KR101444723B1 - Method for optimized design - Google Patents
Method for optimized design Download PDFInfo
- Publication number
- KR101444723B1 KR101444723B1 KR1020130114622A KR20130114622A KR101444723B1 KR 101444723 B1 KR101444723 B1 KR 101444723B1 KR 1020130114622 A KR1020130114622 A KR 1020130114622A KR 20130114622 A KR20130114622 A KR 20130114622A KR 101444723 B1 KR101444723 B1 KR 101444723B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- design
- probability
- moment
- optimal
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 발명은 구조물의 최적 설계 방법에 관한 것으로서, 보다 상세하게는 보다 빠르고 간단하게 구조물의 최적 설계가 가능하게 하는 방법에 관한 것이다.
BACKGROUND OF THE
구조물(structure)은 일정한 설계에 따라 다양한 재료를 얽어서 만든 물건으로서 건물, 교량, 터널, 철탑, 풍력 발전 설비 등 그 범위와 종류가 매우 다양하다.Structure is a product made by interlocking various materials according to a certain design, and there are a wide variety of ranges and kinds such as buildings, bridges, tunnels, steel towers, and wind power facilities.
한편, 이하에서 구조물이라 하면 사람에 의해 형성되는 물건으로서 일정한 설계에 의해 형성되는 모든 물건을 포함한다.In the following description, the term "structure" means any object formed by a person and formed by a certain design.
이러한 구조물은 우천, 바람, 햇볕 등 다양한 환경 조건과 구조물 자체의 하중 등을 고려하여 구조물이 무너지지 않도록 설계하게 되며, 특히 이렇게 구조물이 무너지지 않도록 하는 설계를 특정하여 구조 설계라고 한다.Such a structure is designed so that the structure does not fall due to various environmental conditions such as rain, wind, sunlight, and the load of the structure itself, and in particular, the structure design is specified so that the structure is not collapsed.
한편, 자동차, 항공기, 가전제품 등의 제품을 설계하기 위해서는 많은 실험을 거쳐야 한다. 고비용의 실제 실험을 반복적으로 수행하여 설계하는 방법을 대체하기 위하여 시뮬레이션(Simulation) 즉, 컴퓨터 등의 계산이나 모델링 이용한 가상 실험을 이용하는 방법이 다양한 분야에서 널리 이용되고 있다.On the other hand, in order to design products such as automobiles, airplanes and household appliances, many experiments have to be conducted. Simulation, that is, a method of using a virtual experiment using calculation or modeling of a computer, is widely used in various fields in order to replace a method of designing repetitive and expensive experiments.
이러한 시뮬레이션은 시뮬레이션 수행을 통해 조건에 가장 적합한 설계 데이터를 결정하여 설계를 확정하는 최적 설계 (Design Optimization) 분야에서도 널리 이용되고 있다.These simulations are widely used in the field of design optimization where design decisions are made by determining the most suitable design data for the conditions through simulation.
그리고 일반적으로 구조 설계된 구조물이 기능을 수행함에 있어서 고장이 발생하지 않을 확률을 신뢰성(reliability)이라 한다.In general, the probability that a structural failure does not occur when a structure is designed to function is called reliability.
신뢰성이란 정량적으로는 사용 시의 환경 조건 등을 설정하여, 특정한 종류의 부하(load)가 있는 양으로 되기까지는 요구되는 기능이 수행할 수 없게 되는 고장이 발생하지 않을 확률을 신뢰도로서 나타내고, 이것을 지표의 하나로서 이용하는 것이다.Reliability means quantitatively setting the environmental conditions at the time of use and expressing the probability that a failure that can not be performed by a required function will not occur until a certain amount of load is reached, As shown in FIG.
그리고 신뢰성 해석이란 이러한 신뢰성 즉 확률을 계산하는 것으로서 일반적으로 신뢰성 계산이라 하지 않고 신뢰성 해석이라는 용어로 널리 사용된다.Reliability analysis is a method of calculating reliability or probability, and is generally used not only as reliability calculation but also as reliability analysis.
이러한 신뢰성 해석은 구조 해석과 함께 이루지게 되는데, 일반적으로 하중 해석을 수행하고, 극한 하중을 도출하여 극한 하중을 적용한 경우의 구조 해석을 통해 구조물의 신뢰성을 해석하게 된다.This reliability analysis is performed together with the structural analysis. Generally, the load analysis is performed, and the reliability of the structure is analyzed through the structural analysis in the case where the ultimate load is applied and the ultimate load is applied.
예를 들어, 일단 먼저 특정 구조물을 설계하였는데 해당 구조물이 위치하는 장소와 구조물 자체의 하중 등을 고려하여 극한 하중을 도출하고 극한 하중에서 설계된 구조물이 얼마나 견딜 수 있는지를 수학적 확률로서 계산해내는 것이 신뢰성 해석이다.For example, once a specific structure is designed, it is necessary to derive the ultimate load considering the place where the structure is located and the load of the structure itself, and calculate the mathematical probability of how the designed structure can withstand the ultimate load. to be.
신뢰성 해석 방법은 레벨 분류법에 따라 크게 레벨 단계에 따라 레벨1, 레벨2 및 레벨3으로 나누기도 하는데, 레벨1의 경우 단순히 하중과 저항 요소를 고려하는 것이고 레벨2의 경우 신뢰도 비교 지수를 이용하는 것이며, 레벨3의 경우 확률 밀도 함수에 다양한 변수들을 샘플링하여 입력하는 시뮬레이션을 통해 신뢰성 해석을 수행하게 된다.The reliability analysis method can be divided into
따라서, 레벨이 올라갈수록 해석된 신뢰성이 더욱 유의미하고 정확한 것으로 판단할 수 있으나, 레벨이 높아질수록 신뢰성 해석 즉 계산이 복잡해지고 계산에 많은 시간이 소요된다.Therefore, as the level increases, the interpreted reliability can be judged to be more significant and accurate. However, the higher the level, the more complicated the reliability analysis, that is, the calculation becomes complicated and the calculation takes a lot of time.
특히, 레벨3의 경우 시뮬레이션을 수행할 데이터를 선정함에 있어서 일반적으로 몬테카를로 샘플링(Monte Carlo Sampling)이나 라틴 하이퍼큐브 샘플링(LHS: Latin Hypercube Sampling) 방법 등이 널리 사용되는데 수학적으로 매우 복잡하여 신뢰성 해석에 많은 시간이 소요되고 또한, 성능이 우수한 장비를 필요로 한다.Especially, in the case of level 3, Monte Carlo Sampling or Latin Hypercube Sampling (LHS) methods are widely used in selecting data to be simulated. It takes a lot of time and also requires high-performance equipment.
한편, 종래의 최적 설계를 수행함에 있어서, 설계하고자 하는 부분 즉 설계 데이터를 입력 받으면, 입력받은 설계 데이터에 따라 시뮬레이션을 수행하여, 실험 결과 데이터 즉 시뮬레이션 수행 결과 데이터를 출력하고, 시뮬레이션 수행 결과 데이터가 특정 기준을 충족하는 최적의 데이터인지 판단하게 된다.On the other hand, in performing the conventional optimum design, when a part to be designed, that is, design data, is inputted, simulation is performed according to input design data to output experiment result data, i.e., simulation execution result data, It is judged that the data is the optimum data satisfying the specific criterion.
이때 최적 데이터인지 여부의 판단은 다양한 방법으로 적용할 수 있는데 그 중의 하나로서 전술한 신뢰성 해석을 통해 미리 설정된 신뢰성을 만족하는 경우를 기준으로 최적 데이터 여부를 판단할 수 있다.At this time, determination as to whether or not the data is optimum can be applied by various methods. One of the methods can determine whether or not the data is optimal based on the case where the predetermined reliability is satisfied through the reliability analysis described above.
그런데 전술한 바와 같이 종래의 신뢰성 해석 방법의 경우 신뢰성 해석에 많은 시간과 컴퓨팅 장치의 부하가 소요되므로 최적 설계가 완료되기까지 많은 시간과 부하가 소요되는 문제점이 있다.
However, as described above, in the conventional reliability analysis method, much time is required for the reliability analysis and a load of the computing device is required. Therefore, it takes much time and load until the optimum design is completed.
상기한 바와 같은 종래의 문제점을 해결하기 위해, 본 발명은 보다 간단하고 빠르게 구조물의 최적 설계가 가능한 방법을 제안하는 것이다.In order to solve the above-mentioned problems, the present invention proposes a method capable of simpler and quicker optimization of a structure.
또한, 보다 간단하게 최적 설계가 가능하지만, 최적 설계 데이터인지 여부를 판단하는 신뢰성의 해석은 종래의 레벨3 수준의 신뢰성 해석이 가능하여 최적 설계 결과가 보다 정확하고 최적의 조건일 수 있게 하는 구조물의 최적 설계 방법을 제안하는 것이다.In addition, although the optimum design can be made more simply, the reliability analysis for determining whether or not the optimum design data is available can be made at a level 3 level reliability analysis, so that the optimum design result can be more accurate and optimum condition. And to propose an optimal design method.
본 발명의 또 다른 목적들은 이하의 실시예에 대한 설명을 통해 쉽게 이해될 수 있을 것이다.
Other objects of the present invention will become readily apparent from the following description of the embodiments.
상기한 바와 같은 목적을 달성하기 위해, 본 발명의 일 측면에 따르면 구조물의 최적 설계 방법이 제공된다.According to an aspect of the present invention, there is provided an optimal design method of a structure.
