크리깅 대체모델을 이용한 순차적 신뢰성기반 최적설계를 위한 효율적인 제한조건경계 샘플링 기법

Abstract

대체모델을 이용한 신뢰성기반 최적설계에서 최적해와 신뢰도의 정확성은 제한조건경계의 대체모델의 정확도에 영향을 받는다. 기존 제안된 제한조건경계 샘플링 기법은 제한조건경계에 실험점을 생성하여 이러한 정확성을 높일 수 있었다. 하지만, 제한조건경계 샘플링 기법은 최적해와 먼 부근의 제한조건경계에도 불필요한 실험점을 생성하여 과도한 계산비용이 발생한다. 본 논문에서는 크리깅 대체모델의 통계적 정보를 이용하여 최적해 근처의 제한조건경계에 실험점을 생성하는 효율적인 제한조건경계 샘플링 기법을 제안한다. 제안한 기법의 효율성과 정확성은 수학예제를 통하여 확인한다.

Reliability-based design optimization (RBDO) requires a high computational cost owing to its reliability analysis. A surrogate model is introduced to reduce the computational cost in RBDO. The accuracy of the reliability depends on the accuracy of the surrogate model of constraint boundaries in the surrogated-model-based RBDO. In earlier researches, constraint boundary sampling (CBS) was proposed to approximate accurately the boundaries of constraints by locating sample points on the boundaries of constraints. However, because CBS uses sample points on all constraint boundaries, it creates superfluous sample points. In this paper, efficient constraint boundary sampling (ECBS) is proposed to enhance the efficiency of CBS. ECBS uses the statistical information of a kriging surrogate model to locate sample points on or near the RBDO solution. The efficiency of ECBS is verified by mathematical examples.