Journal of the Korean Society for Aeronautical & Space Sciences (한국항공우주학회지)

The Korean Society for Aeronautical and Space Sciences (한국항공우주학회)
권호 표지
DOI QR코드

DOI QR Code

Study of Neural Network Training Algorithm Comparison and Prediction of Unsteady Aerodynamic Forces of 2D Airfoil

신경망 학습알고리즘의 비교와 2차원 익형의 비정상 공력하중 예측기법에 관한 연구

  • 강승온 (서울대학교 기계항공공학부 대학원) ;
  • 전상욱 (서울대학교 기계항공공학부 대학원) ;
  • 박경현 (서울대학교 기계항공공학부 대학원) ;
  • 전용희 (서울대학교 기계항공공학부 대학원) ;
  • 이동호 (서울대학교 기계항공공학부/항공우주신기술연구소)
  • Published : 2009.05.01
Download PDF
⟨ Previous Next ⟩

Abstract

In this study, the ability of neural network in modeling and predicting of the unsteady aerodynamic force coefficients of 2D airfoil with the data obtained from Euler CFD code has been confirmed. Neural network models are constructed based on supervised training process using Levenberg-Marquardt algorithm, combining this into genetic algorithm, hybrid genetic algorithm and the efficiency of the two cases are analyzed and compared. It is shown that hybrid-genetic algorithm is more efficient for neural network of complex system and the predicted properties of the unsteady aerodynamic force coefficients of 2D airfoil by the neural network models are confirmed to be similar to that of the numerical results and verified as suitable representing reduced models.

본 연구에서는 오일러 CFD코드에서 얻은 데이터를 이용하여 2차원 익형의 비정상 공력하중을 모델링하고 예측할 수 있는 신경망의 능력을 확인하였다. 신경망 모델은 감독자 관리 학습을 기반으로 하여 르벤버그-마쿼트 알고리즘, 그리고 여기에 유전알고리즘을 결합시킨 혼합형 유전알고리즘을 사용하여 구성하고 각 경우에 대하여 그 효율성을 비교 분석하였다. 복잡한 시스템을 모사하는 신경망을 학습시키는 데는 혼합형유전알고리즘이 더 효율적이라는 것을 보였으며 신경망모델에 의한 2차원 익형의 비정상공력하중 예측결과 실제 수치결과와 비교적 정확하게 일치하여 신경망 모델이 축소모델로서의 기능을 발휘하는 것을 입증하였다.

Keywords

References

  1. David J. Luciaa, Philip S. Beranb, Walter A. Silvac, “Reduced-order modeling: new approaches for computational physics”, Progress in Aerospace Sciences, 40, 51-117, 2004. https://doi.org/10.1016/j.paerosci.2003.12.001
  2. 전상욱, 전용희, 김정화, 이동호, “항공기 날개 설계를 위한 강건성 및 신뢰성 최적 설계 기법의 적용”, 한국항공우주학회지, 제34권 제8호, pp. 24-32, 2006.
  3. 김정환, “유전 탐색에서의 인공신경망 재조 직화”, 서울대학교 박사 학위 논문, 2006.
  4. 이보성, 이관중, 주완돈, 이동호, “앞전 Droop과 Gurney 플랩을 이용한 동적 실속 제어”, 한국항공우주학회지, 제32권 5호, 2004.
  5. 주완돈, 이관중, 이보성, 이동호 “두께 변화를 통한 동적실속연구”, 한국항공우주학회지, 제28권 3호, 2000.
  6. F.D. Marques, J Anderson, "Identification and Prediction of Unsteady Transonic Aerodynamic Loads by Multi-Layer Functions", Journal of Fluids and Structures, 15, 83-106, 2001. https://doi.org/10.1006/jfls.2000.0321
  7. Martin T. Hagan , Howard B.Demuth, Mark H, Beale, "Neural Network Design", PWS Publishing Company, 1996.
  8. 문병로, “유전알고리즘,” 두양사, 2005.
  9. F.D. Marques, J Anderson, “Modelling and identification of non-linear unsteady aerodynamic loads by neural networks and genetic algorithms”, ICAS Paper 96-7.1.1, September 1996.
  10. Dilek Funda Kurtulus, “Ability to forecast unsteady aerodynamic forces of flapping airfoils by artificial neural network”, Neural Comput & Applic, April 2008.
  11. 김연경, “신경망이론을 이용한 항공기 개념설계에 관한 연구”, 서울대학교 석사 학위 논문, 2002.
  12. David E. Goldberg, "Genetic Algorithms in Search, Optimization, and Machine Learning", Qeeiwon-Wesley, 1989.
  13. James A. Freeman, David M. Skapura, "Neural Networks - Algorithm, Applications, and Programming Techniques", Addison-Wesley, 1992.
  14. Nixon, D. "Unsteady transonic aerodynamics", Progress in Astronautics and Aeronautics, Vol. 120. Washington: AIAA. 1989.

Cited by

  1. A tunnel back analysis using artificial neural network technique and face mapping data vol.14, pp.4, 2012, https://doi.org/10.9711/KTAJ.2012.14.4.357
  2. A case study on the utilization of tunnel face mapping data for a back analysis based on artificial neural network vol.18, pp.3, 2014, https://doi.org/10.1007/s12205-014-0329-1
  3. Multidisciplinary Design Optimization of 3-Stage Axial Compressorusing Artificial Neural Net vol.13, pp.6, 2010, https://doi.org/10.5293/KFMA.2010.13.6.019