본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색
결과 내 검색 동의어 포함
결과 내 검색 동의어 포함

-

목차보기

목차 1

시뮬레이션 기반 3차원 엮임 재료의 물성치 분석 및 인공 신경망 해석 ＝ Simulation-based material property analysis of 3D woven materials using artificial neural network / 김병모 ; 하승현 1

Abstract 1

1. 서론 1

2. 파라메트릭 배치 해석 워크플로우 2

2.1. 파라메트릭 모델 2

2.2. 파라메트릭 배치 해석 2

2.3. 구조 강성 및 열전도도 수치 해석 2

2.4. 유체투과율 해석 3

3. 수치해석 및 결과 3

3.1. 물성치 데이터베이스 생성 3

3.2. 다변수 회귀 분석 3

3.3. 인공 신경망 학습 4

4. 결론 6

References 6

요지 6

초록보기

본 논문에서는 3차원 엮임 재료의 재료 물성치들을 효율적으로 분석하고 추후 최적설계 연구에 활용하기 위해서 파라메트릭 배치해석 워크플로우를 제시하였다. 3차원 엮임 재료를 구성하는 와이어들 사이의 간격을 설계 매개변수로 하는 파라메트릭 모델에 대해서 임의의 변수 조합을 가지는 2,500개의 수치 모델을 생성하였으며, 상용 프로그램인 매트랩과 앤시스의 여러 모듈을 사용하여 체적 탄성계수, 열전도도, 유체투과율과 같은 다양한 재료 물성치들을 배치 해석을 통해서 자동으로 얻어질 수 있도록 구성하였다. 이와 같이 얻어진 대용량의 재료 물성치 데이터베이스를 활용해서 회귀 분석을 수행하였으며, 그 결과 설계 변수들과 재료 물성치 사이의 경향성과 수치 해석 결과의 정확도를 검증하였다. 또한 확보된 데이터베이스를 통해서 3차원 엮임 재료의 물성치를 예측할 수 있는 인공 신경망을 구성하고 학습시켰으며, 그 결과 임의의 설계 매개변수 값들을 가지는 엮임 재료 모델에 대해서 구조 및 유체해석 과정 없이도 높은 정확도로 재료 물성치들을 추정할 수 있음을 확인하였다.

In this study, we devised a parametric analysis workflow for efficiently analyzing the material properties of 3D woven materials. The parametric model uses wire spacing in the woven materials as a design parameter; we generated 2,500 numerical models with various combinations of these design parameters. Using MATLAB and ANSYS software, we obtained various material properties, such as bulk modulus, thermal conductivity, and fluid permeability of the woven materials, through a parametric batch analysis. We then used this large dataset of material properties to perform a regression analysis to validate the relationship between design variables and material properties, as well as the accuracy of numerical analysis. Furthermore, we constructed an artificial neural network capable of predicting the material properties of 3D woven materials on the basis of the obtained material database. The trained network can accurately estimate the material properties of the woven materials with arbitrary design parameters, without the need for numerical analyses.

권호기사

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 목차
종이구조물의 접기해석과 반전을 위한 최적충돌조건의 산정 = Folding analysis of paper structure and estimation of optimal collision conditions for reversal 이계희 p. 213-220

보기
초기 볼트풀림 상태의 볼트 체결력 예측을 위한 주파수응답 유사성 기반의 합성곱 신경망 = Convolutional neural network-based prediction of bolt clamping force in initial bolt loosening state using frequency response similarity 이제현, 한정삼 p. 221-232

보기
다중 분산점 칼만필터를 이용한 급격한 구조손상 탐지 기법 개발 = Unscented Kalman filter with multiple sigma points for robust system identification of sudden structural damage 이세혁, 이상리, 이진호 p. 233-242

보기
반복 횡하중이 작용하는 강재 클립형 연결장치로 결속된 철근 콘크리트 기둥의 비선형 유한요소해석 = Nonlinear finite element analysis of reinforced concrete columns with steel clip-type implements subjected to cyclic lateral loading 김용주, 최병정 p. 243-250

보기
노후 PSC 구조물의 잔여 긴장 응력 진단을 위한 외부 자화 EM 기법 검증 = Verification of external magnetization based EM technique for diagnosing residual tensile stress in aged PSC structures 박순전, 박세환, 최재훈, 전교영, 김준경 p. 251-257

보기
시뮬레이션 기반 3차원 엮임 재료의 물성치 분석 및 인공 신경망 해석 = Simulation-based material property analysis of 3D woven materials using artificial neural network 김병모, 하승현 p. 259-264

보기
철근콘크리트골조 설계와 현장관리 디지털전환 전략과 기술개발 = Strategy and technology for digital transformation of design and construction of RC structures 김치경 p. 265-272

보기
고장수목 기반 베이지안 네트워크를 이용한 가스 플랜트 시스템의 확률론적 안전성 평가 = Probabilistic safety assessment of gas plant by fault tree-based Bayesian network 이세혁, 문창욱, 박상기, 조정래, 송준호 p. 273-282

보기

참고문헌 (9건) : 자료제공( 네이버학술정보 )

참고문헌 목록에 대한 테이블로 번호, 참고문헌, 국회도서관 소장유무로 구성되어 있습니다.
번호 참고문헌 국회도서관 소장유무
1 ANSYS Inc. (2020) ANSYS Release Notes Reference, Release 2020 R2. 미소장
2 Dehale, M., Neale, G., Lupicini, R., Cascone, L., McGarrigle, C. (2019) Effect of Weave Parameters on the Mechanical Properties of 3D Woven Glass Composites, Compos. Struct., 223, pp.1~9. 미소장
3 Ha, S.-H., Lee, H.Y., Hemker, K.J., Guest, J.K. (2019) Topology Optimization of Three-Dimensional Woven Materials Using a Ground Structure Design Variable Representation, J. Mech. Des., 141(6), pp.061403-1~10. 미소장
4 Kim, B., Sim, K., Ha, S.-H. (2022) Design Optimization for 3-D Woven Materials Based on Regression Analysis, J. Comput. Struct. Eng. Inst. Korea, 35(6), pp.351~356. 미소장
5 Kim, C., Ha, S.-H. (2020) Simulation-Based Damage Estimation of Helideck Using Artificial Neural Network, J. Comput. Struct. Eng. Inst. Korea, 33(6), pp.359~366. 미소장
6 Rosenblatt, F. (1958) The Perceptron: A Probabilistic Model for Information Storage and Organization in The Brain, Psychol. Rev., 65(6), pp.386~408. 미소장
7 Sharp, K., Mungalov, D., Brown, J. (2014) Metallic Cellular Materials Produced by 3D Weaving, Pocedia Materials Science, 4, pp.15~20. 미소장
8 Sim, K., Ha, S.-H. (2020) Parametric Modeling and Numerical Simulation of 3-D Woven Materials, J. Comput. Struct. Eng. Inst. Korea, 33(5), pp.331~338. 미소장
9 Zhao, L., Ha, S.-H., Sharp, K.W., Geltmacher, A.B., Fonda, R.W. (2014) Permeability Measurements and Modeling of TopologyOptimized Metallic 3-D Woven Lattics, Acta Mater., 81, pp.326~336. 미소장

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차