Development of Physics-Informed Graph Neural Network Virtual Sensor for full-field thermal strain prediction of satellite structures under extreme space thermal environments
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구A)
2026년
2710114644
과학기술정보통신부
한국연구재단
한국항공대학교
조성필
3명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2030.08.31
4,502만원
4,502만원
기초연구
대학
경기도 고양시
기계 > 우주시스템 > 우주임무 설계/해석 기술
최종목표: 희소 센서 기반 위성체 열변형 실시간 예측을 위한 PI-GNN 가상 센싱 통합 프레임워크 개발\"소수의 물리 센서와 물리기반 그래프 신경망(PI-GNN)을 결합하여, 극한 우주 환경 내 위성 구조물의 전영역(Full-field) 열변형 상태를 실시간으로 진단하는 고신뢰성 가상 센서 솔루션 확보\"- 물리적 한계 극복: 무게·전력 제약으로 인한 희소 ...
1. 고정밀 그래프 학습 데이터셋 및 PI-GNN 아키텍처 설계- 데이터 파이프라인: 궤도 시나리오별 열환경 FEM 해석 자동화 및 50,000건 이상의 3D 그래프 데이터셋 구축.- 물리 손실함수 설계: 지배방정식을 손실함수에 통합하여 물리 법칙을 준수하는 신경망 아키텍처 구현.- 위상 학습 최적화: 비정형 3D 메쉬 구조의 열전달 경로를 효율적으로 반영...
...과 AI(GNN)의 융합을 통한 새로운 해석 방법론 정립- 비정형 물리 시스템의 지배방정식 학습에 대한 학술적 근거 제시*기술적 측면- 가상 센싱 독자 기술: 물리적 센서의 한계를 소프트웨어로 극복하는 원천 기술 확보- 실시간 온보드 해석 기술을 통한 위성 운영 지능화 및 자율화 기여*경제적 측면- 발사 및 운영 비용 절감: 센서 수 감소에 따른 위성 경량화 및 제작 비용 절감- 우주 ...