참조점의 불규칙적 배치를 통한 PIC보의 하중 충실도 향상에 관한 연구

함석우,조재응,전성식 한국복합재료학회 2019 Composites research Vol.32 No.5

Piecewise integrated composite (PIC) beam has different stacking sequences for several regions with respect to their superior load-resisting capabilities. On the interest of current research is to improve bending characteristics of PIC beam, with assigning specific stacking sequence to a specific region with the help of machine learning techniques. 240 elements of from the FE model were chosen to be reference points. Preliminary FE analysis revealed triaxialities at those regularly distributed reference points to obtain learning data creation of machine learning. Triaxiality values catagorise the type of loading i.e. tension, compression or shear. Machine learning model was formulated by learning data as well as hyperparameters and proper load fidelity was suggested by tuned values of hyperparameters, however, comparatively higher nonlinearity intensive region, such as side face of the beam showed poor load fidelity. Therefore, irregular distribution of reference points, i.e., dense reference points were distributed in the severe changes of loading, on the contrary, coarse distribution for rare changes of loading, was prepared for machine learning model. FE model with irregularly distributed reference points showed better load fidelity compared to the results from the model with regular distribution of reference points. Piecewise Integrated Composite (PIC) 보는 하중 유형에 따라 구간을 나누어, 각 구간마다 하중 유형에 강한 복합재료의 적층 순서를 배열한 보이다. 본 연구에서는 보의 거동을 고려하여 PIC 보의 구간을 머신 러닝을 통해 나누어 기존에 제시되었던 PIC 보에 비해 우수한 굽힘 특성을 갖게 하는 것이 목적이다. FE 모델의 240개 요소가 참조점으로 선택되었다. 선행 유한요소해석은 머신 러닝의 학습데이터 생성을 위하여 규칙적으로 분포된 참조점에서 3축 특성 값(Triaxiality)으로 나타냈다. 3축 특성 값은 인장, 압축 그리고 전단의 하중유형을 나타낸다. 머신러닝 모델은 하이퍼파라미터(Hyperparameter)와 학습데이터로 구성되었으며, 하이퍼파라미터 튜닝을 통해 적절한 하중 충실도를 도출하였지만, 거동이 큰 보의 옆면에서는 적절하지 않은 하중 충실도가 도출되었다. 이를 해결하기 위하여 고르게 배치한 참조점을 보의 거동에 따라 배치하여 학습 데이터를 얻었고, 머신 러닝 모델이 생성되었다. 앞서 생성된 머신 러닝 모델을 통하여 보가 매핑 되었고, PIC 보에 대하여 유한요소 해석을 진행한 결과, 기존에 제시되었던 PIC 보에 비해 최대하중과 흡수 에너지가 커지는 특성이 나타났다.

유한요소해석을 통한 차량내 복합재 휠체어 고정구의 구조 강도 특성 평가.

함석우,양동규,손승녀,어효경,김경석,전성식 한국복합재료학회 2019 Composites research Vol.32 No.4

In this paper, the strength of the composite securement device was characterised by FE analysis. Preliminary frontal crash analysis for the vehicle, equipped with the conventional steel securement device, was carried out according to the ISO 10542 for special transportation to obtain loading data, which were applied to securement device during crash. The securement device consists of block, guide and rail and the weight fraction of rail was the highest among them, therefore, it is desirable to reduce weight of rail by applying carbon/epoxy composite. Also, it was found that 27% of lightweight effect was obtained by hybrid rail that bottom part was replaced by a composite compared to the conventional rail, i.e., made of SAPH 440, without sacrificing the structural strength. 본 연구는 복합재를 사용한 휠체어 고정구의 구조 강도 특성에 대하여 평가하였다. 이를 위해 특별교통수단 내 휠체어 고정구의 시험 기준 ISO 10542에 의거하여 전방 충돌 슬레드 유한요소해석을 진행하였고, 이를 통해 얻은 고정구에 작용하는 하중데이터를 휠체어 고정구 유한요소해석의 초기 조건으로 사용하였다. 고정구는 블록, 가이드, 레일로 구성 되어있으며, 이 중에서 레일의 중량 비율이 가장 높기 때문에 탄소섬유 에폭시 복합재를 레일에 적용하는 것이 적합한 것으로 나타났다. 또한 기존의 레일에서 하단 부분을 복합재로 적용한 하이브리드 레일은 기존 SAPH 440으로 제작된 레일의 구조강도와 비슷하게 설계할 경우, 약 27%정도 경량화를 달성할 수 있는 것으로 나타났다.

