본 논문에서는 사류펌프의 성능을 향상시키는 최적화 방법을 개발하였다. 본 연구에서 개발한 최적화 방법은 유동해석코드인 CFX 와 최적화 소프트웨어인 HEEDS 를 연계하는 프로세스로 이루어진다. CFX 는 유체기계해석 분야에서는 잘 알려진 소프트웨어로 해석결과의 신뢰성은 이미 검증되었으나, 새롭게 소개되고 있는 HEEDS 는 주로 구조해석 분야에서 최적화를 수행한 사례가 보고되어 있다. 이에 본 논문을 통해 유체기계에 적용하여 최적화 결과를 검토하였다. HEEDS 에는 SHERPA 라는 최적화 기법이 탑재되어 있으며, 다수의 설계변수를 설정할 수 있어 변수간의 교호작용 등을 효율적으로 검토할 수 있다. 본 논문에서는 DOE 방법으로 최적화가 이루어진 사류펌프 임펠러에 대해 개발된 방법을 적용하여 최적화 결과의 타당성과 안정성을 검토하였으며, 같은 방법을 디퓨저에 적용하여 최적화 형상을 검토하였다. 본 논문에서 개발된 최적화 방법을 이용하여 사류펌프 최적화를 수행한 결과, DOE 방법을 이용한 설계보다 개선된 결과를 적절한 시간 내에 얻을 수 있음을 확인하였다.
본 논문에서는 사류펌프의 성능을 향상시키는 최적화 방법을 개발하였다. 본 연구에서 개발한 최적화 방법은 유동해석코드인 CFX 와 최적화 소프트웨어인 HEEDS 를 연계하는 프로세스로 이루어진다. CFX 는 유체기계해석 분야에서는 잘 알려진 소프트웨어로 해석결과의 신뢰성은 이미 검증되었으나, 새롭게 소개되고 있는 HEEDS 는 주로 구조해석 분야에서 최적화를 수행한 사례가 보고되어 있다. 이에 본 논문을 통해 유체기계에 적용하여 최적화 결과를 검토하였다. HEEDS 에는 SHERPA 라는 최적화 기법이 탑재되어 있으며, 다수의 설계변수를 설정할 수 있어 변수간의 교호작용 등을 효율적으로 검토할 수 있다. 본 논문에서는 DOE 방법으로 최적화가 이루어진 사류펌프 임펠러에 대해 개발된 방법을 적용하여 최적화 결과의 타당성과 안정성을 검토하였으며, 같은 방법을 디퓨저에 적용하여 최적화 형상을 검토하였다. 본 논문에서 개발된 최적화 방법을 이용하여 사류펌프 최적화를 수행한 결과, DOE 방법을 이용한 설계보다 개선된 결과를 적절한 시간 내에 얻을 수 있음을 확인하였다.
An optimization process was developed to improve mixed-flow pump performance. The optimization process was combined with CFX (a computational fluid dynamics (CFD) code) and HEEDS (an optimization code). CFX is a widely used CFD software for turbo machinery, whereas HEEDS, which uses the SHERPA algor...
An optimization process was developed to improve mixed-flow pump performance. The optimization process was combined with CFX (a computational fluid dynamics (CFD) code) and HEEDS (an optimization code). CFX is a widely used CFD software for turbo machinery, whereas HEEDS, which uses the SHERPA algorithm, is a newly introduced optimization code. HEEDS can use a large number of optimization variables; thus, it is possible to effectively consider interaction effects. In this paper, an impeller model, which is already optimized with design of experiments (DOE), is used as the base model. The optimization process developed in this paper shows an improved design within an acceptable timeframe.
