• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2006년도 추계학술대회 논문집 전기기기 및 에너지변환시스템부문
• /
• pp.65-67
• /
• 2006

압전현상을 응용하여 설계, 제작되는 기존의 초음파 모터는 기계적인 구조가 단순하여 설계가 비교적 용이한 장점을 갖추고 있는 반면, 그 해석에 있어서는 전통적일 수치해석적인 방법을 사용하고 trial-and-error에만 의존하는 설계 방식으로 인하여 과학적으로 최적화된 설계가 이루어지지 않음으로써 초음파 모터의 효과적인 설계가 이루어지지 않는 문제점이 존재 하였다. 따라서 본 연구에서는 3차원 유한요소법과 확률론적 최적화 기법인 진화전략 알고리즘을 이용하여 초음파 모터의 설계에 대한 최적화 기법을 제시하고 제시된 최적화 기법을 이용하여 소형 초음파 모터 중 Micro-Positioning Actuator(MPA)의 설계 및 해석을 수행하여 그 타당성을 검증하였다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제18권4호
• /
• pp.1-9
• /
• 2014

최근 양자컴퓨터의 개발과 더불어 양자역학의 특성을 응용한 양자기반 탐색기법의 개발과 공학 문제에의 적용은 매우 흥미로운 연구주제 중 하나로 부각되고 있다. 이 알고리즘은 기본적으로 0과 1이 중첩되어진 양자비트를 이용하여 정보가 저장되고, 양자게이트 연산을 통해 해에 접근하게 된다. 이 과정에서 알고리즘은 탐사와 개척 두 가지 탐색 특성간의 균형이 자연스럽게 유지되며, 진화정보가 계속 누적된다는 장점으로 기존의 탐색법과 차별되어 새로운 알고리즘으로 평가되었다. 본 연구에서는 이와 같은 양자기반 진화알고리즘을 평면 트러스의 구조최적화에 적용하여 최소중량설계 기법을 제안하였다. 최적화 수리모형에서 비용함수는 최소중량이며, 제약함수는 변위와 응력에 관한 함수로 구성하였다. 진화정보의 누적과 수렴 과정을 알아보기 위해서 10부재 평면 트러스와 17부재 평면트러스 예제를 수치예제로 채택하여 결과를 분석하였다. 수치예제의 구조최적설계 결과에서 볼 때, 기존의 고전적 탐색기법의 연구결과와 비교해서 더 나은 최소중량 설계의 결과를 얻을 수 있었으며, 진화정보의 누적된 결과로 해의 정밀도를 관찰할 수 있었다. 또한 누적된 진화정보인 양자비트의 확률적 표현은 종료시점을 쉽게 판단할 수 있다.

• 한국지능시스템학회논문지
• /
• 제7권4호
• /
• pp.74-81
• /
• 1997

본 논문에서는 시그모이드 함수와 방사형 기저 함수 모두를 생성시킬 수 있는 특별한 은닉층 노드를 갖는 투영신경회로망에 대하여 알아롭고 그것을 훈련시키기 위한 진화 학습 기법을 제시한다. 제시된 기법은 신경회로망의 매개변수와 연결 가충치뿐만 아니라, 어떤 목적함수를 나타내기 위한 최적의 은닉층 노드개수 또한 구조 최적화를 위한 진화연산자를 통해 찾아낸다. 각각의 은닉층 노드의 역할은 진화를 거듭하면서 방사형 기저 함수를 나타낼지 시그모이드 함수를 나타낼지 결정된다. 알고리즘을 구현하기 위해서 투영신경회로망은 연결 고리 리스트 자료구조로 나타내었다. 모의 실험에서 기존으 오차역전파에 의한 학습과 구조 성장 방식보다 적은 노드로 투영신경회로망을 훈련시킬 수 있음을 볼수 있다.

