[논문 리뷰] Design of a commercial aircraft environment control system using Bayesian optimization techniques

Paul Feliot, Yves Le Guennec외 2명|arXiv (Cornell University)|2016. 10. 07.

Advanced Multi-Objective Optimization Algorithms참고 문헌 8인용 수 6

한 줄 요약

이 논문은 비선형 제약 조건 하에서 시스템 무게와 엔트로피 생성을 동시에 최소화하기 위해 BMOO 알고리즘을 사용하는 베이지안 다목적 최적화 방법을 제시한다. 비록 설계 도메인이 초입방체가 아니고 시뮬레이션 실패로 인한 숨겨진 제약 조건이 존재하지만, 단지 25회의 시뮬레이션으로도 효율적으로 파레토 최적 해의 집합을 도출한다.

ABSTRACT

In this paper, we present the application of a recently developed algorithm for Bayesian multi-objective optimization to the design of a commercial aircraft environment control system (ECS). In our model, the ECS is composed of two cross-flow heat exchangers, a centrifugal compressor and a radial turbine, the geometries of which are simultaneously optimized to achieve minimal weight and entropy generation of the system. While both objectives impact the overall performance of the aircraft, they are shown to be antagonistic and a set of trade-off design solutions is identified. The algorithm used for optimizing the system implements a Bayesian approach to the multi-objective optimization problem in the presence of non-linear constraints and the emphasis is on conducting the optimization using a limited number of system simulations. Noteworthy features of this particular application include a non-hypercubic design domain and the presence of hidden constraints due to simulation failures.

연구 동기 및 목표

• 실제 공학적 제약 조건 하에서 상용 항공기 환경 제어 시스템(ECS)의 복잡한 다목적 설계 과제를 해결하기 위해.
• 두 개의 열교환기, 압축기, 터빈의 기하 구조를 최적화하여 시스템 질량과 엔트로피 생성률을 동시에 최소화하기 위해.
• 비선형 제약 조건, 비초입방체 설계 도메인, 그리고 시뮬레이션 실패로 인한 숨겨진 제약 조건을 계산 효율적으로 처리하기 위해.
• BMOO 알고리즘이 최소한의 시뮬레이션 평가 수로 파레토 최적의 트레이드오프 해 집합을 효과적으로 식별할 수 있음을 입증하기 위해.
• 50°C의 주변 온도와 완전한 기내 적재 조건에서 가장 엄격한 지상 운영 조건 하에서도 실용적인 ECS 설계 프레임워크를 제공하기 위해.

제안 방법

• 일차원 열역학 모델을 사용하여 구성 요소 기하 구조와 시스템 성능 지표(질량 및 엔트로피 생성)를 연결한다.
• BMOO 알고리즘—베이지안 다목적 최적화 프레임워크—를 사용하여 제약 조건 하에서 기대 향상도를 기반으로 유망한 설계 점을 순차적으로 선택한다.
• 비초입방체 설계 도메인과 비선형 부등식 제약 조건을 처리하기 위해 순차적 몬테카를로 방법을 통합한다.
• 시뮬레이션 실패 탐지 방식을 통해 숨겨진 제약 조건을 모델링하며, 실패한 시뮬레이션은 비가능해로 간주되어 최적화 과정에서 제외된다.
• 계산 효율성을 확보하기 위해 시뮬레이션 호출 횟수에 엄격한 제한(25회 반복)을 둔다. 이는 고정밀 공학 시뮬레이션에서 일반적인 특성이다.
• 질량과 엔트로피 생성률의 두 목표 간에 파레토 지배 규칙을 적용하여 비지배 해를 식별한다.

실험 결과

연구 질문

• RQ1 충돌하는 목표인 최소 무게와 최소 엔트로피 생성을 동시에 달성하기 위해 베이지안 다목적 최적화가 항공기 ECS 설계에 어떻게 효과적으로 적용될 수 있는가?
• RQ2 비초입방체 설계 도메인과 시뮬레이션 실패로 인한 숨겨진 제약 조건이 최적화 과정의 수렴성과 강건성에 미치는 영향은 무엇인가?
• RQ3 제한된 수의 고비용 시뮬레이션 평가로도 BMOO 알고리즘이 잘 분포된 파레토 최적 해를 효율적으로 식별할 수 있는가?
• RQ4 주요 기하 구조적 파ameters(예: 열교환기 높이, 램 공기 유량)가 질량과 엔트로피 생성 간의 트레이드오프에 어떤 영향을 미치는가?
• RQ5 최적화 결과가 가장 심각한 지상 운영 조건 하에서 실용적인 설계 결정을 얼마나 잘 뒷받침할 수 있는가?

주요 결과

• BMOO 알고리즘은 고차원이고 제약 조건이 많은 설계 공간에서 단지 25회의 시뮬레이션 평가로도 7개의 트레이드오프 해로 구성된 파레토 최적 해 집합을 성공적으로 도출하여 높은 효율성을 입증하였다.
• 모든 최적 설계에서 블리드 유량이 일정하게 유지되었는데, 이는 터빈 출구 온도의 최소값($T_5 = T_{\text{min}}$)을 보장하는 활성 제약 $c_{15}$에 기인한다.
• 램 공기 유량은 파레토 최적 해 집합 전반에서 크게 변동하였으며, 엔트로피 생성률에 강한 영향을 미쳤다. 램 공기 유량이 증가함에 따라 엔트로피 생성률은 0.47에서 0.41로 감소하였다.
• 열교환기 높이 파라미터($L_{z1}$ 및 $L_{z2}$)는 직접적인 트레이드오프 관계를 보였다. 이들의 증가로 엔트로피 생성은 감소했지만 시스템 질량은 증가하였으며, 이는 파레토 최적 해 집합 전반에서 49.78 kg에서 466.69 kg으로 증가하였다.
• 압축기와 터빈는 질량을 줄이고 유속을 높여 성능을 향상시키기 위해 가능한 한 작게 설계되었으며, 최소 크기 제약 조건에도 불구하고 이를 충족하였다.
• 알고리즘은 시뮬레이션 실패로 인한 숨겨진 제약 조건과 비초입방체 설계 도메인을 효과적으로 처리하여 실제 공학 최적화 환경에서 강건함을 입증하였다.