낙하 충격에 의한 탄소-케블라 하이브리드 직물의 전압 강하 특성과 머신 러닝을 통한 충격체 형상 예측Prediction of Impactor Shape by Machine Learning with Voltage Drop Characteristics of Carbon-Kevlar Hybrid Fabrics
- Other Titles
- Prediction of Impactor Shape by Machine Learning with Voltage Drop Characteristics of Carbon-Kevlar Hybrid Fabrics
- Authors
- Kim, Tae-Hyun; Woo, Sung-Choong; Kim, Tae-Won
- Issue Date
- Mar-2020
- Publisher
- KOREAN SOC MECHANICAL ENGINEERS
- Keywords
- Carbon-Kevlar Hybrid Fabric; Voltage Drop; Drop Impact Test; Random Forest; Machine Learning
- Citation
- TRANSACTIONS OF THE KOREAN SOCIETY OF MECHANICAL ENGINEERS A, v.44, no.3, pp.165 - 177
- Indexed
- SCOPUS
KCI
- Journal Title
- TRANSACTIONS OF THE KOREAN SOCIETY OF MECHANICAL ENGINEERS A
- Volume
- 44
- Number
- 3
- Start Page
- 165
- End Page
- 177
- URI
- https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/10696
- DOI
- 10.3795/KSME-A.2020.44.3.165
- ISSN
- 1226-4873
- Abstract
- 탄소섬유의 전도성은 구조건전성 평가가 필요한 복합재료뿐만 아니라 손상 감지를 위한 특수의복 등 다양한 분야에서 활용되고 있다. 본 연구에서는 탄소-케블라 하이브리드 직물의 손상에 의해 유발되는 전압 강하 특성을 결정트리 기반의 랜덤 포레스트 알고리즘에 적용하여 이 같은 손상을 유발한 충격체의 형상을 예측할 수 있는 기법을 제시하였다. 이를 위해 탄소-케블라 하이브리드 직물 시험편을 대상으로 다양한 충격체의 형상과 입사 각도에 따라 낙하 충격 시험을 수행하였으며, 섬유 손상에 의한 전압 강하 정보를 추출하고 이를 랜덤 포레스트 모델에 학습시킴으로써 초기 충격체 형상을 예측할 수 있도록 하였다. CART(Classification and Regression Tree) 통계기법의 지니 지수를 활용하여 충격체 형상 예측 기준 중 중요 변수를 분석하였으며 예측 기법의 유효성 검증은 OOB(Out of Bag) 오차 추정치와 3겹 교차 검증을 통해 이루어졌다. 또한, 랜덤 포레스트의 훈련 과정에 포함되지 않은 충격체 미상의 전압 강하 데이터로부터 해당 충격체의 형상을 정확히 예측하였다. 본 연구는 특정 파라미터가 아닌 다량의 사물 신호를 전반적으로 반영하여 머신러닝 기법을 통해 초기 충격체 형상을 예측했다는 점에서 그 의미가 있다.
- Files in This Item
-
Go to Link
- Appears in
Collections - 서울 공과대학 > 서울 기계공학부 > 1. Journal Articles
![qrcode](https://api.qrserver.com/v1/create-qr-code/?size=55x55&data=https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/10696)
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.