• 한국항공우주학회지
• /
• 제30권7호
• /
• pp.29-35
• /
• 2002

접는 미사일 조종날개의 공력탄성학적 특성을 조사하였다. 접는 미사일 조종날개는 2차원 익형 모델로 가정하였다. 초음속 DPM을 이용하여 초음속 비정상 공기력을 계산하였으며, 최소 상태 변수 근사법을 이용하여 비정상 공기력을 근사화하였다. 선형 및 비선형 플러터 해석을 위해 근궤적법과 시간적분법을 사용하였다. 비선형 플러터 해석을 위해 전개부의 힌지는 비대칭 이선형 스프링으로 가정하였으며, 기술함수를 이용하여 선형화하였다. 플러터 해석으로부터, 비선형 파라미터가 공력탄성학적 특성에 미치는 영향을 조사하였다.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2011년도 정기 학술대회
• /
• pp.689-692
• /
• 2011

본 논문에서는 해양작업 상태의 하중조건을 고려한 부유식 원유생산 저장 하역 장치에 설치된 라이져 보강구조의 강도설계에 관련하여 다양한 근사화 기법 기반 설계 최적화 및 그 성능을 비교하고자 한다. 설계 최적화 문제는 하중조건별 구조강도의 제한조건 하에서 중량을 최소화하여 설계변수인 구조 부재치수가 결정되도록 정식화 된다. 비교 연구를 위해 사용된 근사화 기법은 반응표면법 기반 순차적 근사최적화(RBSAO), 크리깅 기반 순차적 근사최적화(KBSAO), 그리고 개선된 이동최소자승법(MLSM) 기반 근사최적화 기법인 CF-MLSM와 Post-MLSM이다. 본 연구에 적용한 MLSM 기반 근사최적화 기법들은 제한조건의 가용성을 보장할 수 있도록 새롭게 개발되었다. 다양한 근사화 모델 기반 설계 최적화 기법에 의한 결과는 설계 해의 개선 및 수렴속도 등의 수치적 성능을 기준으로 실제 비근사 설계최적화 결과와 비교검토 하였다.

• 한국전산구조공학회논문집
• /
• 제24권5호
• /
• pp.543-551
• /
• 2011

본 논문에서는 해양작업 상태의 하중조건을 고려한 부유식 원유생산 저장 하역장치에 설치된 라이져 보강구조의 강도설계에 관련하여 다양한 근사화 기법 기반 설계최적화 및 그 성능을 비교하고자 한다. 설계최적화 문제는 하중조건별 구조강도의 제한조건 하에서 중량을 최소화하여 설계변수인 구조 부재치수가 결정되도록 정식화된다. 비교 연구를 위해 사용된 근사화 기법은 반응표면법 기반 순차적 근사최적화(RBSAO), 크리깅 기반 순차적 근사최적화(KBSAO), 그리고 개선된 이동최소자승법(MLSM) 기반 근사최적화 기법인 CF-MLSM와 Post-MLSM이다. RBSAO와 KBSAO의 적용을 위하여 상용프로세스 통합 설계최적화(PIDO) 코드를 사용하였다. 본 연구에 적용한 MLSM 기반 근사최적화 기법들은 제한조건의 가용성을 보장할 수 있도록 새롭게 개발되었다. 다양한 근사화 모델 기반 설계최적화 기법에 의한 결과는 설계 해의 개선 및 수렴속도 등의 수치적 성능을 기준으로 실제 비근사 설계최적화 결과와 비교 검토하였다.

• 전산구조공학
• /
• 제3권1호
• /
• pp.83-95
• /
• 1990

주로 경험에 의존하여 최선의 상태를 구하는 설계방식에 반하여 수학적인 해석방법을 사용하여 체계적으로 최상의 결과를 얻고자하는 것이 최적설계이다. 이때 상태의 해석방법 뿐아니라 비선형의 설계함수의 최적화에 관한 기법 연구가 요구된다. 해석적인 비선형 최적화의 기법중 공학설계에 사용할 수 있는 수렴속도가 빠르며, 사용하기에 편리하다고 알려진 반복 이차 계획법(Recursive Quadratic Programming Method)의 매개변수들의 역할을 살피고 이들의 변화에 따른 수치성능을 비교 분석하여 계산효율이 개선된 수치적 알고리즘을 제시하였다. 설계함수들의 일차 미분정보를 이용한 근사 이차 미분정보에 의하여 최적해의 접근속도가 빠른 RQP 알고리즘의 평가를 위하여 구조물의 무게를 최소화하면서 유한요소의 응력, 변위, 최소고유진동수등의 제한조건을 만족하는 주어진 형상의 최적단면을 가지는 구조물도 설계하였다.

• 한국지능시스템학회논문지
• /
• 제13권6호
• /
• pp.635-642
• /
• 2003

강화학습은 제어, 스케쥴링 등 많은 응용분야에서 성공적인 학습 결과를 얻었다. 기본적인 강화학습 알고리즘인 Q-Learning, TD(λ), SARSA 등의 학습 속도의 개선과 기억장소 등의 문제를 해결하기 위해서 여러 함수 근사방법(function approximation methods)이 연구되었다. 대부분의 함수 근사 방법들은 가정을 통하여 강화학습의 일부 특성을 제거하고 사전지식과 사전처리가 필요하다. 예로 Fuzzy Q-Learning은 퍼지 변수를 정의하기 위한 사전 처리가 필요하고, 국소 최소 자승법은 훈련 예제집합을 이용한다. 본 논문에서는 온-라인 퍼지 클러스터링을 이용한 함수 근사 방법인 Fuzzy Q-Map을 제안하다. Fuzzy Q-Map은 사전 지식이 최소한으로 주어진 환경에서, 온라인으로 주어지는 상태를 거리에 따른 소속도(membership degree)를 이용하여 분류하고 행동을 예측한다. Fuzzy Q-Map과 다른 함수 근사 방법인 CMAC와 LWR을 마운틴 카 문제에 적용하여 실험 한 결과 Fuzzy Q-Map은 훈련예제를 사용하지 않는 CMAC보다는 빠르게 최고 예측율에 도달하였고, 훈련 예제를 사용한 LWR보다는 낮은 예측율을 보였다.