딥러닝을 이용한 점탄성 복합재료의 시간영역에서 전산 균질화 방법 (Deep Learning-Based Computational Time-Domain Homogenization Method for Viscoelastic Composites)

서지정보

· 발행기관 : 대한기계학회
· 수록지 정보 : 대한기계학회논문집 A / 48권 / 10호 / 681 ~ 687페이지
· 저자명 : 엄경찬, 윤경수

초록

딥러닝을 이용하여 점탄성 복합재료의 시간영역에서 유효 물성을 얻을 수 있는 균질화 방법을 제시하였다. 미세구조 위상최적설계 방법을 이용하여 다양한 형상을 갖는 미세구조의 형상을 얻었다. 점탄성 복합재료를 구성하는 재료의 물성을 위상최적설계를 통해 얻은 미세구조에 입력하고 전산 균질화 방법을 이용하여 점탄성 복합재료의 유효 완화 탄성계수를 얻었다. 미세구조 형상과 유효 완화 탄성계수를 딥러닝 모델을 학습시키기 위한 데이터로 구성하였다. 합성곱 계층과 완전 연결계층을 이용하여 미세구조 형상으로부터 유효 완화 탄성 계수를 예측할 수 있는 딥러닝 모델을 개발하고 학습데이터를 훈련시켰다. 개발된 딥러닝 모델을 이용하여 유리섬유 강화 복합재료의 물성을 예측한 결과 이론해와 잘 일치하는 것을 확인하였다.

영어초록

A homogenization method based on deep learning is proposed to obtain effective properties of viscoelastic composite materials in the time domain. Various shapes of microstructures are produced through the topology optimization method. Material properties of constituent materials are applied to the microstructures, and the effective relaxation moduli of the viscoelastic composites are obtained through the computational homogenization method. The microstructures and effective moduli are used to create a dataset to train the proposed deep learning model. The proposed deep learning model comprises convolutional layers and fully connected layers, and it is trained using this dataset. The material properties of glass fiber reinforced composite materials are predicted using the proposed deep learning model, showing good agreement with theoretical values.

참고자료

· 없음