원심압축기 임펠러의 최적화연구를 수행하였다. 최적화를 위한 알고리즘은 ANN를 기본으로 하였으며, 초기의 ANN 학습은 DOE를 사용하여 ANN을 효과적으로 형성하였다. DOE에서는 설계변수가 목적함수에 미치는 주효과와 상호 교호작용에 대한 예측을 할 수 있었다. 최적화과정에서 ANN의 향상을 위하여 GA를 사용하여 각 세대에서의 설계변수에 따른 목적함수가 일정값 이하가 되는 경우에는 수치해석을 통하여 ANN을 세대별로 향상시켰다. 6세대 이 후에는 ANN에 의한 예측값과 CFD의 예측값과의 차이가 1% 미만에 도달하였다. 총 21세대를 거쳐서 압축비와 효율과의 pareto를 형성할 수 있었다. 본 연구에서는 최적화를 위한 계산시간을 기울기 기반의 최적화시간 정도로 단축하면서도 다목적함수의 최적화의 결과를 얻을 수 있었다.
The optimization of a centrifugal compressor was conducted. The ANN (Artificial Neural Network) was adopted as an optimization algorithm, and it was learned and trained with the DOE (Design of Experiment). In the DOE, it was predicted the main effect and the interaction effect of design variables to the objective function. The ANN was improved in the optimization process using the GA (Genetic Algorithm). When any output at each generation was reached a standard level, it was re-calculated by the CFD (Computational Fluid Dynamics) and it was applied to develop a new ANN. After 6th generation, the prediction difference between ANN and CFD was less than 1%. A pareto of the efficiency versus the pressure ratio was obtained through the 21th generation. Using this method, the computational time for the optimization was equivalent to the time consumed by the gradient method, and the optimized results of multi-objective function were obtained.
