지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2024.11
- 수록면
- 1,532 - 1,539 (8page)
이용수
초록· 키워드
오류제보하기
금속의 미세조직은 제조공정 상의 화학성분조성, 냉각 또는 열처리 조건이나, 소재 고유의 기계적 물성 등의 여러가지 정보들을 포함하고 있다. 특히, 이러한 미세조직과 연관된 인공지능에 대한 상분류, 소재 물성예측과 합금조성설계 등의 분야에서 빠르고 효율적으로 신소재를 개발하기 위한 많은 연구가 진행되고 있다.
자동차 부품 중 현가장치(Shock Absorber)의 주요 부품인 Base Shell 과 Inner Tube 에 사용되는 인발관(또는 조관)은 자동차 요구강성을 만족시키기 위해 인발률(단면감소율)을 조정하고, 열처리를 하여 소재강도를 조절할 수 있다. 본 연구에서는 요구사항을 기준으로 다양한 강도로 제작된 인발관들의 미세조직 이미지를 딥러닝을 통해 학습하여 인장강도, 항복강도, 신율, 경도 등의 기계적물성을 예측하는 연구를 진행하였다.
기존에 소재물성을 측정하기 위해서는 제품에서 특정한 규격의 시험편을 가공하여 채취한 후에 인장시험을 통해 측정하는 방법으로 진행하였고, 이를 위한 별도의 비용과 시간이 소요되었다. 실제 측정에 의한 시험결과 대신에 인공지능 딥러닝을 통해 미세조직으로 물성을 예측할 수 있다면 제품의 소재 특성 및 품질 평가가 용이하고, 시험편 제작이 어려운 샘플에 대해 기계적 물성 데이터를 확보할 수 있어 부품개발 및 강도해석분야에도 새로운 패러다임을 제공할 수 있을 것으로 기대된다.
본 연구에서 인공지능의 학습 및 예측 방식은 인발관의 Data Set 으로 미세조직 이미지와 기계적 물성간의 특징 및 상관관계를 스스로 찾고, 이를 기반으로 새로운 소재의 물성을 예측하는 방식이다.
실제로 양산되고 있는 Base Shell, Inner Tube 등의 인발관의 인장시험, 경도시험, 미세조직 촬영을 통해 Data Set 을 제작하였고 MATLAB의 VGG16 Deep Learning 알고리즘 모델을 이용한 전이학습을 통해 상분류(Classification)외 회귀분석(Regression)으로 미세조직 학습 및 물성예측 모델 개발을 진행하였다.
자동차 부품 중 현가장치(Shock Absorber)의 주요 부품인 Base Shell 과 Inner Tube 에 사용되는 인발관(또는 조관)은 자동차 요구강성을 만족시키기 위해 인발률(단면감소율)을 조정하고, 열처리를 하여 소재강도를 조절할 수 있다. 본 연구에서는 요구사항을 기준으로 다양한 강도로 제작된 인발관들의 미세조직 이미지를 딥러닝을 통해 학습하여 인장강도, 항복강도, 신율, 경도 등의 기계적물성을 예측하는 연구를 진행하였다.
기존에 소재물성을 측정하기 위해서는 제품에서 특정한 규격의 시험편을 가공하여 채취한 후에 인장시험을 통해 측정하는 방법으로 진행하였고, 이를 위한 별도의 비용과 시간이 소요되었다. 실제 측정에 의한 시험결과 대신에 인공지능 딥러닝을 통해 미세조직으로 물성을 예측할 수 있다면 제품의 소재 특성 및 품질 평가가 용이하고, 시험편 제작이 어려운 샘플에 대해 기계적 물성 데이터를 확보할 수 있어 부품개발 및 강도해석분야에도 새로운 패러다임을 제공할 수 있을 것으로 기대된다.
본 연구에서 인공지능의 학습 및 예측 방식은 인발관의 Data Set 으로 미세조직 이미지와 기계적 물성간의 특징 및 상관관계를 스스로 찾고, 이를 기반으로 새로운 소재의 물성을 예측하는 방식이다.
실제로 양산되고 있는 Base Shell, Inner Tube 등의 인발관의 인장시험, 경도시험, 미세조직 촬영을 통해 Data Set 을 제작하였고 MATLAB의 VGG16 Deep Learning 알고리즘 모델을 이용한 전이학습을 통해 상분류(Classification)외 회귀분석(Regression)으로 미세조직 학습 및 물성예측 모델 개발을 진행하였다.
