구형 압입시험시 생성된 표면변위장과 인공신경망을 이용한 잔류응력 평가
Evaluation of residual stress using surface displacement from spherical indentation test and artificial neural network
- 주제어 (키워드) 잔류응력 , 압흔 , 유한요소해석 , 구형압입 , 인공신경망 , 디지털 이미지 상관기법 , Residual stress , Residual imprint , Finite element analysis , Spherical indentation , Artificial neural network , Digital image correlation
- 발행기관 서강대학교 일반대학원
- 지도교수 이형일
- 발행년도 2022
- 학위수여년월 2022. 2
- 학위명 석사
- 학과 및 전공 일반대학원 기계공학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000066476
- UCI I804:11029-000000066476
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
본 연구는 구형 압입시험 후 생성된 표면 수평변위장과 인공신경망으로 금속재료에 대한 새로운 양축등가 잔류응력 평가법을 제시한다. 포괄적인 금속 물성범위 및 잔류응력에 따른 압입시험 FE 해석을 먼저 수행한다. 해석 결과를 바탕으로 마찰영향을 고려하지 않아도 되는 수평변위장 범위를 정의 한다. 해당 범위의 FE 데이터를 기계학습시켜 잔류응력을 도출하는 시스템을 구축한다. 무잔류응력 상태인 실제 공업재료에 응력을 유도해 양축등가 잔류 응력이 있는 재료상태를 재현한 후, 구형압입시험을 진행하고 디지털 이미지 상관기법 (DIC) 으로 수평변위장을 획득해 구축한 평가시스템에 적용시킨다. 적용시킨 응력과 예측된 잔류응력값을 비교한 결과, 전체 평균 오차절대값은 4.7 % 로 나타났다.
more초록 (요약문)
A novel method is proposed for evaluating the equi-biaxial residual stresses (RS) of metallic materials by employing horizontal displacement field from residual imprint after spherical indentation tests and artificial neural network (ANN). Finite element analysis (FEA) of spherical indentation for a comprehensive range of material properties and equi-biaxial RS of general metallic metals is initially done. Based on FEA solutions, a specific range of displacement field that is free from frictional effects is defined. RS determination system is constructed, using ANN, applying the FE data for the defined range. The spherical indentation tests are applied to actual industrial metallic specimens with induced equi-biaxial stresses imitating RS state. The horizontal displacement field was obtained by digital image correlation (DIC) method, and acquired data was then applied to the constructed RS estimating system. The comparison of applied stress and the evaluated RS values showed the overall average of absolute error values of 4.7 %.
more