An optimization process was developed to improve mixed-flow pump performance. The optimization process was combined with CFX (a computational fluid dynamics (CFD) code) and HEEDS (an optimization code). CFX is a widely used CFD software for turbo machinery, whereas HEEDS, which uses the SHERPA algorithm, is a newly introduced optimization code. HEEDS can use a large number of optimization variables; thus, it is possible to effectively consider interaction effects. In this paper, an impeller model, which is already optimized with design of experiments (DOE), is used as the base model. The optimization process developed in this paper shows an improved design within an acceptable timeframe.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
출구의 동압은 손실로 감쇄되기 쉬우므로 정압을 높이는 방향으로 설계 목표를 설정한 것이다. 마지막으로 출구에서 선회속도(swirl velocity)를 줄이는 것도 펌프에서 토출된 물이 파이프를 흐르면서 에너지의 손실이 최소화 될 수 있는 방안으로 판단하여 목적함수로 설정하였다.
이 방법에서 최적화 코드가 필요로 하는 설계변수에 따른 유체기계의 성능은 유동해석을 수행하여 얻어지기 때문에 유동해석 결과의 신뢰성과 안정성이 매우 중요하다. 본 연구에서 유동해석에 사용한 CFX 코드는 격자, 대류항의 처리기법 및 난류 모델의 적용에서 사용자가 큰 신경을 쓰지 않아도 해석결과의 신뢰성을 확보할 수 있는 특징이 있으므로, 적용한 기법 및 특징에 대해 다음과 같이 기술한다.
본 연구에서 일반적인 사용자에 의한 유체기계의 최적설계 방법을 확립하는 방안을 검토하였다. 유체기계해석에 안정적이고 신뢰성 있는 결과를 제공하는 CFX 를 유동해석코드로 사용하고 전문적인 지식이 없어도 최적설계를 수행할 수 있는 HEEDS 를 최적설계코드로 사용하였으며, 유체기계분야에 두 코드를 연계하여 적용하는 방법을 확립하였다.
본 연구에서는 SHERPA 알고리즘을 사용하는 최적화 소프트웨어인 HEEDS 를 유체기계해석에서 널리 사용되고 있는 CFX 와 연계하여 안정적이고 일관성(robust) 있는 유체기계의 최적화를 달성할 수 있는 방안을 검토하였다. 본 연구에서 확립한 방법론을 적용하면 비교적 적당한 해석시간 안에 유동해석과 최적설계의 일반적인 지식을 가진 사용자에 의해 유체기계의 최적설계를 달성할 수 있을 것으로 판단된다.
2 에 설명한 바와 같이 본 연구에서 유체기계의 최적화를 수행하는데 사용한 CFX 와 HEEDS 는 일반적인 사용자들이 유동해석 결과와 최적화 결과를 얻는데 무리가 없도록 개발되어 있는 것이 가장 큰 특징이라고 할 수 있다. 본 연구에서는 이런 특징을 가진 CFX 와 HEEDS 를 연계 하는 방법을 검토하였으며, 팬과 펌프 등에 대해 적용한 결과 기존에 비해 향상된 유체기계의 형상을 얻어내는 결과를 확인하였다.
이러한 연구결과를 이용하여 최영석 등(2)에 의해 실험계획법(DOE)를 적용하여 최적 설계된 비속도 550 급 사류펌프 임펠러를 초기모델(base model)로 CFX 와 HEEDS 를 이용한 임펠러의 최적설계를 수행하였다. 임펠러 최적설계의 목적은 과연 CFX와 HEEDS 를 이용하여 Fig. 12 에서 Fig. 14 에 정의한 다수의 설계변수를 동시에 적용하였을 경우 실험계획법(DOE)를 이용하여 사용자가 직접 장시간을 들여 최적화를 수행한 결과에 필적하거나 더 나은 결과를 빠른 시간 안에 도출할 수 있는 가를 검토하는 것이다. 실험계획법(DOE)를 수행하는 경우 앞에서 설명한 모든 변수를 한번에 처리할 수 없기 때문에 소수의 변수만 사용하고 대부분의 변수는 고정하여야 한다.
