실험 기반 스프레이 모델을 이용한 HVOF 공정 코팅 두께 예측 연구 = Prediction of Coating Thickness in the High Velocity Oxygen Fuel（HVOF） Process using an Experimentally Derived Spray Model

다국어 초록 (Multilingual Abstract)

This study proposed a simulation-based approach for predicting coating thickness in the High Velocity Oxygen Fuel （HVOF） process by integrating an experimentally derived spray pattern with a robot-based simulation framework. Conventional prediction models were primarily based on static assumptions under constant process conditions, which limited their ability to accurately reflect dynamic factors such as robot trajectory variation, acceleration/deceleration, and dwell time during actual coating processes. To overcome these limitations, single-spot spray experiments were conducted to quantitatively analyze thickness distribution characteristics as functions of spray time and standoff distance. Based on the experimental results, the spatial distribution of deposition was defined as a Spray Pattern using shape parameters （A, B, X）, while the deposition amount was independently represented by a Flow parameter. This formulation constituted a Spray Model, in which Spray Pattern and Flow were independently defined and combined, thereby enabling a clear separation between geometric distribution and deposition amount. The proposed Spray Model was implemented in a Eureka-based simulation environment, incorporating actual process conditions including robot trajectory, spray parameters, and operational variables. In particular, dynamic effects such as robot acceleration/deceleration, path-dependent dwell time, and overlap behavior were reflected through a trajectory-based thickness accumulation model. To validate the proposed approach, simulation results were compared with experimental coating data under various spray distances and times. The results showed strong agreement in both thickness distribution and spatial variation trends. Quantitative evaluation using root mean square error （RMSE） and mean absolute error （MAE） demonstrated that the model achieved an RMSE of approximately 0.08 mm, confirming stable prediction accuracy over the entire coating area. Furthermore, the Flow parameter was defined not as a simple fitting variable but as an independent physical parameter governing deposition amount, thereby improving the physical interpretability and robustness of the model. The proposed approach significantly reduced reliance on repetitive experimental trials and provided a practical tool for coating thickness prediction in process design. Therefore, this study presented an effective methodology for improving thickness control and coating quality in robot-based HVOF processes, and it could be extended to other thermal spray processes and complex-shaped components.

목차 (Table of Contents)

• Ⅰ. 서론 1
• 1. 연구 배경 및 필요성 1
• 2. 기존 연구 및 한계 4
• Ⅱ. 이론적 배경 8
• 1. 용사 코팅 공정 개요 8
• 1.1 용사코팅의 개념과 원리 8
• 1.2 HVOF 특징 및 산업적 적용 11
• 2. HVOF 코팅의 두께 형성 메커니즘 14
• 2.1 입자의 비행 거동과 splat 형성 14
• 2.2 미세구조 형성과 물성 16
• 2.3 두께 제어와 잔류응력 19
• 2.4 성능과 두께의 상관성 20
• 3. HVOF 코팅 두께에 영향을 미치는 공정변수 21
• 3.1 가스 유량 및 조성 22
• 3.2 분말 특성 24
• 3.3 분사 거리 27
• 3.4 기재 상태 28
• 3.5 분사 각도 29
• 3.6 냉각 조건 및 후처리 29
• 4. 로봇 기반 자동화 HVOF 공정 30
• 4.1 로봇 기반 HVOF 시스템의 개요 30
• 4.2 로봇 궤적 및 가감속의 영향 32
• 4.3 공정 동기화의 필요성 33
• 5. 시뮬레이션 기반 공정 연동 34
• 5.1 EUREKA 기반 코팅 시뮬레이션 34
• 5.2 ESPRIT 기반 경로 생성 36
• 5.3 시뮬레이션–공정 연동 및 좌표 정합 38
• 5.4 동기화 기반 공정 최적화 40
• Ⅲ. 실험 재료 및 방법 42
• 1. 코팅 재료 및 기재 42
• 2. HVOF 장비 및 공정 조건 42
• 3. Spray Pattern 분석 실험 43
• 3.1 Spray Pattern의 정의 44
• 3.2 Spray Model의 구성 개념 48
• 3.3 로봇 경로 기반 두께 누적 모델 49
• 4. 로봇 기반 코팅 시뮬레이션 모델 구축 50
• 4.1 시뮬레이션 구축 개요 50
• 4.2 Eureka 시뮬레이션 환경 구성 51
• 4.3 단일 분사 실험 기반 분사 분포 특성 도출 52
• 4.4 Spray Model 정의 및 정규화 59
• 4.5 Flow 값 보정 61
• 4.6 평판 코팅 경로 적용 및 적층 모델 구축 67
• 4.7 로봇 동역학 및 경로 중첩 효과 반영 68
• Ⅳ. 실험 결과 및 고찰 69
• 1. 보정된 분사 분포 모델 및 Flow 값 기반 시뮬레이션 구성 69
• 1.1 10-pass 코팅 시뮬레이션 설정 69
• 1.2 실제 공정 조건 동일 적용 69
• 1.3 조건별 10-pass 시뮬레이션 결과 71
• 2. 실제 코팅 두께와 시뮬레이션 예측 두께 비교 75
• 2.1 300 mm 조건 76
• 2.2 330 mm 조건 77
• 2.3 350 mm 조건 78
• 3. 전체 조건에서의 재현성 평가 및 고찰 80
• Ⅴ. 결론 82
• Ⅵ. 참고문헌 84