1 |
1
원심 펌프의 성능을 향상시키는 동작을 최적화 문제로 공식화하기 위해 원심 펌프의 설계 공간 및 스플리터 블레이드의 설계 변수 중 적어도 하나를 포함하는 실험 계획(DOE: Design of Experiments)을 결정하는 단계 - 상기 최적화 문제는, 두 개의 변수(스플리터 블레이드 길이(X1) 및 랩 각도(X2)와 두 개의 목표 함수, 즉 헤드(H)의 최대화와 입력 전력(ø)의 최소화로 공식화됨 - ;실험 계획에 따른 원심 펌프로 유입된 유체의 흐름을 나타내는 수치 정보에 기초하여 수치 시뮬레이션(Numerical Simulations)을 수행하는 단계;수치 시뮬레이션의 결과로 도출된 샘플 정보를 이용하여 원심 펌프의 성능을 학습하기 위한 대리 모델(surrogate model)을 수행하는 단계; 및상기 대리 모델을 통해 예측된 원심 펌프의 설계 포인트를 이용하여 실험 계획에 따른 원심 펌프의 설계 수치를 업데이트하는 단계;를 포함하고,상기 수치 시뮬레이션을 수행하는 단계는,상기 수치 시뮬레이션을 수행하기 이전에,물 및/또는 오일의 조합에 따른 서로 다른 형태로 구현되는 유체가 펌핑되는 동안에 원심 펌프의 성능을 파악하기 위한 배관 시스템으로 원심 펌프의 실험적 흐름 루프를 설계하는 단계;상기 설계된 원심 펌프의 실험적 흐름 루프를 기반으로 원심 펌프에 적용 가능한 원심 펌프의 종류를 선택하는 단계;상기 선택된 원심 펌프의 종류에 따른 원심 펌프의 흐름 영역에서의 나비에 스토크스(Navier-Stokes) 방정식을 이용하여 전산 유체 역학(CFD, Computational Fluid Dynamics) 시뮬레이션을 수행하는 단계; 및상기 전산 유체 역학(CFD) 시뮬레이션이 수행된 수치 정보를 검증하는 동작을 수행하는 단계를 포함하고,상기 실험 계획이 결정된 이후에,상기 실험 계획에 따른 검증이 완료된 시뮬레이션의 결과에 대한 유동 해석(CFD: Computational Fluid Dynamics)을 통해 상기 수치 정보를 결정한 후, 상기 수치 정보를 기반으로 유체의 흐름에 따른 샘플 설계 지점 별로 시각화하기 위해 수치 시뮬레이션을 수행하고,상기 대리 모델을 수행하는 단계는,상기 수행된 수치 시뮬레이션의 결과로 도출된 샘플 정보를 기반으로 모방 및 설계 공간에 대한 응답으로 예측하는 대리 모델을 수행하고 - 상기 대리 모델은, 인공 신경망을 통해 랩 각도 및 스플리터 블레이드 길이와 같은 입력 매개 변수에 대한 응답을 훈련하여 설계 범위 내에서 설계 수치를 업데이트하기 위한 새로운 설계에 관한 매개 변수로써 새로운 응답을 예측하며, 상기 새로운 설계에 관한 매개 변수는, 샘플 설계를 사용하여 알려진 입력 및 응답에 관한 매개 변수로 훈련된 것으로, 설계 범위 내에서의 대리 모델로 도출되는 설계에 관한 매개 변수임 - ,상기 원심 펌프의 설계 수치를 업데이트하는 단계는,상기 수행된 대리 모델 및 유전 알고리즘을 결합하여 상기 설계 공간 내에서 최적의 지점이 되는 원심 펌프의 설계 포인트를 예측하는 단계 - 상기 원심 펌프의 설계 포인트는 입력 전력(ø)의 작은 상승으로 헤드(H)의 성능이 최대가 되는 최적의 포인트임 -; 및상기 예측된 원심 펌프의 설계 포인트를 이용하여 상기 실험 계획에 따른 원심 펌프의 헤드(H)와 입력 전력(ø)의 효율이 향상되도록 상기 원심 펌프의 설계 수치를 업데이트하는 단계를 포함하는 설계 최적화 방법
|
2 |
2
