국립중앙도서관 "우편 복사 서비스"로 연결 됩니다.
ScienceON
DBpiaNumerical analysis and dynamic material properties are required to analyze the behavior of workpiece during an electrohydraulic forming (EHF) process. In this study, EHF experiments were conducted under three conditions (6, 7, 8 kV). Dynamic material ...
다국어 입력
あ
ぁ
か
が
さ
ざ
た
だ
な
は
ば
ぱ
ま
や
ゃ
ら
わ
ゎ
ん
い
ぃ
き
ぎ
し
じ
ち
ぢ
に
ひ
び
ぴ
み
り
う
ぅ
く
ぐ
す
ず
つ
づ
っ
ぬ
ふ
ぶ
ぷ
む
ゆ
ゅ
る
え
ぇ
け
げ
せ
ぜ
て
で
ね
へ
べ
ぺ
め
れ
お
ぉ
こ
ご
そ
ぞ
と
ど
の
ほ
ぼ
ぽ
も
よ
ょ
ろ
を
ア
ァ
カ
サ
ザ
タ
ダ
ナ
ハ
バ
パ
マ
ヤ
ャ
ラ
ワ
ヮ
ン
イ
ィ
キ
ギ
シ
ジ
チ
ヂ
ニ
ヒ
ビ
ピ
ミ
リ
ウ
ゥ
ク
グ
ス
ズ
ツ
ヅ
ッ
ヌ
フ
ブ
プ
ム
ユ
ュ
ル
エ
ェ
ケ
ゲ
セ
ゼ
テ
デ
ヘ
ベ
ペ
メ
レ
オ
ォ
コ
ゴ
ソ
ゾ
ト
ド
ノ
ホ
ボ
ポ
モ
ヨ
ョ
ロ
ヲ
―
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
예시)
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
А
Б
В
Г
Д
Е
Ё
Ж
З
И
Й
К
Л
М
Н
О
П
Р
С
Т
У
Ф
Х
Ц
Ч
Ш
Щ
Ъ
Ы
Ь
Э
Ю
Я
а
б
в
г
д
е
ё
ж
з
и
й
к
л
м
н
о
п
р
с
т
у
ф
х
ц
ч
ш
щ
ъ
ы
ь
э
ю
я
′
″
℃
Å
￠
￡
￥
¤
℉
‰
＄
％
Ｆ
￦
㎕
㎖
㎗
ℓ
㎘
㏄
㎣
㎤
㎥
㎦
㎙
㎚
㎛
㎜
㎝
㎞
㎟
㎠
㎡
㎢
㏊
㎍
㎎
㎏
㏏
㎈
㎉
㏈
㎧
㎨
㎰
㎱
㎲
㎳
㎴
㎵
㎶
㎷
㎸
㎹
㎀
㎁
㎂
㎃
㎄
㎺
㎻
㎽
㎾
㎿
㎐
㎑
㎒
㎓
㎔
Ω
㏀
㏁
㎊
㎋
㎌
㏖
㏅
㎭
㎮
㎯
㏛
㎩
㎪
㎫
㎬
㏝
㏐
㏓
㏃
㏉
㏜
㏆
RISS 인기검색어
액중 방전 성형과 인공신경망 기법을 활용한 Cowper-Symonds 구성 방정식의 변형률 속도 파라메터 역추정 = Estimating Strain Rate Dependent Parameters of Cowper-Symonds Model Using Electrohydraulic Forming and Artificial Neural Network
한글로보기https://www.riss.kr/link?id=A108081874
- 저자
- 발행기관
- 학술지명
- 권호사항
-
발행연도
2022
-
작성언어
Korean
- 주제어
-
등재정보
KCI등재
-
자료형태
학술저널
- 발행기관 URL
-
수록면
81-88(8쪽)
-
KCI 피인용횟수
0
- DOI식별코드
- 제공처
-
0
상세조회 -
0
다운로드
부가정보
다국어 초록 (Multilingual Abstract)
Numerical analysis and dynamic material properties are required to analyze the behavior of workpiece during an electrohydraulic forming (EHF) process. In this study, EHF experiments were conducted under three conditions (6, 7, 8 kV). Dynamic material properties of Al 5052-H34 were inversely estimated through an ANN (Artificial Neural Network) model constructed based on LS-Dyna analysis results. Parameters of Cowper-Symonds constitutive equation, C and p, were used to implement dynamic material properties. By comparing experimental results of three conditions with ANN model results, optimized parameters were obtained. To determine the reliability of the derived parameters, experimental results, LS-Dyna analysis results, and ANN results of three conditions were compared using MSE and SMAPE. Valid parameters were obtained because values of indicators were within confidence intervals.
