적합직교분해 및 인공신경망을 기반으로 전산유체역학 차수축소모델을 생성할 수 있는 프레임워크를 개발하였다. 프레임워크는 전ㅅ전산유체역학 해석은 OpenFOAM, 적합직교분해는 AccelerateCFD, 데이터마이닝 프로그램은 DAKOTA로 구성되며, 각 프로그램의 실행 및 데이터 교환이 사용자의 최소 개입으로 일렬로 자동 실행되도록 구현하였다.
개발된 프레임워크로 해석 결과 데이터마이닝 과정을 자동화하고 해석 소요 시간을 대폭 저감하여 전산유체역학 해석 기반의 개발이 진행되는 모든 분야의 생산성을 대폭 향상시킬 수 있는 가능성을 확인하는 한편, 많은 계산량을 필요로 하는 최적화 혹은 디지털트윈 문제에 적용될 수 있는 기술적 기반을 마련하였다.
프레임워크의 각 단계별 프로그램 간 데이터 교환을 위해 연동 프로그램을 개발하여, 각 프로그램의 입출력 형식에 맞게 상호 변환한다. 이에 따라 사용자가 실행 목적 및 해석 조건 등 최소한의 매개 변수만 입력하면 프레임워크 내의 프로그램들이 일렬로 자동 실행되어 진행 경과 및 최종 출력 결과를 프레임워크 상에서 간단히 확인하는 한편 결과 데이터 파일 또한 용이하게 획득할 수 있도록 구현하였다.
전산유체역학 프로그램의 해석 결과, 적합직교분해 수행 결과, 데이터마이닝 및 최적화 과정 또한 사용자가 컨투어/차트 등으로 가시화된 결과를 확인할 수 있도록 후처리 파일을 생성하는 프로그램을 개발하였다.
개발된 프레임을 자유수면파 내부 조파 문제와 에어포일 형상 최적화 문제에 적용하여 검증하였다.
자유수면파 내부 조파 문제는 입력 변수를 조파 영역의 크기 (깊이, 너비 2개 변수), 출력 변수를 수면파 높이 평균 제곱근 편차 1개 변수로 설정하여 인공신경망 차수축소모델 및 데이터베이스를 생성하였다.
에어포일 최적화는 매개변수 중 익형 두께 및 받음각을 고정한 상태에서 양항비가 최대가 되는 캠버 매개변수의 최적값을 찾고자 하였다. 에어포일 형상 매개변수로부터 OpenFOAM 격자를 자동 생성하는 스크립트를 작성하였으며, 형상 매개변수를 프레임워크의 입력값으로 연결하였다. 프레임워크의 실행 목적을 차수축소모델 기반 최적화 (최댓값 탐색) 으로 설정 후 실행한 결과 약 496회 계산 후 최댓값으로 수렴하였다.
|
