인공신경망 기술을 활용한 하중 스펙트럼 생성 기법 개발 (Development of Load Spectrum Generation Technique Using Artificial Neural Network)

서지정보

· 발행기관 : 한국항공우주학회
· 수록지 정보 : 한국항공우주학회지 / 51권 / 7호 / 433 ~ 442페이지
· 저자명 : 정민지, 정선호, 조진연, 김정호, 김지한

초록

항공기는 운용 기간 동안 복잡하고 다양한 하중을 반복적으로 받는다. 이러한 피로 하중은 균열의 발생 및 진전, 구조 강도를 저하시키는 피로 현상을 야기한다. 피로로 인한 대형 항공 사고를 예방하고 안전하게 항공기를 운용하기 위해 항공기 구조 건전성 프로그램을 수행하는 것이 필요하다. 항공기의 구조 건전성 프로그램은 운용 하중 스펙트럼으로부터 비행 운용도를 분석하고, 균열 성장해석을 통해 산출되는 응력 집중 위치의 균열 성장률을 활용하여 적절한 구조 정비 및 검사 주기를 설정하는 내용을 포함한다.
본 연구에서는 항공기 구조 건전성 관리에 필요한 운용 하중 스펙트럼을 항공기의 비행 상태 변수로부터 생성하기 위해 인공신경망 회귀 모델을 적용하는 기법을 개발하고, 이를 다중 선형 회귀 모델과 비교하여 인공신경망 회귀 모델의 성능을 평가하였다. 전단력에 대한 결과를 비교할 때, 인공신경망 회귀 모델의 수정된 결정 계수가 0.999, 상대 오차가 0.475%인 반면, 다중 선형 회귀 모델의 결정 계수는 0.835, 상대 오차는 27.761%로 인공신경망 회귀 모델의 성능이 훨씬 우수하였다. 따라서 본 연구에서 개발한 인공신경망 회귀 모델을 통해 비행 상태 변수로부터 항공기 구조 건전성 관리에 필요한 하중 스펙트럼을 충분히 높은 정확도로 생성할 수 있음을 확인하였다.

영어초록

Aircrafts are subjected to complex and various loads repeatedly during the service life. These loads cause fatigue phenomena such as crack initiation and propagation, and decrease of structural strength. Aircraft Structural Integrity Program(ASIP) is required to operate aircraft safely without catastrophic aircraft accidents due to fatigue. It includes operational load spectrum generation to perform flight operation analysis and crack growth analysis that can calculate the change of crack growth rate at the critical points where stress is concentrated, and this enables appropriate structural maintenance and inspection intervals to be established.
In this study, we developed a technique to apply an artificial neural network regression model to generation of the operational load spectrum from flight parameters of the aircraft, and compared it with a multiple linear regression model to evaluate the accuracy of the artificial neural network (ANN) regression model. According to shear force results, the ANN model’s adjusted coefficient of determination was 0.999 and the relative error was 0.475%, whereas the linear model’s adjusted coefficient of determination was 0.835 and the relative error was 27.761%. Through the artificial neural network regression model developed in this study, it was confirmed that the operational load spectrum required for ASIP could be obtained from flight parameters with sufficiently high accuracy.

참고자료

· 없음