• Composites Research
• /
• 제35권5호
• /
• pp.340-346
• /
• 2022

본 연구에서는 복합재료 블레이드에 대한 최적 구조설계 프레임워크를 구성하고, 이를 헬리콥터 블레이드에 적용하여 최적 구조설계를 수행하였다. 단면 형상의 경우 C형 및 D형 스파를 선택할 수 있게 구성하였으며, 최적설계 프레임워크는 유전자 알고리즘과 입자 군집 최적화 알고리즘을 결합한 PSGA를 활용하였다. 단면의 기하학적 모델링은 B-spline을 이용하여 구현하였고, 유한요소 모델 생성 프로그램 Gmsh를 통해 단면 유한요소모델을 만든 뒤 단면 해석 프로그램인 Ksec2D를 사용하여 구조해석 결과를 도출하였다. 본 최적설계 프레임워크를 HART II 블레이드에 적용하여 최적 구조설계를 수행한 결과, C형 스파 모델은 기준 형상 대비 무게 7.39%, D형 스파 모델은 6.65% 감소하였으며, 이때 전단중심은 모두 공력중심과 인접한(5% 이내) 결과를 도출하였다. 본 연구를 통해 일반적인 헬리콥터 블레이드의 단면에 적용할 수 있는 최적 구조설계 프레임워크의 유효성을 확인하였다.

• 산업경영시스템학회지
• /
• 제39권1호
• /
• pp.56-63
• /
• 2016

We consider a satellite mission scheduling problem, which is a promising problem in recent satellite industry. This problem has various considerations such as customer importance, due date, limited capacity of energy and memory, distance of the location of each mission, etc. Also we consider the objective of each satellite such as general purpose satellite, strategic mission and commercial satellite. And this problem can be modelled as a general knapsack problem, which is famous NP-hard problem, if the objective is defined as to maximize the total mission score performed. To solve this kind of problem, heuristic algorithm such as taboo and genetic algorithm are applied and their performance are acceptable in some extent. To propose more efficient algorithm than previous research, we applied a particle swarm optimization algorithm, which is the most promising method in optimization problem recently in this research. Owing to limitation of current study in obtaining real information and several assumptions, we generated 200 satellite missions with required information for each mission. Based on generated information, we compared the results by our approach algorithm with those of CPLEX. This comparison shows that our proposed approach give us almost accurate results as just less than 3% error rate, and computation time is just a little to be applied to real problem. Also this algorithm has enough scalability by innate characteristic of PSO. We also applied it to mission scheduling problem of various class of satellite. The results are quite reasonable enough to conclude that our proposed algorithm may work in satellite mission scheduling problem.

• 대한토목학회논문집
• /
• 제34권3호
• /
• pp.773-784
• /
• 2014

본 연구는 우리나라의 극한강우와 극한홍수를 모의하기 위한 MBLRP 포아송 클러스터 강우생성모형의 적용성을 평가하였다. 국내 61개의 기상청 지상기상관측시스템의 강우량 관측지점에 대하여 고립입자 군집화 최적화(ISPSO) 기법을 적용하여 모형의 매개변수를 추정하고, 추정된 매개변수를 바탕으로 각 강우관측지점에서 100년치의 가상 강우시계열을 생성하였다. 생성된 강우시계열을 이용하여 확률강우량 및 확률홍수량을 산정하고 이 값들을 관측치에 근거하여 산정된 값들과 비교하였다. 비교 결과, 모형에 의한 확률강우량은 관측치보다 평균적으로 20~42% 작았으며, 강우의 재현기간이 증가할수록 과소산정되는 정도가 증가하였다. 확률홍수량의 경우, 모형에 의한 값이 관측치에 근거한 값보다 31%에서 50% 작았으며, 이 과소산정량은 홍수의 재현기간의 증가 및 유역의 불투수도의 증가와 함께 증가하였다.

• 전기학회논문지
• /
• 제67권8호
• /
• pp.1071-1079
• /
• 2018

In this study, the design methodology as well as network architecture of Support Vector Machine based Polynomial Neural Network, which is a kind of the dynamically generated neural networks, is introduced. The Support Vector Machine based polynomial neural networks is given as a novel network architecture redesigned with the aid of polynomial neural networks and Support Vector Machine. The generic polynomial neural networks, whose nodes are made of polynomials, are dynamically generated in each layer-wise. The individual nodes of the support vector machine based polynomial neural networks is constructed as a support vector machine, and the nodes as well as layers of the support vector machine based polynomial neural networks are dynamically generated as like the generation process of the generic polynomial neural networks. Support vector machine is well known as a sort of robust pattern classifiers. In addition, in order to enhance the structural flexibility as well as the classification performance of the proposed classifier, multi-objective particle swarm optimization is used. In other words, the optimization algorithm leads to sequentially successive generation of each layer of support vector based polynomial neural networks. The bench mark data sets are used to demonstrate the pattern classification performance of the proposed classifiers through the comparison of the generalization ability of the proposed classifier with some already studied classifiers.

