트러스 구조물 이산 치수 최적화의 근사모델 및 머신러닝 결합

Discrete Sizing Optimization of Truss Structures via Surrogate Modeling and Machine Learning

연구 내용

트러스 구조물의 이산 치수 최적화를 위해 근사모델과 연속최적화를 활용하고 머신러닝 도구로 설계 탐색을 단순화하는 연구

트러스 구조물에서 이산 치수를 직접 최적화하면 해석 반복이 증가하는 문제가 있어, 이를 줄이기 위한 설계 절차를 제안합니다. 2020년에는 근사모델과 후처리 단계로 이산 설계안을 구성하는 접근을 다루고, 구조해석 기반 평가를 유지하면서 탐색 효율을 개선합니다. 2022년에는 GENESIS로 연속 설계공간의 최적해를 먼저 산출한 뒤, 이산해가 연속 최적해 근방에 있다는 가정 하에 근사모델을 생성하여 간단한 최적화 문제로 변환합니다. scikit-learn 및 PyGAD를 활용해 이산 최적해를 도출하며, 기존 메타휴리스틱 중심 접근 대비 구조해석 횟수를 절감하는 방향으로 차별화합니다.

관련 프로젝트

0건

연구 흐름

2020년에는 트러스 구조물 이산 치수 최적화에서 근사모델과 후처리를 결합해 설계안을 구성하는 기초 절차를 정립했습니다. 이후 2022년에는 연속 최적해를 활용하는 2단계 전략으로 확장하여, GENESIS 기반 연속 최적화 결과를 근거로 근사모델을 생성하고 머신러닝 기반 도구로 이산 최적해를 탐색하도록 개선했습니다. 최근 단계에서는 해석 비용을 줄이면서도 이산 최적해를 안정적으로 제공하는 설계 흐름을 목표로, 근사모델-최적화 연계를 체계화하는 방향으로 발전하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

트러스 구조물 경량 설계
격자 프레임 최적 치수 도출
구조해석 비용 저감 설계 절차
GENESIS 기반 연속-이산 연계 최적화
머신러닝 기반 근사모델 생성 파이프라인
이산 선택형 설계(부재 규격) 최적화
최적화 문제 변환을 통한 탐색 단순화
구조 설계 자동화용 알고리즘 프레임
로봇 및 기계용 경량 트러스 설계
다목적 구조 최적화 전단계 설계