Numerical analysis and dynamic material properties are required to analyze the behavior of workpiece during an electrohydraulic forming (EHF) process. In this study, EHF experiments were conducted under three conditions (6, 7, 8 kV). Dynamic material properties of Al 5052-H34 were inversely estimated through an ANN (Artificial Neural Network) model constructed based on LS-Dyna analysis results. Parameters of Cowper-Symonds constitutive equation, C and p, were used to implement dynamic material properties. By comparing experimental results of three conditions with ANN model results, optimized parameters were obtained. To determine the reliability of the derived parameters, experimental results, LS-Dyna analysis results, and ANN results of three conditions were compared using MSE and SMAPE. Valid parameters were obtained because values of indicators were within confidence intervals.
참고문헌 (Reference)
1 신기훈 ; 김철 ; 남상훈 ; 박성재 ; 유성수, "최대 절대값 기반 시계열 데이터 예측 모델 평가 기법" 한국에너지학회 27 (27): 103-110, 2018
2 강우종 ; 김성태, "자동차 프론트엔드모듈 캐리어용 경량 복합소재의 고속인장 시험" 한국복합재료학회 24 (24): 12-16, 2011
3 김기태 ; 하상렬 ; 장진희 ; 윤효준, "인장형 홉킨슨 바 장치를 이용한 알루미늄 단결정 및 멀티결정재의 동적 실험" 대한기계학회 40 (40): 23-31, 2016
4 양동철 ; 이준한 ; 윤경환 ; 김종선, "인공신경망을 활용한 최적 사출성형조건 예측에 관한 연구" 한국소성∙가공학회 29 (29): 218-228, 2020
5 이상철 ; 김정, "인공신경망 기반 SMC 복합재료의 충돌 손상 해석을 위한 파라메터 획득" 한국복합재료학회 34 (34): 115-122, 2021
6 우민아 ; 노학곤 ; 송우진 ; 강범수 ; 김정, "액중 방전 성형의 실험 장치 개발 및 실험적 연구" 한국자동차공학회 25 (25): 236-241, 2017
7 문희범 ; 강경필 ; 이경훈 ; 김용환, "딥 러닝을 이용한 인공지능 구성방정식 모델의 개발" 한국소성∙가공학회 30 (30): 186-194, 2021
8 J. W. Park, "금속 판재 성형 기술의 진보" 한국소성가공학회 11 (11): 223-230, 2002
9 우민아 ; 이승민 ; 이경훈 ; 송우진 ; 김정, "고속 성형 공정에서 재료의 구성 방정식 파라메터 획득을 위한인공신경망 모델의 적용" 한국소성∙가공학회 27 (27): 331-338, 2018
10 김연복 ; 김정, "SHPB를 이용한 우레탄의 동적 물성 획득 및 검증" 대한기계학회 44 (44): 923-931, 2020
1 신기훈 ; 김철 ; 남상훈 ; 박성재 ; 유성수, "최대 절대값 기반 시계열 데이터 예측 모델 평가 기법" 한국에너지학회 27 (27): 103-110, 2018
2 강우종 ; 김성태, "자동차 프론트엔드모듈 캐리어용 경량 복합소재의 고속인장 시험" 한국복합재료학회 24 (24): 12-16, 2011
3 김기태 ; 하상렬 ; 장진희 ; 윤효준, "인장형 홉킨슨 바 장치를 이용한 알루미늄 단결정 및 멀티결정재의 동적 실험" 대한기계학회 40 (40): 23-31, 2016
4 양동철 ; 이준한 ; 윤경환 ; 김종선, "인공신경망을 활용한 최적 사출성형조건 예측에 관한 연구" 한국소성∙가공학회 29 (29): 218-228, 2020
5 이상철 ; 김정, "인공신경망 기반 SMC 복합재료의 충돌 손상 해석을 위한 파라메터 획득" 한국복합재료학회 34 (34): 115-122, 2021
6 우민아 ; 노학곤 ; 송우진 ; 강범수 ; 김정, "액중 방전 성형의 실험 장치 개발 및 실험적 연구" 한국자동차공학회 25 (25): 236-241, 2017
