Data-driven Flow Modeling

CFD와 같은 고전적인 공력 해석 방법은 높은 정확도의 공력 데이터를 계산할 수 있지만 비용과 시간이 많이 소요된다. 비행체 형상의 최적화, 궤적 예측 등을 위해서는 많은 양의 공력 데이터가 필요하기 때문에 신속한 공력 해석 기법이 필요하다. 이를 위해 최근 다층신경망을 이용한 데이터 기반 유동 모델링 연구가 활발히 진행되고 있으며, 비행체의 공력 데이터를 학습하여 정확하고 신속한 예측이 가능한 공력 예측 대리 모델이 활발히 연구되고 있다.

본 연구에서는 다양한 유동 조건과 비행체의 형상에 대한 공력 데이터를 이용하여 인공신경망 모델을 학습시키고 인공신경망 모델의 정확도와 효율성을 평가한다. 또한, 인공신경망 모델의 최적화를 위해 MLP, CNN 등 다양한 모델을 이용하며, 각 모델의 하이퍼 파라메터를 최적화시키기 위해 grid search, 유전 알고리즘을 이용한다. 마지막으로 이 모델을 이용하여 비행체의 형상 최적화 및 궤적 예측을 수행한다.