단조 공정에서 균일 변형률 분포를 위한 합성곱 신경망 기반의 예비성형체 설계 방법 연구
Study of a preform design methodology for a uniform strain distribution in metal forging processes based on convolution neural network
- 주제어 (키워드) 단조 공정 , 예비성형체 설계 , 균일 변형률 분포 , 합성곱 신경망 , 저수준 합성곱 신경망
- 발행기관 서강대학교 일반대학원
- 지도교수 김낙수
- 발행년도 2022
- 학위수여년월 2022. 2
- 학위명 석사
- 학과 및 전공 일반대학원 기계공학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000066464
- UCI I804:11029-000000066464
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
본 연구는 단조 공정에서 단조품 내부에 균일한 변형률 분포를 유도할 수 있는 예비성형체 형상 설계 방법에 관한 연구이다. 단조품 내에 균일한 변형률 분포는 단조 공정의 균일한 변형을 의미하며, 기계적 성질을 향상시킬 수 있는 장점이 있다. 본 연구에서는 이를 위해 합성곱 신경망 기법을 적용하였다. 강소성 유한요소 해석을 통해 시작 형상을 변경하며 단조 해석을 진행한다. 이에 따른 단조 해석 결과와 변형률 분포를 합성곱 신경망에 배열로서 입력하면, 가중치 배열과의 합성곱을 통하여 배열에서 가지는 형상 특징을 도출할 수 있다. 또한 이를 다시 가중치 배열과의 합성곱을 통해 단조 시작 형상과 연결한다. 이를 활용하여 균일한 변형률 분포를 가지는 예비성형체를 도출하고자 한다. 해당 설계 방법은 훈련 데이터의 구성에 따라 별도의 iteration 없이 다양한 형상에 적용이 가능한 장점이 있으며, 설계 요구조건을 만족하는 예비성형체를 도출할 수 있다. 또한, 학습자료에 따라 다수의 저수준 CNN 모델을 구성하는 방식으로 예비성형체 설계 효율을 향상시킬 수 있다. 기존에 제시된 문헌과 비교하였을 때, 본 연구에서 제안한 방법은 최소 16.3%, 최대 38.4%의 변형률 표준편차를 감소시키며 변형률 분포를 개선할 수 있었다.
more