불완전 구형압입시험 전산모사 기반 머신러닝을 통한 금속 재료의 인장특성 예측 = Finite Element Simulation Considering Tip Imperfection of a Spherical Indenter and Machine Learning-Based Prediction of Tensile Properties

다국어 초록 (Multilingual Abstract)

The continuous indentation technique is increasingly being adopted as a
powerful tool for evaluating advanced mechanical properties of metallic
materials, such as tensile behavior and residual stress. With recent
advances in computational modeling, research has extended beyond
traditional analytical and empirical frameworks to incorporate machine
learning and deep learning methodologies. Most of these data-driven
approaches rely on synthetic datasets generated via finite element
analysis (FEA), offering an efficient means to simulate virtual materials
with a wide range of mechanical properties. However, current models
often neglect real-world complexities such as geometric imperfections of
the indenter and variations in specimen surface conditions. In this study,
we digitized the actual geometry of a spherical indenter using scanning
electron microscopy (SEM) imaging and incorporated it into an
FEA-based simulation framework to generate load–displacement curves.
A machine learning model was initially trained using simulation data
derived from an idealized spherical indenter, and its predictive
performance was subsequently evaluated through transfer learning using
load–displacement data reflecting the actual indenter geometry. This
approach underscores the feasibility and effectiveness of constructing
more realistic predictive models that account for practical indentation
conditions.

목차 (Table of Contents)

• 제 1 장 서론 1
• 제 2 장 이론적 배경 4
• 2.1 기계적 특성 측정 시험법 4
• 2.1.1 인장 시험 4
• 2.1.2 연속 압입 시험 8
• 2.2 유한 요소 해석 16
• 2.3 머신러닝 18
• 2.4 수소취성 24
• 제 3 장 연구 방법 27
• 3.1 실제 압입자 형상 측정 27
• 3.2 유한요소해석 28
• 3.2.1 압입시험 시뮬레이션 28
• 3.2.2 기계적 특성 입력 29
• 3.3 머신러닝 31
• 3.3.1 압입 곡선에서 feature 추출 31
• 3.3.2 압입 시험 시뮬레이션 결과 기반 기준모델 생성 33
• 3.3.3 전이학습기반 수정모델 생성 35
• 3.4 전기화학적 수소 장입 조건 37
• 3.5 압입시험 및 인장시험 조건 39
• 제 4 장 연구 결과 및 고찰 40
• 4.1 실제 압입자 형상 측정 결과 40
• 4.2 유한요소해석 결과 43
• 4.3 완전 구형 압입 시뮬레이션에서 특징(feature) 추출 45
• 4.3.1 특징 1차 선정 (16 개) 45
• 4.3.2 특징 2차 선정 (20 개) 49
• 4.4 전이학습 결과 53
• 4.5 수소 장입 실험 결과 58
• 4.6 수소 장입 재료의 인장 물성 예측 결과 62
• 제 5 장 결론 64
• References 66
• Abstract 77
• 감사의 글 79