초록 ▼

□ 연구개요
본 연구에서는 딥러닝 기법을 이용하여 난류 영역의 채널 유동 및 원형 실린더 주위 유동을 제어하고 마찰저항 및 양력섭동/항력을 저감시키기 위한 연구를 수행하였다. 고정밀 수치해석 기법으로 생성한 빅데이터를 바탕으로 지도학습을 통해 벽압력으로 유동장을 예측하는 심층신경망을 구성하고 이를 활용한 난류 유동의 능동피드백 제어 기법을 개발하였다. 이를 통해 고성능/고실용성 및 고효율을 갖는 신개념 난류 유동 제어 기법을 제시하였다.

□ 연구 목표대비 연구결과
본 연구에서는 딥러닝 기반 능동 제어 기법을

□ 연구개요
본 연구에서는 딥러닝 기법을 이용하여 난류 영역의 채널 유동 및 원형 실린더 주위 유동을 제어하고 마찰저항 및 양력섭동/항력을 저감시키기 위한 연구를 수행하였다. 고정밀 수치해석 기법으로 생성한 빅데이터를 바탕으로 지도학습을 통해 벽압력으로 유동장을 예측하는 심층신경망을 구성하고 이를 활용한 난류 유동의 능동피드백 제어 기법을 개발하였다. 이를 통해 고성능/고실용성 및 고효율을 갖는 신개념 난류 유동 제어 기법을 제시하였다.

□ 연구 목표대비 연구결과
본 연구에서는 딥러닝 기반 능동 제어 기법을 개발하고 이를 내부유동인 난류 채널유동, 내부 유동인 실린더 주위 유동에 적용하여 당초 설정한 연구 목표를 성공적으로 달성하였으며, 그 주요 결과는 다음과 같다:
1. 난류 채널 유동의 반대 제어
- Re_τ=178에서 고정밀 수치해석인 DNS를 수행하여 난류 유동의 빅데이터 확보
- 딥러닝 기반 지도학습을 위해 ANN, CNN 계열인 LeNet-5 및 GAN 계열의 cGAN 구축
- 벽 압력으로 벽 근처 y⁺=10 지점의 수직 방향 속도를 예측하는 심층 신경망 학습
- 학습된 신경망으로 채널 난류 유동 내 반대 제어 수행를 수행하여 기존 반대제어 대비 약 90%(마찰저항 17% 감소)의 제어 성능 확인
2. 원형 실린더 주위 층류 및 난류 유동의 비례 제어
- 층류 영역인 Re_d=60와 난류 영역인 Re_d=3900에서 고정밀 수치해석인 LES를 수행하여 원형 실린더 주위 유동의 빅데이터 확보
- 벽 압력으로 실린더 후류의 한 지점의 수직 방향 속도를 예측하는 신경망 학습
- 학습된 신경망이 대칭성을 갖도록 하는 신경망 구축
- 층류 유동에서 Kármán 보텍스 쉐딩을 완전히 감소시키고, 난류 유동에서 항력 및 양력 섭동을 각각 13%, 76% 감소시키는 성공적인 신경망 기반 비례 제어 수행
3. 딥러닝 모델 사용의 실용성 및 확장성 검증을 위한 학습된 모델 성능 평가
- 채널 난류 유동에서 학습된 신경망의 실용성 검증을 위해 DNS 수준보다 4배 성긴 격자에서 제어를 수행하여 약 12%의 마찰저항 저감
- 실린더 주위 층류 유동인 Re_d=60에서 학습한 신경망을 통해 Re_d=100에서 비례 제어를 수행하여 항력 및 양력 섭동을 각각 10%, 80% 감소시킴

□ 연구발성과의 활용 계획 및 기대효과 (연구개발결과의 중요성)
본 연구는 기존 난류 유동의 피드백 제어 기법의 한계점인 유동장의 속도를 실시간으로 측정해야 된다는 단점을 극복하기 위하여 딥러닝 기법에 기반하여 벽에서의 압력을 입력으로 한 피드백 제어 기법을 개발하였다. 이를 통해 기존 층류 영역 또는 채널 유동 등 내부 유동에 국한되어 적용되어 온 머신러닝 기법을 접목한 유동제어 기법의 외연을 보다 복잡한 난류 유동 및 외부 유동으로 확장했다는 점, 벽압력을 제어 입력으로 하여 실용성을 극대화 했다는 점에서 본 연구의 의의가 있다.
본 연구에서 다룬 난류 채널 유동, 실린더 주위 난류 유동 외에도 제안된 머신러닝 기반 피드백 제어 기법이 활용될 분야는 무궁무진하다. 현재 실린더와 같은 강한 2차원성을 갖는 유동을 벗어나 구 주위 유동과 같이 강한 3차원성을 갖는 유동에 본기법을 적용하고 있다. 또한 궁극적으로는 자동차, heavy vehicle과 같이 산업체에서 중요한 응용 대상에 대해 본 기법을 확장하여 연구하고자 하며, 이를 통해 산업체에도 직접적인 파급 효과를 주고자 한다.

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 가. 연구의 필요성 ... 4
• 나. 국내·외 연구동향 ... 5
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 5
• 가. 심층 신경망을 통한 난류 채널 유동의 반대 제어 ... 5
• 나. 인공 신경망을 통한 실린더 주위 층류 및 난류 유동의 비례 제어 ... 6
• 다. DNS/LES 기법을 이용한 난류 유동의 정밀 수치해석 ... 7
• 라. 딥러닝 모델 사용의 실용성 및 확장성 검증을 위한 학습된 모델 성능 평가 ... 8
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 8
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 13
• 5. 연구개발성과의 관리 및 활용 계획 ... 13
• 6. 참고문헌 ... 14
• 붙임1. 세부 정량적 연구개발성과 ... 16
• 붙임2. 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 17
• 끝페이지 ... 23