7 문희범 ; 강경필 ; 이경훈 ; 김용환, "딥 러닝을 이용한 인공지능 구성방정식 모델의 개발" 한국소성∙가공학회 30 (30): 186-194, 2021
8 J. W. Park, "금속 판재 성형 기술의 진보" 한국소성가공학회 11 (11): 223-230, 2002
9 우민아 ; 이승민 ; 이경훈 ; 송우진 ; 김정, "고속 성형 공정에서 재료의 구성 방정식 파라메터 획득을 위한인공신경망 모델의 적용" 한국소성∙가공학회 27 (27): 331-338, 2018
10 김연복 ; 김정, "SHPB를 이용한 우레탄의 동적 물성 획득 및 검증" 대한기계학회 44 (44): 923-931, 2020
11 Alexander V. Mamutov, "Modeling of electrohydraulic forming of sheet metal parts" Elsevier BV 219 : 84-100, 2015
12 S. H. Yoo, "Introduction and development trend of artificial neural network" Kor. Inst. Electr., Eng 36-41, 2017
13 Haiping Yu, "Forming limit diagram of DP600 steel sheets during electrohydraulic forming" Springer Science and Business Media LLC 104 (104): 743-756, 2019
14 Sergey F. Golovashchenko, "Formability of dual phase steels in electrohydraulic forming" Elsevier BV 213 (213): 1191-1212, 2013
15 A. Forrester, "Engineering design via surrogate modelling: a practical guide" John Wiley &Sons 2008
16 Ji-Yeon Shim, "Development of Electrohydraulic Forming Process for Aluminum Sheet with Sharp Edge" Hindawi Limited 2017 : 1-10, 2017
17 Min-A Woo, "Acquisition and Evaluation of Theoretical Forming Limit Diagram of Al 6061-T6 in Electrohydraulic Forming Process" MDPI AG 9 (9): 401-, 2019
동일학술지(권/호) 다른 논문
-
자동차 조향장치 부품 요크의 온간 밀폐 단조 적용을 위한 금형 응력 저감 설계 및 온간 단조품의 기계적 특성 분석
- 한국소성∙가공학회
- 성상규
- 2022
- KCI등재
-
인자 분석을 통한 전기차 열교환기 분리판용 고강도 알루미늄 판재 성형 연구
- 한국소성∙가공학회
- 정선호
- 2022
- KCI등재
-
Al7050 합금의 인장-압축거동과 성형성 간 상관관계
- 한국소성∙가공학회
- 배동화
- 2022
- KCI등재
-
Mg–Bi–Al–Mn 초고속 마그네슘 압출재의 미세조직 및 기계적 특성
- 한국소성∙가공학회
- 차재원
- 2022
- KCI등재
분석정보
인용정보 인용지수 설명보기
학술지 이력
| 연월일 | 이력구분 | 이력상세 | 등재구분 |
|---|---|---|---|
| 2026 | 평가예정 | 재인증평가 신청대상 (재인증) | |
| 2020-01-01 | 평가 | 등재학술지 유지 (재인증) | |
| 2017-01-01 | 평가 | 등재학술지 유지 (계속평가) | |
| 2013-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
| 2010-01-01 | 평가 | 등재 1차 FAIL (등재유지) | |
| 2008-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
| 2006-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
| 2004-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
| 2001-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | |
| 1998-07-01 | 평가 | 등재후보학술지 선정 (신규평가) |  |
학술지 인용정보
| 기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
|---|---|---|---|
| 2016 | 0.22 | 0.22 | 0.25 |
| KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
| 0.22 | 0.2 | 0.478 | 0.07 |
이 자료와 함께 이용한 RISS 자료
나만을 위한 추천자료