제안 방법
이를 해결하는 방법으로 CFX 는 Navier-Stokes 방정식의 연속방정식과 운동량방정식의 행렬을 SIMPLE 기법과 같이 분리해서 풀지 않고, 원래 그대로의 행렬을 푸는 방식(coupled solver)을 사용하기 때문에 u, v, w 속도장이 서로 강하게 영향을 주는 유체기계의 해석에 적합하고, 비압축성 뿐만 아니라 압축성해석에서도 수렴성이 양호하다.(6) 이런 특징 때문에 펌프 및 압축기 등 다양한 유체기계의 해석 및 최적화를 위해 본 연구에서는 CFX 를 적용하였다.
디퓨저는 임펠러에서 발달한 유동의 영향을 받기 때문에 3.2 에서 최적설계로 얻어진 Opt design 3 의 임펠러 형상을 사용하고, 디퓨저를 연결하여 유동해석 및 최적설계를 수행하였으며, 이 결과를 Table 2 와 Fig. 16 에 나타내었다. 임펠러에 대한 최적설계를 수행할 때는 이미 실험계획법(DOE)에 의해 설계된 형상을 기본으로 사용하였기 때문에 임펠러의 형상변화는 크지 않았다.
우선 디퓨저에서의 손실을 최소화 하기 위해 압력손실을 최소화 하도록 목적함수를 설정하였다. 또한 출구의 형상을 결정하는 구속조건으로 출구에서의 동압이 최소가 되도록 출구에서의 전수두(Ht)와 정수두(Hs)의 차가 최소가 되는 목적함수를 설정하였다. 출구의 동압은 손실로 감쇄되기 쉬우므로 정압을 높이는 방향으로 설계 목표를 설정한 것이다.
그러나, 실험계획법(DOE)에서는 적용하기 힘든 다수의 설계변수(17 개)를 동시에 적용하였기 때문에 인자간의 교호작용이 반영되어 종합적인 최적설계결과를 얻은 것으로 판단된다. 또한, HEEDS 를 이용한 최적설계에서는 구속조건으로 정해진 수두(Head)를 만족하는 조건을 설정하여 원하는 비속도가 정확히 설계되도록 설정하였다. 이 구속조건에 의해 Table 1 에 나타난 최적설계의 수두(Head)가 모두 19.
6 에서 Upwind 기법은 날개표면에서의 충격파를 제대로 예측하지 못하는데 비해, High resolution 기법과 Blend 1 로 표시된 순수한 2nd order 기법의 경우 날개 표면에서의 충격파를 예측하고 있다. 본 연구에서는 CFX 의 High Resolution 기법을 사용하므로 유동해석결과의 정밀도를 확보하였다.
격자를 생성할 때 TurboGrid 에 설정된 수치를 이용하여 격자의 조밀도와 y+ 등을 제어할 수 있다. 본 연구에서는 기존에 격자의존성 테스트를 수행한 결과를 바탕으로 벽면에서의 y+가 20 근처의 값이 되고 해석결과에서 입구와 출구의 압력차를 밀도와 중력가속도로 나눈 수두(Head : [m]로 표시)가 소수점 둘째 자리(1cm 내외)에서 크게 변하지 않는 조건 및 펌프의 수동력을 파워로 나누어 계산 되는 효율이 소수점 셋째자리 (0.1%)에서 크게 변하지 않는 격자를 생성하였다. CFX-Pre 에서는 해석조건을 설정하고, CFX-Solve 는 CFX solver 를 이용하여 유동해석을 수행한다.
본 연구에서는 최영석 등(2)의 연구결과를 바탕으로 임펠러와 디퓨저의 설계변수를 설정하였다. Fig.
본 연구에서 진행된 연구 결과를 바탕으로 다음과 같은 목적함수를 설정하는 것이다. 우선 디퓨저에서의 손실을 최소화 하기 위해 압력손실을 최소화 하도록 목적함수를 설정하였다. 또한 출구의 형상을 결정하는 구속조건으로 출구에서의 동압이 최소가 되도록 출구에서의 전수두(Ht)와 정수두(Hs)의 차가 최소가 되는 목적함수를 설정하였다.