본 발명의 바람직한 일 실시예에 따르면, 컴퓨팅 장치에 의해 수행되는 구조물의 최적 설계 방법에 있어서, 설계 데이터를 입력받으면, 상기 입력받은 설계 데이터에 따라 시뮬레이션(simulation)을 수행하여 시뮬레이션 수행 결과 데이터를 출력하고, 상기 시뮬레이션 수행 결과 데이터가 특정 기준을 충족하는 최적의 데이터인지 판단하여, 만약 최적의 데이터가 아니라면 변경된 설계 데이터를 다시 입력받아 상기 시뮬레이션을 다시 수행하여 최적의 데이터 여부를 다시 판단하고, 만약 실험 결과 데이터가 기준을 충족하는 최적의 데이터라면 입력된 설계 데이터대로 설계를 확정하는 것을 수행하고, 상기 시뮬레이션 수행 결과 데이터가 특정 기준을 충족하는 최적의 데이터인지 판단하는 것은 상기 구조물의 신뢰성 계산을 통해 수행하고, 상기 구조물의 신뢰성 계산은, 상기 신뢰성 계산을 위한 확률 밀도 함수에서 n(n은 2이상의 자연수)차원의 다중적분 함수를 n개의 1차원 적분으로 변환하는 단계; 상기 n개의 1차원 적분으로 변환된 확률 밀도 함수를 이용하여 구조 해석에 이용될 n개 이상의 데이터를 샘플링하는 단계; 상기 샘플링된 데이터를 이용하여 계산된 결과값을 이용하여 근사 모델을 생성하는 단계; 상기 생성된 근사 모델로부터 확률 모멘트를 계산하는 단계; 및 상기 계산된 확률 모멘트를 이용하여 확률 분포를 계산하는 단계를 포함하는 것을 특징으로 하는 구조물의 최적 설계 방법이 제공된다.According to a preferred embodiment of the present invention, in a method of optimizing a structure performed by a computing device, when design data is input, simulation is performed according to the input design data to output simulation result data And determines whether the simulation result data is optimal data satisfying a specific criterion. If the data is not optimum data, the changed design data is again input, and the simulation is again performed to determine whether or not the optimum data is optimal. If the result data is optimal data satisfying the criterion, the design is determined according to the inputted design data, and it is determined through the reliability calculation of the structure that the simulation result data is the optimum data satisfying the specific criterion And the structure The reliability calculation includes the steps of converting the multi-integral function of n (n is a natural number of 2 or more) dimensions in the probability density function for calculating the reliability of the n one-dimensional integration; Sampling at least n pieces of data to be used for the structural analysis using the probability density function converted into the n 1-dimensional integrations; Generating an approximate model using the calculated result using the sampled data; Calculating a probability moment from the generated approximate model; And calculating a probability distribution by using the calculated probability moment.
상기 구조물의 신뢰성 계산을 위한 확률 밀도 함수에서 n(n은 2이상의 자연수)차원의 다중적분 함수를 n개의 1차원 적분으로 변환하는 단계를 수행하기 전에, 상기 구조물의 하중 해석을 통해 극한 하중을 도출하는 단계; 상기 극한 하중이 적용되는 경우에 대한 구조 해석을 수행하는 단계를 수행한 후, 상기 구조 해석에 적용되는 n개의 변수들에 대하여 상기 구조물의 신뢰성 계산을 위한 확률 밀도 함수에서 n(n은 2이상의 자연수)차원의 다중적분 함수를 n개의 1차원 적분으로 변환하는 단계를 수행할 수 있다.Before carrying out the step of converting the multiple integration function of dimension n (n is a natural number of 2 or more) into n 1-dimensional integers in the probability density function for the reliability calculation of the structure, the ultimate load is deduced through the load analysis of the structure ; Wherein n is a probability density function for calculating the reliability of the structure for n variables applied to the structural analysis, n is a natural number of 2 or more, Dimensional integration function into n one-dimensional integrations.
상기 n개의 1차원 적분으로 변환된 확률 밀도 함수를 이용하여 구조 해석에 이용될 n개 이상의 데이터를 샘플링하는 단계에서, 상기 n개 이상의 데이터를 선정하는 것은 임의의 난수를 이용하여 선정할 수 있다.In the step of sampling at least n data to be used for the structural analysis by using the probability density function converted into the n 1-dimensional integrations, the selection of the n or more data items can be selected using a random number.
상기 n개의 1차원 적분으로 변환된 확률 밀도 함수를 이용하여 구조 해석에 이용될 n개 이상의 데이터를 샘플링하는 단계에서, 상기 n개 이상의 데이터를 선정하는 것은 상기 확률밀도함수에서의 공간 채움을 고려하여 선정할 수 있다.Wherein sampling n or more data to be used in the structural analysis by using the probability density function converted into the n 1-dimensional integrations, the step of selecting the n or more pieces of data includes considering space filling in the probability density function Can be selected.
상기 생성된 근사 모델로부터 확률 모멘트를 계산하는 단계는, 심슨 법칙(Simpson's Rule)을 이용하여 수행될 수 있다.The step of calculating the probability moment from the generated approximate model may be performed using Simpson's rule.
상기 생성된 근사 모델로부터 확률 모멘트를 계산하는 단계에서, 상기 계산되는 확률 모멘트는 1차 내지 4차 모멘트일 수 있으며, 상기 계산되는 확률 모멘트 중 1차 모멘트는 평균(average), 2차 모멘트는 편차(deviation), 3차 모멘트는 왜도(skewness), 4차 모멘트는 첨도(kurtosis)일 수 있다.In calculating the probability moment from the generated approximate model, the calculated probability moment may be a first to fourth order moment, and the first moment of the calculated probability moment is an average, the second moment is a deviation the third moment may be skewness, and the fourth moment may be kurtosis.
상기 계산된 확률 모멘트를 이용하여 확률 분포를 계산하는 단계는, 피어슨 시스템(Pearson System)을 이용하여 수행될 수 있다.The step of calculating the probability distribution using the calculated probability moment may be performed using a Pearson system.
상기 구조물의 신뢰성은 미리 설정되고, 상기 계산된 확률 분포에서 상기 최적 설계 데이터가 상기 미리 설정된 범위내의 확률 분포에 위치하는 판단하여 실험 결과 데이터가 기준을 충족하는 최적의 데이터인지 여부를 판단할 수 있다.
The reliability of the structure is set in advance and it is judged that the optimum design data is located in the probability distribution within the predetermined range in the calculated probability distribution and it can be judged whether the experimental result data is the optimum data satisfying the criterion .
본 발명의 다른 일 측면에 따르면 구조물의 최적 설계 장치가 제공된다.According to another aspect of the present invention, there is provided an apparatus for optimizing a structure.
본 발명의 바람직한 일 실시예에 따르면, 구조물의 신뢰성 해석 장치에 있어서, 설계 데이터를 입력받는 설계 데이터 입력부; 상기 설계 데이터 입력부에서 입력받은 설계 데이터에 따라 시뮬레이션(simulation)을 수행하는 시뮬레이션 수행부; 상기 시뮬레이션 수행부에서의 시뮬레이션 수행 결과 데이터를 출력하는 실험 결과 출력부; 및 상기 실험 결과 출력부에서 출력된 상기 시뮬레이션 수행 결과 데이터가 특정 기준을 충족하는 최적의 데이터인지 판단하는 최적 설계 데이터 판단부를 포함하고, 상기 최적 설계 데이터 판단부에서 상기 입력받은 설계 데이터가 만약 최적의 데이터가 판단되면 상기 설계 데이터 입력부에서 변경된 설계 데이터를 다시 입력받고, 상기 시뮬레이션 수행부에서 상기 시뮬레이션을 다시 수행하여, 상기 최적 데이터 판단부에서 설계 최적의 데이터 여부를 다시 판단하고, 상기 최적 설계 데이터 판단부에서 만약 실험 결과 데이터가 기준을 충족하는 최적의 데이터라고 판단되면 입력된 설계 데이터대로 설계를 확정하는 것을 수행하고, 상기 최적 설계 데이터 판단부에서 상기 시뮬레이션 수행 결과 데이터가 특정 기준을 충족하는 최적의 데이터인지 판단하는 것은 상기 구조물의 신뢰성 계산을 통해 수행하고, 상기 신뢰성 계산은, 상기 신뢰성 계산을 위한 확률 밀도 함수에서 n(n은 2이상의 자연수)차원의 다중적분 함수를 n개의 1차원 적분으로 변환하여, 상기 n개의 1차원 적분으로 변환된 확률 밀도 함수를 이용하여 구조 해석에 이용될 n개 이상의 데이터를 샘플링하고, 상기 샘플링된 데이터를 이용하여 계산된 결과값을 이용하여 근사 모델을 생성하여, 상기 생성된 근사 모델로부터 확률 모멘트를 계산하고, 상기 계산된 확률 모멘트를 이용하여 확률 분포를 계산하여 이루어지는 것을 특징으로 하는 구조물의 최적 설계 장치가 제공된다.According to a preferred embodiment of the present invention, there is provided a reliability analyzer of a structure, comprising: a design data input unit receiving design data; A simulation execution unit for performing a simulation according to the design data input from the design data input unit; An experimental result output unit for outputting simulation execution result data in the simulation performing unit; And an optimum design data determination unit for determining whether the simulation result data output from the output unit is optimum data that satisfies a specific criterion, wherein the optimum design data determination unit determines whether the input design data is optimal The design data input unit receives the changed design data again, and the simulation performing unit performs the simulation again to determine whether the optimum data is the optimum design data in the optimum data determination unit, Wherein if the data of the experiment is determined to be optimal data satisfying the criterion, the designing is performed according to the input design data, and the optimum design data determining unit determines that the simulation result data is optimal Data perception Wherein the reliability calculation is performed by converting a multiple integration function of dimension n (n is a natural number of 2 or more) to n one-dimensional integrations in the probability density function for reliability calculation, Sampling at least n data to be used in the structural analysis by using the probability density function converted into the n 1-dimensional integrations, generating an approximate model using the calculated result using the sampled data, Calculating a probability moment from the estimated approximate model, and calculating a probability distribution using the calculated probability moment.
상기 구조물의 신뢰성 계산을 위한 확률 밀도 함수에서 n(n은 2이상의 자연수)차원의 다중적분 함수를 n개의 1차원 적분으로 변환하는 것을 수행하기 전에, 상기 구조물의 하중 해석을 통해 극한 하중을 도출하는 단계; 상기 극한 하중이 적용되는 경우에 대한 구조 해석을 수행하는 단계를 수행한 후, 상기 구조 해석에 적용되는 n개의 변수들에 대하여 상기 구조물의 신뢰성 계산을 위한 확률 밀도 함수에서 n(n은 2이상의 자연수)차원의 다중적분 함수를 n개의 1차원 적분으로 변환하는 단계를 수행할 수 있다.Before performing the conversion of the multiple integration function of dimension n (n is a natural number of 2 or more) to n 1-dimensional integers in the probability density function for reliability calculation of the structure, the ultimate load is derived through load analysis of the structure step; Wherein n is a probability density function for calculating the reliability of the structure for n variables applied to the structural analysis, n is a natural number of 2 or more, Dimensional integration function into n one-dimensional integrations.
상기 n개의 1차원 적분으로 변환된 확률 밀도 함수를 이용하여 구조 해석에 이용될 n개 이상의 데이터를 샘플링하는 것은, 상기 n개 이상의 데이터를 선정하는 것은 임의의 난수를 이용하여 선정할 수 있다.The sampling of n or more data to be used in the structural analysis by using the probability density function converted into the n 1-dimensional integrations can be performed by using random numbers to select the n or more data.
