본 논문에서는 역전파 방법 기반 자동미분법을 이용하여 설계민감도를 구하고 이를 응력제한조건을 고려한 위상최적설계에 적용하였다. 응력제한조건이 있는 위상최적화문제는 특이점(sing...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A108394783
2022
Korean
KCI등재
학술저널
367-374(8쪽)
0
상세조회0
다운로드국문 초록 (Abstract)
본 논문에서는 역전파 방법 기반 자동미분법을 이용하여 설계민감도를 구하고 이를 응력제한조건을 고려한 위상최적설계에 적용하였다. 응력제한조건이 있는 위상최적화문제는 특이점(sing...
본 논문에서는 역전파 방법 기반 자동미분법을 이용하여 설계민감도를 구하고 이를 응력제한조건을 고려한 위상최적설계에 적용하였다. 응력제한조건이 있는 위상최적화문제는 특이점(singularity)과 응력의 국부성(local nature of stress constraint)문제, 그리고 설계 변수에 대한 비선형성의 문제를 포함하고 최적해를 얻기가 매우 힘들다. 특이점 문제를 해결하기 위해서 응력 완화(stressrelaxation) 기법을 사용하였고, 응력의 국부성을 해결하기 위해 p-norm을 이용한 전역 응력치를 제한조건에 사용하였다. 설계 변수에대한 비선형성을 극복하기 위해 해석적인 방법으로 정확한 설계민감도를 구하는 것이 중요하다. 위상최적설계에서 기존에는 보조변수방법(adjoint variable method)을 사용하여 빠르고 정확한 설계민감도를 구했지만, 설계민감도를 해석적으로 구해야 하고, 보조평형방정식을 추가로 풀어야 하는 어려움이 있다. 이를 해결하기 위해서 인공신경망에서 최적 가중치(weights)와 편차(biases)를 구할 때쓰이는 역전파 기법을 이용하여 설계민감도를 구하고 이를 응력제한조건을 고려한 위상최적설계에 적용하였다. 역전파 기법은 자동미분에 쓰이는 기법으로 목적함수나 제한조건에 대한 설계민감도를 별도의 수식유도 없이 간단하게 구할 수 있는 장점이 있다. 또한,미분값을 구하는 역전파의 과정이 보조평형방정식을 푸는 것보다 계산시간이 빠르고 해석적 방법으로 구한 설계민감도와 같은 정확도를 보여준다.
참고문헌 (Reference)
1 Svanberg, K, "The Method of Moving Asymptotes-a New Method for Structural Optimization" 24 (24): 359-373, 1987
2 Le, C, "Stress-based Topology Optimization for Continua" 41 (41): 605-620, 2010
3 Bensøe, M. P, "Optimization of Structral Topology, Shape and Material" Springer 1995
4 Bruggi, M, "On an Alternative Approach to Stress Constraints Relaxation in Topology Optimization" 36 (36): 125-141, 2008
5 Sigmund, O, "Morphology-based Black and White Filters for topology Optimization" 33 (33): 401-424, 2007
6 Bradbury, J, "JAX : Composable Transformations of Python+Numpy Program,Version 0.2. 5" 2018
7 Bensøe, M. P, "Generating Optimal Topologies in Optimal Design using a Homogenization Method" 71 : 197-224, 1988
8 Amir, O, "Efficient Stress-Constrained Topology Optimization using Inexact Design Sensitivities" 122 (122): 3241-3272, 2021
9 Paszke, A, "Automatic Differentation in Pytorch" 1-4, 2017
10 Chandrasekhar, A, "AuTO:a Framework for Automatic Differentiation in Topology Optimization" 64 (64): 4355-4365, 2021
1 Svanberg, K, "The Method of Moving Asymptotes-a New Method for Structural Optimization" 24 (24): 359-373, 1987
2 Le, C, "Stress-based Topology Optimization for Continua" 41 (41): 605-620, 2010
3 Bensøe, M. P, "Optimization of Structral Topology, Shape and Material" Springer 1995
4 Bruggi, M, "On an Alternative Approach to Stress Constraints Relaxation in Topology Optimization" 36 (36): 125-141, 2008
5 Sigmund, O, "Morphology-based Black and White Filters for topology Optimization" 33 (33): 401-424, 2007
6 Bradbury, J, "JAX : Composable Transformations of Python+Numpy Program,Version 0.2. 5" 2018
7 Bensøe, M. P, "Generating Optimal Topologies in Optimal Design using a Homogenization Method" 71 : 197-224, 1988
8 Amir, O, "Efficient Stress-Constrained Topology Optimization using Inexact Design Sensitivities" 122 (122): 3241-3272, 2021
9 Paszke, A, "Automatic Differentation in Pytorch" 1-4, 2017
10 Chandrasekhar, A, "AuTO:a Framework for Automatic Differentiation in Topology Optimization" 64 (64): 4355-4365, 2021
11 Sigmund, O, "A 99 line Topology Optimization Code Written in Matlab" 21 (21): 120-127, 2001
군집화 기반 정상상태 식별을 활용한 시스템 에어컨의 냉매 충전량 분류 모델 개발