• 전기학회논문지
• /
• 제60권1호
• /
• pp.184-192
• /
• 2011

In this study, we introduce a identification methodology for FCM-based fuzzy model. The two underlying design mechanisms of such networks involve Fuzzy C-Means (FCM) clustering method and Particle Swarm Optimization(PSO). The proposed algorithm is based on FCM clustering method for efficient processing of data and the optimization of model was carried out using PSO. The premise part of fuzzy rules does not construct as any fixed membership functions such as triangular, gaussian, ellipsoidal because we build up the premise part of fuzzy rules using FCM. As a result, the proposed model can lead to the compact architecture of network. In this study, as the consequence part of fuzzy rules, we are able to use four types of polynomials such as simplified, linear, quadratic, modified quadratic. In addition, a Weighted Least Square Estimation to estimate the coefficients of polynomials, which are the consequent parts of fuzzy model, can decouple each fuzzy rule from the other fuzzy rules. Therefore, a local learning capability and an interpretability of the proposed fuzzy model are improved. Also, the parameters of the proposed fuzzy model such as a fuzzification coefficient of FCM clustering, the number of clusters of FCM clustering, and the polynomial type of the consequent part of fuzzy rules are adjusted using PSO. The proposed model is illustrated with the use of Automobile Miles per Gallon(MPG) and Boston housing called Machine Learning dataset. A comparative analysis reveals that the proposed FCM-based fuzzy model exhibits higher accuracy and superb predictive capability in comparison to some previous models available in the literature.

• 전기학회논문지
• /
• 제60권2호
• /
• pp.398-406
• /
• 2011

In this paper, we introduce a new architecture of PSO-based Polynomial Neural Networks (PNN) and discuss its comprehensive design methodology. The conventional PNN is based on a extended Group Method of Data Handling (GMDH) method, and utilized the polynomial order (viz. linear, quadratic, and modified quadratic) as well as the number of node inputs fixed (selected in advance by designer) at Polynomial Neurons located in each layer through a growth process of the network. Moreover it does not guarantee that the conventional PNN generated through learning results in the optimal network architecture. The PSO-based PNN results in a structurally optimized structure and comes with a higher level of flexibility that the one encountered in the conventional PNN. The PSO-based design procedure being applied at each layer of PNN leads to the selection of preferred PNs with specific local characteristics (such as the number of input variables, input variables, and the order of the polynomial) available within the PNN. In the sequel, two general optimization mechanisms of the PSO-based PNN are explored: the structural optimization is realized via PSO whereas in case of the parametric optimization we proceed with a standard least square method-based learning. To evaluate the performance of the PSO-based PNN, the model is experimented with using Gas furnace process data, and pH neutralization process data. For the characteristic analysis of the given entire data with non-linearity and the construction of efficient model, the given entire system data is partitioned into two type such as Division I(Training dataset and Testing dataset) and Division II(Training dataset, Validation dataset, and Testing dataset). A comparative analysis shows that the proposed PSO-based PNN is model with higher accuracy as well as more superb predictive capability than other intelligent models presented previously.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.478-478
• /
• 2021