상기 n개의 1차원 적분으로 변환된 확률 밀도 함수를 이용하여 구조 해석에 이용될 n개 이상의 데이터를 샘플링하는 것은, 상기 n개 이상의 데이터를 선정하는 것은 상기 확률밀도함수에서의 공간 채움을 고려하여 선정할 수 있다.Sampling the n or more data to be used for the structural analysis by using the probability density function converted into the n 1-dimensional integrations, wherein the selecting of the n or more data is performed by taking into account the space filling in the probability density function can do.
상기 생성된 근사 모델로부터 확률 모멘트를 계산하는 것은, 심슨 법칙(Simpson's Rule)을 이용하여 수행될 수 있다.The calculation of the probability moment from the generated approximate model can be performed using Simpson's rule.
상기 생성된 근사 모델로부터 확률 모멘트를 계산하는 것은, 상기 계산되는 확률 모멘트는 1차 내지 4차 모멘트일 수 있으며, 상기 계산되는 확률 모멘트 중 1차 모멘트는 평균(average), 2차 모멘트는 편차(deviation), 3차 모멘트는 왜도(skewness), 4차 모멘트는 첨도(kurtosis)일 수 있다.The calculation of the probability moment from the generated approximate model may be such that the calculated probability moment may be a first order to a fourth order moment, and the first moment of the calculated probability moment is an average, the second moment is a deviation deviation is the third moment, skewness is the fourth moment, and kurtosis is the fourth moment.
상기 계산된 확률 모멘트를 이용하여 확률 분포를 계산하는 것은, 피어슨 시스템(Pearson System)을 이용하여 수행될 수 있다.The calculation of the probability distribution using the calculated probability moment can be performed using a Pearson system.
상기 최적 설계 데이터 판단부에서 상기 시뮬레이션 수행 결과 데이터가 특정 기준을 충족하는 최적의 데이터인지 판단하는 것은 상기 구조물의 신뢰성 계산을 통해 수행하는 것에서, 상기 구조물의 신뢰성은 미리 설정되고, 상기 계산된 확률 분포에서 상기 최적 설계 데이터가 상기 미리 설정된 범위내의 확률 분포에 위치하는 판단하여 실험 결과 데이터가 기준을 충족하는 최적의 데이터인지 여부를 판단할 수 있다.
Wherein the reliability of the structure is determined in advance and it is determined that the reliability of the structure is determined in advance and the calculated probability distribution It is possible to determine whether the optimal design data is located in the probability distribution within the predetermined range and determine whether the experiment result data is optimal data satisfying the criterion.
본 발명의 또 다른 일 측면에 따르면 구조물의 최적 설계 방법을 구현하기 위한 프로그램을 기록한 기록매체가 제공된다.According to another aspect of the present invention, there is provided a recording medium on which a program for implementing an optimal design method of a structure is recorded.
본 발명의 바람직한 일 실시예에 따르면, 컴퓨팅 장치에 의해 수행되는 구조물의 최적 설계 방법을 구현하기 위한 프로그램을 기록한 기록매체에 있어서, 설계 데이터를 입력받으면, 상기 입력받은 설계 데이터에 따라 시뮬레이션(simulation)을 수행하여 시뮬레이션 수행 결과 데이터를 출력하고, 상기 시뮬레이션 수행 결과 데이터가 특정 기준을 충족하는 최적의 데이터인지 판단하여, 만약 최적의 데이터가 아니라면 변경된 설계 데이터를 다시 입력받아 상기 시뮬레이션을 다시 수행하여 최적의 데이터 여부를 다시 판단하고, 만약 실험 결과 데이터가 기준을 충족하는 최적의 데이터라면 입력된 설계 데이터대로 설계를 확정하는 것을 수행하고, 상기 시뮬레이션 수행 결과 데이터가 특정 기준을 충족하는 최적의 데이터인지 판단하는 것은 상기 구조물의 신뢰성 계산을 통해 수행하고, 상기 구조물의 신뢰성 계산은, 상기 신뢰성 계산을 위한 확률 밀도 함수에서 n(n은 2이상의 자연수)차원의 다중적분 함수를 n개의 1차원 적분으로 변환하는 단계; 상기 n개의 1차원 적분으로 변환된 확률 밀도 함수를 이용하여 구조 해석에 이용될 n개 이상의 데이터를 샘플링하는 단계; 상기 샘플링된 데이터를 이용하여 계산된 결과값을 이용하여 근사 모델을 생성하는 단계; 상기 생성된 근사 모델로부터 확률 모멘트를 계산하는 단계; 및 상기 계산된 확률 모멘트를 이용하여 확률 분포를 계산하는 단계를 포함하는 것을 특징으로 하는 구조물의 최적 설계 방법을 구현하기 위한 프로그램을 기록한 기록매체가 제공된다.According to a preferred embodiment of the present invention, there is provided a recording medium on which a program for implementing a method of optimizing a structure performed by a computing device is recorded, the simulation method comprising the steps of: And outputs simulation execution result data. If it is determined that the simulation result data is optimal data satisfying a specific criterion, if it is not optimal data, the changed design data is input again, If the experiment result data is the optimum data satisfying the criterion, the design is determined according to the inputted design data, and it is judged whether the simulation result data is the optimum data satisfying the specific criterion The above- Performed through a calculation of reliability, and the step of calculating the reliability of the structure is converted to a multi-integral function of n (n is a natural number of 2 or more) dimensions in the probability density function for calculating the reliability of the n one-dimensional integration; Sampling at least n pieces of data to be used for the structural analysis using the probability density function converted into the n 1-dimensional integrations; Generating an approximate model using the calculated result using the sampled data; Calculating a probability moment from the generated approximate model; And calculating a probability distribution by using the calculated probability moment. The computer-readable recording medium having recorded thereon a program for implementing an optimum design method of a structure.
상기 구조물의 신뢰성 계산을 위한 확률 밀도 함수에서 n(n은 2이상의 자연수)차원의 다중적분 함수를 n개의 1차원 적분으로 변환하는 단계를 수행하기 전에, 상기 구조물의 하중 해석을 통해 극한 하중을 도출하는 단계; 상기 극한 하중이 적용되는 경우에 대한 구조 해석을 수행하는 단계를 수행한 후, 상기 구조 해석에 적용되는 n개의 변수들에 대하여 상기 구조물의 신뢰성 계산을 위한 확률 밀도 함수에서 n(n은 2이상의 자연수)차원의 다중적분 함수를 n개의 1차원 적분으로 변환하는 단계를 수행할 수 있다.Before carrying out the step of converting the multiple integration function of dimension n (n is a natural number of 2 or more) into n 1-dimensional integers in the probability density function for the reliability calculation of the structure, the ultimate load is deduced through the load analysis of the structure ; Wherein n is a probability density function for calculating the reliability of the structure for n variables applied to the structural analysis, n is a natural number of 2 or more, Dimensional integration function into n one-dimensional integrations.
상기 n개의 1차원 적분으로 변환된 확률 밀도 함수를 이용하여 구조 해석에 이용될 n개 이상의 데이터를 샘플링하는 단계에서, 상기 n개 이상의 데이터를 선정하는 것은 임의의 난수를 이용하여 선정할 수 있다.In the step of sampling at least n data to be used for the structural analysis by using the probability density function converted into the n 1-dimensional integrations, the selection of the n or more data items can be selected using a random number.
상기 n개의 1차원 적분으로 변환된 확률 밀도 함수를 이용하여 구조 해석에 이용될 n개 이상의 데이터를 샘플링하는 단계에서, 상기 n개 이상의 데이터를 선정하는 것은 상기 확률밀도함수에서의 공간 채움을 고려하여 선정할 수 있다.Wherein sampling n or more data to be used in the structural analysis by using the probability density function converted into the n 1-dimensional integrations, the step of selecting the n or more pieces of data includes considering space filling in the probability density function Can be selected.
상기 생성된 근사 모델로부터 확률 모멘트를 계산하는 단계는, 심슨 법칙(Simpson's Rule)을 이용하여 수행될 수 있다.The step of calculating the probability moment from the generated approximate model may be performed using Simpson's rule.
상기 생성된 근사 모델로부터 확률 모멘트를 계산하는 단계에서, 상기 계산되는 확률 모멘트는 1차 내지 4차 모멘트일 수 있으며, 상기 계산되는 확률 모멘트 중 1차 모멘트는 평균(average), 2차 모멘트는 편차(deviation), 3차 모멘트는 왜도(skewness), 4차 모멘트는 첨도(kurtosis)일 수 있다.In calculating the probability moment from the generated approximate model, the calculated probability moment may be a first to fourth order moment, and the first moment of the calculated probability moment is an average, the second moment is a deviation the third moment may be skewness, and the fourth moment may be kurtosis.
상기 계산된 확률 모멘트를 이용하여 확률 분포를 계산하는 단계는, 피어슨 시스템(Pearson System)을 이용하여 수행될 수 있다.The step of calculating the probability distribution using the calculated probability moment may be performed using a Pearson system.
상기 구조물의 신뢰성은 미리 설정되고, 상기 계산된 확률 분포에서 상기 최적 설계 데이터가 상기 미리 설정된 범위내의 확률 분포에 위치하는 판단하여 실험 결과 데이터가 기준을 충족하는 최적의 데이터인지 여부를 판단할 수 있다.
The reliability of the structure is set in advance and it is judged that the optimum design data is located in the probability distribution within the predetermined range in the calculated probability distribution and it can be judged whether the experimental result data is the optimum data satisfying the criterion .
이상에서 설명한 바와 같이, 본 발명에 의한 구조물의 최적 설계 방법에 의하면, 보다 간단하고 빠르게 최적 설계를 수행할 수 있게 되는 장점이 있다.As described above, according to the optimum design method of the structure according to the present invention, there is an advantage that the optimum design can be performed more simply and quickly.
또한, 보다 간단하고 빠르게 최적 설계의 수행이 가능하면서도, 종래의 레벨3 수준의 신뢰성에 의한 최적 설계가 가능하여 최적 설계 결과에 대한 신뢰성이 높은 장점이 있다.
In addition, it is possible to carry out the optimum design more easily and quickly, and it is also possible to perform the optimum design by the reliability of the level 3 level of the related art, and thus the reliability of the optimum design result is high.
도 1은 본 발명의 바람직한 일 실시예에 따른 최적 설계 방법이 구현되는 순서를 도시한 순서도.
도 2는 종래의 신뢰성 해석 방법을 위한 몬테카를로 샘플링 방법에 대하여 예시하여 도시한 도면.
도 3은 종래의 신뢰성 해석 방법을 위한 라틴 하이퍼큐브 샘플링 방법에 대하여 예시하여 도시한 도면.
