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
- 강범수
- 발행연도
- 2021
- 저작권
- 부산대학교 논문은 저작권에 의해 보호받습니다.
이용수17
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
최근 전 세계적으로 휴대용 전자기기들이 빠르게 발전하고 있다. 이러한 전자기기들은 가볍고 얇아지는 방향으로 발전하고 있으며 내부에 들어가는 배터리 또한 얇게 변화되고 있다. 배터리를 보호해주는 역할을 하는 배터리 케이스의 경우 다단 딥드로잉 공정을 통해 성형하는데 케이스의 세장비가 커질수록 공정에 필요한 단계수가 늘어나게 된다. 이 경우 성형 결과 예측이 어렵고, 이방성의 영향으로 재료가 단변 쪽으로 모이면서 제품 상단에 높이차를 발생시키는 방향귀(earing) 현상이 심화되게 된다. 방향귀 현상이 심화면서 제품 두께 불균형으로 성형 불량률이 상승하고, 트리밍(trimming) 공정 시 재료 낭비가 많아져 성형 비용 상승으로 이어지게 된다. 본 논문에서는 머신러닝(machine learning) 기법인 인공신경망(artificial neural network, ANN) 기법을 적용하여 초기 블랭크 형상을 최적화함으로써 방향귀 현상을 최소화하는 연구를 진행했다. 인공신경망 학습을 위한 학습데이터는 시뮬레이션을 통해 획득하였으며, 학습 후 모델의 성능을 확인하기 위해 기존에 많이 사용되던 머신러닝 기법인 회귀분석 모델과 비교하였다. 두 모델에 같은 학습데이터를 학습시켰고 랜덤 샘플 테스트(random sample test)를 진행하여 그 결과를 적합도 검정(goodness-of-fit test)을 통해 성능을 비교했다. 이후 검증된 인공신경망 모델을 통해 초기 블랭크 최적 설계를 수행하였고 최적화된 결과에 대해 성형 안정성을 확보하기 위해서 FLD(forming limit diagram)를 수행하였다.
목차
1. 서론 12. 이론적 배경 32.1 탄소성 유한요소법 32.2 Hill의 이방성 이론 82.3 M-K 모델을 이용한 성형한계도 획득 113. 다단계 딥드로잉 공정 시뮬레이션 183.1 사각 케이스 다단 딥드로잉 성형 공정 183.2 소재 물성 및 유한요소 해석 모델 구성 193.3 유한요소 해석 모델 검증 및 해석 조건 224. 인공신경망 모델을 통한 초기 블랭크 형상 최적화 304.1 인공신경망 기반 초기블랭크 예측 모델 개발 304.2 모델 성능 검증 384.3 초기 블랭크 형상 최적화 405. 결론 55Reference 57Abstract 60
최근 본 자료
댓글(0)
0