An engineering system consisting of various components is determined by the complex coupling between design variables. Since changing the characteristics of one member changes the performance of the whole system, it takes a lot of time and money to get the optimum design. To solve this problem, a solution space search technique has been proposed to remove the coupling between design variables and determine the design range of design variables. The solution space eliminates the coupling between the design variables by defining the space of ？？the hypercube shape that satisfies system performance at all times. In addition, by defining the solution space, it is possible to expect a robust design by specifying the designable range of the design variables. In this study, Kriging model for the performance function is obtained by applying the constraint boundary sampling technique and applied to the solution space search. And we propose a divided hypercube search algorithm that searches the solution space by dividing the hypercube. We compare the proposed method and existing solution space search method to verify efficiency.
다양한 구성요소로 이루어진 공학 시스템은 설계 변수 간의 복합적인 연성으로 성능이 결정된다. 한 부재의 특성을 변경하면 시스템 전체의 성능이 달라지므로 최적의 설계를 도출하기까지 많은 시간과 비용이 소요된다. 최근 이러한 점을 해소하기 위해 설계 변수간의 연성을 제거하고 설계 변수의 설계 가능 범위를 결정하는 솔루션 스페이스 탐색이 제안되었다. 솔루션 스페이스는 시스템 성능 항상 만족하는 하이퍼큐브 형태의 영역을 정의하여 설계 변수간의 연성을 제거한다. 또한 솔루션 스페이스를 정의함으로써 설계 변수의 설계 가능 범위를 지정하여 견실 설계를 기대할 수 있다. 본 연구에서는 제한조건경계 샘플링 기법을 적용하여 성능 함수에 대한 크리깅 모델을 얻고, 이를 솔루션 스페이스 탐색에 적용한다. 그리고 설계 공간을 분할하여 솔루션 스페이스를 탐색하는 분할 공간 탐색 알고리즘을 제안한다. 제안된 방법과 기존의 솔루션 스페이스 탐색 방법을 비교하여 효율성을 검증한다.
