http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 이솔미 (검색결과 18 건)
- 무료
- 기관 내 무료
- 유료
-
팁회전 아크 용접에서 카메라 이미지와 인공지능 알고리즘을 이용한 아크 길이 감지 연구
이솔미,이종중,문성준,안상현,박영환 대한용접·접합학회 2021 대한용접학회 특별강연 및 학술발표대회 개요집 Vol.2021 No.11
팁회전 아크용접 (Tip-Retating Arc Welding)은 회전하는 팁을 이용하여 빠르게 위빙하는 용접으로 위빙을 하는 선속이 일정하고 많은 면적으로 일정하게 비드를 형성시킬 수 있는 장점이 있다. 특히 고전류를 이용할 수 있어 용착량을 많이 형성할 수 있으며, 빠르게 아크가 이동하기 때문에 기존의 직선 위빙에 비교하여 상대적으로 적은 입열로 변형을 줄일 수 있는 장점이 있다. 그러나 빠른 회전에 의하여 아크가 불안정하기 쉽고 아크의 길이가 쉽게 변화하여 용접시 스패터의 발생, 용착 불량과 같은 결함이 발생할 수 있다. 이러한 팁회전 아크 용접의 용접 품질 안정화와 안정적인 팁회정 아크 용접을 수행하기 위하여 용접시 아크길이를 감지할 수 있는 알고리즘을 개발하였다. 본 연구에서는 AL 5083 합금의 BOP (Bead on Plate)용접에서 용접부를 모니터링 할 수 있는 카메라 시스템을 구축하였다. 다양한 전류와 전압을 이용하여 실험을 수행하였다. 이 때 적정 입력 전류와 전압의 영역이 아닌 조건에서 아크의 길이와 안정성을 관찰 할 수 있도록 카메라와 필터를 사용하여 모니터링을 하였다. 팁회전 아크 용접에서 아크 길이의 인지를 위해 인공지능 알고리즘을 이용하였다. 카메라 이미지 데이터의 정확도 향상을 Pre-Process 과정을 통해 인공지능 알고리즘의 입력에 적합하도록 변환하였다. 알고리즘 학습을 위해 아크 길이를 라벨링하는 과정을 진행하였고, 가공된 영상데이터와 용접 데이터들을 사용하여 인공지능 알고리즘을 학습시키고 그 결과를 분석하였다. 알고리즘의 예측 정확도를 확인 하기 위하여 인지된 결과와 실제 실험 결과와의 매칭을 진행하여 알고리즘을 검증하였다. 결론적으로 아크 용접부의 계측 이미지와 인공지능 알고리즘을 이용하여 아크 길이에 대한 감지를 수행하였으며, 우수한 예측 결과를 확보할 수 있었다.
-
이솔미,윤석헌 국제차세대융합기술학회 2018 차세대융합기술학회논문지 Vol.2 No.1
프로젝트 지연은 일정 및 비용 관리 측면에서 건설 프로세스에 가장 중요한 영향을 미치는 요인 중 하나이다. 본 연구는 공동 주택 건설 사업의 공기 지연에 대한 분석을 다루고 있다. 이 연구를 수행하기 위해 일정지연의 원인에 대한 기존 연구 문헌을 검토하였고 토공사, 골조 공사, 조적 공사, 창호 공사, 내부마감공사와 같은 주요 공정별 공기지 연 원인을 대상으로 본 연구를 수행하였다. 그리고 문헌 검토 및 시공 담당자와의 협의를 통하여 공기 지연의 원인을 조사, 분석하였다. 그 결과 작업종류에 따라 공기지연의 원인이 다르게 나타나는 것을 확인할 수 있었으며, 특히 기후 로 인한 지연이 가장 높은 원인임을 파악할 있었다. 추후 연구로는 타 지역에 대한 다양한 연구가 필요할 것으로 보여 진다. Project delay is one of the most crucial impact factors in the construction process from a schedule and cost management perspective. This study was performed by analysis of the schedule delay of the apartment construction project. To perform this study, it was reviewed that existing research literature on the cause of the schedule delay. And this study conducted delay factors by each of main construction process such as earth work, structure work, masonry work, window/door work, and interior finish work. This study investigated the causes of schedule delays through a literature review and construction personnel. The results indicates that the delay factors are different depending on the work types, and the most effective cause is weather. Then, future studies will require various studies on other regions.
