적합직교분해 딥러닝(POD-DL)기반의 재료 물성 예측과 압입표면변위 DIC 측정법
Prediction of Material Property Based on POD-DL and DIC Measurement of Indented Surface Displacement
- 주제어 (키워드) 압입 시험 , 디지털 이미지 상관법 , 압입 표면 변위 , 적합직교분해 , 딥러닝 , Indentation test , Digital image correlation (DIC) , Indentation surface displacement , Proper orthogonal deposition , Deep learning
- 발행기관 서강대학교 일반대학원
- 지도교수 이철수
- 발행년도 2022
- 학위수여년월 2022. 2
- 학위명 석사
- 학과 및 전공 일반대학원 기계공학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000066603
- UCI I804:11029-000000066603
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
본 논문은 압입으로 발생하는 재료의 표면 변위를 측정하는 DIC 알고리즘과 인 공지능 물성 예측 모델을 제시한다. 물성 예측에 위해 FEA 기반의 데이터베이스를 구축한다. 데이터베이스의 POD를 통해 POD 모드를 도출할 수 있으며 모든 표면 변 위 데이터는 POD 모드의 선형 조합으로 표현된다. 선형 조합에 사용되는 POD 모드 계수를 이용하여 표면 변위 곡선을 특정할 수 있다. POD 모드 계수와 FEA에 이용 된 기계적 물성을 각각 입력과 출력으로 딥러닝 모델을 학습시킨다. 이를 통해 압입 표면 변위를 이용하여 물성을 예측할 수 있는 POD-DL예측 모델을 제시한다. 그리 고 산업 환경에서 사용되는 재료에 압입 시험을 진행하고 이를 물성을 예측하는 과 정을 기술한다. 인장시험 결과와 본 연구에서 제시한 예측 모델의 결과를 비교 검증 하였다.
more초록 (요약문)
This paper presents DIC algorithm that measures surface displacement of a material caused by indentation and AI based material properties prediction model. For the properties prediction, FEA based database was built. POD modes are derived from the POD of database and all surface displacement data is expressed as a linear combination of the POD modes. The surface displacement curve can be specified by the POD mode coefficients used in the linear combination. The deep learning model is trained with the POD mode coefficients as the input and the mechanical properties used in FEA as the output. Through this, this paper presents a POD-DL prediction model that can predict material properties using indentation surface displacement. Also, this paper describes the process of indentation test on materials used in industrial environment and prediction of their properties This paper concludes with comparing and verifying the results of the tensile test and the prediction model presented in this study.
more