도 4는 본 발명의 바람직한 일 실시예에 따른 최적 설계 방법에 적용될 수 있는 구조물의 신뢰성 해석 방법이 수행되는 과정을 개략적으로 도시한 도면.
도 5는 본 발명의 바람직한 일 실시예에 따른 최적 설계 방법에 적용될 수 있는 구조물의 신뢰성 해석 방법이 수행되는 과정을 도시한 순서도.
도 6은 본 발명의 바람직한 일 실시예에 따른 구조물의 최적 설계 방법을 장치로 구현하는 경우 그 구성을 도시한 도면.BRIEF DESCRIPTION OF THE DRAWINGS FIG. 1 is a flow chart showing a sequence in which an optimal design method according to a preferred embodiment of the present invention is implemented. FIG.
2 is a diagram illustrating an example of a Monte Carlo sampling method for a conventional reliability analysis method.
3 is a diagram illustrating an example of a Latin hypercube sampling method for a conventional reliability analysis method.
4 is a view schematically illustrating a process of performing a reliability analysis method of a structure applicable to an optimal design method according to a preferred embodiment of the present invention.
5 is a flowchart showing a process of performing a reliability analysis method of a structure applicable to an optimum design method according to a preferred embodiment of the present invention.
6 is a diagram illustrating the structure of an apparatus according to an exemplary embodiment of the present invention when a method for optimizing a structure is implemented.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.While the invention is susceptible to various modifications and alternative forms, specific embodiments thereof are shown by way of example in the drawings and will herein be described in detail. It should be understood, however, that the invention is not intended to be limited to the particular embodiments, but includes all modifications, equivalents, and alternatives falling within the spirit and scope of the invention.
각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.Like reference numerals are used for like elements in describing each drawing. DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, the present invention will be described in detail with reference to the accompanying drawings.
제1, 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.The terms first, second, etc. may be used to describe various components, but the components should not be limited by the terms. The terms are used only for the purpose of distinguishing one component from another.
예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.For example, without departing from the scope of the present invention, the first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component.
및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.And / or < / RTI > includes any combination of a plurality of related listed items or any of a plurality of related listed items.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.It is to be understood that when an element is referred to as being "connected" or "connected" to another element, it may be directly connected or connected to the other element, .
반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.On the other hand, when an element is referred to as being "directly connected" or "directly connected" to another element, it should be understood that there are no other elements in between.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다.The terminology used in this application is used only to describe a specific embodiment and is not intended to limit the invention.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The singular expressions include plural expressions unless the context clearly dictates otherwise. In the present application, the terms "comprises" or "having" and the like are used to specify that there is a feature, a number, a step, an operation, an element, a component or a combination thereof described in the specification, But do not preclude the presence or addition of one or more other features, integers, steps, operations, elements, components, or combinations thereof.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
Terms such as those defined in commonly used dictionaries are to be interpreted as having a meaning consistent with the contextual meaning of the related art and are to be interpreted as either ideal or overly formal in the sense of the present application Do not.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 대응하는 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings, wherein like or corresponding elements are denoted by the same reference numerals, and a duplicate description thereof will be omitted.
먼저 도 1을 참조하여 본 발명의 바람직한 일 실시예에 따른 최적 설계 방법이 구현되는 순서들 살펴보기로 한다.First, the order in which the optimal design method according to a preferred embodiment of the present invention is implemented will be described with reference to FIG.
도 1은 본 발명의 바람직한 일 실시예에 따른 최적 설계 방법이 구현되는 순서를 도시한 순서도이다.FIG. 1 is a flowchart showing a procedure in which an optimal design method according to a preferred embodiment of the present invention is implemented.
도 1에 도시된 바와 같이, 본 발명의 바람직한 일 실시예에 따른 최적 설계 방법은 먼저 설계하고자 하는 부분 즉 설계 데이터를 입력 받으면(S100) 입력받은 설계 데이터에 따라 시뮬레이션을 수행하여(S102) 실험 결과 데이터 즉 시뮬레이션 수행 결과 데이터를 출력한다(S104).As shown in FIG. 1, the optimal design method according to the preferred embodiment of the present invention first performs a simulation according to input design data (S102) upon receiving a design part, that is, design data (S100) That is, simulation result data is output (S104).
그리고 시뮬레이션 수행 결과 데이터가 특정 기준을 충족하는 최적의 데이터인지 판단하여(S106), 만약 최적의 데이터가 아니라면 변경된 설계 데이터를 다시 입력받아 이에 따라 설계 데이터를 변경하여(S108) 시뮬레이션을 다시 수행하여 최적의 데이터 여부를 다시 판단하게 된다.Then, it is determined whether the simulation result data is optimal data satisfying a specific criterion (S106). If the optimum data is not the optimal data, the changed design data is input again and the design data is changed accordingly (S108) Of the data.
그러나, 만약 실험 결과 데이터가 기준을 충족하는 최적의 데이터라면 입력된 설계 데이터대로 설계를 확정하게 된다(S110).However, if the experimental result data is the optimum data satisfying the criterion, the design is determined according to the inputted design data (S110).
한편, 이러한 최적 설계 과정에서는 특정 기준을 만족하는 최적 데이터는 반드시 1개가 아니라 복수 개일 수 있으며, 특정 기준 또한 복수 개일 수 있으며 설계 조건 등에 따라 달라질 수도 있다.On the other hand, in this optimum design process, the optimum data satisfying a specific criterion may not necessarily be one but plural, and a plurality of specific criteria may also be used, and may vary depending on design conditions and the like.
그리고 단계 106에서 시뮬레이션 수행 결과 데이터가 특정 기준을 충족하는 최적의 데이터인지 판단하는 것은 다양한 방법으로 가능하나, 본 발명에서는 신뢰성 해석 즉 신뢰성 계산을 통해 미리 설정된 신뢰성을 충족하는지 여부를 통해 판단할 수 있다.In step 106, it is possible to determine whether the simulation result data is optimal data satisfying a specific criterion by various methods. However, in the present invention, it is possible to determine through the reliability analysis, that is, .
이러한 신뢰성 해석에서 본 발명에서 이용되는 신뢰성 해석 방법은 레벨 분류법에 따른 신뢰성 해석 방법 중 레벨3의 신뢰성 해석 방법에 관한 것을 적용할 수 있다.In this reliability analysis, the reliability analysis method used in the present invention can be applied to the level 3 reliability analysis method among the reliability analysis methods according to the level classification method.
신뢰성 해석 방법에서 신뢰성은 해당 구조물이 본래의 기능을 수행하지 못하게 되는 고장 확률을 의미하는 것과 같다.In the reliability analysis method, reliability is the same as the probability of failure that the structure can not perform its original function.
이러한 레벨3의 신뢰성 해석 방법에서 사용되는 확률 밀도 함수는 아래 [식 1]과 같이 나타낼 수 있으며, 이를 계산하기 위해서는 다중 적분이 필요하다.The probability density function used in this level 3 reliability analysis method can be expressed as [Equation 1], and multiple integration is required to calculate this.
[식 1][Formula 1]
한편, 이러한 다중 적분을 위해서는 많은 시간이 소요되며, 컴퓨터 등의 계산 장치도 많은 부하가 발생하게 된다.On the other hand, it takes a lot of time to perform such a multiple integration, and a load of a calculation device such as a computer is also increased.
또한, 확률 밀도 함수에 적용되는 다양한 변수들을 대입하기 위한 샘플링 방법도 종래에는 몬테카를로 샘플링 방법과 하이퍼큐브 샘플링 방법을 적용함으로써 많은 시간이 소요되게 된다.In addition, sampling method for substituting various variables applied to the probability density function also takes a long time by conventionally applying the Monte Carlo sampling method and the hypercube sampling method.
이하에서는 종래의 레벨3 신뢰성 해석 기법과 본 발명에 이용되는 신뢰성 해석 기법을 비교하여 설명하기로 한다. Hereinafter, a comparison between a conventional level 3 reliability analysis technique and a reliability analysis technique used in the present invention will be described.
먼저 종래의 레벨3 신뢰성 해석 기법으로 널리 알려진 몬테카를로 샘플링 방법과 하이퍼큐브 샘플링 방법에 대해 도 2 및 도 3을 참조하여 각각 살펴본다.First, a Monte Carlo sampling method and a hypercube sampling method, which are widely known as conventional level 3 reliability analysis techniques, will be described with reference to FIGS. 2 and 3, respectively.
도 2는 종래의 몬테카를로 샘플링 방법에 대하여 예시하여 도시한 도면이고, 도 3은 종래의 라틴 하이퍼큐브 샘플링 방법에 대하여 예시하여 도시한 도면이다.FIG. 2 is a diagram illustrating an example of a conventional Monte Carlo sampling method, and FIG. 3 is a diagram illustrating an example of a conventional Latin hypercube sampling method.
도 2에 도시된 바와 같이 종래의 몬테카를로 샘플링 방법에서는 신뢰성 해석을 위한 시뮬레이션을 위한 샘플 데이터틀 선정함에 있어서 데이터 범위 내의 임의의 난수를 추출하는 방법을 사용한다.As shown in FIG. 2, in the conventional Monte Carlo sampling method, a random number within a data range is extracted in a sample data frame selection for simulation for reliability analysis.
그리고 이렇게 선정된 난수를 이용하여 선정된 샘플 데이터로 시뮬레이션을 수행하고 그 결과값에 대하여 각각 평균과 편차를 구하고 이를 통해 신뢰성을 계산하게 된다.Then, the simulation is performed using the selected sample data using the selected random numbers, and the reliability and the average of the result are obtained.
이에 비해 라틴 하이퍼큐브 샘플링 방법은 변수와 이에 대한 함수로 이루어지는 공간에 대하여 공간 채움을 고려하여 샘플 데이터를 선정하고 선정된 샘플 데이터로 시뮬레이션을 수행한 후 그 결과값에 대하여 각각 평균과 편차를 구하고 이를 통해 신뢰성을 계산하게 된다.On the other hand, the Latin hypercube sampling method selects a sample data considering a space filling between a variable and its function, performs a simulation using the selected sample data, and then obtains an average and a deviation of the result, The reliability is calculated.
라틴 하이퍼큐브 샘플링 방법은 몬테카를로 샘플링 방법에 의할 경우 임의의 난수가 특정 구역에 집중적으로 발생될 가능성도 배제할 수 없는 문제점이 있어 이를 극복하기 위한 방안으로 제시되었다.The Latin hypercube sampling method is proposed as a method to overcome this problem because it can not exclude the possibility that arbitrary random numbers occur intensively in a specific area when the Monte Carlo sampling method is used.
