베이지안 추론 기반 니켈기 초합금의 열화도 정량화 방법과 열화도 및 크리프 수명 예측 방법 :Degradation Quantification Method and Degradation and Creep Life Prediction Method for Nickel-Based Superalloys Based on Bayesian Inference

유준상

추천

검색

자료유형: 학위논문

저자정보: 유준상 (성균관대학교, 성균관대학교 일반대학원)

지도교수: 오하영

발행연도: 2023

저작권: 성균관대학교 논문은 저작권에 의해 보호받습니다.

이용수7

이 논문의 연구 히스토리 (2)

2023

베이지안 추론 기반 니켈기 초합금의 열화도 정량화 방법과 열화도 및 크리프 수명 예측 방법

유준상 데이터사이언스융합학과 2023.01 학위논문

베이지안 추론 기반 니켈기 초합금의 열화도 정량화 방법과 열화도 및 크리프 수명 예측의 방법

유준상 , 오하영 한국정보통신학회논문지 2023.01 학술저널

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

초록· 키워드

오류제보하기

본 연구의 목적은 고온부품의 소재로 사용하는 니켈기 초합금인 DA-5161 SX에 대한 크리프시험으로 얻은 시편의 주사전자현미경으로 촬영한 미세조직 단면의 이미지로부터 인공지능 기반 열화인덱스(Degradation Index)로 정량화 하는 새로운 방법을 제시하고 운전 중인 기기의 고온부품의 구성품을 파괴하지 않고 베이지안 추론 기반 열화도를 예측하는 모델과, Larson-Miller Parameter(LMP)를 예측하여 크리프 수명 예측 모델을 제안하는 것이다. 가스터빈 블레이드와 같이 고온 및 고압의 극한 상태에서 장시간 운전하는 니켈기 초합금 소재는 열화가 진행되면서 기기의 수명이 감소하게 된다. 안전과 효율을 위해 소재의 열화가 일정 수준 진행되면 교체가 필요하여, 적절한 교체 시기를 결정하는 것이 중요하며 일관적이면서 정량화된 기준이 필요하다. 니켈기 초합금은 열화가 진행됨에 따라 감마프라임 상의 형태가 길고 커지는 양상을 지닌다. 딥러닝 기반 감마프라임 상의 영역을 예측한 후 감마프라임 상의 다양한 기하학적 특징을 가지는 수치로 정량화 한 열화인덱스를 생성하는 방법을 제안하며, 베이지안 추론 기반으로 적은 이미지 데이터로도 일관성 있는 대푯값을 추론하는 실험결과를 통해 새롭게 제안한 열화인덱스의 우수성을 검증하였다. 소재가 처한 환경조건과 열화인덱스를 연결하고 열화인덱스와 LMP를 연결하는 회귀모델을 제안하여, 운전중인 가스터빈의 고온부품에 대한 파괴검사 없이 소재가 처한 환경조건에 대한 정보만으로 열화인덱스와 LMP를 예측하고, 열화도를 잘 설명하는 기하학적 특징과 상응하는 회귀모델의 조합을 실험적으로 제안한다. 새로 제안한 열화인덱스 및 LMP 예측모델로 고온부품으로 구성된 기기의 열화도를 파괴검사 없이 신속하고, 일관성 및 설명력 있는 예측 결과를 제공하며, 향후 진단 솔루션의 건전성을 나타내는 핵심 요소로 활용하며, 열화 및 수명 예측 모델은 고온부품의 유지, 보수, 폐기의 의사결정 모델의 기반 기술로서 기여할 수 있을 것으로 기대한다.

The purpose of this study is to determine the artificial intelligence-based degradation index from the image of the cross-section of the microstructure taken with a scanning electron microscope of the specimen obtained by the creep test of DA-5161 SX, a nickel-based superalloy used as a material for high-temperature parts. It proposes a new method of quantification and proposes a model that predicts degradation based on Bayesian inference without destroying components of high-temperature parts of operating equipment and a creep life prediction model via prediction of Larson-Miller Parameter (LMP). Nickel-base superalloy materials that operate for a long time in extreme conditions of high temperature and high pressure, such as gas turbine blades, deteriorate and reduce the lifespan of the equipment. For safety and efficiency, when material deterioration progresses to a certain level, replacement is required. Therefore, it is important to determine an appropriate replacement time, and consistent and quantified standards are required. Nickel-based superalloys have a pattern in which the shape of the gamma prime phase is elongated and enlarged as deterioration progresses. After predicting the area of gamma prime based on the deep learning, we introduce a method of generating a degradation index based on the representative value by quantifying it with various geometric features on the gamma prime, and consistency even with small image data based on Bayesian inference. The excellence of the newly proposed degradation index was verified as an experimental result of inferring a representative value. By suggesting regression models that connect the environmental conditions of the material and the degradation index and connect the degradation index and the LMP, it is possible to determine the degradation index and LMP only with information on the environmental conditions of the material without destructive testing of the high-temperature parts of the gas turbine in operation. We experimentally propose a combination of a geometric features that predict and explain the degree of degradation properly and a corresponding regression model. The newly proposed degradation index and LMP prediction model predicts the degradation of equipment composed of high-temperature parts providing prompt, coherent and explainable results without destructive test, and is used as a key health factor to indicate the soundness of future diagnostic solutions. It is expected to contribute as a base technology for decision-making models for maintenance, repair, and disposal.

#가스터빈 #극한소재 #특성공학 #수명예측 #베이지안 모델

제1장 서 론
1. 연구배경
2. 최신 연구동향
제2장 본 론
1. 데이터 세트 구축
가. 데이터 취득
나. 데이터 전처리
2. 연구방법
가. 열화인덱스의 정량화 방법
나. 열화인덱스 예측모델
다. LMP 예측모델
3. 실험결과
가. 평가지표
나. 열화인덱스 예측모델 성능
다. LMP 예측모델 성능
제3장 결 론
1. 결론
2. 향후 연구
참 고 문 헌
ABSTRACT

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 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)