초임계 압력조건에서 기체수소-액체산소 연소해석의 층류화염편 라이브러리에 대한 인공신경망 학습 적용 (Application of Artificial Neural Network to Flamelet Library for Gaseous Hydrogen/Liquid Oxygen Combustion at Supercritical Pressure)

서지정보

· 발행기관 : 한국추진공학회
· 수록지 정보 : 한국추진공학회지 / 25권 / 6호 / 1 ~ 11페이지
· 저자명 : 전태준, 박태선

초록

층류화염편 라이브러리에 대한 효율적인 계산과정을 개발하기 위하여 초임계 압력조건의 기체수소/액체산소 연소기에 대해 인공신경망을 이용한 기계학습과정이 적용되었다. 학습성능과 계산효율성에 근거한 최적의 계산과정을 찾기 위하여 은닉층에 대한 ReLU와 쌍곡탄젠트 함수의 25가지 조합이 선택되었다. 정확성이 우수한 높은 학습성능을 얻는데 쌍곡탄젠트 활성화함수가 적절하였다. 인공신경망의 학습성능을 개선하기 위해서 학습데이터 변환이 제안되었다. 4개의 은닉층에 최적의 노드를 배치할 때 학습성능 및 계산비용 관점에서 모두 효율적인 것으로 나타났다. 층류화염편 라이브러리의 보간법보다 인공신경망을 사용하는 경우 전체 계산시간은 37%, 시스템 메모리는 99.98% 감소되었다.

영어초록

To develop an efficient procedure related to the flamelet library, the machine learning process based on artificial neural network(ANN) is applied for the gaseous hydrogen/liquid oxygen combustor under a supercritical pressure condition. For hidden layers, 25 combinations based on Rectified Linear Unit(ReLU) and hyperbolic tangent are adopted to find an optimum architecture in terms of the computational efficiency and the training performance. For activation functions, the hyperbolic tangent is proper to get the high learning performance for accurate properties. A transformation learning data is proposed to improve the training performance. When the optimal node is arranged for the 4 hidden layers, it is found to be the most efficient in terms of training performance and computational cost. Compared to the interpolation procedure, the ANN procedure reduces computational time and system memory by 37% and 99.98%, respectively.

참고자료

· 없음