그러나 라틴 하이퍼큐브 샘플링 방법의 경우에도 상대적으로 많은 샘플링 데이터가 요구되므로 결국 시뮬레이션 수행에 많은 시간이 소요되게 된다.However, even in the case of the Latin hypercube sampling method, since a relatively large amount of sampling data is required, it takes a long time to perform the simulation.
본 발명에서는 이러한 문제점을 극복하기 위해 먼저 확률 밀도 함수의 n차원 적분을 n개의 1차원 적분으로 분해(decomposition)한다.In order to overcome this problem, the present invention firstly decomposes an n-dimensional integral of a probability density function into n 1-dimensional integrations.
이렇게 n차원 적분을 n개의 1차원 적분으로 분해하여 계산하는 경우 계산의 정확도는 낮아질 수 있지만 계산 시간이나 계산 장치의 부하는 크게 줄이게 된다.When the n-dimensional integral is decomposed into n 1-dimensional integrations, the accuracy of the calculation can be lowered, but the computation time and the load of the calculation device are greatly reduced.
또한 샘플링 방법에 있어서도 몬테카를로 샘플링이나 라틴 하이퍼큐브 샘플링에 비해 샘플링 개수를 크게 줄일 수 있게 된다.In addition, the sampling method can significantly reduce the number of samples compared to Monte Carlo sampling or Latin hypercube sampling.
도 4 및 도 5를 참조하여 본 발명의 바람직한 일 실시예에 따른 신뢰성 해석 방법에 대해 보다 상세하게 살펴보기로 한다.4 and 5, a reliability analysis method according to a preferred embodiment of the present invention will be described in more detail.
도 4는 본 발명의 바람직한 일 실시예에 따른 구조물의 신뢰성 해석 방법이 수행되는 과정을 개략적으로 도시한 도면이고, 도 5는 본 발명의 바람직한 일 실시예에 따른 구조물의 신뢰성 해석 방법이 수행되는 과정을 도시한 순서도이다.FIG. 4 is a view schematically showing a process of performing a reliability analysis method of a structure according to a preferred embodiment of the present invention. FIG. 5 is a flowchart illustrating a method of performing a reliability analysis of a structure according to an exemplary embodiment of the present invention Fig.
도 4에 도시된 바와 같이 본 발명에 의한 구조물의 신뢰성 해석 방법은 전술한 바와 같이 확률 밀도 함수에서 n차원(n은 2이상의 자연수)의 적분을 n개의 1차원 적분으로 분해한다.As shown in FIG. 4, the reliability analysis method of a structure according to the present invention decomposes an integral of n dimensions (n is a natural number of 2 or more) into n one-dimensional integrations in the probability density function as described above.
n차원 적분과 n개의 1차원 적분의 결과값을 비교할 때 결과값이 비록 정확하게 일치하지는 않지만 그 결과값이 신뢰성 해석에서는 무시할 수 있을 정도의 근사값인 점을 이용하는 것이다.When comparing the results of n-dimensional integration and n 1-dimensional integrations, we use the fact that the resulting values are not exactly the same, but the resulting values are approximations that can be ignored in the reliability analysis.
이를 통해 신뢰성 해석을 수행하는 장치, 일반적으로 컴퓨터와 같은 장치에서의 계산 속도 및 부하를 줄이게 되는 것이다.This reduces the computational speed and load on devices that perform reliability analysis, typically a computer.
다음으로 시뮬레이션 즉 구조 해석을 수행하게 될 데이터들 즉 변수들을 선정하는 샘플링을 수행하게 되는데 이때 종래의 몬테카를로 샘플링 방법이나 라틴 하이퍼큐브 샘플링 방법에서와 같이 많은 개수를 샘플링하는 것이 아니라 확률 밀도 함수에서 n차원을 구성하게 되는 변수의 개수를 나타내는 n개 이상만을 샘플링한다.Next, the sampling is performed to select the data or variables to be subjected to the simulation, that is, the structure analysis. In this case, rather than sampling a large number of samples as in the conventional Monte Carlo sampling method or Latin Hyper Cube sampling method, Only n or more samples representing the number of variables constituting the sample are sampled.
n개 이상을 샘플링하는 방법에서 샘플링 개수는 다양하게 설정할 수 있으며 예를 들면, 변수의 2n+1, 4n+1, 6n+1과 같은 규칙을 통해 샘플링하는 방법이 가능하나 이에 한정되는 것은 아니다.In the method of sampling at least n samples, the sampling number can be set in various ways. For example, a method of sampling through a rule such as 2n + 1, 4n + 1, 6n + 1 of a variable is possible, but is not limited thereto.
다만 n개 이상을 샘플링하되, 몬테카를로 샘플링이나 라틴하이퍼 큐브 샘플링에서의 샘플링 개수보다 적은 개수의 샘플링을 수행한다.Just perform sampling of n or more, but perform fewer sampling than the number of samples in Monte Carlo sampling or Latin hypercube sampling.
한편, n개 이상의 샘플링을 위한 샘플링 대상의 선정 방법은 다양하게 설정할 수 있으며, 예를 들면, 몬테카를로 샘플링처럼 난수를 이용하여 임의의 대상을 샘플링하거나, 라틴 하이퍼큐브 샘플링과 같이 변수들에 의해 생성되는 구조 해석 계산에서 공간 채움을 고려하여 샘플링 대상을 추출하는 것도 가능하다.Meanwhile, the selection method of sampling objects for n or more sampling can be variously set. For example, it is possible to sample arbitrary objects using random numbers, such as Monte Carlo sampling, or generate random variables such as Latin hypercube sampling It is also possible to extract a sampling object in consideration of space filling in the structural analysis calculation.
이렇게 몇 개의 샘플링 데이터를 이용하여 도출된 결과값들로부터 각각의 결과값들이 이루는 점들을 연결하게 되면 대략적인 근사 모델을 생성할 수 있다.The approximate approximate model can be created by connecting the points formed by the respective result values from the resultant values obtained by using a few sampling data.
이렇게 생성된 근사모델에서 심슨 법칙(Simpson's Rule)을 이용하여 1차, 2차, 3차 및 4차 모멘트를 계산한다.The first, second, third, and fourth moments are calculated using the Simpson's rule in the generated approximate model.
심슨 법칙은 근사적분 중의 하나로서 현재 알려진 근사 적분 공식들 중에선 높은 정확도를 나타낸다.Simpson's law is one of the approximate integrals, and among the currently known approximate integrals, it shows high accuracy.
이러한 심슨 법칙을 이용하여 1 내지 4차 모멘트를 구하게 되며, 계산되는 1차 모멘트는 평균(average), 2차 모멘트는 표준편차(devation), 3차 모멘트는 왜도(skewness), 4차 모멘트는 첨도(kurtosis)가 된다.The first to fourth moments are calculated using these Simpson's laws. The calculated first moments are average, second moments are devation, third moments are skewness, and fourth moments are It becomes kurtosis.
각각의 모멘트 값을 피어슨 시스템(Pearson System)에 적용하면 전체적인 확률 분포를 표시할 수 있게 되는 것이다.Applying each moment value to the Pearson System can display the overall probability distribution.
피어슨 시스템은 피어슨 상관 분석이라고 불리우며, 일반적으로 변수들 간의 선형적 상호 관계를 알 수 있게 하는 것으로서 앞서 계산된 1 내지 4차 모멘트를 이용하여 선형적 상호 관계를 알게 하고, 결국 확률 분포도를 표시할 수 있게 된다.The Pearson system is called Pearson Correlation Analysis, which is a generalization of the linear correlation between variables. Using the previously calculated first to fourth moments, the linear correlation is known, and finally the probability distribution diagram can be displayed .
이러한 확률 분포도에서 구조물의 신뢰성을 계산할 수 있게 되는 것이다.In this probability distribution diagram, the reliability of the structure can be calculated.
도 4의 과정을 순서도로 표시한 것이 도 5로서, 도 5에 도시된 바와 같이 본 발명의 바람직한 일 실시예에 따른 신뢰성 해석 방법은 n차원 확률 밀도 함수를 분해하여 n개의 1차원 적분으로 변환한다(S500).5 is a flowchart showing the process of FIG. 4. As shown in FIG. 5, the reliability analysis method according to an exemplary embodiment of the present invention decomposes an n-dimensional probability density function into n 1-dimensional integrations (S500).
그리고 n개 이상의 데이터를 샘플링하고(S502), 데이터를 입력하여 출력되는 결과값을 이용하여 근사 모델을 생성한다(S504).Then, n or more data are sampled (S502), and an approximate model is generated using the resultant value that is input by inputting the data (S504).
그리고 생성된 근사 모델로부터 1 내지 4차 모멘트를 계산하고(S506), 계산된 1 내지 4차 모멘트를 이용하여 확률 분포도를 계산함으로써(S508) 신뢰성을 해석을 수행하게 되는 것이다.The first through fourth moments are calculated from the generated approximate model (S506), and reliability analysis is performed by calculating the probability distribution diagram using the calculated first through fourth moments (S508).
전술한 바와 같이 1내지 4차 모멘트의 계산시에는 바람직하게는 심슨 법칙을 사용할 수 있으며, 확률분포도 즉 그래프를 생성할 때에는 피어슨 시스템을 이용하는 것이 바람직하나 이에 한정되는 것은 아니다.As described above, it is preferable to use the Simpson's law when calculating the first to fourth moments. It is preferable to use the Pearson system when generating the probability distribution diagram, that is, the graph, but the present invention is not limited thereto.
한편, 도 4 및 도 5에서는 미도시하였으나, 본 발명에 의한 신뢰성 해석 방법은 전술한 바와 같이 먼저 구조물의 설계 데이터와 주변 환경 등에 대한 데이터를 기초로 하여 하중 해석을 수행하고, 하중 해석을 통해 다시 극한 하중을 도출한다.4 and 5, the reliability analysis method according to the present invention performs the load analysis based on the data on the design data of the structure and the surrounding environment, and then, through the load analysis, Extreme load is derived.
그리고, 극한 하중을 적용하는 경우의 구조물의 구조 해석을 수행하는 과정과 연계하여 수행할 수 있다.In addition, it can be performed in conjunction with the process of performing the structural analysis of the structure when the ultimate load is applied.
예를 들면, 풍력 발전을 위한 풍력 발전기의 지지대인 모노 파일이 현재 설계된 데이터를 근거로 하였을 때 붕괴될 가능성이 어느 정도인지를 계산하는 것 즉 신뢰성 해석을 수행한다고 가정하자.For example, suppose that a monopile, which is a support for a wind turbine for wind power generation, is calculating the probability of collapsing based on currently designed data, that is, performing a reliability analysis.
