23.50 프로펠러 공기역학의 최신 연구 동향

23.50 프로펠러 공기역학의 최신 연구 동향

1. 전기 추진 시대의 프로펠러 연구 재활성화

21세기 들어 전기 추진 기술과 자율 비행 기술의 발전에 따라 프로펠러 공기역학 연구가 재활성화되고 있다. 도심항공교통(Urban Air Mobility, UAM), 분산전기추진(Distributed Electric Propulsion, DEP), 자율 무인기, 다수 드론의 협력 운용 등 새로운 응용 분야의 등장이 이러한 재활성화의 배경이다. 전통적 항공용 프로펠러가 중심이던 연구에서 소형 프로펠러, 저소음 프로펠러, 다수 프로펠러 간 상호작용에 관한 연구가 크게 확대되었다. Moore가 Misconceptions of Electric Aircraft and Their Emerging Aviation Market(AIAA Paper 2014-0535, 2014)에서 제시한 전기 항공 기술의 공학적 방향이 이러한 흐름을 대표한다.

2. 저 레이놀즈 수 프로펠러 연구

소형 드론과 마이크로 비행체의 등장으로 저 레이놀즈 수 영역의 프로펠러 공력이 집중적으로 연구되고 있다. UIUC의 Selig 연구 그룹이 진행한 UIUC Propeller Database 프로젝트는 이 분야의 기반 자료를 제공하고 있으며, 수백 종의 소형 프로펠러 성능 자료가 축적되어 왔다. 관련 연구 주제는 저 Re 전용 익형 개발, 층류 박리 버블 억제 기법, 저 Re 최적 트위스트 분포 등이다.

3. 소음 저감 설계 연구

도심 운용 가능성이 현실화됨에 따라 프로펠러 소음 저감 설계가 핵심 연구 주제로 부상하였다. 주요 연구 방향은 다음과 같다. 첫째, 저 팁 속도 설계와 대형 직경 저회전 구성. 둘째, 특수 팁 형상(serrated tip, swept tip, Ogee tip). 셋째, 비균일 블레이드 간격을 통한 회전 소음 고조파 분산. 넷째, 능동 제어(HHC, IBC)를 통한 BVI 소음 상쇄. 다섯째, 분산전기추진 구성의 소음 분산. 여섯째, 음향 메타재료의 블레이드 적용. 이러한 연구는 Casalino 외 다수 연구자의 LBM 기반 공력 음향 해석을 통해 정량적 평가가 이루어지고 있다.

4. 고충실도 수치 해석의 발전

CFD 해석 기법의 발전과 컴퓨팅 자원의 확대로 프로펠러의 고충실도 해석이 일상화되고 있다. 주요 발전 방향은 다음과 같다. 첫째, Large Eddy Simulation(LES)과 Detached Eddy Simulation(DES)의 적용 확대. 둘째, 적응 격자 세분화(AMR) 기법의 성숙. 셋째, GPU 기반 격자 볼츠만 방법(LBM)의 실용화. 넷째, 전이 모형의 정확도 향상. 다섯째, 공력-구조-음향 통합 해석. Ventura Diaz와 Yoon의 High-Fidelity Computational Aerodynamics of Multi-Rotor Unmanned Aerial Vehicles(56th AIAA Aerospace Sciences Meeting, AIAA Paper 2018-1266, 2018)가 멀티로터 고충실도 해석의 대표 사례이다.

5. 기계 학습과 데이터 기반 접근

기계 학습 기반 프로펠러 공력 해석이 새로운 연구 축으로 자리 잡고 있다. 주요 연구 방향은 다음과 같다. 첫째, 신경망 기반 대리 모델(surrogate model)로 CFD 해석을 대체. 둘째, 비정상 공력의 학습 기반 모델링. 셋째, 설계 파라미터 최적화에 강화 학습 적용. 넷째, 실측 자료와 해석 자료의 데이터 융합. 다섯째, 학습 기반 난류 모형. 이러한 접근은 Ling, Kurzawski, Templeton의 Reynolds Averaged Turbulence Modelling Using Deep Neural Networks with Embedded Invariance(Journal of Fluid Mechanics, vol. 807, 2016) 이후 빠르게 발전하고 있다.

6. 모폴픽과 가변 형상 프로펠러

지능형 재료와 능동 구조 기술의 발전으로 블레이드 형상을 능동적으로 변화시키는 연구가 진행되고 있다. 주요 연구는 다음을 포함한다. 첫째, 압전 작동기 기반 가변 캠버 블레이드. 둘째, 형상 기억 합금 기반 가변 트위스트. 셋째, 매크로 섬유 복합재 기반 블레이드. 넷째, 접이식·신축식 프로펠러. 다섯째, 능동 후연 플랩. 이러한 기술은 블레이드가 비행 상태에 따라 최적 형상으로 적응할 수 있게 한다.

