KCI등재
SCOPUS
낙하 충격에 의한 탄소-케블라 하이브리드 직물의 전압 강하 특성과 머신 러닝을 통한 충격체 형상 예측 = Prediction of Impactor Shape by Machine Learning with Voltage Drop Characteristics of Carbon-Kevlar Hybrid Fabrics
저자
발행기관
학술지명
권호사항
발행연도
2020
작성언어
Korean
주제어
등재정보
KCI등재,SCOPUS,ESCI
자료형태
학술저널
발행기관 URL
수록면
165-177(13쪽)
KCI 피인용횟수
0
제공처
소장기관
Conductivity of carbon fibers can be utilized in a variety of applications such as the damage detection in special suits and composites requiring structural health monitoring. In this study, a methodology capable of predicting the impactor shapes was proposed by applying the voltage drop information induced by the damage of carbon-Kevlar hybrid fabrics to a decision tree-based random forest algorithm. drop impact tests were performed on the carbon-Kevlar hybrid fabric specimens according to the impact shapes and incident angles. Using the Gini index of the classification and regression tree (CART) statistical technique, important variables of the impact shape prediction criteria were analyzed. The validity of the technique was verified by out of bag (OOB) error estimation and three-fold cross validation. The shape of the impactor was precisely predicted by the unknown impactor from the voltage drop data, which are not included in the training process of the random forest. This study is significant in that it predicts the shape of the initial impactor through the machine learning technique by reflecting a multitude of object signals rather than based on specific parameters.
더보기탄소섬유의 전도성은 구조건전성 평가가 필요한 복합재료뿐만 아니라 손상 감지를 위한 특수의복 등 다양한 분야에서 활용되고 있다. 본 연구에서는 탄소-케블라 하이브리드 직물의 손상에 의해 유발되는 전압 강하 특성을 결정트리 기반의 랜덤 포레스트 알고리즘에 적용하여 이 같은 손상을 유발한 충격체의 형상을 예측할 수 있는 기법을 제시하였다. 이를 위해 탄소-케블라 하이브리드 직물 시험편을 대상으로 다양한 충격체의 형상과 입사 각도에 따라 낙하 충격 시험을 수행하였으며, 섬유 손상에 의한 전압 강하 정보를 추출하고 이를 랜덤 포레스트 모델에 학습시킴으로써 초기 충격체 형상을 예측할 수 있도록 하였다. CART(Classification and Regression Tree) 통계기법의 지니 지수를 활용하여 충격체 형상 예측 기준 중 중요 변수를 분석하였으며 예측 기법의 유효성 검증은 OOB(Out of Bag) 오차 추정치와 3겹 교차 검증을 통해 이루어졌다. 또한, 랜덤 포레스트의 훈련 과정에 포함되지 않은 충격체 미상의 전압 강하 데이터로부터 해당 충격체의 형상을 정확히 예측하였다. 본 연구는 특정 파라미터가 아닌 다량의 사물 신호를 전반적으로 반영하여 머신러닝 기법을 통해 초기 충격체 형상을 예측했다는 점에서 그 의미가 있다.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2023 | 평가예정 | 해외DB학술지평가 신청대상 (해외등재 학술지 평가) | |
2020-01-01 | 평가 | 등재학술지 유지 (해외등재 학술지 평가) | KCI등재 |
2010-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2008-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2006-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2004-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2001-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
1998-07-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.27 | 0.27 | 0.25 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
0.24 | 0.23 | 0.506 | 0.06 |
서지정보 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)