제1항에 있어서,상기 실험 계획을 결정하는 단계는,원심 펌프를 구성하는 스플리터 블레이드의 형상을 최적화하기 위한 원심 펌프의 설계 공간 및 스플리터 블레이드의 설계 변수 중 적어도 하나를 포함하는 실험 계획을 결정하는 설계 최적화 방법
|
3 |
3
제1항에 있어서,상기 실험 계획을 결정하는 단계는,서로 다른 점도를 갖는 유체의 유변학적 특성을 고려하여 스플리터 블레이드의 형상을 최적화하기 위한 실험 계획을 결정하는 설계 최적화 방법
|
4 |
4
제1항에 있어서,상기 수치 시뮬레이션을 수행하는 단계는,원심 펌프에서 펌핑되는 임펠러의 유동 영역을 결정하는 단계;유동 해석(CFD: Computational Fluid Dynamics)을 통해 유동 영역에서 회전하는 유체에 대한 압력, 속도, 온도 중 적어도 하나의 수치 정보를 결정하는 단계; 및수치 정보를 시각화하기 위한 수치 시뮬레이션을 수행하는 단계;를 포함하는 설계 최적화 방법
|
5 |
5
삭제
|
6 |
6
제1항에 있어서,상기 대리 모델을 수행하는 단계는,대리 학습 모델 및 유전 알고리즘을 통해 샘플 정보를 학습하여 원심 펌프의 설계 포인트를 예측하기 위한 대리 모델을 수행하는 설계 최적화 방법
|
7 |
7
제6항에 있어서,상기 대리 모델을 수행하는 단계는,상기 학습된 샘플 정보로부터 원심 펌프에서 펌핑되는 유체의 순간 방전 지점과 샘플 설계 지점에서의 방전 비율을 고려하여 대리 모델을 수행하는 설계 최적화 방법
|
8 |
8
제1항에 있어서,상기 원심 펌프의 설계 수치를 업데이트하는 단계는,원심 펌프의 설계 포인트에 따른 원심 펌프에서 펌핑되는 유체의 점도가 사전에 설정된 점도의 특정 범위에 포함되는지 여부를 확인하는 단계; 및확인 여부에 따른 원심 펌프의 설계 수치를 업데이트하는 단계;를 포함하는 설계 최적화 방법
|
9 |
9
서로 다른 점도를 갖는 유체가 유입되는 원심 펌프의 성능을 향상시키는 동작을 최적화 문제로 공식화하기 위해 원심 펌프의 설계 공간 및 스플리터 블레이드의 설계 변수 중 적어도 하나를 포함하는 실험 계획을 결정하는 단계 - 상기 최적화 문제는, 두 개의 변수(스플리터 블레이드 길이(X1) 및 랩 각도(X2)와 두 개의 목표 함수, 즉 헤드(H)의 최대화와 입력 전력(ψ)의 최소화로 공식화됨 -;원심 펌프의 내부로 유입되는 유체가 원심 펌프의 임펠러 내 펌핑되는 유동 영역을 결정하는 단계;유동 영역에서 회전하는 유체의 흐름에 따른 수치 정보를 이용하여 유동 해석에 따른 수치 시뮬레이션을 수행하는 단계;수치 시뮬레이션을 통해 도출되는 샘플 정보를 유전 알고리즘에 적용하여 원심 펌프의 성능을 학습하기 위한 대리 모델을 수행하는 단계;대리 모델을 통해 설정된 샘플 설계 지점을 이용하여 수치 시뮬레이션의 결과로 도출된 샘플 정보를 검증하는 단계; 및검증된 결과로부터 실험 계획에 따른 원심 펌프의 설계 수치를 업데이트하는 단계;를 포함하고,상기 수치 시뮬레이션을 수행하는 단계는,상기 수치 시뮬레이션을 수행하기 이전에,물 및/또는 오일의 조합에 따른 서로 다른 형태로 구현되는 유체가 펌핑되는 동안에 원심 펌프의 성능을 파악하기 위한 배관 시스템으로 원심 펌프의 실험적 흐름 루프를 설계하는 단계;상기 설계된 원심 펌프의 실험적 흐름 루프를 기반으로 원심 펌프에 적용 가능한 원심 펌프의 종류를 선택하는 단계;상기 선택된 원심 펌프의 종류에 따른 원심 펌프의 흐름 영역에서의 나비에 스토크스(Navier-Stokes) 방정식을 이용하여 전산 유체 역학(CFD, Computational