머신러닝을 이용한 직사각형 드로잉 제품의 미세면굴곡의 예측모델 : Prediction Model of Surface Deflection in Rectangular Drawing Product Using Machine Learning :

손동국

추천

검색

자료유형: 학위논문

저자정보: 손동국 (서울과학기술대학교, 서울과학기술대학교 대학원)

지도교수: 정완진

발행연도: 2017

저작권: 서울과학기술대학교 논문은 저작권에 의해 보호받습니다.

이용수3

이 논문의 연구 히스토리 (3)

2019

유한요소 해석과 머신러닝을 이용한 직사각형 드로잉 제품의 미세면굴곡의 예측모델

손동국 , 정완진 대한기계학회 논문집 A권 2019.01 학술저널

2018

유한요소해석과 머신러닝을 이용한 직사각형 드로잉 제품의 미세면굴곡의 예측모델

손동국 , 임주현 , 정완진 대한기계학회 춘추학술대회 2018.05 학술대회자료

2017

머신러닝을 이용한 직사각형 드로잉 제품의 미세면굴곡의 예측모델 : Prediction Model of Surface Deflection in Rectangular Drawing Product Using Machine Learning

손동국 2017.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

최근 자동차 산업에서 환경 이슈가 늘어가고 있으며, 범국가적인 규제가 생기고 있다. 자동차 업계에서는 이러한 문제를 해결하고자 연비를 개선하기 위한 다양한 노력 하고 있다. 특히, 차량의 무게는 연비에 직접적인 영향을 미치기에 차량 경량화가 중요시되고 있으며, 경량화뿐만 아니라 차량충돌 안전성을 보장하기 위한 고강도 강판을 이용한 개발을 하고 있다. 고강도 강판으로 복잡한 외관을 표현하려는 노력에서 미세면굴곡의 문제가 중요한 기술과제가 되고 있다. 미세면굴곡이란 성형을 통한 판재 부품의 표면에 미세한 주름이 발생하는 것을 뜻하며, 실제 단면 곡선과 이상 곡선의 오목 볼록 낙차가 정도인 미세한 주름을 뜻한다. 미세면굴곡은 그 양이 매우 작음으로 억제하기 위한 영항도를 분석하기 힘들다는 특징이 있다.
본 연구에서는 금속판재 성형 중 발생하는 미세면굴곡에 대해 영향을 미치는 인자들의 영향성을 인공신경망의 지도학습 기법을 통하여 예측하였다. 미세면굴곡을 정량화하여 나타내기 위해 유한요소해석을 이용하였다. DynaForm을 이용하여 성형해석과 스프링백해석을 수행하고 그 결과에서 단면을 추출한 선을 통해 미세면굴곡을 정량화 하였다. 재료물성치를 미세면굴곡에 영향을 미치는 인자로 선정하여 실험계획법에 의거한 27개의 FEM해석을 통한 데이터 세트를 구성하였고, 이것을 학습군으로 하였다.
Google사에서 AI tool로 공개하고 있는 TensorFlow를 도구로 인공신경망을 생성하였다. 학습군의 데이터를 정리하고, 인공신경망의 구성요소들을 변경함으로써 최적의 망을 구성하였다. 은닉층의 수, 활성화 함수의 조합, 최적화 이론, 학습률과 학습횟수를 변경하면서 기존의 통계적 회귀분석과 비교하며 최적의 모델을 구성하였다. 학습된 모델을 검증하기 위해 학습군을 생성하는 조건과 같은 방법으로 7개의 임의의 재료물성치 조합을 FEM해석을 통해 생성하였다. 이 값을 더 정확히 예측하는지를 통계적 회귀분석과 인공신경망을 비교하여 확인하였다. 마지막으로, 미세면굴곡을 최소화하는 재료물성치 조합을 통계적 회귀분석 모델과 인공신경망을 이용한 회귀분석 모델을 통해 구하고, 실제 FEM해석을 통해 그 값을 비교분석하였다.
본 연구를 통해 인공신경망은 통계적 회귀분석과 다르게 비선형성을 포함하여 영향 인자를 예측하는 것을 확인할 수 있었다. 또한, 기존의 통계적 회귀분석보다 예측의 정확도가 높음을 보여주었다.

