인공 신경망 기반 90도 백투백 곡관의 탄성 한계 규명 (Artificial Neural Network based Elastic Response Limit Analysis of 90° Back-to-Back Pipe Bends)

서지정보

· 발행기관 : 대한기계학회
· 수록지 정보 : 대한기계학회논문집 A / 49권 / 6호 / 429 ~ 436페이지
· 저자명 : 박주형, 조락균, 김도균

초록

90° back-to-back 곡관은 내압과 굽힘 모멘트가 작용할 때 복잡한 응력 분포를 나타내며, 이러한 구조물의 탄성 응답 한계를 규명하는 것은 설계와 안전성 평가에 핵심적인 요소이다. 본 연구에서는 내압과 360° 전 방향의 굽힘 모멘트를 주요 입력 변수로 설정하고, Abaqus와 Python Script를 활용하여 선형해석 데이터를 생성하였다. 이를 기반으로 기계학습 모델을 학습시켜 최대 등가 응력을 예측하였으며, 최적화된 모델을 대리 모델로 활용하여 복합 하중 조건에서의 탄성 한계를 규명하였다. 연구 결과는 이러한 접근 방식이 구조 건전성 평가와 설계 안전성 향상에 효과적으로 활용될 수 있음을 보여준다.

영어초록

The 90° back-to-back pipe bends is critical in altering the flow direction in pipelines, often experiencing significant damage from internal pressure and bending moments during operation. This study aims to determine the elastic response limits of such pipes under combined loading conditions using AI-based methods. Internal pressure and 360° bending moments were set as input variables, generating linear analysis datasets using Abaqus and Python script. ANN models were trained to predict the maximum equivalent stress and employed as a surrogate model to identify elastic limits. Iterative algorithms were used to combine load conditions within the yield strength, enabling accurate determination of elastic limits. This research highlights the potential of AI-driven structural integrity evaluation techniques in enhancing the understanding of stress distributions under complex loads, contributing to improved safety and efficiency in pipeline design.

참고자료

· 없음