ESO기법 및 Growth Strain Method를 이용한 신뢰성 기반 형상 최적설계

Abstract

본 논문에서는 진화적 구조 최적화 기법 및 성장-변형률법을 이용한 신뢰성 기반 형상 최적설계(reliability-based shape optimization : RBSO)를 수행하였다. 진화적 구조 최적화 기법에서는 강성(stiffness)관점에서 민감도수를 스트레인 에너지(strain energy), 강도(strength)관점에서 민감도수를 폰 미세스 스트레스(von Mises stress)로 정의하여 형상 최적설계를 수행하였으며 신뢰성 기반 형상 최적설계(RBSO)를 수행함에 있어 한계상태 방정식을 강성문제에서 변위 제한조건과 강도문제에서 스트레스 제한조건으로 나누어 수행하여 보았다. 신뢰성 해석 기법으로 신뢰성 지수 접근법(RIA), 목표 성능치 접근법(PMA), 단일루프 단일벡터(SLSV), 그리고 적응형 루프(ADL)를 적용하였고 신뢰성 기반 형상 최적설계를 수행하여 그 형상과 효율성을 비교하였다. 성장-변형률법에서는 한계상태 방정식을 구조물의 평균 응력 제한조건으로 수행하여 보았으며 신뢰성 해석 기법으로는 목표 성능치 접근법(PMA)을 적용하였다. 본 논문에서 신뢰성 기반 형상 최적설계를 수행하여 다음과 같은 결론을 얻을 수 있었다.

(1) ESO기법 및 Growth Strain Method를 사용하여 신뢰성 기반 형상 최적설계(RBSO)를 수행하여 목표 신뢰도를 만족하는 보다 안전한 구조물을 찾았으며 각 신뢰성 기반 형상 최적설계가 일반적인 2차원 3차원 기계 구조물에 효과적으로 적용되는 것을 확인하였다. (2) 신뢰성기법에서 신뢰도 지수 접근법(RIA)와 목표 성능치 접근법(PMA)는 시간효율에는 단일루프 단일벡터(SLSV)보다 떨어지지만 수치적 안정성에서는 좋은 효율을 가진다는 것을 확인하였고, SLSV는 외부 최적화에서 설계변화가 비교적 큰 경우 수치적 불안정성을 확인하였다. (3) 적응형 루프(ADL)는 이중루프 단일벡터(DLSV)와 단일루프 단일벡터(SLSV)의 장점만을 취합해 형상과 효율성에서 가장 좋은 결과를 확인하였다.