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 논문에서는 유전자 알고리즘을 복합재료로 구성된 판 스프링의 적층 최적화 방법을 제시한다. 자동차 판 스프링을 유한요소모델로 구성하여 초기 설계를 검증한 이후, 유전자 알고리즘을 통해 복합재료의 적층수와 적층각도를 최적화하는 과정을 제시한다.
제안 방법
- 본 논문에서는 복합재료가 적용된 판 스프링의 설계 변수로 적층 시퀀스를 설정하여 유전자 알고리즘을 사용하여 최적화를 수행하였다. 유전자 알고리즘을 적용할 때, 복합재 판 스프링의 적층 두께와 적층각을 획득되었으며, 이는 적절한 강도와 강성으로 최소 무게를 달성하는데 기여한다.
- 설계 변수는 복합재 적층 수와 적층 각도로 설정하였으며, 구속조건은 변위와 정적 강도를 설정하였다. 변위는 하중이 인가될 때 최대 변형량을 의미하며, 구속조건으로 적용하였다.
- 스프링 전체 강도를 균일하고 효율적으로 배분하기 위하여 형상을 고려하였다. 판 스프링의 조립상태와 스프링의 정적, 동적 구조 부품의 연관성을 고려하여 하중인가를 판 스프링의 중심으로 설정하였다.
- 일단 초기에 정의된 최대 발생량에 도달하면, 최적화로 인한 최적의 설계 포인트에서의 새로운 응답 및 민감도의 유도를 위해 외부 루프로 들어가기 위해 GA가 중단된다. 유전자 알고리즘에 의해 마지막 유전자형 생성 및 적합한 결과를 얻게 되면 최종적으로 유한요소 모델로 구조 건전성을 평가한다.
- 최적화 과정을 통해 판 스프링의 하중 감소 과정, 반복수에 따라 기존의 알고리즘 결과와 비교할 것이다. 유전자 알고리즘을 통해 최적화된 적층 시퀀스는 구조의 건전성을 검증하기 위해 유한요소 모델로 구성하여 안전여유를 계산한다.
- 최대 세대수(maximum generation)는 효율적인 최적화를 위해서 최대 세대 수를 150으로 고정시켰다. 일반적으로 교차 확률이 높고 돌연변이 확률이 낮은 것이 좋기 때문에, 본 논문에서는 교차 확률은 0.9로, 돌연변이 확률은 0.001로 적용하였다.
- 본 논문에서는 유전자 알고리즘을 복합재료로 구성된 판 스프링의 적층 최적화 방법을 제시한다. 자동차 판 스프링을 유한요소모델로 구성하여 초기 설계를 검증한 이후, 유전자 알고리즘을 통해 복합재료의 적층수와 적층각도를 최적화하는 과정을 제시한다. 최적화 과정을 통해 판 스프링의 하중 감소 과정, 반복수에 따라 기존의 알고리즘 결과와 비교할 것이다.
- 스프링 전체 강도를 균일하고 효율적으로 배분하기 위하여 형상을 고려하였다. 판 스프링의 조립상태와 스프링의 정적, 동적 구조 부품의 연관성을 고려하여 하중인가를 판 스프링의 중심으로 설정하였다. Fig.
대상 데이터
- 판 스프링의 조립상태와 스프링의 정적, 동적 구조 부품의 연관성을 고려하여 하중인가를 판 스프링의 중심으로 설정하였다. Fig. 5와 같이 판 스프링의 구조형상에 따라 재질을 강철과 복합재료를 구분하여 모델을 구성하였다. 유한요소 모델은 유전자 알고리즘이 초기 설계로부터 최적화를 수행한 이후, 최적설계 결과를 검증할 때 사용된다.
- 본 논문에서는 요구사항을 만족하는 모델을 비교하기 위해 강철 판 스프링과 복합재 판 스프링 2종류의 모델을 구성한다. 적용된 재질은 Table 3에 나타내었다.
- 적층 시퀀스 테이블을 구성하기 위해 두개의 염색체 SSTlam와 SSTins를 사용한다. 이는 유전자 알고리즘의 사용을 위한 부호화 형식을 사용하기 위함이다.
- 최적설계 결과를 검증하기 위하여 Fig. 9의 적층 200ply, 240ply, 264ply, 280ply와 적층각을 유한요소모델에 적용하였다. 적층 결과는 스틸이 적용된 판 스프링의 정적 해석 결과와 유사하다.
데이터처리
- 자동차 판 스프링을 유한요소모델로 구성하여 초기 설계를 검증한 이후, 유전자 알고리즘을 통해 복합재료의 적층수와 적층각도를 최적화하는 과정을 제시한다. 최적화 과정을 통해 판 스프링의 하중 감소 과정, 반복수에 따라 기존의 알고리즘 결과와 비교할 것이다. 유전자 알고리즘을 통해 최적화된 적층 시퀀스는 구조의 건전성을 검증하기 위해 유한요소 모델로 구성하여 안전여유를 계산한다.
이론/모형
- 최적화를 수행하기 위해 판 스프링의 중앙에 하중과 모멘트를 입력한다. 스프링의 하중은 Song 등(2015)의 연구에서 제시된 차량 동역학 모델의 가속, 선회, 과속방지턱의 3조건에서 계산된 하중을 입력하였다.
성능/효과
- 적층 결과는 스틸이 적용된 판 스프링의 정적 해석 결과와 유사하다. 과속방지 턱의 하중조건에서 가장 큰 응력 628Mpa가 발생되나 충분한 구조 건전성이 확보되는 것으로 판단하였다. 유전자 알고리즘을 이용하면 두꺼운 복합재 적층 데이터베이스를 구축할 수 있으며, 효과적인 설계을 진행할 수 있음을 확인하였다.
- 과속방지 턱의 하중조건에서 가장 큰 응력 628Mpa가 발생되나 충분한 구조 건전성이 확보되는 것으로 판단하였다. 유전자 알고리즘을 이용하면 두꺼운 복합재 적층 데이터베이스를 구축할 수 있으며, 효과적인 설계을 진행할 수 있음을 확인하였다. 단, 구조물에서 두꺼운 적층 문제에서 강도, 강성뿐만 아니라 내부의 제조 결함, 층간분리 등의 문제를 고려해야 한다.
후속연구
- 유전자 알고리즘을 이용하면 두꺼운 복합재 적층 데이터베이스를 구축할 수 있으며, 효과적인 설계을 진행할 수 있음을 확인하였다. 이러한 결과는 유전자 알고리즘을 통해 엔지니어링 문제에서 자주 접하는 매우 두꺼운 복합재료 구조물의 현실적인 설계에서 효과적이고 효율적으로 사용될 수 있음을 시사한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.