• 대한기계학회:학술대회논문집
• /
• 대한기계학회 2001년도 춘계학술대회논문집A
• /
• pp.752-757
• /
• 2001

To reduce stress concentration around the intersection between a spherical pressure vessel and a cylindrical nozzle under various load conditions using less material, the optimization for the distribution of reinforcement has researched. The ranked bidirectional evolutionary structural optimization(R-BESO) method is developed recently, which adds elements based on a rank, and the performance indicator which can estimate a fully stressed model. The R-BESO method can obtain the optimum design using less iteration number than iteration number of the BESO. In this paper, the optimized intersection shape is sought using R-BESO method for a flush and a protruding nozzle. The considered load cases are a radial compression, torque and shear force.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2006년도 제37회 하계학술대회 논문집 D
• /
• pp.2073-2074
• /
• 2006

본 논문에서는 PSO를 이용한 뉴로-퍼지 모델의 구조 및 파라미터 동정을 실시한다. 진화연산 기법의 무작위 탐색 능력과 오차 미분기반 학습에서의 수렴 특성을 가진 PSO를 이용하여 학습이 진행되는 동안 모델의 구조 및 파라미터를 주어진 학습 데이터에 적합하도록 최적화 시킨다. 또한 모델의 크기를 결정하는 규칙의 수 결정을 클러스터링 기법을 이용하여 소속함수의 수가 증가하더라도 규칙이 지수함수적으로 증가하는 문제를 해결하였다. 제안된 기법의 유용성을 시뮬레이션을 통해 보이고자 한다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2009년도 정보 및 제어 심포지움 논문집
• /
• pp.258-260
• /
• 2009

본 논문에서는 최적화 알고리즘인 유전자 알고리즘과 context-based FCM 클러스터링 방법을 이용하여 새로운 형태의 RBF 뉴럴 네트워크의 포괄적인 설계 방법론을 소개한다. 제안된 구조는 클러스터링 기법을 기반하여 사용된 데이터의 특성에 효과적인 모델을 구축하고자 한다. 또한 유전자 알고리즘을 이용하여 모델의 최적화에 주요한 영향을 미치는 파리미터들(-은닉층에서의 contex의 수, contex에 포괄되는 노드의 수, 그리고 contex에 입력되는 입력변수)을 동조한다. 제안된 모델의 설계 공정은 1) K-means 클러스터링을 통한 context fuzzy set에 대한 정의와 설계, 2) context-based fuzzy clustering에 대한 모델의 적용과 이에 따른 모델 구축의 효율성, 3) 유전자 알고리즘을 통한 모델 최적화를 위한 파라미터들의 최적화와 같은 단계로 구성되어 있다. 구축된 RBF 뉴럴 네트워크의 후반부 다항식에 대한 parameter들은 성능지수를 최소화하기 위해 Least Square Method에 의해서 보정된다. 본 논문에서는 모델을 설계함에 있어서 체계적인 설계 알고리즘을 포괄적으로 설명하고 있으며, 더 나아가 제안된 모델의 성능을 다른 표준적인 모델들과 대조함으로써 제안된 모델의 우수성을 나타내고자 한다.

• 대한기계학회논문집A
• /
• 제38권3호
• /
• pp.309-314
• /
• 2014

기계나 토목 구조물의 형상은 일반적으로 전통적인 방법들을 이용하여 얻었다. 예를 들면 전력송전탑이나 해상풍력 하부구조물 이외의 다른 구조물들도 조직적으로 만든다. 한편 컴퓨터 그래픽의 급속한 성장으로 인해, 진화된 구조해석 및 최적설계기법들을 이용하고 있다. 본 논문에서는 해상 풍력 터빈을 위한 자켓 구조물의 구조형상을 위상최적화 기법을 통하여 연구하였다. 이번 연구는 실제작동하중상태로 시뮬레이션을 위하여 다 하중으로 종속시켰으며, 최적화 목적 함수는 주어진 경계조건아래 컴플라이언스로 정의하였다. 최적화는 고유진동수와 체적을 구속함수로 사용하였으며, 1 단계 모델의 결과는 2 단계 구조를 위한 외형을 빠르게 볼 수 있도록 한다. 그 결과로 사각뿔대의 3D 모델은 위상최적화를 통하여 개발하였다.

• 한국생산제조학회지
• /
• 제19권4호
• /
• pp.434-439
• /
• 2010

A compliant mechanism is a mechanism that produces its motion by the flexibility of some or all of its members when input force or thermal load is applied. Whereas the topology optimizations based on homogenization and SIMP parameterization have been successfully applied for compliant mechanism design, ESO approach has been hardly considered yet for the optimization of these types of systems. In this paper, traditional ESO method is adopted to achieve the optimum design of a compliant mechanism for thermal load, since AESO method cannot consider the effect of both heat conduction and convection. Sensitivity number, a criterion for element removal in traditional ESO, was newly defined for input thermal loading. The procedure has been tested in numerical applications and compared with the results obtained by other methods to validate these approaches.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.1159-1163
• /
• 2010

