머신러닝 기반 음향방출 특성분석에 의한 자가천공리벳 접합부의 파손모드 분류
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 최완규 | - |
dc.contributor.author | 원종익 | - |
dc.contributor.author | 우성충 | - |
dc.contributor.author | 김태원 | - |
dc.date.accessioned | 2021-07-30T04:52:49Z | - |
dc.date.available | 2021-07-30T04:52:49Z | - |
dc.date.created | 2021-05-14 | - |
dc.date.issued | 2020-07 | - |
dc.identifier.uri | https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/1831 | - |
dc.description.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. | - |
dc.language | 한국어 | - |
dc.language.iso | ko | - |
dc.publisher | 대한기계학회 | - |
dc.title | 머신러닝 기반 음향방출 특성분석에 의한 자가천공리벳 접합부의 파손모드 분류 | - |
dc.title.alternative | Classification of Failure Modes in a Self-Piercing Rivet Joint via Analysis of Acoustic Emission Characteristics Based on the Machine Learning | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 김태원 | - |
dc.identifier.bibliographicCitation | 2020년도 대한기계학회 신뢰성부문 춘계학술대회 논문집, pp.173 - 173 | - |
dc.relation.isPartOf | 2020년도 대한기계학회 신뢰성부문 춘계학술대회 논문집 | - |
dc.citation.title | 2020년도 대한기계학회 신뢰성부문 춘계학술대회 논문집 | - |
dc.citation.startPage | 173 | - |
dc.citation.endPage | 173 | - |
dc.type.rims | ART | - |
dc.type.docType | Proceeding | - |
dc.description.journalClass | 3 | - |
dc.description.isOpenAccess | N | - |
dc.description.journalRegisteredClass | other | - |
dc.subject.keywordAuthor | self-piercing rivet(자가천공리벳) | - |
dc.subject.keywordAuthor | acoustic emission(음향 방출) | - |
dc.subject.keywordAuthor | failure mode(파손모드) | - |
dc.subject.keywordAuthor | machine learning(머신러닝) | - |
dc.identifier.url | https://www.dbpia.co.kr/journal/articleDetail?nodeId=NODE09416135 | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
222, Wangsimni-ro, Seongdong-gu, Seoul, 04763, Korea+82-2-2220-1365
COPYRIGHT © 2021 HANYANG UNIVERSITY.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.