RELIABILITY-BASED DESIGN OPTIMIZATION OF AN AUTOMOTIVE SUSPENSION SYSTEM FOR ENHANCING KINEMATIC AND COMPLIANCE CHARACTERISTICS

Q: 이 논문에서 정의한 신뢰성 기반 설계 최적화(RBDO)란 무엇인가?

설계 과정에서 발생하는 불확실성을 정량적으로 고려하여, 시스템이 사전에 설정한 목표 신뢰도 수준을 만족하면서 동시에 최적의 성능을 낼 수 있는 설계안을 도출하는 최적화 방법이다.

Q: 자동차 서스펜션의 K&C 특성 최적화에서 RBDO가 결정론적 최적화와 비교해 갖는 효과는 무엇인가?

연구 결과, RBDO는 결정론적 최적화보다 목적 함수 값은 소폭 증가하지만, 부싱 강성의 불확실성을 반영함으로써 확률론적 제약 조건을 충족하고 서스펜션 시스템의 실제 신뢰성을 확보하는 결과를 나타낸다.

B.-L. CHOI; J.-H. CHOI; D.-H. CHOI

학술저널

저자정보: B.-L. CHOI J.-H. CHOI D.-H. CHOI

저널정보: 한국자동차공학회 International journal of automotive technology International journal of automotive technology Vol.6 No.3

오류 신고하기

피인용 6

검색

초록·키워드

This study introduces the Reliability-Based Design Optimization (RBDO) to enhance the kinematic and compliance (K & C) characteristics of automotive suspension system. In previous studies, the deterministic optimization has been performed to enhance the K & C characteristics. Unfortunately, uncertainties in the real world have not been considered in the deterministic optimization. In the design of suspension system, design variables with the uncertainties, such as the bushing stiffness, have a great influence on the variation of the suspension performances. There is a need to quantify these uncertainties and to apply the RBDO to obtain the design, satisfying the target reliability level. In this research, design variables including uncertainties are dealt as random variables and reliability of the suspension performances, which are related the K & C characteristics, are quantified and the RBDO is performed. The RBD-optimum is compared with the deterministic optimum to verify the enhancement in reliability. Thus, the reliability of the suspension performances is estimated and the RBD-optimum, satisfying the target reliability level, is determined.

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-ECN-0101-2009-556-017776703

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료