머신러닝 앙상블을 사용한 항공기 동력 전달 체계의 물림 강성 예측 모델

Mesh Stiffness Prediction Models for Aircraft Power Train Systems Using Machine Learning Ensemble

본 논문에서는 앙상블 기법을 통해 스퍼 기어의 설계 변수들을 입력 변수로 갖는 물림 강성 예측 모델을 제시하였다. 기존 연구들에서 제시된 계산 방식을 통해 개별 강성을 계산하고 총 물림 강성값의 최소 및 최대값을 도출하여 데이터셋을 생성하였다. 다변량 선형 회귀, 서포트 벡터 회귀, 의사결정 트리 회귀를 사용하여 물림 강성 최소 및 최대값을 예측하는 모델을 생성하였다. 스태킹 앙상블 기법을 사용하여 해당 예측 모델들을 기반 모델로 갖는 메타 모델을 생성하였다. 실제 항공기 엔진 시동기에 사용되는 기어의 제원을 통해 앙상블 메타 모델의 검증을 수행하였으며, 매우 높은 예측 성능을 보이는 것을 통해 실제 기어 시스템에 대한 적용 타당성 및 유효성을 확인하였다.

This paper aimed to develop mesh stiffness prediction models using spur gear design parameters as input variables through a machine learning ensemble method. A dataset was generated by calculating individual stiffness using a calculation method presented in previous studies and deriving the minimum and maximum values of total mesh stiffness. Using multivariate linear regression, support vector regression, and decision tree regression, models were created to predict the minimum and maximum values of mesh stiffness. The stacking ensemble method was used to create meta models. Prediction models of three algorithms were used as base models. These Ensemble meta models were verified with specifications of gears used in actual aircraft engine starters, showing very high prediction performances. Thus, feasibility of applying Ensemble meta models to an actual gear system and their effectiveness were confirmed.