머신러닝 기반 음향방출 특성분석에 의한 자가천공리벳 접합부의 파손모드 분류

Abstract

차량 부품 강도 향상을 위해 알루미늄과 CFRP를 접합한 혼성 복합재료를 차량에 적용하려는 많은 노력이 있어왔다. 자가천공리벳은 복합재료와 금속재료를 기계적으로 결합하는 방법중의 하나이다. 본 연구에서는 자가천공리벳 접합부에서의 다양한 파손모드를 확인하기위해 알루미늄-CFRP 혼성 복합재료 시편에 대해 겹치기이음시험을 수행하였다. 또한, 음향방출 시험을 기계적시험과 함께 수행하고 자가천공리벳 접합부에서 발생하는 파손모드를 AE진폭, 최고주파수 및 에너지 관점에서 분류하였다. 이후, 앞서 언급한 음향방출인자를 다양한 비지도학습 기법에 근거하여 군집화 하였으며, 다양한 기법들의 정확도를 확인하기 위하여 그 결과를 시편의 파면 분석 결과와 비교하였다. 여섯 종류의 비지도학습 기법을 적용하였다. 그 중에서, K-means, Gaussian Mixture Model의 정확도가 실제 파손 모드 결과와 비교하였을 때 각각 94.6%와 93.7%로 가장 높았다. 따라서, 본 연구에서 제시한 머신러닝 기반 파손모드 분류 방법론은 다양한 혼성 복합재료의 파손예측 뿐만 아니라 다양한 차량 부품의 신뢰성 평가까지 활용될 수 있을 것으로 사료된다.