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
- 학위논문
- 저자정보
- 지도교수
- 김정호
- 발행연도
- 2022
- 저작권
- 인하대학교 논문은 저작권에 의해 보호받습니다.
이용수32
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문에서는 주기적인 하중을 받는 물체의 주기 소성 거동을 더욱 잘 예측하기 위해, 다수의 실험 결과로부터 합리적으로 비선형 복합 경화 모델의 파라메터를 추정할 수 있는 연구를 진행하였다. 특히, 한 케이스의 실험 결과에 편향되지 않은 결과를 도출하고 파라메터를 추정하는 프로세스를 간략화 하기 위해 다목적 유전 알고리즘을 적용하였다. 재료의 거동은 ASTM E606에 기반하여 Uniaxial, Rate-Independent 거동을 하도록 가정하였고, 재료는 RT(Room Temperature)에서 거동하도록 가정하였다. 재료의 Stress와 Strain의 관계는 비선형 복합 경화 구성방정식을 통해 서술하였다. 비선형 복합 경화 구성 방정식은 비선형 등방 경화와 A-F(Armstrong-Frederick) 비선형 이동 경화로 이루어져있다. 본 연구는 한 케이스의 실험 결과에 대한 GA(Genetic Algorithm)수행, 타 문헌에 기재된 경화 데이터 추출방법과 본 연구에서 사용한 방법의 비교, 마지막으로 Pareto Optimization개념을 도입한 Pareto MOGA 수행으로 총 세 단계로 진행되었다. 이로써 GA를 통한 솔루션이 한 실험 결과에 대해 얼마나 정확히 추정하는지 검증하고, MOGA를 통해 다수의 목적 함수에 대해 합리적인 솔루션을 도출 및 검증할 수 있었다.
목차
제 1 장. 개요 11.1 서론 1제 2 장. 이론적 배경 52.1 탄소성 이론 52.1.1 Von-Mises Yield Criteria 52.1.2 Flow Rule 62.2 경화(Hardening) 72.2.1 등방 경화 72.2.2 이동 경화 92.2.3 복합 경화 102.3 유전 알고리즘 142.3.1 유전 알고리즘 (GA, Genetic Algorithm) 142.3.2 다목적 유전 알고리즘 (MOGA, Multi-objective Genetic Algorithm) 162.4 유전 파라메터 182.4.1 Arithmetic Crossover 182.4.2 Gaussian Mutation 18제 3 장. 연구 과정 203.1 기준 데이터 생성 203.1.1 Non-Noised Data(기준데이터) 213.1.2 Noised Data 233.2 목적 함수 지정 243.2.1 문헌 조사 253.2.1.1 Investigated CASE1 253.2.1.2 Investigated CASE2 293.2.2 목적 함수 결정 323.3 유전 알고리즘(Genetic Algorithm)에 의한 검증 343.3.1 유전 알고리즘 검증 : Non-Noised Data(기준데이터 353.3.2 유전 알고리즘 검증 : Noised Data 383.3.3 유전 알고리즘 검증 : Comparison to Another Methods 423.4 다목적 유전 알고리즘(Multi-objective Genetic Algorithm)에 의한 검증 44제 4 장. 결론 49참고문헌 51
최근 본 자료
댓글(0)
0