이 경우 먼저 설계된 모노 파일에 대한 하중 해석을 수행하고, 주변 환경 예를 들어, 최대 풍속이나 최대 파고 등에 의한 하중이나 모노 파일 재료의 제작상의 오류 등으로 인한 오차 등을 고려하였을 때의 극한 하중을 도출한다.In this case, the load analysis for the designed mono file is carried out, and the ultimate load when considering the ambient environment, for example, the error due to the load due to the maximum wind speed, the maximum wave height, or the manufacturing error of the monofile material, do.
그리고 이러한 극한 하중에서의 구조물의 상태에 대해 계산하는 과정인 구조 해석을 수행하게 되며, 이때 극한 하중이 적용될 때의 변수들 예를 들면 최대 풍속에 최대 파고에 모노 파일의 제작 오차가 최대치인 경우의 상관 관계에 따른 확률과 이에 따른 고장 확률을 계산하는 것이다.The structural analysis, which is a process of calculating the state of the structure under such an ultimate load, is performed. In this case, the parameters when the ultimate load is applied, for example, when the maximum error in the maximum wave- And calculates the probability of the correlation and the probability of failure according to the correlation.
그리고 최적 설계의 경우 이러한 신뢰성 범위 내에 있는 설계 데이터가 설계 데이터가 되도록 함으로써 이루어지게 된다.
In the case of the optimum design, the design data within the reliability range becomes the design data.
한편, 이러한 본 발명에 의한 최적 설계 방법은 프로그램의 형태로 구현되어 컴퓨팅 장치 등에 설치되어 수행될 수 있다.Meanwhile, the optimal design method according to the present invention can be implemented in the form of a program and installed in a computing device or the like.
또한, 컴퓨팅 장치 등에 각각의 기능들을 설치하여 본 발명에 의한 최적 설계 방법이 수행되도록 하는 것이 가능할 것이다.In addition, it is possible to install the respective functions in a computing device or the like so that the optimum design method according to the present invention can be performed.
이하 도 6은 본 발명에 의한 최적 설계 방법이 장치의 형태로 구현되는 경우 이를 예시하여 도시한 도면이다.6 is a diagram illustrating an optimal design method according to an embodiment of the present invention.
도 6은 본 발명의 바람직한 일 실시예에 따른 구조물의 신뢰성 해석 방법을 장치로 구현하는 경우 그 구성을 도시한 도면이다.FIG. 6 is a diagram illustrating the structure of a reliability analysis method for a structure according to an embodiment of the present invention.
도 6에 도시된 바와 같이 본 발명의 바람직한 일 실시예에 따른 구조물의 최적 설계 장치는 설계 데이터 입력부(600), 시뮬레이션 수행부(610), 실험 결과 데이터 출력부(620), 최적 설계 데이터 판단부(630)를 포함할 수 있다.6, the optimum design apparatus for a structure according to an exemplary embodiment of the present invention includes a design
설계 데이터 입력부(600)는 최적 설계를 위한 설계 데이터를 입력받는 부분으로서, 컴퓨팅 장치로 구현되는 경우 컴퓨팅 장치에 포함된 입력 장치 예를 들면, 키보드, 터치 패드 등의 장치로 구현될 수 있다.The design
따라서 설계 데이터 입력부(600)는 본 발명에 의한 최적 설계 장치에 포함되거나 별도로 구현될 수 있음은 자명하다.Therefore, it is apparent that the design
시뮬레이션 수행부(610)는 입력받은 설계 데이터를 이용하여 시뮬레이션을 수행한다.The
시뮬레이션 즉 가상 실험은 컴퓨팅 장치의 계산에 의해 입력받은 설계 데이터에 의해 구조물이 주변 환경 예를 들면, 바람이 불거나 비가 오는 경우 구조물이 어떻게 변화되는지를 데이터로 보여주는 가상 실험을 수행하는 것이다.Simulation, or virtual experiment, is a virtual experiment that shows the data of how the structure changes in the surrounding environment, for example, when the wind is blowing or rain, by the design data input by the computing device's calculation.
실험 결과 데이터 출력부(620)는 시뮬레이션의 수행 결과를 표시하는 부분으로서, 컴퓨팅 장치로 구현되는 경우 컴퓨팅 장치에 포함된 표시 장치나 출력 장치 예를 들면, 모니터, 프린터 등의 장치로 구현될 수 있다.As a result of the experiment, the
따라서 실험 결과 데이터 출력부(620)는 본 발명에 의한 최적 설계 장치에 포함되거나 별도로 구현될 수 있음은 자명하다.Therefore, it is obvious that the
최적 설계 데이터 판단부(630)는 시뮬레이션 수행부(610)에서 수행한 시뮬레이션 수행 결과에 따라 입력 받은 설계 데이터가 최적 설계 데이터인지 여부를 판단한다.The optimum design
최적 설계 데이터인지 여부 판단은 설계 데이터 등의 변수 값이 많아짐에 따라 단순히 붕괴나 고장 등으로만 판단하는 것이 아니라, 전술한 바와 같이 신뢰성 해석을 통해 판단할 수 있다.The determination as to whether or not the optimum design data is determined can be made through the reliability analysis as described above, rather than simply determining by collapse or failure as the value of the design data increases.
물론 모든 경우의 수에 대해 해당 구조물이 완전히 붕괴나 고장이 발생하지 않는 것이 최고의 설계 데이터일 것이나, 이렇게 하는 경우 구조물의 제작이나 건설 등에 필요 이상의 비용이 소요될 것이므로, 모든 요소를 고려하여 가장 적합한 설계 데이터를 산출해내는 것이 중요한데 이때 사용될 수 있는 것이 바로 신뢰성 해석인 것이다.Of course, it would be the best design data that the structure does not completely collapse or fail for all cases, but if you do this, it will cost more than necessary to build or construct the structure. It is the reliability analysis that can be used at this time.
한편, 이러한 신뢰성 해석의 기준이 되는 신뢰성의 정도는 미리 설정할 수 있다.On the other hand, the degree of reliability that is the basis of such reliability analysis can be set in advance.
예를 들면, 풍력 구조물의 최적 설계를 수행한다고 가정하고, 만약 풍력 구조물이 위치하는 지역 등을 고려할 때, 신뢰성이 95%라 설정하면, 해당 풍력 구조물이 붕괴할 가능성이 5%이내로 설계 데이터를 만들어 내는 것이다.For example, assuming that the optimum design of the wind power structure is performed, and if the reliability is set to 95% considering the area where the wind power structure is located, etc., the possibility that the wind power structure collapses is less than 5% I will.
다시 말해 입력받은 설계 데이터가 신뢰성이 95%이상 즉 붕괴나 고장 확률이 5%이내라면 입력받은 설계 데이터는 최적 설계 데이터로 판단할 수 있는 것이다.In other words, if the input design data has a reliability of 95% or more, that is, if the probability of collapse or failure is within 5%, the input design data can be determined as the optimum design data.
이러한 본 발명에 의한 최적 설계 방법 및 장치에 의한 최적 설계 데이터인지 여부를 판단하게 되는 신뢰성 해석에서 많은 시간과 부하를 줄일 수 있게 되므로 보다 빠르게 신뢰성이 높은 최적 설계 데이터를 확정할 수 있게 된다.
Since the time and load can be reduced in the reliability analysis for determining whether the optimal design data and the optimum design data according to the present invention are determined, it is possible to determine the optimum design data with higher reliability.
상기한 본 발명의 바람직한 실시예는 예시의 목적을 위해 개시된 것이고, 본 발명에 대해 통상의 지식을 가진 당업자라면 본 발명의 사상과 범위 안에서 다양한 수정, 변경, 부가가 가능할 것이며, 이러한 수정, 변경 및 부가는 하기의 특허청구범위에 속하는 것으로 보아야 할 것이다.
It will be apparent to those skilled in the relevant art that various modifications, additions and substitutions are possible, without departing from the spirit and scope of the invention as defined by the appended claims. The appended claims are to be considered as falling within the scope of the following claims.
600: 설계 데이터 입력부 610: 시뮬레이션 수행부
620: 실험 결과 출력부 630: 최적 설계 데이터 판단부600 design
620: Experimental result output part 630: Optimum design data judgment part
Claims (19)
설계 데이터를 입력받으면, 상기 입력받은 설계 데이터에 따라 시뮬레이션(simulation)을 수행하여 시뮬레이션 수행 결과 데이터를 출력하고, 상기 시뮬레이션 수행 결과 데이터가 특정 기준을 충족하는 최적의 데이터인지 판단하여, 만약 최적의 데이터가 아니라면 변경된 설계 데이터를 다시 입력받아 상기 시뮬레이션을 다시 수행하여 최적의 데이터 여부를 다시 판단하고, 만약 실험 결과 데이터가 기준을 충족하는 최적의 데이터라면 입력된 설계 데이터대로 설계를 확정하는 것을 수행하고,
상기 시뮬레이션 수행 결과 데이터가 특정 기준을 충족하는 최적의 데이터인지 판단하는 것은 상기 구조물의 신뢰성 계산을 통해 수행하고,
상기 구조물의 신뢰성 계산은,
상기 신뢰성 계산을 위한 확률 밀도 함수에서 n(n은 2이상의 자연수)차원의 다중적분 함수를 n개의 1차원 적분으로 변환하는 단계;
상기 n개의 1차원 적분으로 변환된 확률 밀도 함수를 이용하여 구조 해석에 이용될 n개 이상의 데이터를 샘플링하는 단계;
상기 샘플링된 데이터를 이용하여 계산된 결과값을 이용하여 근사 모델을 생성하는 단계;
상기 생성된 근사 모델로부터 확률 모멘트를 계산하는 단계; 및
상기 계산된 확률 모멘트를 이용하여 확률 분포를 계산하는 단계를 포함하는 것을 특징으로 하는 구조물의 최적 설계 방법.
A method of optimizing a structure performed by a computing device,
And outputs the simulation result data. If it is determined that the simulation result data is optimal data satisfying a specific criterion, if the optimal data The modified design data is input again and the simulation is again performed to determine whether the optimum data is the optimum data. If the experimental data is the optimum data satisfying the criterion, the design is determined according to the inputted design data,
Determining whether the simulation result data is optimal data satisfying a specific criterion is performed through reliability calculation of the structure,
The reliability calculation of the structure may be performed,
Transforming a multiple integration function of n (n is a natural number of 2 or more) dimension into n one-dimensional integers in the probability density function for reliability calculation;
Sampling at least n pieces of data to be used for the structural analysis using the probability density function converted into the n 1-dimensional integrations;
Generating an approximate model using the calculated result using the sampled data;
Calculating a probability moment from the generated approximate model; And
And calculating a probability distribution using the calculated probability moment.