본 연구에서 일반적인 사용자에 의한 유체기계의 최적설계 방법을 확립하는 방안을 검토하였다. 유체기계해석에 안정적이고 신뢰성 있는 결과를 제공하는 CFX 를 유동해석코드로 사용하고 전문적인 지식이 없어도 최적설계를 수행할 수 있는 HEEDS 를 최적설계코드로 사용하였으며, 유체기계분야에 두 코드를 연계하여 적용하는 방법을 확립하였다. 이와 같은 방법론을 사류펌프 임펠러와 디퓨저의 최적설계에 적용하였으며, 본 연구에서 개발한 방법론이 기존의 실험계획법(DOE)에 의해 최적설계된 사류펌프 임펠러와 디퓨저 보다 향상된 설계결과를 보다 빠른 시간에 도출하는 것을 확인하였다.
위에서 설명한 내용은 CFX 를 이용하여 유체기계의 유동해석을 수행하는 일반적인 과정으로 BladeGen 에서의 형상 결정부터, 격자생성, 해석 및 결과평가까지 CFX 의 batch 작업에 의해 자동으로 수행되게 구성할 수 있다. 이 과정에 HEEDS를 적용한 최적화를 덧붙여 유체기계의 형상최적화 방법을 개발하였다. BladeGen 에서 batch 작업을 수행할 때 사용되는 입력파일은 text 형태의 bgi (bladegen input file)이며, 파일에 기술된 text 내용에 깃각 및 자오면 형상을 결정하는 수치가 기입되어 있다.
이와 같은 HEEDS 의 SHERPA 알고리즘의 특성을 검토하기 위해 6 개의 국부최저점(local minima)과 2 개의 광역최저점(global minima)이 있는 Six Hump Camel Back 함수에 대해 HEEDS 및 여러 최적기법을 적용하여 성능을 비교하였다. Six Hump Camel Back 함수는 다음과 같이 정의되며, Fig.
이론/모형
CFX 의 k-ε 난류모델은 Fig. 3 과 같이 일반적인 벽법칙(standard wall function)이 층류 점성저층에 첫번째 격자가 위치할 경우 에러가 발생하는 문제를 해결한 scalable wall function 을 사용한다.
본 연구에서 사용한 CFX 는 Navier-Stokes 방정식 중 연속방정식을 밀도로 표현된 그대로 해석하지 않고 압력으로 표현한 수식을 해석하는 전통적인 압력에 기초한(pressure-based) 방법을 사용한다. 대부분의 상용 코드들은 SIMPLE 또는 SIMPLEC, Rhie and Chow 방법과 같은 압력에 기초한(pressure-based) 공식으로부터 만들어져 있다.
본 연구에서 사용한 최적화 소프트웨어는 HEEDS (Hierarchical Evolutionary Engineering Design System)로 이 소프트웨어의 가장 큰 특징은 최적화에 사용하는 SHERPA 알고리즘이다. SHERPA 알고리즘은 특별히 새로 개발된 기법이라기 보다는 지금까지 알려진 최적화 기법들을 동시에 사용하는 기법이라고 할 수 있다.
12 에서 초기모델(base model)과 Opt design 1 과의 형상차이가 크지는 않지만 쉬라우드부분의 깃각 분포가 달라진 것이 확인된다. 이 결과에 실험계획법(DOE)에서 성능에 미치는 영향이 있다고 판단된 Lt 를 적용한 것이 Opt design 2 이다. 그러나, Opt design 2 의 효율은 Opt design 1 에 비해 향상되지 않은 것을 알 수 있다.