머신 러닝을 통한 PIC 보의 강도 최적화

함석우,전성식,정광영 대한기계학회 2019 大韓機械學會論文集A Vol.43 No.8

Piecewise integrated composite (PIC) beam is composed of several parts each of which has stacking sequence according to the dominant load among compression, tension and shear forces. The aim of current study is to divide PIC beam into several parts to have different stacking sequences through machine learning to have superior crashworthiness. Stress triaxiality was obtained through tensile tests of aluminum specimens. Three point bending analysis for aluminum beam using finite element method was done and the dominant loading type was determined based on triaxiality at reference points. Then, k-nearest neighbor classification model was built to divide the each face of the beam into tension, compression and shear dominant areas. By applying this model to PIC beam, it was found that PIC beam has higher absorbed energy and maximum loading than the uni-modal stacking sequence composite beam. PIC(Piecewise Integrated Composite) 보는 인장, 전단, 압축과 같은 하중 유형에 따라 구간을 나누어, 각 부분마다 복합재료의 적층 순서를 다르게 하여 조합한 보이다. 본 연구는 PIC 보의 구간을 머신 러닝을 통해 나누어 단일 적층 순서로 이루어진 보에 비해 우수한 충돌 특성을 갖게 하는 것이 목적이다. 먼저, 인장시험을 통하여 알루미늄 시편의 3축 특성(triaxiality)을 분석하였고, 알루미늄 보의 3점 굽힘 시, 하중 유형을 분석하기 위하여 3축 특성을 고려한 유한요소 해석이 수행되었다. 하중 유형 분석은 보의 전체 요소가 아닌 참조점에서의 3축 특성에 의해 판단되며, 참조점을 기반으로 k-Nearest Neighbor 분류를 보의 각 면에 대해 적용하여 어느 하중이 지배적인지 나누었다. PIC 보는 각 면을 지배적인 하중에 따라 적층 순서가 정해지도록 나누어 조합하였으며, PIC 보에 대한 유한요소 해석을 진행한 결과, 단일 적층 순서로 이루어진 보에 비해 흡수에너지와 최대하중이 커지는 특성을 보였다.

k-NN 분류 모델의 학습 데이터 구성에 따른 PIC 보의 하중 충실도 향상에 관한 연구

함석우,전성식 한국복합재료학회 2020 Composites research Vol.33 No.3

Piecewise Integrated Composite (PIC) beam is composed of different stacking against loading type depending upon location. The aim of current study is to assign robust stacking sequences against external loading to every corresponding part of the PIC beam based on the value of stress triaxiality at generated reference points using the k-NN (k-Nearest Neighbor) classification, which is one of representative machine learning techniques, in order to excellent superior bending characteristics. The stress triaxiality at reference points is obtained by three-point bending analysis of the Al beam with training data categorizing the type of external loading, i.e., tension, compression or shear. Loading types of each plane of the beam were classified by independent plane scheme as well as total beam scheme. Also, loading fidelities were calibrated for each case with the variation of hyper-parameters. Most effective stacking sequences were mapped into the PIC beam based on the k-NN classification model with the highest loading fidelity. FE analysis result shows the PIC beam has superior external loading resistance and energy absorption compared to conventional beam. Piecewise Integrated Composite (PIC) 보는 하중 유형에 따라 구간을 나누어, 각 구간마다 하중 유형에 강한복합재료의 적층 순서를 배열한 보이다. 본 연구는 PIC 보의 구간을 머신 러닝의 일종인 k-NN(k-Nearest Neighbor) 분류를 통해 나누어 기존에 제시되었던 PIC 보에 비해 우수한 굽힘 특성을 갖게 하는 것이 목적이다. 먼저, 알루미늄 보의 3점 굽힘 해석을 통하여 참조점에서의 3축 특성(Triaxiality) 값 데이터를 얻었고, 이를 통해 인장, 전단, 압축의 레이블을 가진 학습 데이터가 만들어진다. 학습 데이터를 통해 각 면마다 독립적인 k-NN 분류 모델을 구성하는 방법(Each plane)과 전체 면에 대한 k-NN 분류 모델을 구성하는 방법(one part)을 이용하여 k-NN 분류 모델을 생성하였고, 하이퍼파라미터의 튜닝을 통하여 다양한 하중 충실도를 도출하였다. 가장 높은 하중 충실도를 가진 k-NN 분류 모델을 기반으로 보를 매핑(mapping)하였고, PIC 보에 대하여 유한요소 해석을 진행한 결과, 기존에 제시되었던 PIC 보에 비해 최대하중과 흡수 에너지가 커지는 특성을 보였다. 하중 충실도를 수동으로 조절하여 100%로 만든 PIC 보와 비교하였을 때, 최대하중과 흡수에너지가 미소한 차이가 나타났으며 이는 타당한 하중충실도로 보여진다.