전 세계적으로 많은 나라들이 기후변화에 적응하기 위해 수자원 관리 전략을 마련하고 있으며, 수자원의 근간이 되는 빗물의 효율적 사용을 위해 우리나라에서도 빗물이용시설이 많이 도입되고 있다. 본 연구에서는 사용자 편의 환경(graphical user interface; GUI)을 갖춘 빗물이용시설의 용량 결정 프로그램(capacity design aid for rainwater harvesting; CARAH)을 개발하여 관련 연구와 업무에 활용성을 높이고자 하였다. CARAH는 저수지 질량 보존식과 python의 pyswarm package에 탑재된 메타 휴리스틱 방법 중 하나인 입자 군집 최적화(particle swarm optimization; PSO) 기법을 연계하여 빗물이용시설의 최적 용량을 짧은 시간에 결정될 수 있도록 개발되었다. 그리고, C#의 Windows Forms Application을 이용하여 사용자 편의 환경을 구현하였다. CARAH의 입력 자료는 모의 기간, 유입량, 목표공급량, 공급보장률이고, 출력 자료는 공급보장률-저류조용량, 목표공급량-실공급량-미달성량, 저류용량-유입량-실공급량이다. 빗물이용시설 계획에 필요한 여러 입력 자료를 쉽게 입력할 수 있도록 구현하였고, 그래프와 표의 형태로 계산된 결과를 화면에 직접 표출함으로써 사용자가 직관적으로 확인할 수 있도록 하였다. 한편, 입·출력 자료를 포함한 분석 결과는 파일로 관리할 수 있도록 기능을 갖추어 수정 및 보완 등의 반복적 활용이 가능하도록 하였다. 개발된 프로그램의 활용성을 검토하기 위해 실제 저류지가 설계된 인천의 청라지구 1공구를 대상으로 적용하였고, 분석 결과의 적절성을 확인하였다. 본 연구에서 개발된 CARAH는 빗물이용시설의 용량 결정에 관한 효율을 높일 수 있는 프로그램이고, 누구나 쉽고 간편하게 사용할 수 있는 프로그램으로서 향후 활용성이 높을 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제50권12호
• /
• pp.837-847
• /
• 2017

본 연구에서는 소양강댐 유역의 수문기상인자들의 시공간적 변동성을 명확히 파악하기 위하여 지표해석모형을 구축하였다. 지표해석 모형으로는 Variable Infiltration Capacity (VIC) 모형을 사용하였으며, 모형의 공간 해상도는 10 km, 시간 해상도는 1일로 정하였다. 2007~2010년 기간의 일유량자료를 바탕으로 Isolated Particle Swarm Optimization 알고리즘을 사용하여 모형의 7개 매개변수를 보정하였고, 2011~2014년 기간의 일유량자료를 사용하여 모형을 검증하였다. 보정된 모형은 보정기간과 검증기간 모두에 대하여 0.90의 Nash-Sutcliffe Coefficient값과 0.95의 상관계수를 보였다. 소양강댐유역에 대하여 산출된 인자들은 여름철에 강우가 집중되어있는 우리나라의 계절적인 특성과 기온변화로 인한 장 단파 복사량의 변화와, 지표면 온도의 변화, 이로 인해 피복층에서의 증발과 식생 증산의 변화가 고려되어 총 증발산이 변화하는 경향이 잘 반영된 것으로 나타났다. 산출된 수문인자를 검증하기 위하여 지상관측토양수분자료와 비교하였다. 겨울철을 제외한 4~11월의 비교결과 두 자료의 추세선의 기울기는 1.087로 나타났고, 상관계수는 0.723의 값을 나타냈다. 이러한 본 연구의 결과는 지표해석모형이 우리나라 주요 댐 유역의 수문기상인자의 시공간적인 변화를 정확히 파악하는데 활용될 수 있으며, 나아가서는 더욱 정밀하고 효율적인 수자원계획을 수립하는 데에도 활용될 수 있다는 점을 시사한다.

• 한국지반공학회논문집
• /
• 제35권4호
• /
• pp.27-35
• /
• 2019

역해석 수행 시 상대적으로 복잡한 공간 및 목표 설계 변수가 많은 경우, 지반공학 분야에 적용하기 위한 연구를 수행하였다. 지반공학 다변수 문제에 대한 모델로 터널 분야 및 흙막이벽체에 대해서 Sharan 공식 및 Blum 방법을 사용하였다. 최적화 방법은 크게 결정론적인 방법 및 확률론적인 방법으로 구분된다. 본 연구에서는 전자 중 모의강화법(SA), 후자 중 차분진화 알고리즘(DEA), 입자 군집 최적화 알고리즘(PSO)을 선택하여 다변수 모델을 적용해서 비교하였다. 지반공학 다변수 역해석 문제에서 결정론적인 방법은 문제가 있음을 확인하였고, 차분진화 알고리즘의 우수성을 확인하였다. DEA는 Sharan의 이론 해에 대한 문제에서 평균 3.12%, Blum 문제에 대해서 평균 2.23% 오차율을 보였고, 반복 탐색 회수도 가장 작은 것으로 파악되었다. DEA 대비해서 SA는 117.39~167.13배, PSO는 2.43~6.91배의 탐색시간이 소요되었다. 지반공학 문제의 다변수 역해석에 차분진화 알고리즘을 적용하면, 계산속도 및 정확도가 향상될 것으로 기대된다.