Abstract
A computer model is a useful tool that provides solution via physical modeling instead of expensive testing. In reality, however, it often does not agree with the experimental data owing to simplifying assumption and unknown or uncertain input parameters. In this study, a Bayesian approach is proposed to calibrate the computer model in a probabilistic manner using the measured data. The elasto-plastic analysis of a pyrotechnically actuated device (PAD) is employed to demonstrate this approach, which is a component that delivers high power in remote environments by the combustion of a self-contained energy source. A simple mathematical model that quickly evaluates the performance is developed. Unknown input parameters are calibrated conditional on the experimental data using the Markov Chain Monte Carlo algorithm, which is a modern computational statistics method. Finally, the results are applied to determine the reliability of the PAD.
컴퓨터 해석모델은 물리현상을 바탕으로 단순화된 모델을 구축하고 해를 구하는 유용한 도구이나, 많은 경우 단순화 가정 또는 입력변수 정보의 미비나 불확실성으로 인해 실제와 차이가 발생한다. 본 연구에서는 이러한 문제에 대해 베이지안 확률이론을 이용하여 실측데이터를 통해 해석모델을 보정하는 방법을 소개하고 이를 파이로 작동기구의 탄소성 압착 문제에 적용한다. 파이로 작동기구는 고에너지의 재료를 원격으로 폭발시켜 작동하는 장치로 그 작동의 신속한 계산을 위해서 단순한 수학모델을 구축하고 실험데이터를 토대로 미지의 입력변수를 확률적으로 보정하였다. 이 때, 확률적 추정을 위해서는 현대적 계산통계기법의 하나인 Markov Chain Monte Carlo 기법을 이용하였으며, 최종적으로 그 결과를 압착거동해석에 활용하여 작동기구의 신뢰도를 평가하였다.
