Surrogate Model based NSGA-II for Suspension Optimization for Two-Wheelers

모터사이클이 요철을 지날 때마다 라이더는 그 충격을 고스란히 느끼게 됩니다. 기계의 서스펜션 시스템은 거친 도로와 인체 사이의 장벽 역할을 하며, 라이더가 편안함과 제어력을 유지할 수 있도록 지형의 충격을 흡수하도록 설계되었습니다. 엔지니어들은 이러한 스프링과 쇼크 업소버의 완벽한 균형을 찾는 것이 매우 어렵다는 사실을 오래전부터 알고 있었습니다. 시스템은 충격적인 포트홀을 부드럽게 넘길 수 있을 만큼 부드러워야 하지만, 코너를 돌거나 브레이크를 잡을 때 바이크를 안정적으로 유지할 수 있을 만큼 단단해야 합니다. 만약 서스펜션이 너무 부드러우면 바이크가 통제 불능으로 튀어 오르고, 너무 단단하면 모든 진동이 라이더의 척추로 직접 전달됩니다. 전통적으로 이 최적의 지점을 찾는 것은 단 하나의 아이디어를 테스트하기 위해서도 몇 시간씩 걸리는 수천 번의 컴퓨터 시뮬레이션을 실행해야 하는, 느리고 비용이 많이 드는 시행착오의 과정이었습니다.

네팔 카트만두에 위치한 야트리 모터사이클(Yatri Motorcycles)의 한 연구원은 더 빠르고 정밀한 방식으로 이 문제를 해결하는 새로운 방법을 개발했습니다. 매번 테스트할 때마다 그 느리고 무거운 시뮬레이션을 실행하는 대신, 그들은 수학적 지름길을 만들었습니다. 그들은 모터사이클의 앞뒤 서스펜션을 단순화된 디지털 모델로 구축하여, 앞바퀴와 뒷바퀴가 함께 움직이는 방식을 포착하는 '하프 카(half-car)' 시스템으로 취급했습니다. 그런 다음 그들은 대리 모델링(surrogate modeling)이라 불리는 기술을 사용했는데, 이는 본질적으로 더 작은 데이터 세트를 기반으로 전체의 복잡한 시스템의 거동을 학습하도록 스마트한 컴퓨터 프로그램을 훈련시키는 것입니다. 일단 이 프로그램이 규칙을 학습하고 나면, 단 몇 분의 일 초 만에 바이크가 어떻게 주행할지를 거의 완벽한 정확도로 예측할 수 있었고, 이를 통해 연구자는 수천 가지의 조합을 즉각적으로 테스트할 수 있었습니다.

연구원은 이 빠른 예측 모델을 사용하여 NSGA-II라고 알려진 정교한 탐색 알고리즘을 실행했습니다. 이 알고리즘은 앞뒤 스프링과 댐퍼의 수백만 가지 가능한 설정들을 샅샅이 뒤져 최선의 절충안을 찾아내는 지치지 않는 탐험가처럼 작동합니다. 목표는 두 가지 특정 요소인 라이더의 수직 상하 운동(heave)과 바이크의 앞뒤 흔들림(pitch)을 동시에 최소화하는 것이었습니다. 이 두 목표는 종종 서로 충돌합니다. 상하 흔들림을 잡는 설정이 앞뒤 흔든들림을 악화시킬 수 있고, 그 반대도 마찬가지이기 때문입니다. 연구자는 이 빠른 대리 모델을 사용하여 이러한 절충 관계의 전체 지형을 그려냈으며, 안전을 타협하지 않으면서도 전반적인 편안함을 제공하는 특정 파라미터 세트를 식별해 냈습니다.

이 접근 방식의 결과는 놀라웠습니다. 전통적인 방식으로는 연구자가 탐구한 수천 가지의 조합을 테스트하는 데 5시간 이상의 연속적인 컴퓨터 시간이 필요했을 것입니다. 하지만 훈련된 지름길 모델을 사용함으로써, 동일한 작업이 1분도 채 걸리지 않아 완료되었습니다. 이 새로운 방법은 표준 방식에 비해 전체 계산 시간을 4배 이상 단축했습니다. 더 중요한 것은, 알고리즘이 선택한 특정 서스펜션 설정이 실제로 효과가 있었다는 점입니다. 연구자가 승리한 구성을 가져와 원래의 느리고 정밀도가 높은 시뮬레이션에서 테스트했을 때, 그것은 진정한 개선임을 입증했습니다. 최적화된 설정은 라이더가 느끼는 수직 가속도를 16% 감소시켰으며, 바이크의 앞뒤 흔들림 안정성을 약간 향상시켰습니다.

또한 이 연구는 이러한 개선이 안전을 희생하며 이루어진 것이 아님을 확인했습니다. 새로운 설정은 바이크가 물리적 한계를 벗어나지 않도록 하여, 서스펜션이 바닥에 닿거나 과하게 늘어나지 않도록 보장했으며, 무거운 하중이 실린 상태에서도 바이크의 높이를 적절하게 유지했습니다. 연구자는 빠른 모델의 예측치를 느리고 전통적인 시뮬레이션 결과와 비교함으로써 발견한 내용을 검증하였고, 이 지름길 모델이 실제 설계에 신뢰할 수 있을 만큼 충분히 정확하다는 것을 찾아냈습니다. 이 작업은 스마트한 데이터 학습과 강력한 탐색 알고 알고리즘을 결격함으로써, 엔지니어들이 이전에는 불가능했던 속도와 정밀도로 복잡한 기계 시스템을 미세 조정할 수 있으며, 이것이 이륜차 애호가들에게 더 부드럽고 편안한 주행을 제공할 수 있음을 보여줍니다.