고체추진 형상 최적화 및 회전 폭굉 엔진 개발 동향 분석

Solid Propellant Star-Grain Optimization and Survey of Rotating Detonation Engine Development Trends

연구 내용

유전자 알고리즘과 머신러닝을 활용해 스타 형상 고체추진제의 최적 설계 방법을 제시하고, 회전 폭굉 엔진의 실험 기반 개발 동향을 정리하는 연구

고체추진제의 형상 설계에서 설계 변수를 구성해 목적 함수와 제약 조건을 만족하는 최적화 문제를 구성합니다. 특히 star grain에 대해 machine learning 분류 모델과 유전자 알고리즘 기반 탐색을 결합하여 sliver zone 영향 완화와 최적해 탐색 성공률을 개선하는 절차를 제안합니다. 또한 rotating detonation engines의 Humphrey cycle 기반 연소 특성을 배경으로, 실험 연구에 근거한 운전 시스템 개발 동향과 성능 비교를 수행해 후속 설계 방향을 정리합니다.

관련 프로젝트

0건

연구 흐름

2023년에는 star-shaped solid propellants의 구성 변수 최적화를 목표로 genetic algorithm과 machine learning을 결합한 설계 방법을 개발하고, sliver 구간 영향 완화 전략을 포함해 검증했습니다. 이후 2024년에는 rotating detonation engines와 관련해 2010년대 이후 실험 연구를 기반으로 개발 동향을 체계적으로 정리하고, 다양한 RDE 구성의 성능 차이를 비교했습니다. 현재는 고체추진 형상 최적화의 방법론을 확장하는 한편, RDE의 설계 변수와 운전 조건에 대한 정리 결과를 후속 연구의 우선순위로 활용하는 방향으로 진행하고 있습니다.

활용 가능성

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

스타 그레인 형상 최적화
고체추진제 설계 최적화 절차
ML 기반 설계 보정
유전자 알고리즘 기반 탐색
sliver zone 영향 완화
RDE 개발 동향 분석
실험 기반 성능 비교 프레임
폭굉 연소 개념 설계
추진 기관 설계 로드맵 도출
고체추진 성능 향상 검증