지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이세헌
- 발행연도
- 2021
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수8
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
가스메탈아크 용접에서 용접품질은 일반적으로 용접부 크기와 형상에 의해 판정된다. 자동차 부품사에서는 용접부 크기와 형상을 규정하는데 이는 용접부 크기와 형상이 용접부의 기계적 특성을 대변할 수 있기 때문이다. 파괴검사를 통한 용접부의 품질검사는 전수검사가 불가능하다. 그래서 파괴검사가 아닌 비파괴검사로써 레이저비전 센서를 이용한 용접품질 검사에 대한 연구가 활발히 진행 중이다. 레이저비전 센서로 용접부의 외관 프로파일은 측정할 수 있지만, 용접부 강도를 예측하는 연구는 부족한 실정이다.
본 연구에서는 알루미늄의 가스메탈아크 용접부에 레이저비전 센서를 적용하여 용접부 강도를 예측하는 기술을 개발하였다. 이를 위해 레이저비전 센서를 통해 용접부 외관 형상에 대한 데이터를 확보하였고, 단면분석을 통해 용접부 크기와 형상에 대한 데이터 역시 확보하였다. 그리고 인장전단시험을 통해 용접부 강도에 대한 데이터도 확보하였다. 레이저비전 센서의 적용 가능성을 확인하기 위하여 용접부 외관 형상과 단면형상을 우선적으로 비교 분석하였다. 이들 데이터를 이용하여 인공신경망 (deep neural network, DNN)를 기반으로 한 인장전단강도 예측 모델 2개를 개발하였다. 첫번째 모델은 용접부 단면형상을 입력으로 한 DNN 모델이며, 두번째 모델은 레이저비전 센서로 측정한 용접부 외관형상을 입력으로 한 DNN 모델이다. 2개의 모델 모두 용접부 인장강도 예측 결과 오차 평균률은 10% 이내였지만, 레이저비전 센서를 이용한 예측 정확도는 더 나은 정확도를 보였다.
본 연구에서는 알루미늄의 가스메탈아크 용접부에 레이저비전 센서를 적용하여 용접부 강도를 예측하는 기술을 개발하였다. 이를 위해 레이저비전 센서를 통해 용접부 외관 형상에 대한 데이터를 확보하였고, 단면분석을 통해 용접부 크기와 형상에 대한 데이터 역시 확보하였다. 그리고 인장전단시험을 통해 용접부 강도에 대한 데이터도 확보하였다. 레이저비전 센서의 적용 가능성을 확인하기 위하여 용접부 외관 형상과 단면형상을 우선적으로 비교 분석하였다. 이들 데이터를 이용하여 인공신경망 (deep neural network, DNN)를 기반으로 한 인장전단강도 예측 모델 2개를 개발하였다. 첫번째 모델은 용접부 단면형상을 입력으로 한 DNN 모델이며, 두번째 모델은 레이저비전 센서로 측정한 용접부 외관형상을 입력으로 한 DNN 모델이다. 2개의 모델 모두 용접부 인장강도 예측 결과 오차 평균률은 10% 이내였지만, 레이저비전 센서를 이용한 예측 정확도는 더 나은 정확도를 보였다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0