Anisotropic characterization of short fiber-reinforced composites using indentation test and progressive damage accumulation model = 압입 시험과 점진적 손상 증분 모델을 활용한 단섬유강화복합재의 이방성 거동 해석

국문 초록 (Abstract)

열가소성 고분자 수지와 단섬유 보강재의 조합을 기반으로 사출 성형 공정을 통해 제작되는 단섬유강화복합재 (SFRP)는 우수한 비강도와 가공성에서 기인하여 다양한 산업 전반에서 널리 채택되고 있다. 그러나 사출성형 공정에서 유도되는 불균일한 섬유 배향과 비선형 물성의 수지 거동은 해당 복합재의 기계적 특성에 큰 영향을 미치며, 이로 인해 구조 부품 수준에서의 정밀한 물성 평가와 신뢰성 있는 파괴 예측이 어려운 과제가 되고 있다. 이에 본 연구에서는 SFRP의 파괴 거동을 효과적으로 예측할 수 있는 실험 기반 물성 평가 기법과 점진적 손상 누적 모델 기반의 예측 방법론을 개발하고자 하였다.
제 2장에서는, 누프 (Knoop) 압입자를 이용한 마이크로 압입 시험 (IIT)을 활용하여 SFRP의 국소 이방성 기계적 거동을 평가했다. 그 결과, 압입 탄성 계수와 경도는 섬유 배향에 따라 뚜렷한 경향을 보였으며, 이는 동일 재료의 수평 방향의 탄성 계수와 연관이 있음을 확인하였다. 이는 SFRP 부품의 방향성 물성을 빠르고 비파괴적으로 평가하는 효과적인 수단임을 입증한다..
제 3장에서는, 2단계 균질화 방법론에 기반한 점진적 손상 증분 모델을 개발하여 SFRP 시편의 인장 파괴를 예측하였다. 고분자 수지와 단섬유로 이뤄진 각각의 유사결정립의 물성을 1차적으로 균질화한 이후, 이방성 손상 계수를 적용한 점진적 손상 증분 모델을 통해 모든 유사결정립의 물성 저하를 계산하였다. 이때, 정의된 임계값을 초과한 이후에만 손상 진행을 허용하는 파괴 예측 방식을 도입하여, SFRP에서 관찰되는 점진적 파괴 거동을 모사한 예측 모델을 구축하였다. 구축한 모델은 ABAQUS UMAT을 통해 구현하였고, 부품 단위 해석에서 실험 결과 대비 우수한 예측 성능을 입증하였다.
제 4장에서는, 앞선 개발된 물성 예측 방법론을 2장에서 실험적으로 확립한 SFRP의 압입 거동을 검증하는 시뮬레이션으로 확장하였다. 구축한 해석 방법론을 통해 실험적으로 확인된 이방성 압입 거동을 검증하였으며, 압입 거동 과정에서 지배적으로 발생하는 수지 기반의 손상 증분을 확인하였다. 또한, 본 해석 모델을 기반으로 가상 조건에서의 시뮬레이션 데이터를 구축하여 인공신경망 (ANN) 모델로 학습시켰으며, 최종적으로 압입 물성을 통해 해당 재료의 물성 상수를 역산하는 프레임워크를 구축하였다. 이에 본 학위논문은 SFRP의 기계적 특성 평가와 파괴 예측을 아우르는 종합적 방법론을 확립함으로써, 비등방 SFRP 복합재의 예측 모델링 및 산업 적용 가능성을 크게 향상시켰습니다.

다국어 초록 (Multilingual Abstract)

