정하중을 받는 구조물의 적층제조를 위한 구조물과 지지부의 적응적 가중치 기반 동시 위상최적설계 :Simultaneous Topology Optimization of Statically Loaded Structure and Supports Based on Adaptive Weighting Factor for Additive Manufacturing

조재훈

추천

검색

자료유형: 학위논문

저자정보: 조재훈 (충남대학교, 忠南大學校大學院)

지도교수: 이중석

발행연도: 2021

저작권: 충남대학교 논문은 저작권에 의해 보호받습니다.

이용수4

이 논문의 연구 히스토리 (2)

2021

정하중을 받는 구조물의 적층 제조를 위한 적응적 가중치 적용 동시 위상최적설계

조재훈 , 이중석 대한기계학회 논문집 A권 2021.09 학술저널

정하중을 받는 구조물의 적층제조를 위한 구조물과 지지부의 적응적 가중치 기반 동시 위상최적설계

조재훈 기계공학과 2021.01 학위논문

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

초록· 키워드

오류제보하기

적층제조방식은 기계 건축 예술 등에서 널리 사용되고 있다. 하지만 적층제조방식에는 돌출 부분에서 발생하는 구조물의 변형 및 파괴의 단점이 있다. 이를 해결하는 방법은 지지대를 설계하여 구조물을 떠받치는 것인데 지지대는 제작 후 제거 되어야 하는 부분으로 효율적인 설계를 요구한다. 본 연구에서는 위상최적설계 기법을 사용하여 구조물과 지지부를 동시에 최적설계하여 적층제조 방식에서 발생하는 문제점을 해결하고 효율적인 설계방법을 제안한다.

Additive manufacturing method has been used in many areas such as machinery, architecture and art. However, additive manufacuring has critical issue that is derived from the overhang region of the main structure. The typical method to solve this problem is building supports that prop the overhang region for a given structure. But in this study, Simultaneous topology optimization method based on adaptive weighting factor is used for simultaneous design of compliance-minimizing main structure and supports. For a successful simultaneous design of main structure and supports, the most important thing is to set proper value of weighting factor. So adaptive weighting factor is defined in objective function as a ratio of compliance of main structure and supported structure. To prove the need for adaptive weighting factor, simultaneous topology optimization result using adaptive weighting factor is compared with topology optimization results with heuristically set weighting factors for three case, a main structure under single load, under multiple load, under distributed load. As a result, using addaptive weighting factor is proved to help design fabricational structure.
To enhance the effectiveness of this study, the design results are compared by changing in a material property of a main structure and suppot. First, Young’s modulus of support is set to be larger than Young’s modulus of main structure, to be same, to be smaller. The tendancy of thickness of support was found to be thickness as the Young’s modulus of support become smaller. Second As desnsity of main structure increase, thickness of support increase. This result reflect the physical phenomenon that the support should be thicker to prop heavy material.
By using simultaneous topology optimization method based on adaptive weighting factor proposed in this study, more efficient design is expected in additive manufacturing. Based on topology optimization results according to the various material property of main structure and support, proper material can be selected to build main structure and supports.

1. 서 론 1
1.1 연구 배경 1
1.2 연구 동향 2
1.3 연구 목적 및 내용 3
2. 정하중을 받는 구조물에 대한 위상최적설계 기법 6
2.1 강성 최대화 문제 정의 6
2.2 물성치 보간 기법(SIMP) 6
2.3 정하중을 받는 구조물의 위상최적설계 문제 정식화 9
2.4 민감도 해석 기법 10
3. 적층제조를 위한 동시 위상최적설계 12
3.1 주 구조물과 지지부의 동시 위상최적설계 정의 12
3.2 동시 위상최적설계를 위한 물성치 보간법 15
3.3 동시 위상최적설계 문제 정식화 17
3.4 적응적 가중치 정의 18
3.5 민감도 해석 19
4. 동시 위상최적설계 결과 24
4.1 적응적 가중치의 영향 24
4.1.1 Case 1: 단일 하중을 받는 주 구조물의 동시 위상최적설계 24
4.1.2 Case 2: 다중 하중을 받는 주 구조물의 동시 위상최적설계 33
4.1.3 Case 3: 분포 하중을 받는 주 구조물의 동시 위상최적설계 39
4.2 주 구조물과 지지부의 물성치 변화에 따른 설계 결과 비교 45
4.2.1 지지부의 탄성계수 값에 따른 설계 결과 비교 45
4.2.2 주 구조물의 밀도 값에 따른 설계 결과 비교 46
5. 결 론 48
참고 문헌 51
ABSTRACT (영문 초록) 55

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)