Fluid Dynamics) 시뮬레이션을 수행하는 단계; 및상기 전산 유체 역학(CFD) 시뮬레이션 된 수치 정보를 검증하는 동작을 수행하는 단계를 포함하고,상기 실험 계획이 결정된 이후에,상기 실험 계획에 따른 검증이 완료된 시뮬레이션의 결과에 대한 유동 해석(CFD: Computational Fluid Dynamics)을 통해 상기 수치 정보를 결정한 후, 상기 수치 정보를 기반으로 유체의 흐름에 따른 샘플 설계 지점 별로 시각화하기 위해 수치 시뮬레이션을 수행하고,상기 대리 모델을 수행하는 단계는,상기 수행된 수치 시뮬레이션의 결과로 도출된 샘플 정보를 기반으로 모방 및 설계 공간에 대한 응답으로 예측하는 대리 모델을 수행하고 - 상기 대리 모델은, 인공 신경망을 통해 랩 각도 및 스플리터 길이와 같은 입력 매개 변수에 대한 응답을 훈련하여 설계 범위 내에서 설계 수치를 업데이트하기 위한 새로운 설계에 관한 매개 변수로써 새로운 응답을 예측하며, 상기 새로운 설계에 관한 매개 변수는, 샘플 설계를 사용하여 알려진 입력 및 응답에 관한 매개 변수로 훈련된 것으로, 설계 범위 내에서의 대리 모델로 도출되는 설계에 관한 매개 변수임 - ,상기 원심 펌프의 설계 수치를 업데이트하는 단계는,상기 수행된 대리 모델 및 유전 알고리즘을 결합하여 상기 설계 공간 내에서 최적의 지점이 되는 원심 펌프의 설계 포인트를 예측하는 단계 - 상기 원심 펌프의 설계 포인트는 입력 전력(ø)의 작은 상승으로 헤드(H)의 성능이 최대가 되는 최적의 포인트임 -; 및상기 예측된 원심 펌프의 설계 포인트를 이용하여 상기 실험 계획에 따른 원심 펌프의 헤드(H)와 입력 전력(ø)의 효율이 향상되도록 상기 원심 펌프의 설계 수치를 업데이트하는 하는 단계를 포함하는 설계 최적화 방법
|
10 |
10
제9항에 있어서,상기 실험 계획을 결정하는 단계는,원심 펌프를 구성하는 스플리터 블레이드의 형상을 최적화하기 위한 원심 펌프의 설계 공간 및 스플리터 블레이드의 설계 변수 중 적어도 하나를 포함하는 실험 계획을 결정하는 설계 최적화 방법
|
11 |
11
제9항에 있어서,상기 실험 계획을 결정하는 단계는,서로 다른 점도를 갖는 유체의 유변학적 특성을 고려하여 스플리터 블레이드의 형상을 최적화하기 위한 실험 계획을 결정하는 설계 최적화 방법
|
12 |
12
제9항에 있어서,상기 수치 시뮬레이션을 수행하는 단계는,원심 펌프에서 펌핑되는 임펠러의 유동 영역을 결정하는 단계;유동 해석(CFD: Computational Fluid Dynamics)을 통해 유동 영역에서 회전하는 유체에 대한 압력, 속도, 온도 중 적어도 하나의 수치 정보를 결정하는 단계; 및수치 정보를 기반으로 유체의 흐름에 따른 샘플 설계 지점 별로 시각화하기 위한 수치 시뮬레이션을 수행하는 단계;를 포함하는 설계 최적화 방법
|
13 |
13
제9항에 있어서,상기 대리 모델을 수행하는 단계는,대리 학습 모델 및 유전 알고리즘을 통해 샘플 정보를 학습하여 원심 펌프의 설계 포인트를 예측하기 위한 대리 모델을 수행하는 설계 최적화 방법
|
14 |
14
제13항에 있어서,상기 대리 모델을 수행하는 단계는,상기 학습된 샘플 정보로부터 원심 펌프에서 펌핑되는 유체의 순간 방전 지점과 샘플 설계 지점에서의 방전 비율을 고려하여 대리 모델을 수행하는 설계 최적화 방법
|
15 |
15
