본 논문에서는 계단형 허니컴 래버린스 실(Honeycomb stepped labyrinth seal)을 최적화하고자 CFD(Computational Fluid Dynamics)와 인공신경망(Artificial neural network)을 활용한 연구를 수행하였다. 계단형 허니컴 래버린스 실은 이빨 각도, 이빨 간격, 이빨 높이, 계단 위치, 그리고 계단 높이, 등 다양한 형상 변수들로 구성되어 있다. 이러한 실의 밀봉 성능은 다양한 변수의 영향을 받기 때문에, 효율적인 실을 설계하기 위해서는 변수에 따른 실의 성능 변화를 정확히 예측하는 것이 매우 중요하다. 그러나, 허니컴 래버린스 실은 복잡한 형상과 높은 실험 비용 때문에 예측하는데 어려움이 있어, CFD를 기반으로 한 성능 예측이 주로 이룬다. 때문에 CFD를 활용한 허니컴 래버린스 실의 성능 예측 및 최적화 연구가 많이 수행되었지만, CFD 해석에는 시간 소모와 계산 비용이 여전히 높아 많은 케이스들을 해석하는 데는 어려움이 있다. 이로 인해 계단형 허니컴 래버린스 실과 같이 다양한 변수들로 구성된 복잡한 실의 경우 최적화에 높은 계산비용과 많은 시간 소모가 예상되어 어려움이 있다.
따라서 본 연구에서는 계단형 허니컴 래버린스 실의 형상을 비교적 적은 데이터로 빠르게 최적화하고자 인공신경망과 유전 알고리즘을 활용한 형상 최적화 방법을 연구하였다. 먼저 라틴 하이퍼큐브 샘플링을 활용하여 설계 공간(design space)내에 균일한 설계점들(design points)을 선정하였으며, 이를 CFD로 해석하였다. 그 다음, 해석된 결과를 인공신경망으로 학습하였고, 이를 기반으로 실의 성능을 예측하였다. 이때, 인공신경망으로 예측된 결과의 실용성을 확인하고자 학습에 활용되지 않은 새로운 데이터(new unseen data)와 비교를 통해 오차를 검증하였다. 마지막으로 예측된 성능 데이터로 metamodel을 생성한 뒤 유전 알고리즘(Genetic algorithm)을 적용하여 실의 형상을 최적화하였다. 최적화 결과 기존의 실보다 토출계수가 12.34% 저감되었고, 계단형 허니컴 래버린스 실의 밀봉 성능이 향상된 것을 확인하였다.