상기 구조물의 신뢰성 계산을 위한 확률 밀도 함수에서 n(n은 2이상의 자연수)차원의 다중적분 함수를 n개의 1차원 적분으로 변환하는 단계를 수행하기 전에,
상기 구조물의 하중 해석을 통해 극한 하중을 도출하는 단계;
상기 극한 하중이 적용되는 경우에 대한 구조 해석을 수행하는 단계를 수행한 후,
상기 구조 해석에 적용되는 n개의 변수들에 대하여 상기 구조물의 신뢰성 계산을 위한 확률 밀도 함수에서 n(n은 2이상의 자연수)차원의 다중적분 함수를 n개의 1차원 적분으로 변환하는 단계를 수행하는 것을 특징으로 하는 구조물의 최적 설계 방법.
The method according to claim 1,
Before performing the step of converting a multiple integral function of dimension n (n is a natural number of 2 or more) to n one-dimensional integers in the probability density function for reliability calculation of the structure,
Deriving an ultimate load through a load analysis of the structure;
After performing the structural analysis for the application of the ultimate load,
Performing a step of converting a multiple integration function of dimension n (n is a natural number of 2 or more) into n 1-dimensional integers in a probability density function for reliability calculation of the structure with respect to n variables applied to the structural analysis A method for optimum design of a structure.
상기 n개의 1차원 적분으로 변환된 확률 밀도 함수를 이용하여 구조 해석에 이용될 n개 이상의 데이터를 샘플링하는 단계에서,
상기 n개 이상의 데이터를 선정하는 것은 임의의 난수를 이용하여 선정하는 것을 특징으로 하는 구조물의 최적 설계 방법.
The method according to claim 1,
In the step of sampling n or more data to be used for the structural analysis using the probability density function converted into the n one-dimensional integrations,
Wherein the selecting of the n or more data items is performed by using an arbitrary random number.
상기 n개의 1차원 적분으로 변환된 확률 밀도 함수를 이용하여 구조 해석에 이용될 n개 이상의 데이터를 샘플링하는 단계에서,
상기 n개 이상의 데이터를 선정하는 것은 상기 확률밀도함수에서의 공간 채움을 고려하여 선정하는 것을 특징으로 하는 구조물의 최적 설계 방법.
The method according to claim 1,
In the step of sampling n or more data to be used for the structural analysis using the probability density function converted into the n one-dimensional integrations,
Wherein the selecting of the n or more data items is performed in consideration of the space filling in the probability density function.
상기 생성된 근사 모델로부터 확률 모멘트를 계산하는 단계는,
심슨 법칙(Simpson's Rule)을 이용하여 수행되는 것을 특징으로 하는 구조물의 최적 설계 방법.
The method according to claim 1,
Calculating a probability moment from the generated approximate model,
(Simpson ' s Rule). ≪ / RTI >
상기 생성된 근사 모델로부터 확률 모멘트를 계산하는 단계에서,
상기 계산되는 확률 모멘트는 1차 내지 4차 모멘트인 것을 특징으로 하는 구조물의 최적 설계 방법.
The method according to claim 1,
Calculating a probability moment from the generated approximate model,
Wherein the calculated probability moment is a first order to a fourth order moment.
상기 계산되는 확률 모멘트 중 1차 모멘트는 평균(average), 2차 모멘트는 편차(deviation), 3차 모멘트는 왜도(skewness), 4차 모멘트는 첨도(kurtosis)인 것을 특징으로 하는 구조물의 최적 설계 방법.
The method according to claim 6,
Wherein the first moment of the calculated probability moment is an average, the second moment is a deviation, the third moment is a skewness, and the fourth moment is kurtosis. Design method.
상기 계산된 확률 모멘트를 이용하여 확률 분포를 계산하는 단계는,
피어슨 시스템(Pearson System)을 이용하여 수행되는 것을 특징으로 하는 구조물의 최적 설계 방법.
The method according to claim 1,
Wherein the calculating the probability distribution using the calculated probability moment comprises:
Wherein the method is performed using a Pearson system.
상기 구조물의 신뢰성은 미리 설정되고, 상기 계산된 확률 분포에서 상기 최적의 데이터가 상기 미리 설정된 범위내의 확률 분포에 위치하는지를 판단하여 실험 결과 데이터가 기준을 충족하는 최적의 데이터인지 여부를 판단하는 것을 특징으로 하는 구조물의 최적 설계 방법.
The method according to claim 1,
Wherein reliability of the structure is set in advance and it is determined whether the optimum data is located in a probability distribution within the predetermined range in the calculated probability distribution and whether or not the experimental result data is optimal data satisfying the criterion The optimum design method of the structure.
설계 데이터를 입력받는 설계 데이터 입력부;
상기 설계 데이터 입력부에서 입력받은 설계 데이터에 따라 시뮬레이션(simulation)을 수행하는 시뮬레이션 수행부;
상기 시뮬레이션 수행부에서의 시뮬레이션 수행 결과 데이터를 출력하는 실험 결과 출력부; 및
상기 실험 결과 출력부에서 출력된 상기 시뮬레이션 수행 결과 데이터가 특정 기준을 충족하는 최적의 데이터인지 판단하는 최적 설계 데이터 판단부를 포함하고,
상기 최적 설계 데이터 판단부에서 상기 입력받은 설계 데이터가 만약 최적의 데이터가 아니라고 판단되면 상기 설계 데이터 입력부에서 변경된 설계 데이터를 다시 입력받고, 상기 시뮬레이션 수행부에서 상기 시뮬레이션을 다시 수행하여, 상기 최적 설계 데이터 판단부에서 설계 최적의 데이터 여부를 다시 판단하고,
상기 최적 설계 데이터 판단부에서 만약 실험 결과 데이터가 기준을 충족하는 최적의 데이터라고 판단되면 입력된 설계 데이터대로 설계를 확정하는 것을 수행하고,
상기 최적 설계 데이터 판단부에서 상기 시뮬레이션 수행 결과 데이터가 특정 기준을 충족하는 최적의 데이터인지 판단하는 것은 상기 구조물의 신뢰성 계산을 통해 수행하고,
상기 신뢰성 계산은, 상기 신뢰성 계산을 위한 확률 밀도 함수에서 n(n은 2이상의 자연수)차원의 다중적분 함수를 n개의 1차원 적분으로 변환하여, 상기 n개의 1차원 적분으로 변환된 확률 밀도 함수를 이용하여 구조 해석에 이용될 n개 이상의 데이터를 샘플링하고, 상기 샘플링된 데이터를 이용하여 계산된 결과값을 이용하여 근사 모델을 생성하여, 상기 생성된 근사 모델로부터 확률 모멘트를 계산하고, 상기 계산된 확률 모멘트를 이용하여 확률 분포를 계산하여 이루어지는 것을 특징으로 하는 구조물의 최적 설계 장치.
In an optimum design apparatus for a structure,
A design data input unit for receiving design data;
A simulation execution unit for performing a simulation according to the design data input from the design data input unit;
An experimental result output unit for outputting simulation execution result data in the simulation performing unit; And
And an optimum design data determining unit for determining whether the simulation result data output from the output unit is optimal data satisfying a specific criterion,
Wherein if the design data inputted by the optimum design data determination unit is not optimum data, the design data changed in the design data input unit is inputted again, and the simulation execution unit again performs the simulation, The determination unit re-determines whether or not the design optimal data is present,
Wherein the optimum design data determination unit determines the design according to the input design data if it is determined that the experimental result data is optimal data satisfying the criterion,
Wherein the optimum design data determination unit determines whether the simulation result data is optimal data satisfying a specific criterion through reliability calculation of the structure,
Wherein the reliability calculation is performed by converting a multiple integration function of dimension n (n is a natural number of 2 or more) in a probability density function for reliability calculation into n one-dimensional integrations and calculating a probability density function converted into the n one- Sampling the n or more data to be used for the structural analysis, generating an approximate model by using the calculated result using the sampled data, calculating a probability moment from the generated approximate model, And calculating a probability distribution by using a probability moment.
상기 구조물의 신뢰성 계산을 위한 확률 밀도 함수에서 n(n은 2이상의 자연수)차원의 다중적분 함수를 n개의 1차원 적분으로 변환하는 것을 수행하기 전에,
상기 구조물의 하중 해석을 통해 극한 하중을 도출하는 단계;
상기 극한 하중이 적용되는 경우에 대한 구조 해석을 수행하는 단계를 수행한 후,
상기 구조 해석에 적용되는 n개의 변수들에 대하여 상기 구조물의 신뢰성 계산을 위한 확률 밀도 함수에서 n(n은 2이상의 자연수)차원의 다중적분 함수를 n개의 1차원 적분으로 변환하는 단계를 수행하는 것을 특징으로 하는 구조물의 최적 설계 장치.
11. The method of claim 10,
Before performing the conversion of multiple integration functions of dimension n (n is a natural number of 2 or more) to n 1-dimensional integers in the probability density function for reliability calculation of the structure,
Deriving an ultimate load through a load analysis of the structure;
After performing the structural analysis for the application of the ultimate load,
Performing a step of converting a multiple integration function of dimension n (n is a natural number of 2 or more) into n 1-dimensional integers in a probability density function for reliability calculation of the structure with respect to n variables applied to the structural analysis An optimum designing device for a structure.
상기 n개의 1차원 적분으로 변환된 확률 밀도 함수를 이용하여 구조 해석에 이용될 n개 이상의 데이터를 샘플링하는 것은, 상기 n개 이상의 데이터를 선정하는 것은 임의의 난수를 이용하여 선정하는 것을 특징으로 하는 구조물의 최적 설계 장치.
11. The method of claim 10,
Wherein the sampling of at least n data to be used for the structural analysis using the probability density function converted into the n 1-dimensional integrations is performed by using an arbitrary random number to select the n or more pieces of data. Optimum Design System of Structures.
상기 n개의 1차원 적분으로 변환된 확률 밀도 함수를 이용하여 구조 해석에 이용될 n개 이상의 데이터를 샘플링하는 것은,
상기 n개 이상의 데이터를 선정하는 것은 상기 확률밀도함수에서의 공간 채움을 고려하여 선정하는 것을 특징으로 하는 구조물의 최적 설계 장치.
11. The method of claim 10,
Sampling the n or more data to be used for the structural analysis using the probability density function converted into the n 1-dimensional integrations,
Wherein the selection of the n or more data items is performed in consideration of space filling in the probability density function.
상기 생성된 근사 모델로부터 확률 모멘트를 계산하는 것은, 심슨 법칙(Simpson's Rule)을 이용하여 수행되는 것을 특징으로 하는 구조물의 최적 설계 장치.
