물리기반 신경망을 이용한 확률적 피로수명 예측 = (A) Physics-Guided Neural Network Approach for Probabilistic Fatigue Life Prediction

국문 초록 (Abstract)

항공우주 구조물은 다양한 운용 환경과 반복적인 비행 하중이 작 용하기 때문에 그로 인한 피로 손상이 누적되면 구조적 건전성에 큰 영향을 받게 된다. 특히 실제 구조물에 발생하는 피로 하중은 서로 다른 진폭과 주기를 갖는 저주기 피로와 고주기 피로 성분이 중첩된 복합 하중 형태로 작용하기 때문에 두 가지 피로 경향을 고려 한 수명 예측 기법이 필수적이다. 그러나 기존의 피로 수명 예측 방식에는 많은 데이터가 요구되며, 이는 큰 비용과 시간이 요구된다. 이에 본 연구는 피로 거동을 신경망 학습 과정에 직접 반영한 물리 기반 신경망(Physics-Guided Neural Network, PGNN)을 제안한다. 확률 밀도함수와 Basquin-Coffin-Manson 관계식을 손실함수에 통합하고, 단조성 및 곡률 조건을 포함한 부호제약을 통해 모델이 학습 시 물리 법칙을 벗어나지 않는 피로 수명과 표준편차를 예측하도록 유도한다. 이를 이용하여 제한된 피로 시험 데이터 환경에서도 물리적으로 타당한 확률적 피로 수명 선도(P-S-N Curve)를 도출하였다. 모델의 성능을 검증하기 위해 결정계수와 평균 제곱근 오차를 사용하였으며 ANN, SVM, Decision Tree 모델 대비 우수한 예측 성능을 보였다. 이후 실제 비행 조건에서의 피로 수명을 구하기 위해 FELIX 기동 형태에 대한 비행 하중 스펙트럼을 구성하고 도출된 P-S-N 선도를 바탕으로 피로 수명을 평가하였다. 기동 조건에서의 하중 데이 터를 g-level 및 적층 플라이별 응력 스펙트럼으로 변환하고, 응력 스펙트럼에 레인플로 카운팅과 Miner의 누적손상법칙을 적용하여 피로 수명을 평가하였다. 그 결과 FELIX 기동 조건에서 CFRP와 GFRP로 구성된 이종 복합재 구조는 17,032회 Cycle 동안 구조 건전성을 유지할 수 있는 것으로 평가되었다. 본 연구는 물리기반 신경망을 활용하여 물리적 일관성을 지닌 확률적 피로 수명을 도출하고 이를 실제 비행 조건에 접목하여 비행 구조물의 피로 수명을 평가하는 과정을 제시하였다는 점에서 의의가 있다. 제안된 방법은 비행 구조물의 신뢰도 기반 설계에 활용될 수 있을 것으로 기대된다.

목차 (Table of Contents)

• 제1장 서 론 1
• 1.1 연구 배경 1
• 1.2 문헌 조사 3
• 1.3 연구 방법 4
• 제2장 피로 이론 5
• 2.1 피로의 기본 개념 5
• 2.2 고주기 피로(High Cycle Fatigue) 6
• 2.3 저주기 피로(Low Cycle Fatigue) 7
• 2.4 결합 주기 피로(Combined Cycle Fatigue) 9
• 2.5 확률적 피로 (Probabilistic Fatigue) 10
• 제3장 물리기반 신경망 12
• 3.1 딥러닝 신경망 12
• 3.2 물리기반 신경망 13
• 3.3 물리기반 신경망 구조 설계 15
• 3.4 물리식 기반 제약 조건 19
• 3.4.1 손실함수 19
• 3.4.2 부호 제약 21
• 제4장 모델 예측 결과 및 검증 23
• 4.1 학습 데이터 구성 23
• 4.2 모델 학습 결과 27
• 4.3 모델 검증 30
• 제5장 비행 조건 적용 및 수명 도출 35
• 5.1 비행 하중 스펙트럼 생성 35
• 5.2 응력 스펙트럼 생성 38
• 5.3 피로 수명 도출 39
• 제6장 결 론 40
• 참 고 문 헌 42
• ABSTRACT 44