목차
Abstract
1. 서론
2. 실험방법
3. 결과 및 고찰
4. 결론
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
철강 소재 미세조직 분석에 딥러닝 기술의 이용
대한기계학회 춘추학술대회
2019 .04
-
미세조직-물성 상관관계
기계저널
2017 .06
-
소재의 미세조직 데이터 표준화 및 인공지능 활용 방안
대한기계학회 춘추학술대회
2021 .05
-
항공용 Ti 합금 선재의 열처리 조건에 따른 미세조직 및 기계적 강도에 대한 연구
한국소성가공학회 학술대회 논문집
2021 .05
-
핵연료피복재용 ZIRLO®합금튜브 산화막에 대한 미세조직 분석
대한기계학회 춘추학술대회
2015 .04
-
금속 3D 프린팅 시편의 에너지 밀도에 따른 미세조직 및 기계적 물성 연구
한국정밀공학회 학술발표대회 논문집
2021 .11
-
딥러닝 기반의 학습 성취 예측 모델
한국컴퓨터정보학회 학술발표논문집
2021 .01
-
금속 미세조직 진화 예측을 위한 인공지능 모델
한국정밀공학회 학술발표대회 논문집
2023 .11
-
다중 상을 포함하는 미세조직 영상 분류
한국정보과학회 학술발표논문집
2017 .12
-
기계 구조용 강관 소재의 열처리 온도에 따른 미세조직에 관한 연구
한국소성가공학회 학술대회 논문집
2015 .10
-
단조 원소재의 재가열 횟수에 따른 미세조직 및 기계적성질 고찰
단조 심포지엄
2016 .06
-
금속 미세조직 예측을 위한 생성형 인공지능의 활용
한국정밀공학회 학술발표대회 논문집
2024 .11
-
Prediction of Mechanical Properties in Consideration of Process-Microstructure Relationship
한국소성가공학회 학술대회 논문집
2023 .05
-
고밀도 전자빔 기반 금속 소재 미세홀 가공 형상 예측 및 세라믹 소재 미세 절단 가공 형상 예측 연구
대한기계학회 춘추학술대회
2022 .05
-
초내열합금 Alloy718의 단조공정에 따른 미세조직변화
한국소성가공학회 학술대회 논문집
2021 .05
-
‘인공지능’, ‘기계학습’, ‘딥 러닝’ 분야의 국내 논문 동향 분석
한국정보전자통신기술학회 논문지
2020 .08
-
[KSME2024R3031] 기계가공을 이용한 유리기반 미세유체 장치 개발 및 응용
대한기계학회 춘추학술대회
2024 .06
-
건전성 예측 및 관리를 위한 딥러닝 기반 전이 학습 사례 연구
대한산업공학회 춘계공동학술대회 논문집
2022 .06
-
기계공학과 딥러닝
대한기계학회 춘추학술대회
2019 .11
-
오스테나이트계 Fe-Ni based 합금강의 열화 시간에 의한 탄화물 거동과 기계적 물성 변화에 대한 연구
대한기계학회 논문집 A권
2018 .11
이 논문과 함께 이용한 논문
증착 방법에 따른 그래핀 옥사이드 적층의 균일성에 관한 연구
이승은
,
장진혁
,
전경용
외 2명
대한기계학회 춘추학술대회
2015
.11
생성형 AI를 위한 Retrieval-Augmented Generation (RAG) 기술 동향 및 전망
윤여찬
,
김수균
컴퓨터교육학회 논문지
2025
.02
국내 연구진, 신소재 개발 및 국산화 성과… ‘소재 강국 꿈’ 한발짝
김승훈
월간 전자부품(EPNC)
2025
.02
국내 자생 홍조류 황해새붉은실의 해양 바이오 신소재화를 위한 기능성 탐색
안찬현
,
고석천
,
임미진
외 6명
한국해양바이오학회지
2024
.12
SiO₂@C 복합 음극재에서 실리카 나노입자의 유효 표면적 변화에 따른 리튬이온배터리의 전기화학적 특성변화
김기출
한국산학기술학회 논문지
2025
.01
최근 본 자료
댓글(0)
0