최근의 극심한 기상이변으로 인하여 발생되는 유출량의 예측에 관한 사항은 치수 이수는 물론 방재의 측면에서도 역시 매우 중요한 관심사로 부각되고 있다. 강우-유출 관계는 유역의 수많은 시 공간적 변수들에 의해 영향을 받기 때문에 매우 복잡하여 예측하기 힘든 요소이다. 과거에는 추계학적 예측모형이나 확정론적 예측모형 혹은 경험적 모형 등을 사용하여 유출량을 예측하였으나 최근에는 인공신경망과 퍼지모형 그리고 유전자 알고리즘과 같은 인공지능기반의 모형들이 많이 사용되고 있다. 하지만 유출량을 예측하고자 할 때 학습자료 및 검정자료로써 사용되는 유출량은 수위-유량 관계곡선식으로부터 구하는 경우가 대부분으로 이렇게 유도된 유출량의 경우 오차가 크기 때문에 그 신뢰성에 문제가 있을 것으로 판단된다. 따라서 본 논문에서는 선행우량 및 수위자료로부터 단시간 수위예측에 관해 연구하였다. 신경망은 과거자료의 입 출력 패턴에서 정보를 추출하여 지식으로 보유하고, 이를 근거로 새로운 상황에 대한 해답을 제시하도록 하는 인공지능분야의 학습기법으로 인간이 과거의 경험과 훈련으로 지식을 축적하듯이 시스템의 입 출력에 의하여 연결강도를 최적화함으로서 모형의 구조를 스스로 조직화하기 때문에 모형의 구조에 적합한 최적 매개변수를 추정할 수 있다. 따라서 정확한 예측이 어려운 하천수위를 과거의 자료로 부터 학습된 신경망의 수학적 알고리즘을 통해 유출량의 예측에 적용할 수 있을 것이다. 유전자 알고리즘은 적자생존의 생물학 원리에 바탕을 둔 최적화 기법중의 하나로 자연계의 생명체 중 환경에 잘 적응한 개체가 좀 더 많은 자손을 남길 수 있다는 자연선택 과정과 유전자의 변화를 통해서 좋은 방향으로 발전해 나간다는 자연 진화의 과정인 자연계의 유전자 메커니즘에 바탕을 둔 탐색 알고리즘이다. 즉, 자연계의 유전과 진화 메커니즘을 공학적으로 모델화함으로써 잠재적인 해의 후보들을 모아 군집을 형성한 뒤 서로간의 교배 혹은 변이를 통해서 최적 해를 찾는 계산 모델이다. 따라서 본 연구에서는 인공신경망의 가중치를 유전자 알고리즘에 의해 최적화시킨후 오류역전파알고리즘에 의해 신경망의 학습을 진행하는 모형으로 감천유역의 선산수위표지점의 수위를 1시간~6시간까지 예측하였다.

• 인터넷정보학회논문지
• /
• 제22권4호
• /
• pp.13-28
• /
• 2021

강화학습은 한 환경에서 에이전트가 정책에 따라 액션을 취하고 보상 함수를 통해 액션을 평가 및 정책 최적화 과정을 반복하는 Closed-Loop 구조로 이루어진 알고리즘이다. 이러한 강화학습의 주요 장점은 액션의 품질을 평가하고 정책을 지속적으로 최적화 하는 것이다. 따라서, 강화학습은 지능형 시스템, 자율제어 시스템 개발에 효과적으로 활용될 수 있다. 기존의 강화학습은, 단일 정책, 단일 보상함수 및 비교적 단순한 정책 업데이트 기법을 제한적인 문제에 대해 제시하고 적용하였다. 본 논문에서는 구성요소의 복수성을 지원하는 확장된 강화학습 모델을 제안한다. 제안되는 확정 강화학습의 주요 구성 요소들을 정의하고, 그들의 컴퓨팅 모델을 포함하는 정형 모델을 제시한다. 또한, 이 정형모델을 기반으로 시스템 개발을 위한 설계 기법을 제시한다. 제안한 모델을 기반으로 자율 최적화 자동차 내비게이터 시스템에 적용 및 실험을 진행한다. 제시된 정형 모델과 설계 기법을 적용한 사례연구로, 복수의 자동차들이 최적 목적지에 단 시간에 도착할 수 있는 진화된 내비게이터 시스템 설계 및 구현을 진행한다.