대형 회전 및 탄성 변형 구조물의 최적 설계와 최적 제어

초록

본 논문은 대형 회전과 탄성 변형을 동시에 겪는 구조물, 특히 기하학적으로 정확한 빔 모델을 대상으로 최적 설계와 최적 제어 문제를 제시한다. 라그랑주 승수를 이용해 설계·제어 변수와 구조역학 상태 변수를 분리하고, 두 가지 해법(확산 근사·그라디언트 기반 방법과 유전 알고리즘)을 비교·검증한다. 수치 사례를 통해 각 방법의 장·단점을 명확히 보여준다.

상세 분석

이 연구는 대형 회전과 비선형 탄성 변형을 동시에 고려해야 하는 구조물 설계·제어 분야에서 기존 선형 접근법이 갖는 한계를 극복하고자 한다. 핵심 아이디어는 ‘기하학적으로 정확한 빔(Geometrically Exact Beam)’ 이론을 기반으로, 구조물의 변형을 전역적인 로테이션 텐서와 변위 텐서로 기술한다는 점이다. 이러한 비선형 기하학적 모델은 회전이 큰 경우에도 정확한 응답을 제공하지만, 설계 변수(예: 초기 형상, 재료 파라미터)와 제어 변수(예: 외부 하중 크기·방향)의 최적화와 결합되면 복합적인 비선형 방정식 시스템이 형성된다.

논문은 먼저 라그랑주 승수법을 도입해 설계·제어 변수와 구조역학 상태 변수(변위·회전)를 독립적으로 다루는 비표준 최적화 프레임워크를 제시한다. 이 접근법은 목적함수(예: 목표 변형과 실제 변형의 차이, 혹은 에너지 최소화)를 제약조건(구조 방정식)과 함께 라그랑주 함수에 통합함으로써, 최적화 과정에서 구조 방정식을 직접 해석할 필요 없이 미분 가능한 형태로 변환한다. 결과적으로 설계·제어 변수에 대한 그래디언트를 정확히 계산할 수 있어, 고차원 최적화에 유리한 구조를 만든다.

두 가지 해법이 제시된다. 첫 번째는 ‘확산 근사(diffuse approximation)’ 기법을 이용해 응답 함수를 저차원 다항식 형태로 근사하고, 그라디언트 기반 최적화(예: BFGS, 비선형 CG)를 적용한다. 이 방법은 함수 평가 횟수를 크게 줄여 계산 효율성을 높이지만, 근사 정확도가 낮으면 최적해가 지역 최적에 머무를 위험이 있다. 두 번째는 전역 탐색 능력이 뛰어난 ‘유전 알고리즘(Genetic Algorithm)’을 적용한다. GA는 초기 개체군을 무작위로 생성하고, 선택·교배·돌연변이 연산을 반복해 전역 최적해에 접근한다. 비선형·비볼록 문제에서도 강인성을 보이지만, 함수 평가 비용이 크게 증가한다는 단점이 있다.

수치 사례에서는 빔의 초기 곡률, 단면 강성, 하중 크기 등을 설계·제어 변수로 설정하고, 목표 변형(예: 특정 곡선 형태) 또는 특정 응답(예: 최소 진동 모드)을 달성하도록 최적화한다. 확산 근사 기반 방법은 빠른 수렴을 보였으나, 복잡한 목표에서는 GA가 더 나은 해를 제공했다. 또한, 라그랑주 승수 기반 프레임워크가 두 방법 모두에서 동일한 제약식(구조 방정식)을 일관되게 적용할 수 있게 함으로써, 해법 간 비교가 공정하게 이루어졌다.

이러한 결과는 대형 회전·탄성 변형 구조물의 설계·제어에 있어, 문제 특성에 맞는 최적화 전략을 선택할 필요성을 강조한다. 특히, 고차원·비선형 설계 변수와 복합 목표를 동시에 다루는 경우, 전역 탐색 능력이 있는 메타휴리스틱 방법과 빠른 지역 탐색이 가능한 그래디언트 기반 방법을 혼합하거나, 하이브리드 전략을 도입하는 것이 실용적일 수 있다.