심층 신경망 기반 강화 학습을 이용한 플래핑 날개 모델의 최적 날갯짓 운동

Abstract

날갯짓 비행체가 자연계의 비행 동물처럼 날갯짓 운동을 이용하여 높은 비행 성능을 확보하려면 날갯짓 비행체의 설계 및 해석이 체계적으로 수행되어야 한다. 이를 위해 저 레이놀즈수 영역에서 비정상 유동의 효과를 충분히 고려할 수 있는 비정상 공력 모델의 수립은 필수적이다. 본 연구는 포텐셜 유동에 기반하는 비정상 와류법이 앞전 와류의 영향을 고려할 수 있도록 수정하고, 이를 이용해 플래핑 날개 모델의 비정상 공력을 해석한다. 와류코어 성장 모델을 이용해 후류의 점성효과를 고려하며, 날개와 와류 및 와류와 와류 사이의 특이성 문제를 해소한다. 심층 신경망기반 알고리즘을 이용하여 플래핑 날개 모델의 강화 학습 환경을 수립하고, 학습 시간을 줄이기 위해 전이 학습을 이용한다. 학습 목표에 적합한 보상 함수를 설계하고, 이를 바탕으로 최대 양항비를 가지는 날갯짓 운동 및 수평 스트로크 평면에서 최대 추력을 발생시키는 날갯짓 운동을 탐색한다. 플래핑 날개 모델에 학습된 날갯짓 운동을 적용하고 곤충의 날갯짓 운동을 적용한 경우와 비교하여 공력 특성 및 성능의 차이를 분석한다.