7. 멀티로터 상호작용 연구

멀티로터 기체의 로터 간 상호작용, 로터-기체 간섭, 근접 비행 시의 유동장에 대한 연구가 활발하다. 주요 관심사는 다음과 같다. 첫째, 동축 반전 구성의 성능 예측과 소음 특성. 둘째, 측방 배치된 다수 로터의 간섭 손실. 셋째, 지면 근접 시의 재순환 유동. 넷째, 기체 구조와 로터의 공력 간섭. 다섯째, 군집 비행 시의 프로펠러 간 원거리 상호작용. Yoon, Lee, Pulliam의 Computational Aerodynamic Analyses of Multirotors in Forward Flight(5th Asian/Australian Rotorcraft Forum, 2016) 등이 이러한 연구의 대표 사례이다.

8. 고도 확장과 고고도 프로펠러

성층권 비행 무인기와 화성 탐사 헬리콥터 Ingenuity의 개발은 저밀도 환경에서의 프로펠러 설계 연구를 촉진하였다. 주요 이슈는 다음과 같다. 첫째, 극저 Re 영역의 공력 특성. 둘째, 화성 대기(CO₂ 지배, 저밀도)에서의 블레이드 단면 거동. 셋째, 고고도의 대기 조건 변동에 대한 설계 여유. 넷째, 구조 경량화 기법. NASA JPL의 Mars Helicopter 개발 과정은 이러한 극한 조건 프로펠러 설계의 대표적 사례이다.

9. 인증과 규제

도심항공교통 기체의 실용화를 위해 프로펠러 인증과 규제 기준이 발전하고 있다. 국제민간항공기구(ICAO), 미국 연방항공청(FAA), 유럽 항공안전청(EASA)은 eVTOL과 UAM 기체에 대한 새로운 인증 기준을 제정하고 있다. 프로펠러의 구조 안전성, 공탄성 안정성, 소음 규제, 고장 허용 운용 등이 주요 인증 항목이다.

10. 열유체 및 복합 해석

일부 최신 연구는 프로펠러 해석에 열유체(thermo-fluid) 효과를 포함한다. 주요 고려 사항은 다음과 같다. 첫째, 전기 모터의 발열이 프로펠러 주변 유동에 미치는 영향. 둘째, 저온 대기에서의 결빙(icing) 가능성. 셋째, 복사 열전달에 의한 구조 온도 변화. 이러한 복합 해석은 극한 환경 운용 무인기의 설계에 중요해지고 있다.

11. 로봇공학적 전망

자율 비행 로봇의 미래 발전에서 프로펠러 공기역학은 다음의 측면에서 기여할 것으로 예상된다. 첫째, 더 조용하고 효율적인 도심 비행 시스템. 둘째, 자율 비행의 다양한 임무에 적응하는 지능형 프로펠러. 셋째, 다수 드론의 협력 운용에서 상호 간섭의 최소화. 넷째, 학습 기반 제어와 결합된 적응형 공력 모형. 다섯째, 극한 환경에서의 신뢰성 있는 운용. 이러한 기술 발전은 자율 비행 로봇의 응용 범위를 크게 확장할 것으로 기대된다.

12. 출처

  • Moore, M. D. “Misconceptions of Electric Aircraft and Their Emerging Aviation Market.” AIAA SciTech Forum, AIAA Paper 2014-0535, 2014.
  • Brandt, J. B., and Selig, M. S. “Propeller Performance Data at Low Reynolds Numbers.” 49th AIAA Aerospace Sciences Meeting, AIAA Paper 2011-1255, 2011.
  • Ventura Diaz, P., and Yoon, S. “High-Fidelity Computational Aerodynamics of Multi-Rotor Unmanned Aerial Vehicles.” 56th AIAA Aerospace Sciences Meeting, AIAA Paper 2018-1266, 2018.
  • Ling, J., Kurzawski, A., and Templeton, J. “Reynolds Averaged Turbulence Modelling Using Deep Neural Networks with Embedded Invariance.” Journal of Fluid Mechanics, vol. 807, 2016.
  • Balaram, J., Canham, T., Duncan, C., Grip, H. F., Johnson, W., Maki, J., Quon, A., Stern, R., and Zhu, D. “Mars Helicopter Technology Demonstrator.” 2018 AIAA Atmospheric Flight Mechanics Conference, AIAA Paper 2018-0023, 2018.
  • O’Connell, M., Shi, G., Shi, X., Azizzadenesheli, K., Anandkumar, A., Yue, Y., and Chung, S.-J. “Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds.” Science Robotics, vol. 7, no. 66, 2022.

13. 버전

v1.0 (2026-04-17)