항공기 엔진 설계의 혁신: 자기 학습 기반 배관 라우팅 최적화

항공기 엔진 설계의 복잡한 배관 라우팅 문제를 해결하기 위해 자기 학습 기반 최적화 기법(SLPR)이 제안되었으며, PPO 알고리즘과 통합된 규칙 모델링 프레임워크를 사용하여 정적 및 동적 환경 모두에서 기존 방법보다 우수한 성능을 입증했습니다. SLPR은 배관 길이 감소, 레이아웃 규칙 준수, 경로 복잡성 감소, 계산 효율 향상 등의 성능 향상을 보여주며, 현대 항공기 엔진 설계의 요구사항을 충족하는 실용적인 가치를 가지고 있습니다.

항공기 엔진 설계에서 배관 라우팅은 매우 복잡하고 시간이 많이 소요되는 문제입니다. 기존의 등곡률 배관 라우팅 최적화 연구에도 불구하고, 자유 형상 배관에 대한 요구가 증가함에 따라 새로운 과제가 발생했습니다. 특히 동적인 설계 환경과 모호한 레이아웃 규칙은 최적화 성능과 효율성에 큰 영향을 미칩니다.

중국과학원 자동화연구소의 Wang Caicheng 박사를 비롯한 연구팀은 이러한 문제를 해결하기 위해 자기 학습 기반 최적화 기법(SLPR) 을 제안했습니다. SLPR은 근접 정책 최적화(PPO) 알고리즘을 기반으로 하며, 효율적인 장애물 감지 및 연속 공간에서의 퍼지 규칙 모델링을 위한 통합 규칙 모델링 프레임워크를 통합합니다. 또한, 잠재 에너지 테이블을 구축하여 레이아웃 경향과 간섭을 빠르게 확인할 수 있습니다.

SLPR 내의 에이전트는 반복적으로 배관 라우팅을 개선하고 환경과의 상호 작용을 통해 설계 지식을 축적합니다. 설계 환경이 변화하면 에이전트는 신경망 매개변수를 미세 조정하여 빠르게 적응할 수 있습니다. 비교 테스트 결과, SLPR은 3차 비균일 B-스플라인(NURBS) 곡선을 통해 매끄러운 배관 라우팅을 보장하며, 등곡률 배관 라우팅에서 발견되는 불필요한 배관 부분을 제거합니다.

정적 및 동적 설계 환경 모두에서 SLPR은 배관 길이 감소, 레이아웃 규칙 준수, 경로 복잡성 감소, 계산 효율 향상 측면에서 세 가지 대표적인 기준 모델보다 우수한 성능을 보였습니다. 특히 동적 환경에서 SLPR은 처음부터 다시 검색하는 노력을 없애고 재훈련된 모델보다 더 나은 솔루션을 제공했습니다. 이러한 결과는 현대 항공기 엔진 설계의 경량화, 정밀성, 지속 가능성 요구 사항을 충족하는 실제 배관 라우팅의 실용적인 가치를 강조합니다.

이 연구는 항공기 엔진 설계 분야에 혁신적인 발전을 가져올 뿐만 아니라, 다른 복잡한 설계 최적화 문제에도 적용될 수 있는 잠재력을 가지고 있습니다. 자기 학습 기반 최적화 기법의 발전은 앞으로 더욱 효율적이고 지능적인 설계 프로세스를 가능하게 할 것으로 기대됩니다. 🎉