-
-
팁회전 아크 용접에서 카메라 영상 모니터링과 딥러닝을 이용한 아크 이미지 분류 알고리즘 개발
이솔미,박영환 대한용접접합학회 2023 대한용접·접합학회지 Vol.41 No.4
In this study, we developed a welding system and welding monitoring system for GMA (Gas Metal Arc) aluminum welding using a tip-rotation arc welding torch. Welding was performed under various conditions, including suitable, low-heat, and high-heat input conditions. For welding monitoring, current and voltage were measured, and arc images were obtained. After the experiments, arc images were analyzed and classified based on the bead quality and cross-sectional analysis data. To develop a welding quality prediction model using arc images, a CNN-based model was developed. A total of 5,203 images were trained, and the quality was predicted for 631 images. The prediction accuracy was 99.88% for training data, and the possibility of assessing the quality of welded joints based on arc images during welding was confirmed.
-
인공지능을 이용한 팁회전 아크 용접에서 아크 현상 분류 알고리즘 개발
이솔미(S. M. Lee),안연주(Y. J. Ahn),문성준(S. J. Mun),박영환(Y. W. Park) Korean Society for Precision Engineering 2021 한국정밀공학회 학술발표대회 논문집 Vol.2021 No.11월
현재 스마트 팩토리의 적용을 위해 용접 신호 계측 시스템을 사용하여 얻은 데이터를 인공지능 알고리즘으로 분류하는 기술의 연구가 많이 진행되고 있다. 본 연구는 4 차 산업혁명의 주요 이슈인 인공지능 알고리즘을 활용하여 용접부 아크 현상을 측정하고 스스로 관찰할 수 있는 시스템의 개발을 하고자 한다. 본 연구는 Al 5083 합금에 대하여 팁 회전 아크 용접을 이용하여 I 형 맞대기 용접을 진행하였으며, 실험 진행 시 용접 모니터링 시스템을 사용하여 전류, 전압, 광신호 데이터를 측정하고 카메라를 통해 용접부 영상을 계측하고 소프트웨어를 통해 영상을 저장하였다. 측정된 전류, 전압, 광신호 데이터는 용접 품질 판단의 기준으로 설정하고, 용접 아크 영상을 아크 길이에 따라 분류하였다. 영상 데이터의 정확도를 위해 Pre-process 과정을 통해 적합한 데이터로 변환하였고, 학습을 위해 영상이미지의 아크를 라벨링하는 과정을 진행 후, 가공된 영상데이터와 용접 데이터들을 사용하여 인공지능 알고리즘을 학습시켰다. 인공지능 알고리즘을 통해 자동 분류된 아크 현상 영상의 결과와 실제 실험 결과와의 매칭을 진행하여 알고리즘을 검증하였다. 결과적으로 본 연구에서 팁 회전 아크 용접부를 계측한 영상을 기반으로 아크 현상을 분류하는 알고리즘을 사용하여 90% 이상의 정확도를 확인할 수 있었다.
-
-
알루미늄 합금의 GMA 용접에서 팁회전 아크 공정변수의 비드형상에 대한 영향력 평가
안상현,이솔미,이종중,배성호,김태완,박영환 대한용접·접합학회 2021 대한용접학회 특별강연 및 학술발표대회 개요집 Vol.2021 No.5
