 4개인 경우에서 가장 좋은 결과를 보였던 해집단의 수인 50개를 가지고 100회의 Evaluation으로 최적화를 수행하였으며, 실행 시간은 설계 변수의 수가 4개인 경우의 약 3배 정도로 시간 비용이 크게 증가하였다.
- Table 7은 KHP-SDM RMDO 프레임워크를 이용한 최적설계 결과값을 나타낸다. 두 프레임워크의 최적설계 결과 유사한 결과값을 구할 수 있었으며 Running Time의 차이는 적용된 최적화 모듈의 차이에서 발생되었다.
- 본 연구에서는 KHP 개발에 사용되는 KHP-SDM의 기능과 개발사항에 관해 기술하였으며 KHP-SDM 상에 개념설계 단계에 적용이 가능한 회전익 비행체 다분야통합 최적설계 프레임워크 구축 및 검증에 관하여 기술하였다. KHP-SDM RMDO 프레임워크의 효율성을 확인하기 위해 S-70A 형상 조건을 적용한 해석 결과 5% 이내의 차이를 나타냈다. KHP-SDM RMDO 프레임워크를 통한 최적설계 해석 결과와 개발코드를 이용한 최적설계 결과 상호 유사한 결과를 도출하였으며 그 결과를 비교하여 그 유용성을 입증하였다.
- KHP-SDM RMDO 프레임워크의 효율성을 확인하기 위해 S-70A 형상 조건을 적용한 해석 결과 5% 이내의 차이를 나타냈다. KHP-SDM RMDO 프레임워크를 통한 최적설계 해석 결과와 개발코드를 이용한 최적설계 결과 상호 유사한 결과를 도출하였으며 그 결과를 비교하여 그 유용성을 입증하였다. 향후 연구에서는 보다 다양한 분야와 연성변수를 고려하여 현재 구축된 다분야 통합 최적설계 환경을 보완 할 것이며 해석데이터 관리 시스템의 데이터 처리 능력 향상을 통해 보다 빠른 시간 내에 최적 결과를 계산할 수 있도록 할 계획이다.
후속연구
- S-70A의 외형형상과 연료 중량을 입력한 성능해석만의 결과에서 같은 연료량으로 성능이 낮아지는 것에서도 확인할 수 있다. 하지만 전반적인 결과들이 동급 회전익 비행체의 데이터와 5%이내의 차이를 보이는 것에서 본 연구에서 개발한 해석 모듈이 개념설계 단계에서 유용하게 사용될 수 있을 것으로 판단된다.
- KHP-SDM RMDO 프레임워크를 통한 최적설계 해석 결과와 개발코드를 이용한 최적설계 결과 상호 유사한 결과를 도출하였으며 그 결과를 비교하여 그 유용성을 입증하였다. 향후 연구에서는 보다 다양한 분야와 연성변수를 고려하여 현재 구축된 다분야 통합 최적설계 환경을 보완 할 것이며 해석데이터 관리 시스템의 데이터 처리 능력 향상을 통해 보다 빠른 시간 내에 최적 결과를 계산할 수 있도록 할 계획이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.