k-NN 분류를 통한 PIC 보의 강도 최적화에 관한 연구 :Strength optimization of PIC beam with k-NN classification

함석우

추천

검색

자료유형: 학위논문

저자정보: 함석우 (공주대학교, 공주대학교 대학원)

지도교수: 전성식

발행연도: 2019

저작권: 공주대학교 논문은 저작권에 의해 보호받습니다.

이용수1

이 논문의 연구 히스토리 (2)

2020

k-NN 분류 모델의 학습 데이터 구성에 따른 PIC 보의 하중 충실도 향상에 관한 연구

함석우 Composites Research 2020.01 학술저널

2019

k-NN 분류를 통한 PIC 보의 강도 최적화에 관한 연구

함석우 기계공학과 2019.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

In the present study, design optimisation of PIC beam undergoing bending was carried out with the help of K-NN classification based on the triaxiality which is able to suggest dominant loading types in regions, i.e. tensile, compressive or shear. First, FE analysis of Al beam was carried out to analyze the type of bending load. For FE analysis considering triaxiality, tensile test was carried out with tensile specimens of various shapes. DNC specimens were also proposed to reduce tensile test. Secondly, k-NN classification was carried out to base on triaxiality data. After k-NN classification, beam regions are divided into three parts, i.e. tension dominant, shear dominant and compression dominant. The uni-type stacking sequence composite beam and PIC beam optimized by k-NN classification were compared by 3-point bending analysis. The optimised PIC beam showed excellent load resisting capability as well as energy absorption during three-point bending.

#k-NN classification #Triaxiality #Composite material #3-point bending

I. 서 론
1.1 연구배경 및 동향
1.2 연구목적 및 내용
II. k-NN 분류
2.1 k-NN 분류란?
2.2 Hyperparameter
2.2.1 이웃의 수 ‘k’
2.2.2 거리 측정 방법
2.3 교차 검증
III. Eco-Al의 3축 특성 분석
3.1. 3축 특성
3.2 3축 특성 분석을 위한 인장시험
3.2.1 기존의 시편
3.2.2 새롭게 제안한 시편(DNC 시편)
3.3 유한 요소 해석
IV. PIC 보에서의 k-NN 분류 적용
4.1 PIC 보에서의 k-NN 분류 적용
4.1.1 Data acquisiti on
4.1.2 k-NN 분류 모델
4.2 k-NN 분류 결과
V. 유한 요소 해석
5.1 유한 요소 해석 모델
5.2 유한 요소 해석 결과
VI. 결론 및 향후 과제
6.1 결론
6.2 향후 과제
참 고 문 헌
ABSTRACT

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

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)