IN718 디스크의 열간 단조에서 열처리의 영향을 고려한 상세한 예비성형체 설계
Detailed preform design procedure considering the effect of heat treatment in IN718 disk forging
- 주제어 (키워드) Inconel 718 , Disk forging , Convolutional Neural Network , Lemaitre Damage model , JMAK model , Heat treatment
- 발행기관 서강대학교 일반대학원
- 지도교수 김낙수
- 발행년도 2024
- 학위수여년월 2024. 8
- 학위명 석사
- 학과 및 전공 일반대학원 기계공학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000078848
- UCI I804:11029-000000078848
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
본 연구는 IN718 터빈 디스크의 열간 단조 과정에서 프리폼 절감을 위한 열처리의 영향을 조사했다. 제안된 프리폼 설계 방법은 합성곱 신경망(CNN)을 활용하여 최종 단조 제품의 손상 최소화와 균일한 결정립 크기를 목표로 한다. 이때 본 연구에서 손상 계산에는 Lemaitre 손상 모델을, 결정립 크기 계산에는 Johnson-Mehl-Avrami-Kolmogorov (JMAK) 모델을 사용했다. NURBS 로 생성된 프리폼 형상 및 이를 통해 단조된 최종 디스크 데이터셋으로 학습된 CNN 은 기존 방법들에 비해 단조 디스크의 손상 및 결정립 크기 측면에서 우수한 성능을 보였다. 또한, 열처리를 고려한 프리폼 설계는 열처리를 고려하지 않은 프리폼에 비해 평균 결정립 크기에서 최대 56% 감소와 표준 편차에서 39% 감소와 같은 단조 결과의 유의미한 향상을 가져올 수 있음을 보여준다. 이러한 결과는 항공우주와 같이 단조 제품의 무결성이 중요한 산업에서 프리폼 설계 시 열처리 고려의 중요성을 강조하며, 귀중한 통찰력을 제공한다.
more목차
1. Introduction 1
2. Theoretical Background 4
2.1 Lemaitre damage model 4
2.2 JMAK model 6
3. Algorithm design for preform deduction 9
3.1 CNN training specification 9
3.2 Finite element forging simulation 12
3.3 Training data setup 14
4. Result and discussion 17
4.1 Performance evaluation of proposed preform design method 17
4.2 Preform deduction considering the effect of heat treatment 30
5. Conclusion 42
Appendix A. Forging result comparison using four different U-net structures 43
Appendix B. NSM Pre-FORMER preform design package 50
Reference 52
