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
- 김정
- 발행연도
- 2022
- 저작권
- 부산대학교 논문은 저작권에 의해 보호받습니다.
이용수13
이 논문의 연구 히스토리 (3)
2022
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 연구는 sheet molding compound(SMC) 복합재료에 대한 낙중 시험으로부터 획득한 흡수 에너지로 인공신경망 기법을 통해 손상 물성을 역추정하였다. 낙중 시험의 실험 조건을 충돌체의 위치 에너지로 구분하여 12.5 J ~ 20 J까지 2.5 J 간격으로 위치 에너지를 설정하여 수행하였다. SMC 복합재료에 대해 더 정확한 손상 물성을 획득하기 위해 유한요소 모델을 두 가지로 선정하여 비교 분석하였다. 획득하고자 하는 손상 모델의 파라미터에 대한 훈련 데이터를 추출하여 두 유한요소 모델에 따른 LS-DYNA 해석 결과를 도출하였다. 파라미터에 따른 해석 결과를 바탕으로 유한요소 모델 별 인공신경망 기반 대체 모델을 구축하였다. 시험 데이터를 이용하여 구축한 인공신경망 모델의 성능을 검증하였다. 각 인공신경망 모델로부터 실험 결과와의 오차를 최소화시키는 파라미터를 획득하였다. 최적화된 파라미터들을 각 유한요소 모델에 입력하여 해석한 결과와 인공신경망 결과, 그리고 실험 결과를 상호 비교함으로써 획득한 파라미터의 신뢰성을 검증하였다. 또한, 다른 위치 에너지 조건에 대한 각 유한요소 해석 결과를 실험과 비교하였을 때, 치구를 고려한 유한요소 모델이 기존 모델보다 오차가 더 작음을 확인하였다.
목차
1. 서론 12. SMC 복합재료의 낙중 시험 42.1 SMC 복합재료 42.2 낙중 시험 52.3 실험 결과 73. 낙중 시험에 대한 유한요소 모델 83.1 복합재료 손상 모델 83.2 유한요소 모델 154. 인공신경망 모델을 통한 손상 물성 역추정 174.1 인공신경망 기법 174.2 인공신경망 기반 대체 모델 구축 184.3 SMC 복합재료의 손상 물성 최적화 204.4 다른 조건에서 손상 물성 적용 225. 결론 24참고문헌 26Abstract 58
최근 본 자료
댓글(0)
0