유연 다물체 동역학 시스템의 실시간 해석을 위한 DNN 기반 메타모델링 기법 (A DNN-based Metamodeling Techniques for Real-Time Simulations of Flexible Multibody System Dynamics)

서지정보

· 발행기관 : 대한기계학회
· 수록지 정보 : 대한기계학회논문집 A / 45권 / 10호 / 853 ~ 861페이지
· 저자명 : 한성지, 최희선, 최주환, 최진환, 김진균

초록

본 연구에서는 유연 다물체 동역학 시스템에 포함된 유연체의 절점 위치, 응력 및 변형률을 지정된 설계 변수 입력을 통해 실시간으로 얻기 위한 심층신경망 기반 메타모델링 기법을 제시하였다. 유연체의 거동을 학습시키기 위해 적절한 형태의 입력 및 출력 데이터 구조를 구성하였으며, 수많은 유연체 절점 자유도로 인한 데이터 증가로 발생하는 학습 시간을 단축하기 위한 효율적인 훈련 알고리즘을 개발하였다. 알고리즘은 확률적 경사 하강(SGD: stochastic gradient descent) 단계와 오차 보정 단계로 구성되며, 전체 데이터의 일부만을 사용하여 학습된다. 확률적 경사 하강 단계에서 심층신경망은 거친 데이터 모음(coarse data set)을 사용하여 순차적/반복적으로 학습되며, 이 과정에서 심층신경망 모델의 개선이 충분하지 않은 경우 오차 보정 단계를 통해 정확도를 추가적으로 향상시킬 수 있다. 개발된 알고리즘의 효율성 및 정확성, 실시간성을 수치 예제를 통해 확인하였다.

영어초록

In this study, a deep neural network-based metamodeling technique is proposed to obtain the positions, stresses, and strains of the nodes of a flexible body in real-time using the input of designated design variables for the flexible multibody dynamics systems. To train the responses of a flexible body, an appropriate type of input and output data structure is constructed, and an efficient training algorithm is developed to reduce the computational resources caused by data increase owing to the numerous degrees of freedom of nodes in the flexible body. The algorithm includes a stochastic gradient descent (SGD) step and an error correction step, and the deep neural network model is trained using only a part of the entire data. In the SGD step, the model is trained sequentially and iteratively using a coarse data set. As the iterations proceed, when the improvement of the model is insufficient, the accuracy is further improved by an error correction step. The efficiency, accuracy, and the possibility of real-time simulation of the proposed algorithm are presented through a numerical example.

참고자료

· 없음