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
- 발행기관 : 한국항공대학교 공과대학원 (검색결과 2 건)
-
김광원 한국항공대학교 공과대학원 2012 국내석사
공기압 타이어는 차량의 주행 중 펑크에 대한 위험과 항시 타이어 내부의 적절한 공기압 유지가 필요하며 복잡한 제조과정 등의 단점을 가지고 있다. 이러한 단점을 보안하면서 공기압 타이어보다 더 향상된 성능을 가지는 비 공기압 타이어의 개발이 시도되고 있다. 최근 다각형 spoke와 탄성체 층이 삽입된 비 공기압 타이어의 개발이 발표되었다. 본 논문의 연구대상인 비 공기압 타이어의 spoke는 차량의 운행시 타이어의 회전에 따라 반복되는 인장과 압축 하중을 받게 되므로 일정수준의 강성과 회복능력이 요구된다. 그러나 일반적으로 강성과 회복능력은 반대되는 조건이다. 만약 재료의 강성이 높으면 낮은 탄성변형 한계를 보이고 재료의 강성이 낮으면 높은 탄성한계를 보인다. 그러므로 본 연구는 타이어에 적합한 강성과 탄성한계를 가지는 격자구조와 polyurethane 소재를 통하여 6가지 타입의 비 공기압 타이어의 spoke를 설계한 뒤 유한요소 해석을 통하여 접지압과 spoke의 local stress를 비교 분석하여 비 공기압 타이어에 적합한 spoke를 선정하였다
-
정재원 한국항공대학교 공과대학원 2021 국내석사
최근 인공신경망(Artificial Neural Network, ANN)을 활용한 구조 성능 예측 연구가 활발하게 이루어지고 있다. 인공신경망은 인간 두뇌의 지식 및 경험 습득 과정을 모방한 컴퓨터 모델로서 주어진 데이터 세트에서 패턴을 인식함으로써 새롭게 제공되는 데이터에 대한 통찰을 발휘하여 분류, 예측 등을 수행한다. 이는 구조 분야의 초기 설계 단계에서 해석과 구조 테스트에 많은 시간과 비용이 소모되는 것을 방지하는 효과적인 대안이 될 수 있다. 하지만 인공신경망에 사용되는 활성화 함수의 특성이 인공신경망에 큰 영향을 미쳐 인공신경망의 정확도 하락과 학습 시간 지연 등 인공신경망의 성능을 하락시키게 된다. 따라서 본 논문에서는 기존의 활성화 함수가 갖는 단점을 고려하여 개선된 활성화 함수를 제시함으로서 인공신경망의 정확도 향상과 학습 시간 단축을 통해 인공신경망의 성능을 향상 시켰다. 검증에 적용된 데이터는 원통형 복합재 격자 구조물의 좌굴해석 데이터를 활용 하였다. 원통형 복합재 구조물은 최소한의 부재로 압축 하중을 지지하도록 설계된다. 재료의 파손에 앞서 좌굴현상이 발생하여 구조적 불안정성을 발생시키기 때문에 원통형 복합재 구조물의 좌굴해석은 필수적이다. 이때 주로 유한요소해석 프로그램을 통한 좌굴해석과 에너지법을 활용한 근사적 좌굴해석기법을 사용하는데, 구조물의 형상 변경 시 변경된 모델에 따라 새로운 해석을 수행해야 한다는 불편함이 있다. 원통형 복합재 구조물에 인공신경망을 적용하여 좌굴해석을 수행한다면 구조물의 형상변화에도 좌굴하중을 절약된 시간 및 비용과 높은 정확도로 예측할 수 있을 것이다. 먼저 유한요소해석 프로그램을 활용하여 인공신경망의 훈련 데이터 세트를 만들어 인공신경망을 학습하고 그 결과를 검증하였다. 은닉층과 뉴런의 개수에 대한 인공신경망의 성능 변화를 파악하기 위해 Parametric study를 수행하였고 그 결과 기존의 활성화 함수의 문제점으로 인한 학습 속도 지연과 정확도 하락을 확인하였다. 은닉층과 뉴런 개수에 대한 Parametric study를 통해서 가장 성능이 좋은 인공신경망의 구조를 파악하고 이에 기존의 활성화 함수와 개선된 활성화 함수를 사용하여 인공신경망을 훈련하고 그 결과를 비교함으로써 기존의 활성화 함수로 훈련된 인공신경망보다 성능이 우수함을 증명하였다. Structural performance prediction studies using artificial neural networks (ANNs) have been actively conducted. An artificial neural network is a computer model that mimics the knowledge and experience acquisition process of the human brain, recognizing patterns in a given data set and displaying insights into the newly provided data to perform classification and prediction. It can be an effective alternative that does not spend a lot of time and money on analysis and structural testing at the initial design stage in the structural field. However, the characteristics of the activation function used in the artificial neural network have a great effect on the artificial neural network, and the performance of the artificial neural network is deteriorated, such as a decrease in the accuracy of the artificial neural network and learning delay. Therefore, in this paper, we propose an improved activation function in consideration of the shortcomings of the existing activation function to increase the accuracy of the artificial neural network and shorten the learning time to improve the performance of the artificial neural network. As the data applied for verification, buckling analysis data of the cylindrical composite lattice structure were used. Cylindrical composite structures are designed to support compressive loads with minimal members. Buckling analysis of cylindrical composite structures is essential because buckling occurs prior to material failure and causes structural instability. At this time, the buckling analysis through the finite element analysis program and the approximate buckling analysis technique using the energy method are mainly used. However, when the shape of the structure changes, it is inconvenient to perform a new analysis according to the changed model. will change. If buckling analysis is performed by applying artificial neural network to a cylindrical complex structure, it will be possible to predict the buckling load with high accuracy, time and cost even if the shape of the structure changes. A training data set for the artificial neural network was created using the finite element analysis program, the artificial neural network was trained, and the results were verified. As a result of performing a parametric study to understand the performance change of the artificial neural network according to the number of hidden layers and neurons, it was confirmed that the learning speed was delayed and the accuracy decreased due to the problems of the existing activation function. The structure of the artificial neural network with the best performance was identified through parametric studies on the number of hidden layers and neurons, and the results of training the artificial neural network using the existing activation function and the improved activation function are as follows. Compared to training with a traditional activation function. It has been proven to outperform artificial neural networks.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
