항공우주시스템공학회지 (Journal of Aerospace System Engineering)

  • 제18권1호
  • /
  • Pages.21-28
  • /
  • 2024
  • /
  • 1976-6300(pISSN)
  • /
  • 2508-7150(eISSN)
항공우주시스템공학회 (The Society for Aerospace System Engineering)
권호 표지
DOI QR코드

DOI QR Code

심층신경망 기반 회전익 블레이드의 단면 구조 강성 예측 모델

Cross-Sectional Structural Stiffness Prediction Model for Rotor Blade Based on Deep Neural Network

  • 강병주 (전북대학교 항공우주공학과 ) ;
  • 천성우 (전북대학교 항공우주공학과 ) ;
  • 조해성 (전북대학교 항공우주공학과 ) ;
  • 기영중 (한국항공우주연구원) ;
  • 김태성 (덴마크공과대학 풍력에너지학과)
  • Byeongju Kang (Department of Aerospace Engineering, Jeonbuk National University) ;
  • Seongwoo Cheon (Department of Aerospace Engineering, Jeonbuk National University) ;
  • Haeseong Cho (Department of Aerospace Engineering, Jeonbuk National University) ;
  • Youngjung Kee (Korea Aerospace Research Institute) ;
  • Taeseong Kim (Department of Wind Energy, Technical University of Denmark)
  • 투고 : 2023.09.26
  • 심사 : 2023.12.28
  • 발행 : 2024.02.28
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 논문에서는 회전익 블레이드의 단면 구조 정보를 통해 블레이드의 단면 강성을 예측하고, 재료 정보를 이용하여 단면 강성을 예측할 수 있는 심층 신경망 기반 네트워크 예측 모델의 설계 및 적절성 검토를 수행하였다. 재료 정보를 네트워크 입력으로 갖는 예측 모델의 경우, 블레이드 단면 부재 재료의 탄성 계수를 네트워크의 입력으로 고려하여 단면 강성을 예측하도록 설계하였다. 또한, 단면 구조 정보를 네트워크 입력으로 갖는 예측 모델의 경우, 블레이드의 단면을 구성하는 단면 부재의 위치와 두께 정보를 네트워크 입력으로 고려하여 단면 강성을 예측하도록 설계하였다. 각 예측 모델은 심층신경망 구조를 기반으로 설계하였으며, 단면 해석 프로그램인 KSAC2D를 통한 단면 해석 결과를 네트워크의 훈련 및 검증 데이터로 사용하였다.

In this paper, two prediction models based on deep neural network that could predict cross-sectional stiffness of a rotor blade were proposed. Herein, we employed structural and material information of cross-section. In the case of a prediction model that used material properties as the input of the network, it was designed to predict the cross-sectional stiffness by considering elastic modulus of each cross-sectional member. In the case of the prediction model that used structural information as a network input, it was designed to predict the cross-sectional stiffness by considering the location and thickness of cross-sectional members as network input. Both prediction models based on a deep neural network were realized using data obtained by cross-sectional analysis with KSAC2D (Konkuk section analysis code - two-dimensional).

키워드

과제정보

본 논문은 2023년도 정부(방위사업청)의 재원으로 국방기술진흥연구소의 지원을 받아 수행된 연구임(No. KRIT-CT-22-082, 고속장거리 기동헬기 개발 기술(Build-I)-강체 동축 주로터 시스템 설계/제작 기술).

참고문헌

  1. Hodges, Dewey H. "Review of composite rotor blade modeling.", AIAA journal, vol. 28(3), pp. 561-565, 1990.  https://doi.org/10.2514/3.10430
  2. Chellil, A., et al. "Aeroelastic stability analysis of composite rotor blade.", 2013 5th International Conference on Modeling, Simulation and Applied Optimization (ICMSAO), Hammamet, Tunisia, 2013. 
  3. Kong, Changduk, Minwoong Kim, and Hyunbum Park. "A study on structural design and analysis of large scale and high efficiency blades for wind turbine system." Journal of Aerospace System Engineering, vol. 6(4), pp. 7-11, 2012. 
  4. Won, You-Jin, and Soo-Yong Lee. "Optimal Design of Composite Rotor Blade Cross-Section using Discrete Design variable." Journal of Aerospace System Engineering, vol. 8(1), pp. 12-17, 2014. 
  5. Yoo, Seungho, et al. "Prediction of Vibration Characteristics of a Composite Rotor Blade via Deep Neural Networks.", Jounal of Korean Astronomical Society, vol. 50(5), pp. 317-323, 2022.  https://doi.org/10.5139/JKSAS.2022.50.5.317
  6. Nguyen, Long C., and H. Nguyen-Xuan. "Deep learning for computational structural optimization.", ISA transactions, vol. 103, pp. 177-191, 2020.  https://doi.org/10.1016/j.isatra.2020.03.033
  7. Noh, Hong-Kyun, et al. "Surrogate modeling of the fan plot of a rotor system considering composite blades using convolutional neural networks with image composition." Journal of Computational Design and Engineering, vol. 10(3), pp.1250-1266, 2023.  https://doi.org/10.1093/jcde/qwad049
  8. Jung, Sung Nam, et al. "Cross-sectional constants of composite blades using computed tomography technique and finite element analysis." Composite Structures, vol. 129, pp. 132-142, 2015.  https://doi.org/10.1016/j.compstruct.2015.03.074
  9. Bae, Jae-Seong, et al. "Validation Study of Composite Rotor Blade Sectional Analysis Program (Ksec2d-AE)." Journal of the Korean Society for Aeronautical & Space Sciences, vol. 46(4), pp. 277-282, 2018.  https://doi.org/10.5139/JKSAS.2018.46.4.277
  10. Shang, Xiaoyang, Dewey H. Hodges, and David A. Peters. "Aeroelastic stability of composite hingeless rotors in hover with finite-state unsteady aerodynamics." Journal of the American Helicopter Society, vol. 44(3), pp. 206-221, 1999.  https://doi.org/10.4050/JAHS.44.206
  11. Sharpe, David L. "An experimental investigation of the flap-lag-torsion aeroelastic stability of a small-scale hingeless helicopter rotor in hover.", NASA TP-2546, 1986. 
  12. Gaertner, Evan, et al. "IEA wind TCP task 37: definition of the IEA 15-megawatt offshore reference wind turbine.", National Renewable Energy Lab.(NREL), Golden, CO (United States), NREL TP-5000-75698, 2020.