의 기존 연구결과에서 실험계획법(DOE)를 적용하여 최적설계를 수행한 사류펌프의 임펠러와 디퓨저의 최적설계방법이 설명되고 있다. 이러한 연구결과를 이용하여 최영석 등(2)에 의해 실험계획법(DOE)를 적용하여 최적 설계된 비속도 550 급 사류펌프 임펠러를 초기모델(base model)로 CFX 와 HEEDS 를 이용한 임펠러의 최적설계를 수행하였다. 임펠러 최적설계의 목적은 과연 CFX와 HEEDS 를 이용하여 Fig.
성능/효과
2.1 과 2.2 에 설명한 바와 같이 본 연구에서 유체기계의 최적화를 수행하는데 사용한 CFX 와 HEEDS 는 일반적인 사용자들이 유동해석 결과와 최적화 결과를 얻는데 무리가 없도록 개발되어 있는 것이 가장 큰 특징이라고 할 수 있다. 본 연구에서는 이런 특징을 가진 CFX 와 HEEDS 를 연계 하는 방법을 검토하였으며, 팬과 펌프 등에 대해 적용한 결과 기존에 비해 향상된 유체기계의 형상을 얻어내는 결과를 확인하였다.
10) 찾아내는가를 검토할 수 있는 bench mark 자료이다.(14,15)Fig. 9 의 결과에서 유전자기법(GA: genetic algorithm),(13) 모의단련법(ASA : adaptive simulated annealing),(16) 비선형이차계획법(NLQPL : non-linear sequential quadratic programming),(12) Pointer (hybrid and adaptive search method within the iSIGHT software)(17) 등의 최적화 기법보다 SHERPA 기법이 비교적 적은 수의 평가회수에서도 최적결과에 근접하는 것을 알 수 있다. SHERPA 는 50 번의 평가회수에 완전히 수렴되지만, ASA 는 100 번, Pointer 는 250 번의 평가를 수행해야 수렴된다.
디퓨저의 최적설계는 임펠러와 같은 방식으로 HEEDS 와 CFX 를 연계한 최적설계가 수행되었으며, 설계변수는 임펠러의 경우보다 많은 26 개가 반영되었다. 임펠러의 경우 출구 반경인 R2 가 고정되었고 이미 최적화가 수행된 형상이라 형상변화가 심하지 않았지만, 디퓨저는 허브와 쉬라우드에서의 반경 및 축방향 길이를 결정하는 R4h, b4, R5h, b5, Z4h, Z4s, Z5h, Z5s 등의 값이 설계변수이기 때문에 자오면 형상의 변경과 깃각의 변화에 의한 날개형상이 Fig.
이미 최적화가 수행된 비속도 550 급 사류펌프 형상이기 때문에 효율 등 목적하는 성능의 향상은 크지 않을 것으로 판단되나, 기존 효율과 비슷한 값이 나온다면 안정적으로 최적화가 수행된다고 판단할 수 있다. 또한, 다수의 설계변수를 동시에 적용하여 변수간의 교호작용이 반영되고 기존 실험계획법(DOE)보다 짧은 시간 안에 최적 설계가 된다면, 이를 통해 새롭게 제안된 방법이 안정적인 최적설계 결과를 빠르게 얻을 수 있는지를 확인할 수 있다.
이와 같이 수치해석기법과 대류항 처리 및 난류 모델의 적용에서 격자의 영향을 덜 받도록 조치되어 있으므로 CFX 를 이용하는 일반적인 사용자가 비교적 일관된 해석결과를 얻을 수 있다. 본 논문에서 제시하는 유체기계의 최적설계는 CFD 해석 결과를 바탕으로 진행되므로, 유동해석결과가 격자, 난류모델 및 해석기법에 크게 영향을 받지 않고 일관성이 있는 CFX 의 특성은 최적설계를 달성하는데 특히 중요하다.
