메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
박주용 (Korea Maritime and Ocean University) 서범수 (Korea Maritime and Ocean University)
저널정보
한국마린엔지니어링학회 Journal of Advanced Marine Engineering and Technology (JAMET) 한국마린엔지니어링학회지 제42권 제7호
발행연도
2018.9
수록면
531 - 538 (8page)
DOI
10.5916/jkosme.2018.42.7.531

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
플럭스코어드와이어(FCW)의 용접특성 예측은 매우 어려운 과제이다. FCW는 다양한 화학구성물로 구성되어 있는 많은 종류의 플럭스재료를 포함하고 있다. FCW의 용접특성은 용접과정 중의 화학적 및 야금학적 반응에 의해 결정된다. 이 과정은 대단히 복잡하여 이를 정량적으로 분석한다는 것은 불가능에 가깝다. 따라서 지금까지 FCW 설계는 전문가의 많은 야금학적 지식과 경험을 가진 전문가에 의해 수행되어왔다. FCW 설계는 요구되는 용접특성치가 나올 때까지 시제품을 제작하여 용접 후의 시험검사를 통해 확인하는 과정을 반복한다. 이 연구의 목표는 FCW의 용접특성치를 예측하는 인공신경망 모델을 개발하여 이를 설계에 적용하여 시제품 제작 및 이의 시험검사 횟수를 줄이는 데에 있다. 인공신경망은 고도로 복잡한 비선형 문제의 해결에 사용될 수 있는 도구이다. 본 연구에서는 인공신경망의 대표적 학습알고리즘인 일반화된 델타규칙(GDR)과 탄력적 오류역전파(Rprop)의 적용성을 검토하고 적용분야가 서로 다른 5개의 신경망 모델을 제안하고 여러 가지의 학습조건에 대해 유효성을 조사하였다. 조사 결과 GDR은 학습시간이 매우 길고 학습오차가 커 FCW 설계에 적용이 적절하지 않음이 밝혀졌다. 제안된 신경망모델은 데이터의 유사성이 높고 0.0001이하의 매우 낮은 학습율을 적용한 경우에 좋은 예측결과를 얻을 수 있었다. 결론적으로 본 연구를 통해 고도의 복잡성을 갖는 FCW 데이터용 인공신경망모델은 Rprop 학습알고리즘을 적용하고 데이터의 유사성이 높아야 하며 매우 낮은 학습율을 적용하는 것이 바람직하다는 것을 알 수 있었다.

목차

요약
Abstract
1. 서론
2. FCW 데이터의 특성 및 설계 과정
3. 탄력적 오류역전파 신경망
4. 학습 결과 및 검토
5. 결론
References

참고문헌 (11)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0