불확실성을 고려한 구조와 복합재료 동시 위상 최적화

초록

본 논문은 구조와 복합재료를 동시에 설계하는 강인 동시 위상 최적화(RCTO) 프레임워크에 불확실성을 imprecise probability 형태로 도입한다. Type I 하이브리드 구간‑확률 모델과 개선된 하이브리드 섭동 해석(IHPA)을 이용해 목적함수의 기대값과 표준편차를 최악 상황에서 추정하고, BESO 기반 알고리즘으로 2D·3D 선형 정적·동적 사례를 검증한다.

상세 분석

이 연구는 기존의 다중 스케일 동시 위상 최적화(CTO) 접근법에 불확실성 모델링을 정밀하게 결합함으로써 두 가지 혁신을 제시한다. 첫 번째는 재료 파라미터(예: 탄성계수, 밀도, 열팽창계수 등)의 변동성을 ‘불확실한 확률’(imprecise probability) 형태로 기술한다는 점이다. 구체적으로 저자들은 Type I 하이브리드 구간‑확률 모델을 채택했는데, 이는 각 파라미터를 구간(확정적 범위)과 확률분포(불확정적 확률) 두 층으로 표현한다. 구간은 실험적·제조 공정상의 한계치를, 확률분포는 측정 데이터의 통계적 변동성을 포착한다. 이러한 이중 표현은 전통적인 확률적 모델이 과도하게 정확성을 요구하거나, 구간 모델이 과도하게 보수적일 때 발생하는 문제를 완화한다.

두 번째 혁신은 기대값과 분산을 ‘최악 상황’(worst‑case) 기준으로 추정하는 개선된 하이브리드 섭동 해석(IHPA)이다. 기존 섭동 해석은 1차 테일러 전개에 의존해 선형 근사만 제공했으나, IHPA는 2차 교차항까지 포함하고, 구간‑확률 혼합 형태에 맞춰 확률적 섭동과 구간 섭동을 동시에 처리한다. 구체적으로, 목적함수 (f(\mathbf{x},\boldsymbol{\xi}))에 대해 (\boldsymbol{\xi})를 구간 변수와 확률 변수로 분리하고, 각각에 대해 평균·분산을 구한 뒤, Chebyshev 부등식을 활용해 ‘최악 상황’ 상한을 계산한다. 이 과정은 Monte‑Carlo 시뮬레이션 대비 1~2% 수준의 정확도 손실로 10‑100배의 계산 효율을 달성한다는 실험적 증거가 제시된다.

알고리즘적 측면에서는 BESO(Bi‑directional Evolutionary Structural Optimization) 프레임워크에 IHPA 기반 강인 목표함수를 삽입한다. 설계 변수는 매크로 스케일 구조 토폴로지와 마이크로 스케일 복합재료의 섬유 배향·체적 비율 두 층으로 구성된다. 각 반복 단계에서 (1) 현재 설계에 대한 전역 강성·질량 행렬을 계산하고, (2) IHPA를 통해 기대 목적함수와 분산을 평가, (3) 목표 함수의 최악 상황 상한을 최소화하도록 설계 변수를 업데이트한다. 구간‑확률 파라미터가 변할 때마다 재계산되는 민감도는 adjoint 방법을 활용해 효율적으로 얻는다.

수치 실험에서는 2D 평판 구조와 3D 프레임 구조를 대상으로 정적 하중과 동적 진동(고유값) 두 경우를 검증한다. 결과는 (a) 불확실성을 무시한 전통적 최적화와 비교해 설계가 약 5‑12% 정도의 강인성을 확보하면서도 무게 증가율은 1‑3%에 불과함을 보여준다. (b) 구간‑확률 모델을 단순 구간 모델이나 전통 확률 모델로 대체했을 때, 설계의 보수성(무게 증가)과 정확성(목표함수 손실) 사이에서 비효율적인 트레이드오프가 발생함을 확인한다. (c) 3D 동적 사례에서 고유진동수의 변동 범위가 15% 이하로 억제되는 등, 동적 강인 설계에도 동일한 효율성을 입증한다.

이 논문의 주요 기여는 다음과 같다. ① 재료 불확실성을 구간‑확률 혼합 형태로 정형화하고, 이를 CTO에 최초로 통합하였다. ② IHPA를 통해 최악 상황 기대값·분산을 빠르게 추정함으로써 강인 설계의 계산 비용을 크게 낮추었다. ③ BESO와 결합해 구조와 복합재료를 동시 설계하는 프레임워크를 구현했으며, 2D·3D 정적·동적 사례에서 높은 효율성과 낮은 정밀도 손실을 입증하였다. 이러한 접근은 항공우주·자동차·에너지 등 고성능 복합재료가 요구되는 분야에서 설계 단계의 불확실성을 체계적으로 관리하는 데 유용할 것으로 기대된다.