팁회전-아크 용접은 중공모터를 이용하여 용접 팁을 빠르게 회전시켜 아크 용접시 아크를 회전시키며 용접하는 공정으로 팁이 회전하면서 위빙의 효과를 가져오며, 입열량 및 용착량을 최소화하여 용접부 변형을 최소화할 수 있는 공정이다. 같은 용착량을 비교한다면, 일반 직선 용접이나 위빙 용접 대비 용접 속도가 빨라 생산성을 향상시킬 수 있으며, 아크 회전에 의한 용융풀의 유동을 발생시켜 용접부 내 잔류하는 기공을 최소화할 수 있는 장점이 있다. 이러한 팁회전 아크 용접은 기존의 아크 용접과는 달리 기존 아크 용접이 갖는 공정변수 이외에도 토치의 회전 직경 및 토치의 회전 속도, 토치 각 또한 주요 공정변수가 된다. 그러므로 본 연구에서는 알루미늄 아크 용접에서 팁회전 아크를 적용하는 경우, 기존의 아크 용접의 공정 변수 이외에 팁회전 아크 용접이 갖는 공정변수가 용접부 비드 형상에 미치는 영향에 대하여 분석하였다. 용접 실험에 있어서 소재는 알루미늄 5083 합금을 이용하였으며, 용접 와이어는 ER5183을 사용하였다. 용접 전압은 20V에서 28V로 2V 간격으로 변화하였고, 용접 전류는 220A, 240A, 260A, 265A로 설정하였다. 용접 전압에 있어서 22V에서 24V로 변화하며 용적이행 형태가 단락이행에서 과립형 이행으로 변화하였으며, 용접 전류가 증가함에 따라 용입이 증가하다 265A에서 완전 용입을 얻을 수 있었다. 이와 같은 결과로 용접 전압 23.5V, 용접전류 265A를 최적 조건으로 설정하여 팁회전 공정변수에 대한 영향력을 분석하였다. 팁회전 속도를 250rmp에서 1500rpm으로 변화시킬 때, 회전 속도가 빨라질수록 비드폭과 덧살의 높이는 증가하며, 용입 깊이는 감소하였다. 회전 직경은 2mm에서 8mm로 증가시켰으며 직경이 증가할수록 비드폭은 증가하고, 용입은 감소하였다. 이것은 회전에의해 원심력의 작용과 직경 및 회전 속도 증가에 따른 입열이 분산되기 때문으로 판단된다. 회전 토치의 각도를 -10°, 0°, 10° 로 하였을 때, 용접 각을 줄 경우 후열 및 예열 효과가 극대화되어 각을 주지 않을 때 보다 비드 폭이 넓어지는 것으로 판단되며 특히 후진각을 줄 경우 molten pool에 용접 반대 방향의 유동이 생겨 비드 폭이 더욱 더 증가한다. 이와 같이 팁회전아크 용접의 알루미늄 합금의 용접에 대한 적용 가능성을 판단할 수 있으며, 공정 변수의 최적화를 통해 고속 및 저 변형 공정으로 적용 가능성이 있음을 확인하였다.
-
-
전자빔용접 DB 구축을 위한 데이터 아키텍처 설계 및 프로그램 개발
박영환,이솔미,이종중,안상현 대한용접·접합학회 2021 대한용접학회 특별강연 및 학술발표대회 개요집 Vol.2021 No.5
전자빔 용접은 진공 중에 음극을 가열하고, 이를 통해 방출된 전자를 고전압으로 가속하며, 전자코일의 자력을 이용하여 용접하고자 하는 대상물의 표면에 집속시켜 전자의 열적, 충돌에너지를 열적 에너지로 변환시켜 용접하는 용접 방법이다. 이러한 전자빔은 집속도를 높여 용접부의 키홀 현상을 발생시키기 때문에 비드 폭이 좁고 용입이 깊은 (high aspect ratio) 장점이 있고, 높은 용접 속도가 가능한 특징이 있다. 본 연구에서는 전자빔 용접에서 용접 소재에 따른 공정 변수 및 소재 변수에 따른 용접 현상의 결과를 데이터 베이스화 하기 위한 DB프로그램 개발을 목표로 한다. 전자빔 용접에서 주요 공정 변수로서는 빔의 가속 전압, 빔 전류, 빔의 초점전류, 용접 속도, 건과 모재 간의 거리, 빔의 편향 및 진동(oscillation)이 주요 변수이며, 소재 변수로는 재료의 종류, 용접 그루브(groove)의 형상 등이 주요 변수이다. 주요 출력 변수로는 용접부의 형상 데이터와 기계적 특성 데이터로 정의될 수 있다. 이를 관계형 데이터 베이스화 하기 위하여 용접부 데이터의 자료형을 정의하였으며, 입력 변수와 출력 변수와의 아키텍쳐를 구성하였다. 정의된 데이터 베이스를 구현하기 위한 프로그램을 구축하기 위해서 데이터 베이스 모듈, 데이터 베이스의 내용을 저장할 수 있는 입력 모듈, 그리고 데이터 베이스로부터 결과의 출력과 시각화를 위한 출력 모듈로 구성하였으며, 이를 바탕으로 추론 알고리즘을 이용한 추론 모듈로 구성하였다. 본 연구에서는 앞의 3개에 대해서 먼저 구현하였으며, 과제를 통하여 체계적인 데이터 베이스 구축을 통하여 추론 모듈 또한 구현하고자 한다.
-
KCI연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
