조건부 적대적 생성 신경망을 이용한 드론 암 구조의 최적 설계

Abstract

본 연구의 목적은 딥 러닝과 유전 알고리즘(GA: genetic algorithm)을 결합하여 트러스 구조의 드론 암 경량화와 정적 및 동적 강성을 고려한 다목적 TSS (topology, shape and sizing) 최적화 방법을 제안하는 것이다. 제안된 방법에서 RGB 숫자로 표현된 단면 직경을 갖는 3차원 트러스 구조물의 드론 암에 대한 8가지 학습 데이터 셋이 훈련되었다. 생성된 학습 데이터 셋에서 드론 암의 FEA (finite element analysis) 결과를 원하는 비율로 조건부 라벨로 지정하기 위해 준 지도 조건부 적대적 생성 신경망(semi-supervised conditional generative adversarial network)을 사용하였다. 최적에 가까운 후보 해를 예측하기 위해 오토 인코더를 특징 추출기(feature extractor)로 사용하였으며 6가지 경우에 대한 최적의 결과를 얻기 위해 후보 해들을 GA의 초기 모집단으로 사용하였다.

제안된 방법은 기존 최적화 방법들과는 달리 목표 작업 데이터가 바뀔 경우 하나의 데이터셋만 학습하더라도 새로운 계산과정 없이 6가지 경우에 대하여 최적의 결과를 얻을 수 있다. 얻어진 결과들은 설계 영역, 드론 암에 작용하는 하중 및 로터의 rpm (revolution per minute)을 고려하여 주어진 최대 응력 및 고유 진동수에 대한 제한조건을 만족하는 것을 보여주었다. 이 연구는 트러스 구조의 다목적 TSS 최적화를 위해 기계공학 분야에서 GA와 결합된 딥 러닝을 적용하려는 첫 시도이며 앞으로 다양한 기계 설계 분야에 적용될 것으로 기대된다.