Environmental issues are increasing in the automobile industry these days and nationwide regulations are being created. The automobile industry is working hard to improve fuel efficiency to solve the problem. In particular, the weight of the vehicle is directly influenced by the fuel economy, and the vehicle is developed using high-strength steel plates to ensure the safety of vehicle impact as well as light weight. In an effort to express the complex appearance with high-strength steel plates, the issue of surface deflection becomes an important technical task. Surface Deflection is a phenomenon which decreases the cosmetic quality of external appearance due to micro wrinkles on formed sheet metal parts. Surface Deflection is characterized by a very small amount that is difficult to analyze for degree of failure to suppress.
In this study, we predicted the impact of material parameters on Surface Deflection occurring during metal forming through the supervised learning technique of artificial neural networks. FEM analysis is used to quantify and represent Surface Deflection. Forming and Spring back analyses were performed using DynaForm and the resulting lines extracted from the section were used to quantify the Surface Deflection. The data sets with 27 case FEM analyses according to the experimental planning method were organized by selecting the material properties as factors affecting the Surface Deflection, and we put this data as training group.

To Create artificial neural network, we used TensorFlow as a tool. Optimal networks were constructed by organizing the Training group data and changing the components of artificial neural networks. The optimal model was constructed by changing the number of layers of Hidden Layer, combination of activation functions, optimization algorithm, learning rate and learning iterations compared to traditional statistical regression. Seven random combinations of material properties were created using FEM analysis in the same way that the training group was created to verify the trained model. We compared statistical regression with artificial neural networks to see if we could predict these values more accurately. Finally, combinations of material properties that minimize the Surface Deflection were obtained through statistical regression models and regression models using artificial neural networks, and their values were compared through actual FEM analysis.
In this study, artificial neural networks were shown to predict influencing factors, including non-linearity, unlike statistical regression. It was also confirmed that the degree of prediction is more accurate than conventional statistical regression.

#미세면굴곡 #최적화 #인공신경망 #머신러닝

목 차
요약 ⅰ
표목차 ⅱ
그림목차 ⅲ
기호설명 ⅴ
I. 서 론 1
1. 연구의 배경 1
2. 미세면굴곡의 연구 1
3. 인공신경망의 역사 2
4. 연구의 목적 및 방법 5
II. 미세면 굴곡의 이론적 배경 6
1. 스토닝 분석을 이용한 미세면굴곡 평가 6
2. 곡률차이 분석을 이용한 미세면굴곡 평가 7
3. 곡률차이 분석과 스토닝 분석의 상관관계 10
III. 인공신경망 이론 12
1. 인공신경망 기본 구성 12
2. 최적화 함수 13
2.1 Gradient Descent Algorithm 13
2.2 Momentum Algorithm 13
2.3 Adagrad Algorithm 14
2.4 RMSProp Algorithm 15
2.5 AdaDelta Algorithm 15
2.6 Adam Algorithm 16
3. 활성화 함수 17
IV. 미세면굴곡 해석 19
1. 성형해석 조건 19
2. 유한요소 모델링 20
3. 성형해석 결과 20
V. 미세면굴곡량 예측 인공신경망 모델 24
1. 실험계획법에 의한 유한요소 해석 결과와 통계적 회귀분석 24
2. 신경망 입력 데이터 26
3. 인공신경망을 통한 미세면굴곡 예측 28
3.1 신경망 구조선정 28
3.2 은닉층 변화 및 활성화 함수 적용에 따른 학습 29
3.3 활성화 함수의 변화에 따른 학습 34
3.4 최적화 이론 변화에 따른 학습 36
4. 검증군을 통한 확인 38
5. 최소 미세면굴곡 발생량 예측 41
6. 미세면굴곡 영향도 분석 43
VI. 결 론 44
참고문헌 46
영문초록(Abstract) 51

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)