Aerodynamic force Database Framework
제품의 개요
항공기, 유도무기, 드론, UAM, 잠수함, 어뢰 등 다양한 이동체의 개발 과정에서 고정밀도 유체력 데이터베이스는 필수적입니다. 그러나 풍동시험에 의한 데이터 획득은 매우 제한적이며, CFD 역시 방대한 계산량 때문에 활용에 어려움이 있습니다.
본 제품은 대체 모델 기반의 공력 데이터베이스 구축 자동화 프레임워크입니다. 마하수, 받음각, 옆미끄럼각, 핀의 변위각도에 따른 공력 DB를 구축할 수 있습니다.
- 대체 모델(Surrogate model) 기법의 필요성
다양한 조건에서 설계 변수가 증가하게 될 경우 고 신뢰도의 full factorial 실험이나 계산은 사실상 불가능합니다. 따라서 대체 모델 기법은 적은 비용(시간 및 자원)으로 실제 모델의 반응을 모델링함으로써 실제 모델을 대체할 수 있는 방법입니다. 공력 DB 구축 시 (1)구축에 필요한 비용을 크게 줄일 수 있고, (2)실험점 외의 연속적인 모든 조합의 조건에 대해서도 공력 특성을 도출하는데 활용될 수 있습니다.
- 자동화 프레임워크의 필요성
대체 모델 구축에서는 DoE(Design of Experiment) 기반 해석점 선정, 유동해석, 대체 모델 생성 및 검증의 여러 층위의 작업이 필요합니다. 상호 이질적인 작업들을 하나의 프레임워크로 통합하여 작업의 효율성과 확장성을 갖는 것이 필요합니다. 추출된 다수의 해석점에 대한 해석 시 CFD 설정 작업의 효율화가 필수적이며, 자동화 기술을 통해 다양한 설계변수를 변화시켜가며 계산의 효율성 제고할 수 있습니다.
마하수, 받음각, 옆미끄럼각, 핀의 변위각도에 따른 공력 DB를 구축할 수 있는 프레임워크입니다.
프레임워크 흐름도
프레임워크는 (1) 실험계획법 기반 해석 조건 샘플링, (2) CFD를 이용한 유동해석, (3) 대체 모델 기반 데이터베이스 구축, (4) 후처리의 순서로 진행됩니다.
실험계획법 기반 해석점 샘플링
마하수, 받음각, 옆미끄럼각, 핀의 변위각도 등의 샘플링 변수를 먼저 결정합니다. 각 변수의 범위 및 속성을 결정하고, 전체 설계 공간에 해석점이 고르게 분포하도록 샘플링합니다.
Latin Hypercude, Random 등의 다양한 방법을 사용할 수 있습니다.
배치 작업을 통한 CFD 유동 해석
샘플점들에 대한 해석 케이스를 자동으로 생성합니다. 배치 작업을 통해 유동해석을 수행하고 각 요소별 관찰 값을 도출합니다.
CFD 해석 코드는 무격자(meshless) 코드인 FAMUS와 공개소스 코드인 OpenFOAM(BARAM)을 사용할 수 있습니다.
Surrogate model 구축 및 신뢰성 평가
계산된 결과 데이터들을 이용해서 Surrogate model을 구축합니다. Surrogate model의 수렴성을 평가하고 특이점 필터링, 최종 정확도 평가를 통해 DB 모델을 도출합니다.
공력 DB 구성
공력 DB 구성안을 도출하여 대체 모델의 정확성과 효율성을 확보합니다. 전체 설계 공간에 대한 민감도 분석을 위해 랜덤 샘플링 기반 민감도 분석과 파라메트릭 스터디를 수행합니다. 각 설계 변수의 영향성에 대한 상대 평가, 설계 변수에 따른 공력계수 변화 양상을 확인합니다.
- 공력 DB 구획화 : 아음속, 천음속, 초음속 구간으로 나누어 DB 모델을 구성하고, 경계에서의 overlap 개수를 조정합니다.
- 샘플점 개수 변화 : 개수를 증가시키면서 적정 개수를 도출합니다.
- Outlier 필터링 : 교차 검증 결과에서 outlier를 판별하여 필터링합니다.
- 균일한 샘플점 분포를 위해 DoE 샘플링 파라미터 범위를 조절합니다.
- 크리깅 모델을 생성하고 검증합니다. 교차 검증을 통해 크리깅 예측 값과 CFD 해석 값을 비교합니다.
공력 DB 구축 프레임워크
프레임워크의 동작은 (1)샘플링, (2)시뮬레이션, (3)대체 모델 생성, (4)후처리 및 신뢰성 평가의 순서로 진행됩니다.
- 프레임워크의 구성
- 메인 화면 : 인풋 편집 버튼, 실행 버튼, 출력창으로 구성
- DoE Sampling : 실험 파라미터 구속조건, 실험 파라미터 입력
- Numerical analysis : bash 스크립트, FAMUS/Baram input을 통한 batch run 패키지 생성
- Surrogate model : 대체 모델 파라미터, 학습 데이터 편집 및 크리깅 방법으로 대체 모델 생성
- Post-processing : 공력 계수 예측, 반응표면 생성, 교차 검증
