A study of impact behavior of carbon fiber reinforced polymer laminates

국문 초록 (Abstract)

안전장구는 편의성과 안전성 두 가지 모두를 충족시켜야 하는 장비이며 해당 특성은 복합재료의 주요 특성이기도 하다. 복합재료는 경량화 재질로 편의성을 증가시키며 금속재료 못지 않은 높은 기계적 강도로 안전성을 충족한다. 복합재료는 재료의 종류와 재료의 함량 그리고 적층 방법이나 제조 방법은 완성된 복합재료의 물성이 달라진다. 따라서, 안전장구에 적절한 복합재료를 제작할 경우, 목표 기준에 부합하는 재료인지 검증하는 과정이 필요하다. 그러나, 각각의 재료마다 다양한 환경 조건에 따른 실험을 진행하기는 쉽지 않다. 그래서, 재료의 안전성 검증과정 및 비용을 줄이기 위해서 안전성 예측 모델이 필요하다.
본 논문에서는 탄소섬유강화 고분자 적층판으로 제조된 안전장구의 안전성을 예측하기 위한 연구로서 안전장구에 사용할 재료를 대상으로 다양한 낙하 충격 실험 조건을 설정하여 실험을 진행하고 해당 실험을 유한요소해석을 진행한 후, 그 결과를 실험결과와 비교하였다. 인장실험을 통해서 탄소 섬유 강화 복합재료의 물성을 추출하였고 추출한 물성은 추후 유한요소해석에 사용하였다. 낙하충격실험 조건으로 낙하 속도, 적층판의 두께 그리고 충돌하는 물체의 형상을 다르게 설정하여 유한요소해석을 진행하였고 같은 조건으로 실제 낙하 충격 실험을 진행한 후 그 결과값들을 서로 비교하였다. 비교 결과로부터, 각각의 실험 조건들이 탄소섬유강화 고분자 재료에 미치는 영향을 확인하였다. 실험결과를 머신러닝의 학습데이터로 사용하여 예측 모델을 제작하였다. 이 예측 모델을 이용하여 다른 재료로 제작된 섬유강화 고분자 적층판의 물성을 이용해서 실험과정을 거치지 않고 안전장구에 적합한 재료인지 판단이 가능할 것으로 기대된다.

목차 (Table of Contents)

• Content
• Nomenclature iii
• List of Tables iv
• List of Figures v
• 1. Introduction 1
• 2. Background 3
• 2.1 Carbon Fiber Reinforced Composite 3
• 2.2 Impact Parameters 4
• 2.3 FE Analysis with various Impact Conditions 5
• 2.4 Prediction Model for Impact Behavior with ANN 5
• 3. Artificial Neural Network Modeling 6
• 3.1 Machine Learning Model 6
• 3.2 Flow of Prediction Model 9
• 4. Experimental method 11
• 4.1 Preparation of CFRP Composite 11
• 4.2 Tensile Test 14
• 4.3 Drop Impact Test 17
• 5. FE Modeling and Simulation 21
• 5.1 Model Analysis 21
• 5.2 Boundary Conditions 23
• 5.3 Material Properties 25
• 5.4 Mesh Parameters 26
• 6. Results and Discussions 28
• 6.1 FE analysis with varied Impact Conditions 28
• 6.2 Tensile Test 31
• 6.3 Comparative Analysis of FE and Drop Impact Test 33
• 6.3.1 Effect of Drop Height 34
• 6.3.2 Effects of Impactor Shape 38
• 6.4 ANN Model for Prediction of the Impact Behavior 45
• 7. Conclusion 50
• References 53
• 국문요지 56
• 감사의 말씀 58