이런 제한으로 인해 각각의 변수간의 교호작용 반영이 불명확할 수도 있고, 선택되는 소수의 변수를 다르게 할 경우 반복적인 실험계획법(DOE)을 수행하여야 하므로 최적화에 걸리는 절차와 시간이 능숙한 연구자의 경우도 2주 정도 소요된다고 한다. 이미 최적화가 수행된 비속도 550 급 사류펌프 형상이기 때문에 효율 등 목적하는 성능의 향상은 크지 않을 것으로 판단되나, 기존 효율과 비슷한 값이 나온다면 안정적으로 최적화가 수행된다고 판단할 수 있다. 또한, 다수의 설계변수를 동시에 적용하여 변수간의 교호작용이 반영되고 기존 실험계획법(DOE)보다 짧은 시간 안에 최적 설계가 된다면, 이를 통해 새롭게 제안된 방법이 안정적인 최적설계 결과를 빠르게 얻을 수 있는지를 확인할 수 있다.
이상의 결과로부터 SHERPA 기법은 다른 기법에 비해 비교적 적은 평가회수로 일관된 최적값을 찾아주는 것으로 판단할 수 있으며, 여러 가지 벤치마크 문제에서도 같은 특징을 나타내는 것(14,15)으로부터 최적화에 대한 전문지식이 없는 일반적인 사용자 들도 최적화를 수행하는데 큰 어려움이 없을 것으로 판단된다.
이상의 결과에서 HEEDS 와 CFX 를 연계한 최적화 프로세스를 적용할 경우 국부적인 탐색과 전체적인 탐색을 모두 적용하는 SHERPA 알고리즘의 도움으로 넓은 탐색공간에서 최적화를 수행하기 때문에, 일반적인 사용자가 넓은 범위의 변수를 설정하여도 최적화 결과를 도출할 수 있다는 것이 본 연구를 통해 개발된 방법의 장점이라고할 수 있다.
이는 설계변수의 설정이 변함에 따라 요구되는 목적함수의 목표를 달성하기 위해 각각의 설계변수 값이 다소 달라지기 때문이다. 이상의 결과에서 HEEDS 와 CFX 를 이용한 최적화를 수행하면 사용자가 설정하는 설계변수의 변화에 적응하여 각각의 설계변수가 제어됨으로써 실험계획 법(DOE)보다 향상되고 일관성이 있는 설계를 달성할 수 있다는 것을 확인할 수 있다. 또한 HEEDS 를 이용할 경우 1 주일 정의의 시간이 필요한데 이는 능숙한 연구자가 실험계획법(DOE)를 이용하는 경우 소요되는 2 주일의 시간보다 최적화에 소요되는 시간을 대폭 줄인 것으로 판단된다.
유체기계해석에 안정적이고 신뢰성 있는 결과를 제공하는 CFX 를 유동해석코드로 사용하고 전문적인 지식이 없어도 최적설계를 수행할 수 있는 HEEDS 를 최적설계코드로 사용하였으며, 유체기계분야에 두 코드를 연계하여 적용하는 방법을 확립하였다. 이와 같은 방법론을 사류펌프 임펠러와 디퓨저의 최적설계에 적용하였으며, 본 연구에서 개발한 방법론이 기존의 실험계획법(DOE)에 의해 최적설계된 사류펌프 임펠러와 디퓨저 보다 향상된 설계결과를 보다 빠른 시간에 도출하는 것을 확인하였다.
이는 전압수두와 정압수두의 차인 (Ht-Hs) 가 최적화된 모델에서 더 작은 값을 가지기 때문이다. 이와 같이 목적함수를 결정할 때 출구에서의 정압과 선회각(swirl angle)에 대한 고려가 되었기 때문에 정압성능이 크게 향상되었으며, 이와 같은 결과를 반영하여 Fig. 16 과 같이 디퓨저의 날개각 분포 및 자오면의 형상이 결정되었다. Fig.
최적화된 Recommended design 의 결과가 기존 초기모델(Base model)의 디퓨저 보다 전압성능과 정압성능 모두 향상된 것을 확인할 수 있다. 전압 및 정압효율이 80% 대에서 90%대로 향상되었으며, 특히 정압효율은 약 83%에서 약 92%로 크게 향상되었다. 이는 전압수두와 정압수두의 차인 (Ht-Hs) 가 최적화된 모델에서 더 작은 값을 가지기 때문이다.
