Abstract
The efforts of reflecting the system's uncertainties in design step have been made and robust optimization or reliabilitybased design optimization are examples of the most famous methodologies. The statistical moments of a performance function and the constraints corresponding to probability conditions are involved in the formulation of these methodologies. Therefore, it is essential to effectively and accurately calculate them. The sensitivities of these methodologies have to be determined when nonlinear programming is utilized during the optimization process. The sensitivity of statistical moments and probability constraints is expressed in the integral form and limited to the normal random variable; we aim to expand the sensitivity formulation to nonnormal variables. Additional functional calculation will not be required when statistical moments and failure or satisfaction probabilities are already obtained at a design point. On the other hand, the accuracy of the sensitivity results could be worse than that of the moments because the target function is expressed as a product of the performance function and the explicit functions derived from probability density functions.
설계단계에서 시스템의 불확실성을 반영하려는 노력이 다양하게 이루어지고 있으며, 강건 최적설계 혹은 신뢰도 기반 최적설계는 이에 대한 대표적인 설계 방법론이다. 이러한 최적화 수식에는 성능함수의 평균, 표준편차와 확률제한조건이 목적함수와 제한조건으로 주로 활용된다. 그러므로, 이러한 통계적 특성치를 효과적으로 계산하는 것은 필수적이며, 더 나아가 최적화 과정에서 비선형 계획법이 일반적으로 활용되므로 민감도가 반드시 필요하다. 본 연구에서는 통계적 모멘트와 확률제한조건에 대해 적분 형태로 정의되는 민감도 수식을 비정규 분포로 확장하고자 한다. 얻어진 민감도 해석 결과는 통계적 모멘트와 손상확률이 설계점에서 계산된 경우, 민감도를 얻기 위해 추가로 성능함수를 계산할 필요가 없음을 보여주므로 효율성 측면에서 우수하다. 그러나, 민감도 수식이 성능함수와 확률밀도함수의 미분과정에서 얻어지는 함수의 곱으로 정의되므로, 동일한 수치적분 방법이 적용되는 경우 민감도 해석 결과는 통계적 모멘트 결과의 정확도에 미치지 못할 가능성이 있다.
