DOI QR코드

DOI QR Code

병렬 마이크로 유전자 알고리즘을 이용한 복합재 적층 구조물의 최적설계

Optimal Design of Laminated Stiffened Composite Structures using a parallel micro Genetic Algorithm

  • 이무근 (한국과학기술원 기계공학과 항공우주공학) ;
  • 김천곤 (한국항공우주연구원 추진제어팀)
  • 발행 : 2008.02.29

초록

본 논문에서는 기존의 유전자 알고리즘을 대신하여 병렬 마이크로 유전자 알고리즘을 사용한 복합재료 적층 구조물의 최적설계를 수행하였다. 마이크로 유전자 알고리즘은 한 세대 당 보통 5개의 개체로 해를 탐색한다 비록 세대를 구성하는 인구수는 적지만 공칭수렴 판단과 재초기화 과정을 통해 다양성을 제공하기 때문에 최적해 탐색이 가능하다. 2가지의 복합재 구조물의 최적화 문제를 가정하고 이를 마이크로 유전자 알고리즘을 사용하여 해를 구하였다. 효율성 판단을 위해서 기존의 유전자 알고리즘과 결과를 비교하였다. 두 문제 모두 마이크로 유전자 알고리즘이 비슷한 결과를 도출하면서도 약 70%의 계산량 감소를 보였다. 마이크로 유전자 알고리즘을 사용하여 일정 범위 내에서 변하는 하중을 받고 있는 복합재 적층 구조물의 최적설계를 수행하였다. 계산 결과 고정된 하중상태 하에서 얻은 최적해보다 하중 변화에 덜 민감한 설계변수를 얻을 수 있었다. 이상의 문제를 통해 다양한 설계변수를 갖는 복합재 적층 구조물의 최적설계의 한 방법으로서 마이크로 유전자 알고리즘이 효율적임을 확인하였다.

In this paper, a parallel micro genetic algorithm was utilized in the optimal design of composite structures instead of a conventional genetic algorithm(SGA). Micro genetic algorithm searches the optimal design variables with only 5 individuals. The diversities from the nominal convergence and the re-initialization processes make micro genetic algorithm to find out the optimums with such a small population size. Two different composite structure optimization problems were proposed to confirm the efficiency of micro genetic algorithm compared with SGA. The results showed that micro genetic algorithm can get the solutions of the same level of SGA while reducing the calculation costs up to 70% of SGA. The composite laminated structure optimization under the load uncertainty was conducted using micro genetic algorithm. The result revealed that the design variables regarding the load uncertainty are less sensitive to load variation than that of fixed applied load. From the above-mentioned results, we confirmed micro genetic algorithm as a optimization method of composite structures is efficient.

키워드

참고문헌

  1. 강지호, 복합재 적층 보강 구조물의 최적설계를 위한 개량유전자 알고리즘 개발, 한국과학기술원 박사학위 논문, 2005
  2. D. E. Goldberg, 'Sizing Population for Serial and Parallel Genetic Algorithms,' Proceeding of the 3rd International Conference on Genetic Algorithms, 1989, pp. 70-79
  3. K. Krishnakumar, 'Micro-genetic algorithms for stationary and non-stationary function optimization,' In SPIE Proceeding: Intelligent Control and Adoptive Systems, pp. 289-296, 1989
  4. C. A. C. Coello and G. T. Pulido, 'A Micro-Genetic Algorithms for Multi-objective Optimization,' Lecture Notes in Computer Science, Vol 93, 2000, pp. 126-143
  5. 최성만, 마이크로 유전자 알고리즘을 이용한 구조 최적설계, 한양대학교대학원 석사학위논문, 2002
  6. A. R. de Faria and J. S. Hansen, 'On buckling optimization under uncertain loading combination,' Structural and Multidisciplinary Optimization; journal of the International Society for Structural and Multidisciplinary Optimization, Vol. 21, 2001, pp. 272-282 https://doi.org/10.1007/s001580100104
  7. A. R. de Faria, 'Buckling optimization and anti optimization of composite plates: uncertain loading combination,' International Journal for Numerical Methods in Engineering, Vol. 53, 2002, pp. 719-732 https://doi.org/10.1002/nme.309
  8. S. Adali, A. Richter and V. E. verijenko, 'Minimum weight design of symmetric angle-ply laminates under multiple uncertain load,' Structural optimization, Vol. 9, 1995, pp. 89-95 https://doi.org/10.1007/BF01758825
  9. G. Venter and R. T. Haftka, 'A two species genetic algorithm for designing composite laminates subjected to uncertainty,' Proceedings of the 37th AIAA/ASME/ASCE/AHS/ASC, 1996, pp. 1848-1857
  10. K. Huseyin, Nonlinear theory of elastic stability, Noordhoff, 1975
  11. A. R. de Faria and J. S. Hansen, 'On buckling optimization under uncertain loading combination,' Structural and Multidisciplinary Optimization; journal of the International Society for Structural and Multidisciplinary Optimization, Vol. 21, 2001, pp. 272-282 https://doi.org/10.1007/s001580100104
  12. G. Syswerda, 'Uniform crossover in genetic algorithms,' Proceedings of the third International Conference on Genetic Algorithms, Morgan Kaufmann, 1989, pp. 2-9
  13. C. Bisagni and L. Lanzi, 'Post-buckling optimization of composite stiffened panels using neural networks,' Composite Structures, Vol 58, 2002, pp. 237-247 https://doi.org/10.1016/S0263-8223(02)00053-3
  14. 'ABAQUS Analysis Users's Manual, Ver. 6.4'