앞에서 설명한 바와 같이 디퓨저 출구에서는 정압의 성능이 중요한 인자로 판단되므로 Table 2 에 전압에 의한 결과와 정압에 의한 결과를 나누어서 효율과 수두를 나타내었다. 최적화된 Recommended design 의 결과가 기존 초기모델(Base model)의 디퓨저 보다 전압성능과 정압성능 모두 향상된 것을 확인할 수 있다. 전압 및 정압효율이 80% 대에서 90%대로 향상되었으며, 특히 정압효율은 약 83%에서 약 92%로 크게 향상되었다.
후속연구
16 에서와 같이 크게 변한다. 그렇기 때문에 출구반경 등 자오면 형상을 결정하는 인자에 대한 구속조건을 설정하는 것이 필요하다고 판단되며, 추후 연구를 통해 최적의 자오면형상을 결정할 수 있는 구속조건을 결정하는 것이 필요하다.
본 연구에서 개발된 방법론은 일반적인 사용자가 쉽고 안정적으로 사용할 수 있는 상용유동해석 코드와 상용최적화 코드를 이용한 방법이므로 다양한 유체기계의 최적설계에 적용되어 국내 유체기계산업의 경쟁력을 높이는데 활용될 수 있을 것으로 기대한다.
본 연구에서는 SHERPA 알고리즘을 사용하는 최적화 소프트웨어인 HEEDS 를 유체기계해석에서 널리 사용되고 있는 CFX 와 연계하여 안정적이고 일관성(robust) 있는 유체기계의 최적화를 달성할 수 있는 방안을 검토하였다. 본 연구에서 확립한 방법론을 적용하면 비교적 적당한 해석시간 안에 유동해석과 최적설계의 일반적인 지식을 가진 사용자에 의해 유체기계의 최적설계를 달성할 수 있을 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
상용 CFD 코드를 유동해석코드로 활용할 수 있는 이유는 무엇인가?
이와 같이 CFD 와 최적설계를 접목하여 유체기계의 성능을 향상시키는 최적설계를 수행하는 사례가 증가하는 추세에 있으며, 대부분의 연구에서 CFX 와 같은 상용 CFD 코드를 유동해석코드로 활용하고 있다. 이는 CFD 를 이용한 수치해석기법이 일반적인 사용자에 의해 비교적 쉽고 일관된 (robust) 해석결과를 얻을 수 있기 때문에 가능한 방법이다. 그러나, 최적설계에서 CFX 와 같이 사용자에 따라 쉽고 일관성(robust)이 있게 결과를 얻을 수 있는 상용 최적화 코드는 비교적 최근에 소개되고 있는 추세이며, 사용 편의성과 최적설계 결과의 안정성을 제공하는 최적화 소프트웨어 중 하나로 HEEDS 를 검토할 수 있다.
최적설계에 사용되는 기법은 무엇이 있는가?
최적설계에는 여러 가지 기법이 개발되어 있으며 유전자기법(Genetic Algorithm), 반응면기법(Response Surface Method), 실험계획법(DOE) 등을 이용한 최적설계사례가 보고 되고 있다. 특히, 유체기계 중 사류펌프의 최적설계에 김진혁 등(3)과 최영석 등(2)의 연구결과에서 CFX 와 각 연구기관의 최적설계 기법을 적용하여 유체기계의 최적설계에 활용하는 것을 확인할 수 있다.
이종철(1)의 “유체기계분야 중 펌프 및 수차 분야의 연구동향”을 통해 확인할 수 있는 것은 무엇인가?
