ANN 모델링 및 CNN 기반 예측모델을 이용한 탄소섬유강화 단방향 복합재료의 가로방향 기계적 거동 예측 성능 비교
저자
발행기관
학술지명
권호사항
발행연도
2021
작성언어
Korean
주제어
KDC
550
자료형태
학술저널
발행기관 URL
수록면
118-118(1쪽)
제공처
본 연구에서는 단 방향 (UD) 합성물 (E-glass / MY750)의 가로 탄성 계수를 예측하기 위하여 섬유 위치 및 체적비를 사용한 인공 신경망 (ANN) 모델링 및 이미지 처리 기법을 사용한 합성곱 신경망 (CNN) 모델링의 접근 방식을 제안하고 성능을 비교하였다. 이 예측을 위해 RSE 알고리즘<sup>(1,2)</sup>에 의해 40 %, 50 % 및 60 %의 각 섬유 체적비에 대해 300 개의 RVE 샘플이 생성되었으며, 전산 균질화 기법에 의해 E2, G12 및 G23의 세 가지 가로 탄성 계수를 얻었다. 첫번째로, ANN 모델링의 경우 입력 데이터 (섬유 체적비 및 위치) 및 전산 균질화 기법 (CHS)에 의해 계산된 출력 데이터 (등가 탄성 계수)로 구성된 훈련 데이터 세트를 사용하여 역 전파 알고리즘에 의해 적절한 가중치와 편향을 갖도록 ANN 모델을 훈련하였다. 두 번째로, 각 섬유 체적비에 대해 300 개의 RVE를 사용하여 미세 구조 이미지를 기반으로 등가 탄성 계수를 예측하는 CNN 모델링 방법을 개발하였다. 제안된 ANN 및 CNN 모델의 성능을 비교하기 위해 CHS에서 가로 탄성 계수를 알고 있는 다양한 테스트 데이터 세트의 가로 탄성 계수 예측을 수행하였다. 예측 정확도는 평균 제곱 오차 (MSE), 상관 계수 (R) 및 상대 오차 측면에서 검증하였다. 예측 결과는 테스트 데이터 세트와 우수한 일치를 보였으며 임의의 미세 구조를 갖는 가로 탄성 계수를 신속하게 예측하였다. 이를 통해 제안된 ANN 모델은 CNN 모델에 비해 상당히 단순하고 강력하고 복합 재료의 미세 구조와 기계적 물성 간의 상관 관계를 효율적으로 제공할 수 있음을 확인했습니다.
더보기To predict the transverse elastic modulus of unidirectional (UD) composites (E-glass / MY750) in this study, we proposed an approach of artificial neural network (ANN) modeling using fiber position and volume ratio, and compare its performance with conventional convolutional neural network (CNN) modeling using image processing technique. For this prediction, 300 RVE samples for each volume ratio of 40%, 50%, and 60% were generated by the random sequential expansion (RSE) algorithm<sup>(1,2)</sup>, and they were analyzed by computational homogenization scheme (CHS) to evaluate the three transverse elastic moduli: E2, G12, and G23. First, a training dataset consisting of input data (the fiber volume ratio and locations) and output data (the effective elastic modulus) was used to develop the ANN model to have proper weight and bias by the backpropagation algorithm. Second, a CNN modeling method that predicts the equivalent elastic modulus based on microstructure images using 300 RVEs for each fiber volume ratio was developed. To compare the performance of the proposed ANN and CNN model, prediction of the transverse elastic modulus of various test datasets whose transverse elastic moduli are known by CHS was conducted. The prediction accuracy was verified in terms of the mean squared error (MSE), correlation coefficient (R), and relative error. The prediction results showed excellent agreement with the test dataset and quickly predicted the transverse elastic modulus having random microstructures. Through this, it was confirmed that the proposed ANN model can efficiently provide an reliable correlation between the microstructure and the effective mechanical properties of composite materials with complex structures not to mention that it is quite simple and powerful compared to the CNN model.
더보기서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)