Novel specimen for the effective measurement of the fracture strain along with stress triaxiality and Lode parameter

함석우,조재웅,Seong S. Cheon 대한기계학회 2021 JOURNAL OF MECHANICAL SCIENCE AND TECHNOLOGY Vol.35 No.9

A double notched central hole, i.e., DNC specimen, which contains a center hole with a left side notch and a right side notch accompanying the slope α , is proposed to simultaneously achieve dual values of stress triaxiality and Lode parameter from one specimen in the present study. Analytical and numerical approaches are carried out under decent assumptions to characterize the plane strain behavior of DNC specimen along with the slope α . Quasi-static tensile tests with conventional specimens and DNC specimens revealed plastic strains at fracture for each specimen case in accordance with stress triaxiality and Lode parameter by digital image correlation. It is found that one DNC specimen successfully provides dual values of stress triaxiality and Lode parameter at the same time; therefore, it saves up to 50 % of experimental time and labor of conventional specimens.

머신 러닝 기법을 이용한 PIC 범퍼 빔 설계 방법

함석우,지승민,전성식,Ham, Seokwoo,Ji, Seungmin,Cheon, Seong S. 한국복합재료학회 2022 Composites research Vol.35 No.5

In this study, the PIC design method with machine learning that automatically assigning different stacking sequences according to loading types was applied bumper beam. The input value and labels of the training data for applying machine learning were defined as coordinates and loading types of reference elements that are part of the total elements, respectively. In order to compare the 2D and 3D implementation method, which are methods of representing coordinate value, training data were generated, and machine learning models were trained with each method. The 2D implementation method is divided FE model into each face and generating learning data and training machine learning models accordingly. The 3D implementation method is training one machine learning model by generating training data from the entire finite element model. The hyperparameter were tuned to optimal values through the Bayesian algorithm, and the k-NN classification method showed the highest prediction rate and AUC-ROC among the tuned models. The 3D implementation method revealed higher performance than the 2D implementation method. The loading type data predicted through the machine learning model were mapped to the finite element model and comparatively verified through FE analysis. It was found that 3D implementation PIC bumper beam was superior to 2D implementation and uni-stacking sequence composite bumper.

하중유형 분석을 통한 좌굴에 강한 복합재료 사각관 설계에 관한 연구

함석우 ( Seokwoo Ham ),지승민 ( Seungmin Ji ),전성식 ( Seong S. Cheon ) 한국복합재료학회 2023 Composites research Vol.36 No.1

PIC 설계 방법은 선행 유한요소해석을 통해 하중 유형을 나누어, 각 구간마다 하중 유형에 강한 복합재료의 적층 각도 순서를 배치하는 방법이다. 기존 연구에서는 효율적으로 구간을 나누기 위하여 PIC 설계 방법에 머신 러닝이 적용되었으며, 학습 데이터는 선행 유한요소해석 결과 값을 통해 전체 요소의 일부인 참조 요소에서의 인장, 압축 그리고 전단과 같은 하중 유형으로 나누어 라벨링 되었다. 하지만 좌굴에 대해 고려되지 않아서 좌굴 발생 시, 적절한 하중 유형으로 나눌 수 없기 때문에 이를 해결하기 위한 방법이 필요하다. 본 연구에서는 좌굴이 고려되기 위한 새로운 하중 유형 분석 방법을 기존의 PIC 설계에 적용하는 기법(PIC-NTL)이 제안되었다. 좌굴의 하중 분석은 각 플라이(Ply)별 응력 3축 특성을 통해 진행되었으며, 요소의 두께 방향으로 동일한 크기의 두 영역으로 나누어진 판단 영역 내에서 결정된 하중 유형을 통해 대표 하중 유형이 지정되었다. 학습 데이터의 특성 값은 참조 요소의 좌표, 라벨(Label)은 각 판단 영역의 대표 하중 유형으로 구성되었으며, 이 데이터를 통해 머신 러닝 모델이 학습되었다. 머신 러닝 모델의 성능에 영향을 미치는 하이퍼파라미터는 베이지안 알고리즘을 통하여 최적 값으로 튜닝되었다. 튜닝 된 머신 러닝 모델의 중 SVM 모델이 가장 높은 예측률과 ROC-AUC로 나타났으며, 해당 모델을 통해 예측된 데이터가 유한요소 모델에 매핑되었다. 기존에 제안된 PIC 설계 방법과 비교하기 위하여 사각관 형태의 모델을 압축시키는 유한요소해석이 진행되었으며, 본 연구에서 제안된 설계 방법이 강도와 에너지 흡수율에서 더 우수함이 검증되었다. The PIC design method is assigning different stacking sequences for each shell element through the preliminary FE analysis. In previous study, machine learning was applied to the PIC design method in order to assign the region efficiently, and the training data is labeled by dividing each region into tension, compression, and shear through the preliminary FE analysis results value. However, since buckling is not considered, when buckling occurs, it can’t be divided into appropriate loading type. In the present study, it was proposed PIC-NTL (PIC design using novel technique for analyzing load type) which is method for applying a novel technique for analyzing load type considering buckling to the conventional PIC design. The stress triaxiality for each ply were analyzed for buckling analysis, and the representative loading type was designated through the determined loading type within decision area divided into two regions of the same size in the thickness direction of the elements. The input value of the training data and label consisted in coordination of element and representative loading type of each decision area, respectively. A machine learning model was trained through the training data, and the hyperparameters that affect the performance of the machine learning model were tuned to optimal values through Bayesian algorithm. Among the tuned machine learning models, the SVM model showed the highest performance. Most effective stacking sequence were mapped into PIC tube based on trained SVM model. FE analysis results show the design method proposed in this study has superior external loading resistance and energy absorption compared to previous study.