유체기계의 성능분석 및 예측에 CFD 기법을 이용하는 방법은 이미 일반화되어 있고 실험과 거의 비슷한 결과를 보이는 것을 여러 연구결과에서 확인할 수 있다. 특히 이종철(1)의 “유체기계분야 중 펌프 및 수차 분야의 연구동향”의 내용에 의하면 다양한 분야의 수차 및 펌프의 해석적인 연구에 CFX 가 사용되고 있으며 상용 CFD 코드의 활용영역이 유체기계의 성능개선 및 최적설계 등으로도 확장되고 있음을 알 수 있다. 또한 실험계획법 (DOE) 등을 이용한 유체기계의 최적설계에 CFX를 이용한 사례가 최영석 등(2)의 연구결과에서 보고 되고 있으며, 이러한 연구결과를 종합하면 CFX 와 같은 상용 CFD 코드의 신뢰성이 유체기계의 정밀한 성능분석을 필요로 하는 최적설계에도 충분히 적용 가능하다고 인식되고 있다.
참고문헌 (19)
Lee, J. C., 2011, "Research trends in Pumps and Hydraulic Turbine," Journal of Fluid Machinery, Vol. 14, No. 2, pp. 65-67.
Choi, Y. S., Lee, K. Y., Kim, S. and Kim, J. H., 2010, "Design Optimization of Mixed-flow Pump Impellers and Diffusers," Proceedings of the KFMA Annual Meeting, pp. 168-169.
Kim, J. H., Jin, C. H. and Kim, K, Y., 2010, "High Efficiency Design of a Mixed-Flow Pump through Optimization Techniques," Proceedings of the KFMA Annual Meeting, pp. 31-32.
Ferziger, J. H. and Peric, M., 1997, "Computational Methods for Fluid Dynamics," Springer.
Raithby G.D. and Schneider, G.E., 1979, "Numerical Solution of Problems in Incompressible Fluid Flow," Treatment of the Velocity-Pressure Coupling. Numer. Heat Transfer, 2.
Raw, M., 1996, "Robustness of Coupled Algebraic Multigrid for the Navier-Stokes Equations," AIAA Paper 96-0297, AIAA 34th Aerospace Sciences Meeting and Exhibit. Reno, NV.
Raw, M., 1985, "A New Control-Volume Based Finite Element Procedure for the Numerical Solution of the Fluid Flow and Scalar Transport Equations," Ph.D.Thesis, University of Waterloo, Canada
Coles, D.E. and Hirst, E.A., editors, 1969, "Computation of Turbulent Boundary Layers - 1968 AFOSR-IFP-Stanford Conference," Vol. 2, Stanford University, CA.
Menter, F.R. and Grotjans, H., "Application of Advanced Turbulence Models to Complex Industrial Flows," AEA Technology GmbH, Staudenfeldweg 12 D-83624 Otterfing, Germany
Esch, T., Menter, F.R. and Vieser, W., 2003, "Heat Transfer Predictions Based on Two-Equation Turbulence Models," 6th ASME-JSME Thermal Engineering Joint Conference, Hawaii.
Menter, F.R., 1994, "Two-Equation Eddy-Viscosity Turbulence Models for Engineering Applications," AIAA-Journal 32(8), pp. 269-289.
Schittkowski, K., 1985, "NLPQL: A Fortran Subroutine for Solving Constrained Nonlinear Programming Problems," Annals of Operations Research, Vol. 5, pp. 485-500.
Goldberg, D.E., 1989, "Genetic Algorithms in Search, Optimization & Machine Learning," Addison Wesley Longman, Inc.
"SHERPA - An Efficient and Robust Optimization/ Search Algorithm," Red Cedar Technology
"A Benchmark Study of Optimization Search Algorithms," Red Cedar Technology
Ingber, L., 1996, "Adaptive Simulated Annealing (ASA): Lessons learned," Control and Cybernetics, Vol. 25 No. 1,pp. 33-54.
Kim, S., Choi, Y. S., Lee, K. Y. and Yoon, J. Y., 2007, "Effect of Blade Angle Distribution on the Performance of a Centrifugal Pump in a Fixed Meridional Shape," Proceedings of the SAREK Annual Meeting, pp. 21-26.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.