외팔보의 진동 전달률을 이용한 DNN 모델 기반 파라미터 추정 방법 (Deep Neural Network Model-based Parameter Estimation Method Using Transmissibility of Cantilevered Beam)

서지정보

· 발행기관 : 대한기계학회
· 수록지 정보 : 대한기계학회논문집 A / 46권 / 9호 / 819 ~ 826페이지
· 저자명 : 송병규, 강남철

초록

본 연구에서는 심층신경망 모델을 이용하여 탄성계수와 감쇠계수와 같은 외팔보의 기계적인 물성치를 추정하는 방법을 제안하였다. 해석적으로 오일러-베르누이 보로 모델링된 외팔보 끝단에서의 전달률을 심층신경망 모델의 학습 데이터로 사용하였다. 또한, 실험에서 발생 가능한 노이즈의 효과를 살펴보기 위하여, 전달률에 가우시안 노이즈를 추가하여 제안하는 방법의 강건성을 살펴보았다. 분석을 통하여 노이즈가 있는 경우에도 심층신경망 모델이 미지의 매개변수를 높은 정확도로 성공적으로 추정한다는 것을 확인했다. 마지막으로, 제안하는 방법과 경사하강법 및 패턴 탐색 방법을 이용하여 여러가지 초기치에 대하여 미지의 매개변수의 추정 결과를 비교하였다.

영어초록

In this study, we developed a method for estimating mechanical properties of cantilever beams, such as elastic modulus and damping coefficient, using a deep neural network model. Analytically, the transmissibility at the tip of the cantilever modeled using Euler-Bernoulli beams was used as training data for the deep neural network model. In addition, the robustness of the proposed method was examined by adding Gaussian noise to the transmissibility to investigate the effect of noise that may have occurred in the experiment. We demonstrated that the deep neural network model estimates unknown parameters with high accuracy, even in the presence of noise. Finally, the estimation results of unknown parameters for various initial values were compared using the proposed method, gradient descent method, and pattern search method.

참고자료

· 없음