최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국기계가공학회지 = Journal of the Korean Society of Manufacturing Process Engineers, v.18 no.3, 2019년, pp.74 - 81
송창용 (목포대학교 조선해양공학과) , 최하영 (동양미래대학교 기계공학부) , 변성광 (동양미래대학교 기계공학부)
Herein, we performed a comparative study on approximate multi-objective design optimization, to realize a structural design to improve the weight and vibration performances of the knuckle - a car suspension component - considering various load conditions and vibration characteristics. In the approxi...
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
차량용 넉클이란 무엇인가? | 차량용 넉클 은 자동차의 차체와 휠을 지(knuckle)지하면서 차량의 수직 묏 방향 운동을 제어Roll 하고 주행 시에 탑승자의 안락성과 관련하여 중요한 역할을 하는 프가시스템의 중요 부품 중 하나이다[1]안위성 주행성능 연료소비율 등은 차량 개. , , 발 시 고려되어야 할 핵심 사항이며 특히 연료소, 비율은 차량의 중량과 묀윑한 관계를 가지고 있다. | |
넉클 설계시 검토되어야 할 사항은 무엇인가? | , , 발 시 고려되어야 할 핵심 사항이며 특히 연료소, 비율은 차량의 중량과 묀윑한 관계를 가지고 있다. 넉클은 차량 주행 시 발생하는 하중과 토크에 안위하게 설계되도록 넉클의 구조 강성 묏 강도 성능이 설계안위도를 만족하도록 설계되어야할 뿐만 아니라 차량의 노면진동 특성을 고려할 수 있도록 진동성능도 동시에 검토되어야 한다 특히 차량의 상품. 성을 향상시킬 수 있도록 연료소비율 향상을 위한 최소 중량설계가 구프되어야 한다. | |
메타모델 생성방법 중 보간윁 방법을 설명하시오. | 화에서 공학윁으로 유용한 해를 도출하기 위해서는 설계공간을 높은 정확도로 탐색할 수 있도록 합리윁으로 생성되어야 한다[2]메타모델 생성방법은 크. 게 회귀윁 방법과 보간윁 방법(regression method)으로 구분되며 회귀윁 방법은 (interpolation method), 반응표면법이동최(response surfaces method, RSM), 소자승법등과 (moving least squares method, MLSM) 같이 다항식 형태로 생성되기 때문에 보간윁 방법에 비해 계산량이 윁고 계수항의 상대윁 크기로 , 변수의 민감도를 쉽게 파악할 수 있다[3]보간윁 방. 법의 대표윁인 메타모델은 크리깅역위파 (Kriging), 신경회로망(back-propagation neural network, BPN) 등이 있으며 상대윁으로 높은 비선형성을 갖는 설계공간의 탐색에 용이하다 근사최윁설계는 최윁설. 계에 메타모델을 이용하는 방법으로 수치계산과 설계해 탐색의 효율성을 높이기 위한 다양한 기법들[4~6]이 개발되어 오고 있다. |
Crouse, H. W. and Anglin, L. D., Automotive Mechanics, McGraw-Hill, New York, 1993.
Simpson, T. W., Peplinkski, J., Koch, P. N. and Allen, J. K., "Metamodels for Computer Based Engineering Design: Survey and Recommendations," Engineering with Computers, Vol. 17, No. 2, pp. 129-150, 2001.
Haftka, R. T. and Gurdal, Z., Elements of Structural Optimization, Kluwer Academic Publishers, Dordrecht, 1991.
Park, Y. S. and Park, G. J., "A Development of Move Limit Strategy Based on the Accuracy of Approximation for Structural Optimization," Transactions of the Korean Society of Mechanical Engineers A, Vol. 21, No. 8, pp. 1218-1228, 1997.
Jacobs, J. H., Etman, L. F. P., van Keulen, F. and Rooda, J. E., "Framework for Sequential Approximate Optimization," Structural and Multidisciplinary Optimization, Vol. 27, No. 5, pp. 384-400, 2004.
Kim, S. W., Kang, K., Yoon, K and Choi, D. H., "Design Optimization of an Angular Contact Ball Bearing for the Main Shaft of a Grinder," Mechanism and Machine Theory, Vol. 104, pp. 287-302, 2016.
Korta, J. A., and Mundo, D., "Multi-objective Micro-geometry Optimization of Gear Tooth Supported by Response Surface Methodology," Mechanism and Machine Theory, Vol. 109, pp. 278-295, 2017.
Atthaphon, A., Masahiko, S., Yasutada, T. and Masahiro, K., “Hybrid Surrogate model based Multi-fidelity Efficient Global Optimization Applied to Helicopter Blade Design,” Engineering Optimization, Vol. 50, No. 6, pp. 1016-1040, 2018.
Park, S. H., Design of Experiments, Minyoung-Sa, Korea, 2009.
McKay, M. D., Beckman, R. J. and Conover, W. J., "Comparison of Three Methods for Selecting Values of Input Variables in The Analysis of Output from a Computer Code," Technometrics, Vol. 21, pp. 239-245, 1979.
Hong, K. J., Jeon, K. K., Cho. Y. S., Choi, D. H. and Lee, S. J., "A Study on the Construction of Response Surface for Design Optimization," Transactions of the Korean Society of Mechanical Engineers A, Vol. 24, No. 6, pp. 1408-1418, 2000.
Bishop, C., Neural networks for pattern recognition, Oxford Press, 1995.
Mitchell, T. M., Machine Learning, McGraw-Hill, 1997.
Deb, K., Pratap, A., Agarwal, S., and Meyarivan, T., “A Fast and Elitist Multiobjective Genetic Algorithm: NSGA-II,” IEEE Transactions on Evolutionary Computation, Vol. 6, No. 2, pp. 182-197, 2002.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.