11. The method of claim 10,
Wherein calculating the probability moment from the generated approximate model is performed using Simpson's rule.
상기 생성된 근사 모델로부터 확률 모멘트를 계산하는 것은, 상기 계산되는 확률 모멘트는 1차 내지 4차 모멘트인 것을 특징으로 하는 구조물의 최적 설계 장치.
11. The method of claim 10,
And calculating the probability moment from the generated approximate model, wherein the calculated probability moment is a first order to a fourth order moment.
상기 계산되는 확률 모멘트 중 1차 모멘트는 평균(average), 2차 모멘트는 편차(deviation), 3차 모멘트는 왜도(skewness), 4차 모멘트는 첨도(kurtosis)인 것을 특징으로 하는 구조물의 최적 설계 장치.
16. The method of claim 15,
Wherein the first moment of the calculated probability moment is an average, the second moment is a deviation, the third moment is a skewness, and the fourth moment is kurtosis. Design device.
상기 계산된 확률 모멘트를 이용하여 확률 분포를 계산하는 것은, 피어슨 시스템(Pearson System)을 이용하여 수행되는 것을 특징으로 하는 구조물의 최적 설계 장치.
11. The method of claim 10,
Wherein calculating the probability distribution using the calculated probability moment is performed using a Pearson system.
상기 최적 설계 데이터 판단부에서 상기 시뮬레이션 수행 결과 데이터가 특정 기준을 충족하는 최적의 데이터인지 판단하는 것은 상기 구조물의 신뢰성 계산을 통해 수행하는 것에서,
상기 구조물의 신뢰성은 미리 설정되고, 상기 계산된 확률 분포에서 상기 최적 설계 데이터가 상기 미리 설정된 범위내의 확률 분포에 위치하는지를 판단하여 실험 결과 데이터가 기준을 충족하는 최적의 데이터인지 여부를 판단하는 것을 특징으로 하는 구조물의 최적 설계 장치.
11. The method of claim 10,
Wherein the optimal design data determination unit determines whether the simulation result data is optimal data satisfying a specific criterion through reliability calculation of the structure,
Wherein reliability of the structure is set in advance and it is determined whether the optimum design data is located in a probability distribution within the predetermined range in the calculated probability distribution and whether or not the experiment result data is optimal data satisfying the criterion Optimum design of the structure.
설계 데이터를 입력받으면, 상기 입력받은 설계 데이터에 따라 시뮬레이션(simulation)을 수행하여 시뮬레이션 수행 결과 데이터를 출력하고, 상기 시뮬레이션 수행 결과 데이터가 특정 기준을 충족하는 최적의 데이터인지 판단하여, 만약 최적의 데이터가 아니라면 변경된 설계 데이터를 다시 입력받아 상기 시뮬레이션을 다시 수행하여 최적의 데이터 여부를 다시 판단하고, 만약 실험 결과 데이터가 기준을 충족하는 최적의 데이터라면 입력된 설계 데이터대로 설계를 확정하는 것을 수행하고,
상기 시뮬레이션 수행 결과 데이터가 특정 기준을 충족하는 최적의 데이터인지 판단하는 것은 상기 구조물의 신뢰성 계산을 통해 수행하고,
상기 구조물의 신뢰성 계산은,
상기 신뢰성 계산을 위한 확률 밀도 함수에서 n(n은 2이상의 자연수)차원의 다중적분 함수를 n개의 1차원 적분으로 변환하는 단계;
상기 n개의 1차원 적분으로 변환된 확률 밀도 함수를 이용하여 구조 해석에 이용될 n개 이상의 데이터를 샘플링하는 단계;
상기 샘플링된 데이터를 이용하여 계산된 결과값을 이용하여 근사 모델을 생성하는 단계;
상기 생성된 근사 모델로부터 확률 모멘트를 계산하는 단계; 및
상기 계산된 확률 모멘트를 이용하여 확률 분포를 계산하는 단계를 포함하는 것을 특징으로 하는 구조물의 최적 설계 방법을 구현하기 위한 프로그램을 기록한 기록매체.A recording medium on which a program for implementing an optimal design method of a structure performed by a computing device is recorded,
And outputs the simulation result data. If it is determined that the simulation result data is optimal data satisfying a specific criterion, if the optimal data The modified design data is input again and the simulation is again performed to determine whether the optimum data is the optimum data. If the experimental data is the optimum data satisfying the criterion, the design is determined according to the inputted design data,
Determining whether the simulation result data is optimal data satisfying a specific criterion is performed through reliability calculation of the structure,
The reliability calculation of the structure may be performed,
Transforming a multiple integration function of n (n is a natural number of 2 or more) dimension into n one-dimensional integers in the probability density function for reliability calculation;
Sampling at least n pieces of data to be used for the structural analysis using the probability density function converted into the n 1-dimensional integrations;
Generating an approximate model using the calculated result using the sampled data;
Calculating a probability moment from the generated approximate model; And
And calculating a probability distribution using the calculated probability moments. The method of claim 1, wherein the probability distribution is calculated using the calculated probability moment.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130114622A KR101444723B1 (en) | 2013-09-26 | 2013-09-26 | Method for optimized design |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130114622A KR101444723B1 (en) | 2013-09-26 | 2013-09-26 | Method for optimized design |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101444723B1 true KR101444723B1 (en) | 2014-09-26 |
Family
ID=51761174
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130114622A KR101444723B1 (en) | 2013-09-26 | 2013-09-26 | Method for optimized design |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101444723B1 (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160105073A (en) | 2015-02-27 | 2016-09-06 | 주식회사 휴엔시스템 | Method for modeling framework of structure and recording media storing program performing the said method |
| KR20160112247A (en) | 2015-03-18 | 2016-09-28 | 주식회사 휴엔시스템 | Method for modeling of structure based on section and recording media storing program performing the said method |
| KR101833138B1 (en) | 2016-08-25 | 2018-02-28 | 포항공과대학교 산학협력단 | Method for prediction of ultimate strength of initially deflected plate element by appling plate index concept |
| KR102209839B1 (en) * | 2020-06-21 | 2021-01-28 | 곽의신 | An apparatus of structure simulation |
| KR20240000731A (en) | 2022-06-24 | 2024-01-03 | 에스엘 주식회사 | Apparatus and method for analyzing data |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007113967A (en) | 2005-10-18 | 2007-05-10 | Central Res Inst Of Electric Power Ind | Method of evaluating reliability of structure deteriorated due to aging |
| KR20070050228A (en) * | 2005-11-10 | 2007-05-15 | (주)프레이맥스 | Simulation device and method for design optimization and record media recorded program for realizing the same |
| KR101275278B1 (en) | 2011-12-30 | 2013-06-17 | 경상대학교산학협력단 | A method of computating reliability of power system comprising wind turbine generators and an apparatus using thereof |
-
2013
- 2013-09-26 KR KR1020130114622A patent/KR101444723B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007113967A (en) | 2005-10-18 | 2007-05-10 | Central Res Inst Of Electric Power Ind | Method of evaluating reliability of structure deteriorated due to aging |
| KR20070050228A (en) * | 2005-11-10 | 2007-05-15 | (주)프레이맥스 | Simulation device and method for design optimization and record media recorded program for realizing the same |
| KR101275278B1 (en) | 2011-12-30 | 2013-06-17 | 경상대학교산학협력단 | A method of computating reliability of power system comprising wind turbine generators and an apparatus using thereof |
Non-Patent Citations (1)
| Title |
|---|
| 개선된 피어슨 시스템을 이용한 신뢰성기반 최적설계(2011.02) - 대한기계학회논문집 A권 제35권 제2호, 125-130pages * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160105073A (en) | 2015-02-27 | 2016-09-06 | 주식회사 휴엔시스템 | Method for modeling framework of structure and recording media storing program performing the said method |
| KR20160112247A (en) | 2015-03-18 | 2016-09-28 | 주식회사 휴엔시스템 | Method for modeling of structure based on section and recording media storing program performing the said method |
| KR101833138B1 (en) | 2016-08-25 | 2018-02-28 | 포항공과대학교 산학협력단 | Method for prediction of ultimate strength of initially deflected plate element by appling plate index concept |
| KR102209839B1 (en) * | 2020-06-21 | 2021-01-28 | 곽의신 | An apparatus of structure simulation |
| KR20240000731A (en) | 2022-06-24 | 2024-01-03 | 에스엘 주식회사 | Apparatus and method for analyzing data |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101444723B1 (en) | Method for optimized design | |
| KR101420304B1 (en) | Method for reliability analysis | |
| US20180341863A1 (en) | Knowledge graph processing method and device | |
| Cai et al. | Metamodeling for high dimensional design problems by multi-fidelity simulations | |
| Li et al. | An accurate penalty-based approach for reliability-based design optimization | |
| US20170371073A1 (en) | Prediction apparatus, prediction method, and non-transitory storage medium | |
| US20170241859A1 (en) | Interpolation engine for analysis of time-varying load data signals | |
| WO2019051243A1 (en) | Automated process for parametric modeling | |
| Stieng et al. | Reliability-based design optimization of offshore wind turbine support structures using analytical sensitivities and factorized uncertainty modeling | |
| Blaise et al. | Principal static wind loads | |
| WO2019176647A1 (en) | Continuous optimization problem global searching device and program | |
| JP2011191848A (en) | Diffusion phenomenon analysis method, diffusion phenomenon analysis device and program | |
| Liu et al. | Development of adaptive coarse grid generation methods for fast fluid dynamics in simulating indoor airflow | |
| Hu et al. | Time-dependent reliability analysis using a vine-ARMA load model | |
| US20100205574A1 (en) | Support apparatus and method | |
| Liu et al. | A sequential sampling generation method for multi-fidelity model based on Voronoi region and sample density | |
| JP5316433B2 (en) | Optimization processing program, method and apparatus | |
| Liu et al. | Cluster-based optimization of cellular materials and structures for crashworthiness | |
| Baoyu et al. | Reliability analysis based on a novel density estimation method for structures with correlations | |
| Zhang et al. | An efficient re-analysis methodology for probabilistic vibration of large-scale structures | |
| Chaouat | Subfilter-scale transport model for hybrid RANS/LES simulations applied to a complex bounded flow | |
| JP5370256B2 (en) | Analysis support program, analysis support apparatus, and analysis support method | |
| Rafaila et al. | Sequential design of experiments for effective model-based validation of electronic control units | |
| Iuliano | Towards a POD-based surrogate model for CFD optimization | |
| CN115828414A (en) | Reliability and sensitivity analysis method for uncertainty of distributed parameters of radome structure |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20170726 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20180910 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20190909 Year of fee payment: 6 |