Prediction of Elastic Modulus in Porous Structures Considering Materials and Design Variables Using Artificial Neural Network

함민지; 문인용

doi:10.7736/JKSPE.024.093

추천

검색

질문

자료유형: 학술저널

저자정보: 함민지 (한국생산기술연구원) 문인용 (한국생산기술연구원)

저널정보: Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Vol.41 No.11

발행연도: 2024.11

수록면: 897 - 903 (7page)

DOI: 10.7736/JKSPE.024.093

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Predicting elastic modulus of a porous structure is essential for applications in aerospace, biomedical, and structural engineering. Traditional methods often struggle to capture complex relationships between material properties, design variables, and mechanical behavior. This study employed artificial neural networks (ANNs) to predict the elastic modulus of a porous structure based on various material and design parameters. An ANN model was trained on a dataset generated via finite element analysis (FEA) simulations, covering diverse combinations of material properties and design variables (e.g., porosity, structure types). The model demonstrated high accuracy in predicting the elastic modulus on a separate test dataset. Key findings included identification of significant design variables influencing the elastic modulus and the ANN model"s ability to generalize predictions to new data. This approach showcases that ANN is a powerful tool for designing and optimizing porous structures, providing reliable mechanical property predictions without extensive experimental testing or complex simulations. The proposed method can enhance design efficiency and pave the way for developing advanced materials with tailored mechanical properties. Future research will extend the model to predict other mechanical properties and incorporate experimental validation to verify ANN predictions.

#Additive manufacturing (적층제조) #Lattice structures (격자구조) #Elastic modulus (탄성계수) #Artificial neural network (인공신경망) #Porous structures (다공성 구조)

참고문헌 (12)

참고문헌 신청

Wang, X., Xu, S., Zhou, S., Xu, W., Leary, M., Choong, P., Qian, M., Brandt, M., Xie, Y. M., (2016), Topological design and additive manufacturing of porous metals for bone scaffolds and orthopaedic implants: A review, Biomaterials, 83, 127-141.

Egan, P. F., Gonella, V. C., Engensperger, M., Ferguson, S. J., Shea, K., (2017), Computationally designed lattices with tuned properties for tissue engineering using 3D printing, PloS one, 12(8), e0182902.

Moon, I. Y., Song, Y., (2023), Design of lattice structure for controlling elastic modulus in metal additive manufacturing, Journal of the Korean Crystal Growth and Crystal Technology, 33(6), 276-281.

Karamooz Ravari, M. R., Kadkhodaei, M., (2015), A computationally efficient modeling approach for predicting mechanical behavior of cellular lattice structures, Journal of Materials Engineering and Performance, 24, 245-252.

Alwattar, T. A., Mian, A., (2019), Development of an elastic material model for BCC lattice cell structures using finite element analysis and neural networks approaches, Journal of Composites Science, 3(2), 33.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

Face Mask Recognition AI-algorithm with MobileNetV2-based Neural Network for Automatic Door Control in Intensive Care Unit (ICU)

박찬민 , 김우종 , 박민섭 외 2명 Journal of the Korean Society for Precision Engineering 2024 .04

Development of Deep Neural Network for Predicting the Thickness and Strain of Multi-Stage Deep Drawing Process

박근태 , 박지우 , 곽민준 외 1명 Journal of the Korean Society for Precision Engineering 2020 .11

Monitoring the Machining State of Machine Tools Using Artificial Neural Networks with Time-series Data

김강석 , 이득우 Journal of the Korean Society for Precision Engineering 2024 .08

Digital Twin Platform for Machining Robotic Production System based on Cutting Force Physics Models

하주형 , 김동민 Journal of the Korean Society for Precision Engineering 2024 .06

Comparative Analysis between IMU Signal-based Neural Network Models for Energy Expenditure Estimation

이창준 , 이정근 Journal of the Korean Society for Precision Engineering 2024 .03

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (12)

함께 읽어보면 좋을 논문

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)