[표지] 1
제출문 2
요약문 3
SUMMARY 8
CONTENTS 13
목차 14
제1장 서론 19
제1절 기술개요 19
제2절 연구개발 목표 및 내용 21
1. 연차별 연구내용 21
2. 핵심기술 목표 및 평가방법 27
3. 주요 기술개발 이슈 및 연구전략 28
제2장 본론 33
제1절 구조발열 기능성 섬유강화 복합소재 설계 및 선택적 De-icing 기법 개발 33
1. 구조일체 발열기능성 Glass-Carbon 복합소재 설계 33
2. 구조일체 발열기능성 복합소재 제작 37
3. 구조일체 발열기능성 복합소재 구조물성 시험평가 43
제2절 머신러닝 기법을 적용한 정밀한 국부 착빙진단 기술 개발 47
1. 구조 모달특성을 이용한 머신러닝 기반 국부 착빙진단 기술 개발 47
2. MCTA 센서를 이용한 착빙감지 기술 개발 56
제3절 발열 기능성 복합소재 De-icing 성능 평가 66
1. 발열기능성 복합소재 상온 발열성능시험 66
2. 발열기능성 복합소재 De-icing 성능시험 68
제3장 결론 73
[뒷표지] 74
〈표 1-1〉 핵심기술 선정사유 27
〈표 1-2〉 정량적 기술 목표 및 연차별 개발 목표 27
〈표 1-3〉 기술 목표별 평가방법 28
〈표 1-4〉 연차별 참여기관 업무분담 계획 32
〈표 2-1〉 구조-발열 기능성 심유강화 복합소재 설계용 기본재료 구성 33
〈표 2-2〉 발열 기능성 탄소섬유 직조패턴 설계변수 분포 34
〈표 2-3〉 발열 기능성 탄소섬유 직조패턴별 최대발열 온도편차 35
〈표 2-4〉 Spray system을 통하여 만들어진 Droplet의 특성값 58
[그림 1-1] 구조-발열 기능성 섬유강화 복합소재 기술 구성 19
[그림 1-2] 구조-발열 기능성 섬유강화 복합소재 개발 절차 22
[그림 1-3] 머신러닝 기법을 적용한 착빙감지 및 국부 발열 제어기술 개발 절차 23
[그림 1-4] 다채널 온도센서를 이용한 ice-detection 평가 개념 25
[그림 1-5] De-icing시험을 위한 저온 환경시험 챔버 26
[그림 2-1] 탄소섬유 발열체 직조패턴 설계변수 34
[그림 2-2] 탄소섬유 직조패턴별 평판형 복합재료 발열패턴 해석 결과 35
[그림 2-3] 탄소섬유 직조패턴별 곡면형 복합재료 발열패턴 해석 결과 36
[그림 2-4] RTM(resin transfer molding) 성형 공법 37
[그림 2-5] 구조일체 발열 기능성 복합소재 시제 제작 공정도 38
[그림 2-6] 면외방향으로 복합재료 적층에 삽입되는 발열전극 39
[그림 2-7] 복합적층 내 발열전극 삽입 및 면외방향 인입을 위한 특허출원 개념도 40
[그림 2-8] 발열체 전극 인입용 ingress/egress 모듈 열전도 해석 결과 40
[그림 2-9] 발열전극 인입용 복합재 ingress/egress 모듈 설계 및 제작 결과 41
[그림 2-10] 평판형 구조발열 기능성 복합재 제작 과정 42
[그림 2-11] 곡면형 구조발열 기능성 복합재 제작 과정 42
[그림 2-12] ASTM D3039 인장시험 시편형상 43
[그림 2-13] ASTM D3039 시편 및 인장시험 장면 44
[그림 2-14] 발열 기능성 섬유강화 복합소재 인장시험 결과 45
[그림 2-15] 복합소재 인장시편 층간분리 파단면 46
[그림 2-16] 인공신경망 예시 47
[그림 2-17] 알루미늄 외팔보 실험 구성도 48
[그림 2-18] 실험에 사용한 impact hammer, 추가 질량 및 가속도 센서 부착 위치 49
[그림 2-19] Epoch 수에 따른 training과 test의 에러값 비교 50
[그림 2-20] 5-fold 교차검증방법 구성도 50
[그림 2-21] 인공신경망을 이용하여 착빙 위치별 착빙된 얼음의 무게 예측결과 비교 51
[그림 2-22] DTU 10MW 풍력발전기의 블레이드 51
[그림 2-23] 고려하고 있는 착빙 질량 분포 예시 52
[그림 2-24] 인공신경망 학습 과정 53
[그림 2-25] 정지조건에서의 얼음 질량 분포 비교 54
[그림 2-26] 전이학습 이후 인공신경망과 HAWC2에서 예측한 착빙질량 비교 54
[그림 2-27] 복합 학습데이터를 이용한 전이학습 이후 인공신경망과 HAWC2에서 예측한 착빙 질량 비교 55
[그림 2-28] "N+1" 형태 센서의 개념도 56
[그림 2-29] 실 제작된 N+1 형태의 multi-channel sensor 57
[그림 2-30] bench 테스트를 통한 개발된 센서 검증 결과 58
[그림 2-31] 착빙 시험을 위한 spray system 제작 및 droplet characteristic 측정 58
[그림 2-32] Environmental chamber 시험 개략도 및 실제 시험 구성 59
[그림 2-33] Case II 시험 결과 60
[그림 2-34] MCTCA센서에서 측정된 착빙 시 온도 변화 분포 61
[그림 2-35] Resin 두께 1㎜와 2㎜로 조절한 MCTCA 센서 61
[그림 2-36] Resin 두께 조절 MCTCA센서의 environmental chamber 시험환경 62
[그림 2-37] 1㎜와 2㎜ 두께를 갖는 MCTCA 센서들의 150초 spray 동안 발생한 온도 변화 비교 63
[그림 2-38] 착빙된 얼음의 단위 질량 당 온도변화 값(ΔT/g)과 spray시간(spray time)의 상관관계 63
[그림 2-39] 착빙이 발생하는 동안 온도분포 변화 측정 결과 64
[그림 2-40] 착빙 시간별 얼음의 형태 65
[그림 2-41] 복합소재 발열 성능 시험장치 구성도 66
[그림 2-42] 상온 발열 성능시험 표면온도 계측결과 67
[그림 2-43] 상온 발열 성능시험 작동 전압별 최대 표면온도 계측 결과 67
[그림 2-44] 발열기능성 복합소재 De-icing 성능시험(I)(@ -10C for >5㎜ ice thickness) 장치구성 68
[그림 2-45] De-icing 성능시험(@ -10C for >5㎜ ice thickness) 결과 : 시간대 별 De-icing과정 69
[그림 2-46] 발열기능성 복합소재 De-icing 성능시험(II)(@ -10C for >30㎜ ice thickness) 장치구성 70
[그림 2-47] De-icing 성능시험(II)(@ -10C for >30㎜ ice thickness) 결과 : 시간대 별 De-icing 과정 71
[그림 2-48] De-icing 성능시험(II)(@ -10C for >5㎜ ice thickness) 결과 : 공기온도(TC1), 평판외각온도(TC2) 72