A.I. 기법을 통한 VRFB 구조 설계 방법에 관한 연구

함석우(S. W. Ham),김부기(B. G. Kim),전성식(S. S. Cheon) Korean Society for Precision Engineering 2021 한국정밀공학회 학술발표대회 논문집 Vol.2021 No.11월

바나듐 레독스 흐름 배터리(VRFB)는 전력 및 용량의 유연한 설계 및 긴 수명과 같은 고유한 특성을 가진 장래의 대규모 에너지 저장시스템이다. VRFB 의 화학적 및 전기적 설계도 중요하지만 구조적 설계 중요하다고 알려져 있다. 구조적 설계 변수 중, 클램핑력에 의해 전극에서의 응력 분포, 전극의 다공성 그리고 투자율이 결정된다. 다공성은 전극에서의 응력분포의 영향을 받으며, 전해질의 화학적 반응, 투자율은 다공성 전극의 전해질 흐름과 질량 수송에 큰 영향을 미친다. 이는 VRFB 의 내구성과 높은 전류 밀도 또는 높은 SoC/SoD 에서의 작동 여부에 연관이 있는 것으로 알려져 있다. 또한 전극은 플로우 프레임과의 예비 간격이 있으며 클램핑력에 의해 완벽하게 끼워질 수 있도록 플로우 프레임의 설계가 필요하다. 전극이 플로우 프레임에 완벽하게 끼워지지 않는 경우, 전해액이 전극과 플로우 프레임의 사이 공간으로 흐르게 되어 전극에서의 화학 반응이 제대로 일어나지 않는다. 본 연구에서는 VRFB의 효율 및 내구성을 향상시키기 위하여 A.I. 기법 중 하나인 FFNN-GA 알고리즘을 통해 클램핑력과 플로우 프레임 형상의 최적화가 진행되었다. 먼저, 유한요소모델에서 클램핑력, 플로우 프레임의 형상 등의 데이터를 얻기 위하여 데이터 파싱이 진행된다. 그 후 FFNN 의 매개 변수를 설정하고, FFNN 을 통해 FE 모델이 샘플링된다. 샘플링 된 유한요소모델을 기반으로 유한요소해석이 진행되고, GA 를 통해 최적화가 진행된다. 기존에 제시된 VRFB 와 FFNN-GA를 통해 최적화된 VRFB 의 응력 분포, 다공성 그리고 투자율이 비교되었으며, FFNN-GA 를 통해 최적화된 VRFB의 내구성 및 효율이 향상된 것으로 확인되었다.

On the Study of the Novel Type Tensile Specimen for Characterising Trixaiality of Eco-Al

함석우(Seok Woo Ham),조재웅(Jae Ung Cho),전성식(Seong Sik Cheon) Korean Society for Precision Engineering 2019 한국정밀공학회지 Vol.36 No.1

Characterisation of Crash Behavior and Injury for Wheelchair User in Train during Accidental Collision

함석우(Seok Woo Ham),김경석(Gyeong Seok Kim),전성식(Seong Sik Cheon) Korean Society for Precision Engineering 2019 한국정밀공학회지 Vol.36 No.7