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 연구를 통해 다목적 함수를 가진 동력 전달 드라이브샤프트 최적설계를 수행하였다. 중심합성계획법을 통해 수립한 실험계획을 기반으로 근사 반응표면을 생성하였으며 비 지배 분류 유전알고리즘을 적용하여 최적화를 진행하여 파레토 해집합을 얻을 수 있었다.
제안 방법
- Abaqus를 이용하여 모델 양단에서 참고 점을 만들어 한 쪽에서 x, y, z방향 이동과 회전을 모두 구속하였으며, 다른 쪽에서 y, z방향 이동을 구속하고 x방향에서 1170 N·m 회전조건을 주었다.
- Table 4은 중심합성계획법을 수립한 후 그에 따른 반응 값, 즉 CAE로 해석한 결과값을 나타내었다. CATIA에서 모델링하고 Hypermesh에서 격자요소를 생성하였다. 그 다음에 생성된 inp파일을 수정하고 ABAQUS를 시용해서 해석을 하였다.
- . 각 파라미터가 변했을 때, 목적함수와 제한조건에 어떠한 영향을 미치는지에 대해서 파라미터 분석을 시행하였다. 파라미터 분석을 하기 위해 Table 2와 같이 실험계획을 통해 얻은 해석 값을 이용하였다.
- 보통 고 질량강(steel SM45)으로 드라이브 샤프트의 재료를 많이 사용하고 있다. 구조 경량화로 설계목적을 정의하여 드라이브 샤프트에 대한 근사최적화를 하였다. 본 연구에서는 중심합성계획(CCD)과 D-최적계획법(D-optimal)을 통해 실험계획을 세운 후, 2차 다항식으로 표현되는 반응표면모델을 생성한다.
- 인구수는 80, 세대수는 200으로 수행하였다. 그 후 비 지배 분류 유전알고리즘을 이용하여 파레토해를 도출하였다.
- 본 연구에서 고질량강(steel SM45)를 이용하여 드라이브 샤프트에 대한 질량 최소화를 진행하였다. 물성치는 Table 1과 같다.
- 구조 경량화로 설계목적을 정의하여 드라이브 샤프트에 대한 근사최적화를 하였다. 본 연구에서는 중심합성계획(CCD)과 D-최적계획법(D-optimal)을 통해 실험계획을 세운 후, 2차 다항식으로 표현되는 반응표면모델을 생성한다. 비 지배 분류 유전알고리즘(NSGA- II)을 사용하여 최적 값을 구한 후, 두 가지 실험계획법의 결과를 비교하여 적절한 해를 선택한다[3].
- 본 연구에서는 중심합성계획법과 D-최적계획법을 비교하기 위해 비 지배 분류 유전알고리즘을 이용하여 XTX의 행렬식이 최대가 되는 15개의 실험조합을 추출하여 전산실험을 수행하였다.
- 본 연구에서는 중심합성계획(CCD)과 D-최적계획법(D-optimal)을 통해 실험계획을 세운 후, 2차 다항식으로 표현되는 반응표면모델을 생성한다. 비 지배 분류 유전알고리즘(NSGA- II)을 사용하여 최적 값을 구한 후, 두 가지 실험계획법의 결과를 비교하여 적절한 해를 선택한다[3].
- 설계 파라미터 중 하나만 변하고 나머지 초기 설계 파라미터로 정하는 실험계획을 수립하였다. 설계범위는 자주 쓰이는 부품의 수치를 기준으로 설정하였다.
- Abaqus를 이용하여 모델 양단에서 참고 점을 만들어 한 쪽에서 x, y, z방향 이동과 회전을 모두 구속하였으며, 다른 쪽에서 y, z방향 이동을 구속하고 x방향에서 1170 N·m 회전조건을 주었다. 실험에 대한 결과는 질량과 응력으로 설정하였다. Table 3에 그 결과를 나타내었으며 설계 파라미터 분석 결과는 Fig.
- 파레토해와 실제 CAE 결과를 비교해 보았으며, 파레토 해 집합 중 하나의 설계 파라미터들을 취하여 CAE 해석을 수행하였다. Table 7은 그 결과를 나타낸다.
대상 데이터
- 그 다음에 생성된 inp파일을 수정하고 ABAQUS를 시용해서 해석을 하였다. 격자요소의 형상은 Tetrahedron이고, 요소의 개수는 202,729개, 절점은 16,821개가 사용되었다. Fig.
데이터처리
- CATIA에서 모델링하고 Hypermesh에서 격자요소를 생성하였다. 그 다음에 생성된 inp파일을 수정하고 ABAQUS를 사용해서 해석을 하였다.
- CATIA에서 모델링하고 Hypermesh에서 격자요소를 생성하였다. 그 다음에 생성된 inp파일을 수정하고 ABAQUS를 시용해서 해석을 하였다. 격자요소의 형상은 Tetrahedron이고, 요소의 개수는 202,729개, 절점은 16,821개가 사용되었다.
- 위의 근사 방정식의 정확도를 확인하기 위해 D-최적계획법에서 수행한 각 실험값, 즉 설계 파라미터를 위의 근사 방정식에 재 대입하여 실제 CAE 결과값과 비교하였으며 Fig. 6에 나타내었다.
- 위의 근사 방정식의 정확도를 확인하기 위해 중심합성계획법에서 수행한 각 실험값, 즉 설계 파라미터를 위의 근사 방정식에 재대입하여 실제 CAE 결과값과 비교하였으며 Fig. 5에 나타내었다.
이론/모형
- 다목적 함수의 최적화를 위해 비 지배 분류 유전알고리즘을 적용하여 최적화를 수행한다[10]. 본 연구에 있는 최적화문제상 질량에 대한 목적함수는 하나이기 때문에 비 지배 분류 유전알고리즘을 적용하기 위해 나머지 목적함수를 실수 1로 설정하였다.
- 본 연구에 있는 최적화문제상 질량에 대한 목적함수는 하나이기 때문에 비 지배 분류 유전알고리즘을 적용하기 위해 나머지 목적함수를 실수 1로 설정하였다. 목적함수에 제한 조건인 응력에 대한 근사 방정식의 경우에는 exterior penalty function을 사용하여 적용하였다. 인구수는 80, 세대수는 200으로 수행하였다.
- 반응표면법은 반응변수와 두 개 이상의 요인들 간의 관계를 파악하는데 사용된다. 본 연구에선 이차 다항식 모델을 사용하였다[8].
성능/효과
- Table 7은 그 결과를 나타낸다. 두 결과를 비교하였을 때 오차는 매우 작은 값으로 유사한 결과를 도출할 수 있음을 확인하였다.
- 이러한 해의 집합은 주변 환경이나 필요조건들에 따라 설계자가 원하는 해를 선택하여 사용할 수 있도록 해준다. 중심합성계획법과는 다른 D-최적계획법에 의한 방법으로 생성된 근사 반응표면에 대한 비교도 함께 수행하였고 본 연구에서는 D-최적계획법에 의한 방법이 더 정확한 반응표면을 만들어 내는 것을 확인하였다.
- 본 연구를 통해 다목적 함수를 가진 동력 전달 드라이브샤프트 최적설계를 수행하였다. 중심합성계획법을 통해 수립한 실험계획을 기반으로 근사 반응표면을 생성하였으며 비 지배 분류 유전알고리즘을 적용하여 최적화를 진행하여 파레토 해집합을 얻을 수 있었다. 이러한 해의 집합은 주변 환경이나 필요조건들에 따라 설계자가 원하는 해를 선택하여 사용할 수 있도록 해준다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.