열전달 데이터 기반 예측모델링 및 실험설계 최적화 연구

Prediction modeling and experimental design optimization for thermal management

연구 내용

열관리 성능을 예측하는 인공신경망 모델과 열전달 영향요인 분석 기법을 결합하여, 최소 실험으로 냉각 성능을 설계·최적화하는 연구

열관리 시스템의 성능을 빠르게 설계하기 위해 실험 기반 성능 데이터를 수집하고, 모델링 기법으로 열전달 특성과 전기·유동 연관 성능을 예측합니다. 직접 오일 스프레이 냉각에서는 회귀적 분석과 실험설계 기반 접근을 통해 주요 인자를 도출하고, 성능 지표를 통합적으로 비교합니다. 또한 전기차 구동모터와 배터리의 경우에는 인공신경망 모델을 구성하여 입력 운전조건이 최대온도와 온도차, 열전달계수 및 전기적 성능에 미치는 영향을 학습합니다. 이를 통해 설계 파라미터 탐색 효율을 높이는 데 중점을 둡니다.

관련 프로젝트

0건

연구 흐름

초기에는 직접 스프레이 냉각의 열전달 성능을 측정한 뒤, 영향 요인을 정리하고 최적 조건을 탐색하기 위한 데이터 분석 절차를 구성했습니다. 이후 구동모터의 열·유동 성능에 대해 예측 모델을 적용하여, 운전조건 변화에 따른 성능 변동을 빠르게 추정하는 방향으로 연구를 확장했습니다. 다음 단계에서는 배터리의 직접 오일 냉각 성능을 대상으로 인공신경망 기반 예측을 수행하고, 열적 지표와 전기적 지표를 함께 출력하도록 모델 구조를 설계했습니다. 최근에는 이러한 모델링 접근을 열관리 설계 프로세스와 연결하여 실험 부담을 줄이는 연구로 진행하고 있습니다.

활용 가능성

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

냉각 성능 예측 소프트웨어
설계 파라미터 민감도 분석
실험설계 기반 성능 영향요인 도출
모터 열전달 성능의 조건별 추정
배터리 열·전기 성능 동시 예측
열관리 운영조건 추천 알고리즘
설계 최적화용 목적함수 구성
데이터 기반 BTMS/모터 냉각 설계 가속
검증용 성능 스크리닝 절차
운전 상태 기반 제어 입력 산정