제9항에 있어서,상기 원심 펌프의 설계 수치를 업데이트하는 단계는,원심 펌프의 설계 포인트에 따른 원심 펌프에서 펌핑되는 유체의 점도가 사전에 설정된 점도의 특정 범위에 포함되는지 여부를 확인하여 원심 펌프의 설계 수치를 업데이트하는 설계 최적화 방법
|
16 |
16
설계 최적화 방법을 수행하는 컴퓨팅 장치에 있어서,상기 컴퓨팅 장치는 프로세서를 포함하고,상기 프로세서는,원심 펌프의 성능을 향상시키는 동작을 최적화 문제로 공식화하기 위해 원심 펌프의 설계 공간 및 스플리터 블레이드의 설계 변수 중 적어도 하나를 포함하는 실험 계획을 결정하고 - 상기 최적화 문제는, 두 개의 변수(스플리터 블레이드 길이(X1) 및 랩 각도(X2)와 두 개의 목표 함수, 즉 헤드(H)의 최대화와 입력 전력(ψ)의 최소화로 공식화됨 -,실험 계획에 따른 원심 펌프로 유입된 유체의 흐름을 나타내는 수치 정보에 기초하여 수치 시뮬레이션을 수행하고,수치 시뮬레이션의 결과로 도출된 샘플 정보를 이용하여 원심 펌프의 성능을 학습하기 위한 대리 모델을 수행하고,상기 대리 모델을 통해 예측된 원심 펌프의 설계 포인트를 이용하여 실험 계획에 따른 원심 펌프의 설계 수치를 업데이트하고,상기 수치 시뮬레이션을 수행함에 있어,상기 수치 시뮬레이션을 수행하기 이전에,물 및/또는 오일의 조합에 따른 서로 다른 형태로 구현되는 유체가 펌핑되는 동안에 원심 펌프의 성능을 파악하기 위한 배관 시스템으로 원심 펌프의 실험적 흐름 루프를 설계하고,상기 설계된 원심 펌프의 실험적 흐름 루프를 기반으로 원심 펌프에 적용 가능한 원심 펌프의 종류를 선택하고,상기 선택된 원심 펌프의 종류에 따른 원심 펌프의 흐름 영역에서의 나비에 스토크스(Navier-Stokes) 방정식을 이용하여 전산 유체 역학(CFD, Computational Fluid Dynamics) 시뮬레이션을 수행하고,상기 전산 유체 역학(CFD) 시뮬레이션 된 수치 정보를 검증하는 동작을 수행하며,상기 실험 계획이 결정된 이후에,상기 실험 계획에 따른 검증이 완료된 시뮬레이션의 결과에 대한 유동 해석(CFD: Computational Fluid Dynamics)을 통해 상기 수치 정보를 결정한 후, 상기 수치 정보를 기반으로 유체의 흐름에 따른 샘플 설계 지점 별로 시각화하기 위해 수치 시뮬레이션을 수행하고,상기 대리 모델을 수행함에 있어,상기 수행된 수치 시뮬레이션의 결과로 도출된 샘플 정보를 기반으로 모방 및 설계 공간에 대한 응답으로 예측하는 대리 모델을 수행하고 - 상기 대리 모델은, 인공 신경망을 통해 랩 각도 및 스플리터 길이와 같은 입력 매개 변수에 대한 응답을 훈련하여 설계 범위 내에서 설계 수치를 업데이트하기 위한 새로운 설계에 관한 매개 변수로써 새로운 응답을 예측하며, 상기 새로운 설계에 관한 매개 변수는, 샘플 설계를 사용하여 알려진 입력 및 응답에 관한 매개 변수로 훈련된 것으로, 설계 범위 내에서의 대리 모델로 도출되는 설계에 관한 매개 변수임 - ,상기 원심 펌프의 설계 수치를 업데이트함에 있어,상기 수행된 대리 모델 및 유전 알고리즘을 결합하여 상기 설계 공간 내에서 최적의 지점이 되는 원심 펌프의 설계 포인트- 상기 원심 펌프의 설계 포인트는 입력 전력(ø)의 작은 상승으로 헤드(H)의 성능이 최대가 되는 최적의 포인트임 -를 예측하고,상기 예측된 원심 펌프의 설계 포인트를 이용하여 상기 실험 계획에 따른 원심 펌프의 헤드(H)와 입력 전력(ø)의 효율이 향상되도록 상기 원심 펌프의 설계 수치를 업데이트하는 컴퓨팅 장치
|
17 |