Short fiber-reinforced thermoplastic composites (SFRPs) have become widely adopted in the automotive, aerospace, and electronics industries due to their outstanding strength-to-weight ratios, processing ease, and suitability for manufacturing complex geometries. However, the mechanical behavior of injection-molded SFRPs is significantly governed by heterogeneous fiber orientation patterns and matrix inelasticity, posing substantial challenges for accurate mechanical characterization and reliable failure prediction at the structural component level. Therefore, developing robust methodologies capable of capturing this inherent anisotropy is crucial for ensuring their safe and efficient deployment in load-bearing applications.
First, the mechanical characterization of SFRPs using instrumented indentation testing (IIT) is established as a local evaluation method. Multiple series of micro-indentation experiments using an asymmetric Knoop indenter were performed to probe the local anisotropic response of SFRPs with varying fiber orientations. The resulting indentation modulus and hardness values exhibited distinct orientation-dependent trends, which systematically correlated with macroscopic transverse tensile properties of corresponding tensile test coupons. These findings demonstrate the capability of Knoop IIT as a practical, quasi-non-destructive alternative for assessing local anisotropic properties in industrial settings without extensive specimen preparation.
Secondly, a novel progressive damage accumulation model was developed for tensile failure prediction. This model is formulated within a two-step homogenization framework, where the composite is represented by pseudograin groups comprising aligned fibers in a viscoelastic-viscoplastic (VEVP) matrix. Crucially, a delayed stiffness degradation strategy is implemented, allowing damage progression only after surpassing a defined threshold. This delayed approach accurately reproduces the anisotropic, progressive failure sequences observed experimentally in SFRPs. Integrated into ABAQUS through a user-material subroutine (UMAT), the model demonstrated robust predictive capability for component-level simulations of anisotropic tensile failure.
Finally, the developed UMAT model was extended to simulate the complex, multi-axial stress state of the Knoop indentation test. By integrating process-simulated microstructures, the numerical model showed strong agreement with experimental indentation behavior. Subsequently, this validated framework was leveraged as a high-fidelity virtual data generator to train an artificial neural network (ANN). This ANN surrogate serves as a computationally efficient engine for an inverse characterization framework, demonstrating a practical pathway from experimental indentation data to the inference of local microstructural parameters. Overall, this thesis establishes a complete methodology, spanning from local experimental characterization to validated predictive simulation, thereby significantly advancing the industrial applicability of anisotropic SFRPs.

목차 (Table of Contents)

• Abstract i
• Contents iii
• List of figures vi
• List of tables xi
• Chapter 1. Introduction 1
• 1.1 Short fiber-reinforced composites 1
• 1.2 Anisotropic mechanical behavior of SFRPs 2
• 1.3 Instrumented indentation test for mechanical characterization 4
• 1.4 Two-step homogenization approach 7
• 1.5 Research objective 10
• Chapter 2. Characterization of SFRPs using indentation test 12
• 2.1 Research background 12
• 2.2 Experimental procedures 14
• 2.2.1. Materials and specimen preparation 14
• 2.2.2. Mechanical characterizations of SFRPs 16
• 2.3 Results and discussion 21
• 2.3.1. Anisotropic indentation response of SFRP specimens 21
• 2.3.2. Correlation of indentation properties with macroscopic tensile properties 29
• 2.4 Summary 34
• Chapter 3. Failure prediction of SFRPs using progressive damage accumulation model 35
• 3.1 Research background 35
• 3.2 Constitutive modeling of failure prediction model 39
• 3.2.1. Two-step homogenization of VEVP matrix based SFRP 39
• 3.2.2. Implementation of progressive damage accumulation model 42
• 3.3 Experimental 45
• 3.3.1. Materials and specimen preparation 45
• 3.3.2. Mechanical characterizations of matrix and SFRPs 46
• 3.3.3. Micro-CT examination 53
• 3.4 Results and discussion 58
• 3.4.1. Degradation methods for progressive damage accumulation model 58
• 3.4.2. Mechanical behavior comparison with other failure determination method 76
• 3.4.3. Application of proposed model in part-level simulation 81
• 3.5 Summary 91
• Chapter 4. Simulation of SFRP's indentation behavior 92
• 4.1 Research background 92
• 4.2 Numerical simulation approach of SFRP’s indentation 98
• 4.2.1. Mapping fiber orientation field of indentation specimen 98
• 4.2.2. Structural simulation using progressive damage accumulation model 101
• 4.2.3. Development of the ANN-based surrogate model 104
• 4.3 Results and discussion 107
• 4.3.1. Finite element simulation result of SFRP’s indentation behavior 107
• 4.3.2. Neural network analysis result and inverse characterization 113
• 4.4 Summary 123
• Chapter 5. Concluding remarks 124
• Reference 126
• Korean Abstract 141