표제지
목차
국문요약 11
I. 서론 13
II. 관련 연구 16
III. 연구 프레임워크 20
3.1. 스탠드 데이터 생성 21
3.1.1. 스탠드 분류 및 공통 설계 구성요소 정의 21
3.1.2. 제조방식별 스탠드 파라미터 정의 23
3.1.3. 3D 스탠드 데이터 생성 자동화 27
3.2. 해석 데이터 수집 28
3.2.1. 낙하 충격 해석 수행 28
3.2.2. 라벨 데이터 전처리 29
3.3. 딥러닝 기반 역설계 모델 개발 31
3.3.1. 학습 파라미터 전처리 33
3.3.2. 응력 및 중량 예측 모델 35
3.3.3. 스탠드 파라미터 역설계 모델 39
IV. 학습 결과 및 고찰 43
4.1. 모델 학습 결과 43
4.2. 연구 고찰 49
4.2.1. 설계 생성 및 파레토 분석 49
4.2.2. 설계 민감도 분석 55
4.2.3. 지도 학습과 비지도 학습의 비교 57
V. 결론 62
참고문헌 64
ABSTRACT 67
[표 1] 딥러닝 용 압출 및 사출 스탠드 데이터셋 개수 34
[표 2] 압출 제조 스탠드 순방향 네트워크별 예측 평가지표 44
[표 3] 압출 제조 스탠드 역설계 모델 평가지표 45
[표 4] 사출 제조 스탠드 순방향 네트워크별 예측 평가지표 46
[표 5] 사출 제조 스탠드 역설계 모델 평가지표 47
[표 6] Train Data와 제안된 사출 스탠드 역설계 모델의 최적해 조건비교 48
[표 7] 최적해 예시의 생성 조건 비교표 54
[표 8] 최적해 추출을 위한 동일 조건 표 60
[그림 1] 연구 프레임워크 20
[그림 2] TV 스탠드 공통 설계 구성요소 22
[그림 3] 압출 제조형 스탠드 단면관련 파라미터 23
[그림 4] 압출 제조형 스탠드 레일관련 파라미터 24
[그림 5] 사출 제조형 스탠드 단면관련 파라미터 25
[그림 6] 사출 제조형 스탠드 레일관련 파라미터 26
[그림 7] 압출제조 및 사출제조 스탠드 단면 이미지 예시 27
[그림 8] TV 스탠드 3D CAD 자동생성 과정 28
[그림 9] 스탠드 해석데이터 전처리 과정 30
[그림 10] 딥러닝 기반 역설계 모델 아키텍쳐 31
[그림 11] 압축 및 사출 스탠드 딥러닝 용 라벨 데이터 분포 히스토그램 35
[그림 12] 압출 제조 스탠드의 중량 예측 모델 아키텍처 36
[그림 13] 압출 제조 스탠드의 최대응력값 예측 모델 아키텍처 37
[그림 14] 사출 제조 스탠드의 중량 예측 모델 아키텍처 38
[그림 15] 사출 제조 스탠드의 최대응력값 예측 모델 아키텍처 39
[그림 16] 압출 제조 스탠드의 역설계 모델 아키텍처 42
[그림 17] 사출 제조 스탠드의 역설계 모델 아키텍처 42
[그림 18] 압출 제조 스탠드 순방향 네트워크별 산점도 44
[그림 19] 압출 제조 스탠드 역설계 모델 산점도 45
[그림 20] 사출 제조 스탠드 순방향 네트워크별 산점도 46
[그림 21] 사출 제조 스탠드 역설계 모델 산점도 47
[그림 22] Train Data와 제안된 사출 스탠드 역설계 모델의 최적설계안비교 48
[그림 23] 압출 스탠드 최적해의 파레토 프런트 커브 그래프 51
[그림 24] 같은 중량 조건을 가지는 레일타입별 압출 스탠드 최적해 51
[그림 25] 사출 스탠드 최적해의 파레토 프런트 커브 그래프 52
[그림 26] 같은 중량 조건을 가지는 레일타입별 사출 스탠드 최적해 52
[그림 27] 사출제조 스탠드의 최적해 예시 위치 54
[그림 28] 최적해 예시의 단면 및 레일 시각화 54
[그림 29] 사출 스탠드의 파라미터별 Featrure Importance 히스토그램 56
[그림 30] Feature Importance 지표 상위 5개 파라미터 56
[그림 31] cGAN 기반 역설계 모델 아키텍처 58
[그림 32] 비지도학습 기반 역설계 모델 최적 파라미터별 히스토그램 60