머신러닝 기법을 이용한 알루미늄 합금의 피로강도 모델 검증
- 주제(키워드) 초음파 피로시험 , 머신러닝 , 알루미늄합금
- 주제(DDC) 621.8
- 발행기관 아주대학교
- 지도교수 전용호
- 발행년도 2023
- 학위수여년월 2023. 2
- 학위명 석사
- 학과 및 전공 일반대학원 기계공학과
- 실제URI http://www.dcollection.net/handler/ajou/000000032732
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
최근 탄소 저감에 대한 전 세계적 요구에 따라 많은 기업들이 탄소 발생 문제에 대한 솔루션을 요구하는 상황이다. 완성차 업체의 경우 많은 수요가 있는 만큼 탄소 배출 문제에 민감하다. 이와 같은 탄소 배출 문제를 줄이는 가장 현실적인 방법으로 차량의 경량화가 제안되고 있다. 특히 내연기관 차량은 미세먼지 저감, 연비 절감 등의 이유로 지속적인 경량화 연구가 이어져 오고 있으며, 이와 더불어 전기 자동차로의 전환을 기점으로 전기자동차의 한계 중 하나인 주행거리 향상을 위해 경량화는 다시 한 번 중요한 문제로 제안되고 있다. 이러한 경량화의 방안으로 알루미늄 합금의 사용이 과거부터 이어져오고 있는데, 알루미늄 합금의 초고주기 피로 거동 연구는 부족한 실정이다. 이뿐 아니라 차량은 일정하지 않은 노면과의 마찰, 엔진의 진동 등 많은 외란을 받기 때문에 높은 피로수명이 요구된다. 기술의 발전과 함께 106 Cycle로 인식되었던 기존 무한 피로수명이 108 Cycle을 웃돌고 있는 실정이다. 따라서 차량의 파워트레인, 도어, 펜더 등 많은 부분을 차지하고 있는 알루미늄 합금의 피로수명에 대한 연구가 재조명되고 있다. 본 연구에서는 차체 구조에 주로 사용되는 Al-6061을 소재로 맞대기 용접을 적용했을 때, 용접된 부위의 피로수명을 분석하고자 한다. 용접방법으로는 차량 생산에 주로 사용되는 가스 메탈 아크 용접(Gas Metal Arc Welding, GMAW)을 사용한다. GMAW는 용접로봇이나 자동화 용접이 가능하기 때문에 생산성 향상을 목적으로 하는 완성차 업체의 최적 공정이다. 해당 재료의 고주기 피로수명을 빠르게 관찰하기 위하여 초음파 피로시험을 진행했으며 파단면과 피로수명에 대한 분석을 수행했다. 하지만 피로시험은 시간과 비용이 많이 드는 실험이기 때문에 최근 급부상되고 있는 인공지능을 사용한 피로 성능 예측이 좋은 대안이 될 수 있다. 인공지능에 기반한 피로수명 예측은 편리할 뿐 아니라 데이터의 증가와 많은 연구로 인해 예측 정확도 또한 올라가고 있어 피로수명 분야에 많은 기여를 할 것으로 판단된다. 현재 Artificial Neural Network(ANN), Deep Neural Network(DNN) 등 많은 알고리즘을 사용하고 있지만 각각의 모델에 대한 비교 분석 연구는 부족한 실정이다. 이에 본 연구에서는 21개의 ANN 알고리즘 모델간의 비교와 DNN 알고리즘의 피로수명 예측 최적화를 진행한 후 최종 선택된 각 알고리즘 간의 비교를 통해 최적의 알고리즘이 무엇인지 비교 분석하려한다. 본 연구에서 채택된 알고리즘이 피로수명 한도 예측에 사용된다면 보다 더 정확하고 빠른 예측이 가능할 것으로 판단된다.
more초록/요약
In response to the recent global demand for carbon reduction, many companies are demanding solutions to the carbon generation problem. In particular, automakers are sensitive to carbon emission problems as there is a lot of demand. Thelightening of vehicles is a very important challenge. In the case of internal combustion engine vehicles, research on lightening has been continuously conducted as a solution to meet the carbon reduction effect due to fuel efficiency reduction and regulations of each country. In addition, low-carbon vehicles are made by converting from the existing internal combustion engine to electric vehicles (EVs), and lightening is one of the good alternatives for increasing the mileage of EVs. As such a method for reducing the weight, the use of aluminum alloy has been continued from the past, and research on the ultra-high cycle fatigue behavior of aluminum alloy is insufficient. In addition, high fatigue life is required because vehicles are subject to a lot of disturbance, such as uneven friction with the road surface and vibration of the engine. With the development of technology, the existing infinite fatigue life, which was recognized as 106 cycles, is exceeding 108 cycles. Therefore, research on the fatigue life of aluminum alloys, which occupy many parts such as powertrain, door, and fender of vehicles, is being re-examined. This research aims to analyze the fatigue life of the welded area when contact welding is applied with Al-6061, which is mainly used in vehicle body structures.Gas Metal Arc Welding (GMAW), which is mainly used in vehicle production, is used as a welding method. GMAW is an optimal process for automation welding and welding robots, so it is aimed at improving productivity. In order to quickly observe the high cycle fatigue life of the material, an ultrasonic fatigue test was conducted, and an analysis was performed on the fracture surface and fatigue life. However, since fatigue testing is a time-consuming and expensive experiment, predicting fatigue performance using artificial intelligence, which has recently emerged, can be a good alternative. The prediction of fatigue life based on artificial intelligence is not only convenient, but also the prediction accuracy is increasing due to the increase in data and many studies, which is expected to contribute a lot to the field of fatigue life. Currently, many algorithms such as Artificial Neural Network (ANN) and Deep Neural Network (DNN) are used, but comparative analysis studies on each model are insufficient. Therefore, this study attempts to compare and analyze the optimal algorithm by comparing between 21 ANN algorithm models and optimizing the fatigue life prediction of DNNalgorithms. If the algorithm adopted in this study is used to predict the fatigue life limit, it is judged that more accurate and faster prediction will be possible.
more목차
제 1 장 서론 1
1.1 연구 배경 1
1.2 기존 연구 사례 7
1.3 연구 목표 11
제 2 장 실험 방법 13
2.1 용접 13
2.1.1 GMAW 14
2.1.2 용접 재료 및 조건 15
2.2 초음파 피로시험 18
2.2.1 초음파 피로시험 원리 19
2.2.2 시편 설계 21
2.2.3 FEM을 활용한 시편 검증 26
2.2.4 피로시험 시편 제작 29
2.2.5 초음파 피로시험 시스템 31
2.3 인공지능 34
2.3.1 Machine Learning 35
2.3.2 Deep Learning 36
2.4 실험 데이터 37
제 3 장 실험 결과 38
3.1 초음파 피로 시험 결과 38
3.1.1 파단면 분석 40
3.1.2 경도 분석 46
3.2 데이터 학습 및 예측 48
3.2.1 ML, Deep Learning 비교 49
3.2.2 최적 알고리즘 도출 56
제 4 장 결론 57
4.1 결론 57
4.2 향후 과제 59
참고문헌 60
Abstract 64