17
설계 최적화 방법을 수행하는 컴퓨팅 장치에 있어서,상기 컴퓨팅 장치는 프로세서를 포함하고,상기 프로세서는,서로 다른 점도를 갖는 유체가 유입되는 원심 펌프의 성능을 향상시키는 동작을 최적화 문제로 공식화하기 위해 원심 펌프의 설계 공간 및 스플리터 블레이드의 설계 변수 중 적어도 하나를 포함하는 실험 계획을 결정하고 - 상기 최적화 문제는, 두 개의 변수(스플리터 블레이드 길이(X1) 및 랩 각도(X2)와 두 개의 목표 함수, 즉 헤드(H)의 최대화와 입력 전력(ψ)의 최소화로 공식화됨 -,원심 펌프의 내부로 유입되는 유체가 원심 펌프의 임펠러 내 펌핑되는 유동 영역을 결정하고,유동 영역에서 회전하는 유체의 흐름에 따른 수치 정보를 이용하여 유동 해석에 따른 수치 시뮬레이션을 수행하고,수치 시뮬레이션을 통해 도출되는 샘플 정보를 유전 알고리즘에 적용하여 원심 펌프의 성능을 학습하기 위한 대리 모델을 수행하고,대리 모델을 통해 설정된 샘플 설계 지점을 이용하여 수치 시뮬레이션의 결과로 도출된 샘플 정보를 검증하고,검증된 결과로부터 실험 계획에 따른 원심 펌프의 설계 수치를 업데이트하고,상기 수치 시뮬레이션을 수행함에 있어,상기 수치 시뮬레이션을 수행하기 이전에,물 및/또는 오일의 조합에 따른 서로 다른 형태로 구현되는 유체가 펌핑되는 동안에 원심 펌프의 성능을 파악하기 위한 배관 시스템으로 원심 펌프의 실험적 흐름 루프를 설계하고,상기 설계된 원심 펌프의 실험적 흐름 루프를 기반으로 원심 펌프에 적용 가능한 원심 펌프의 종류를 선택하고,상기 선택된 원심 펌프의 종류에 따른 원심 펌프의 흐름 영역에서의 나비에 스토크스(Navier-Stokes) 방정식을 이용하여 전산 유체 역학(CFD, Computational Fluid Dynamics) 시뮬레이션을 수행하고,상기 전산 유체 역학(CFD) 시뮬레이션 된 수치 정보를 검증하는 동작을 수행하며,상기 실험 계획이 결정된 이후에,상기 실험 계획에 따른 검증이 완료된 시뮬레이션의 결과에 대한 유동 해석(CFD: Computational Fluid Dynamics)을 통해 상기 수치 정보를 결정한 후, 상기 수치 정보를 기반으로 유체의 흐름에 따른 샘플 설계 지점 별로 시각화하기 위해 수치 시뮬레이션을 수행하고,상기 대리 모델을 수행함에 있어,상기 수행된 수치 시뮬레이션의 결과로 도출된 샘플 정보를 기반으로 모방 및 설계 공간에 대한 응답으로 예측하는 대리 모델을 수행하고 - 상기 대리 모델은, 인공 신경망을 통해 랩 각도 및 스플리터 길이와 같은 입력 매개 변수에 대한 응답을 훈련하여 설계 범위 내에서 설계 수치를 업데이트하기 위한 새로운 설계에 관한 매개 변수로써 새로운 응답을 예측하며, 상기 새로운 설계에 관한 매개 변수는, 샘플 설계를 사용하여 알려진 입력 및 응답에 관한 매개 변수로 훈련된 것으로, 설계 범위 내에서의 대리 모델로 도출되는 설계에 관한 매개 변수임 - ,상기 원심 펌프의 설계 수치를 업데이트함에 있어,상기 수행된 대리 모델 및 유전 알고리즘을 결합하여 상기 설계 공간 내에서 최적의 지점이 되는 원심 펌프의 설계 포인트- 상기 원심 펌프의 설계 포인트는 입력 전력(ø)의 작은 상승으로 헤드(H)의 성능이 최대가 되는 최적의 포인트임 -를 예측하고,상기 예측된 원심 펌프의 설계 포인트를 이용하여 상기 실험 계획에 따른 원심 펌프의 헤드(H)와 입력 전력(ø)의 효율이 향상되도록 상기 원심 펌프의 설계 수치를 업데이트하는 컴퓨팅 장치
|