열차 충돌 하중 예측: 다중 충실도 모델 정렬 및 오차 학습

열차 충돌 사고는 심각한 인명 및 재산 피해를 야기하므로, 열차의 수동 안전성 향상을 위한 충돌 안전성 해석이 필수적입니다. 그러나 고충실도 수치 시뮬레이션은 계산 비용이 높아 대규모 매개변수 분석 및 최적화에 직접 적용하기 어렵습니다. 이 연구는 제한된 고충실도 데이터 환경에서 열차 충돌 하중의 다중 충실도 예측을 위한 편향 보정 대체 네트워크(BCS-Net)를 제안합니다. 제안된 프레임워크는 통일된 변위 영역 내에서 다양한 충실도 수준 모델의 힘-변위 응답을 물리적으로 일관되게 정렬합니다. 이를 기반으로 저충실도 및 고충실도 모델 간의 체계적인 불일치를 저차원 모델링 및 학습을 통해 포착하여 효과적인 다중 충실도 정보 융합을 가능하게 합니다. 또한, 편향 보정된 대체 모델은 다목적 충돌 안전성 최적화 프레임워크에 통합되어 효율적인 매개변수 설정을 지원합니다. 결과적으로 제안된 BCS-Net은 고충실도 시뮬레이션 대비 상당한 계산 효율성을 유지하면서 힘-변위 곡선 예측 정확도를 크게 향상시켰습니다. 다목적 충돌 안전성 매개변수 최적화를 통해 그 효과가 추가로 검증되었습니다. 이 프레임워크는 열차 충돌 안전성 분석 및 매개변수 최적화를 위한 실용적이고 신뢰할 수 있는 대체 모델 기반 솔루션을 제공합니다.