KR20200046175A - 이종재질 접합재의 접합강도 예측 방법 - Google Patents

이종재질 접합재의 접합강도 예측 방법 Download PDF

Info

Publication number
KR20200046175A
KR20200046175A KR1020180124164A KR20180124164A KR20200046175A KR 20200046175 A KR20200046175 A KR 20200046175A KR 1020180124164 A KR1020180124164 A KR 1020180124164A KR 20180124164 A KR20180124164 A KR 20180124164A KR 20200046175 A KR20200046175 A KR 20200046175A
Authority
KR
South Korea
Prior art keywords
bonding
heterogeneous
displacement
strength
specimen
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
KR1020180124164A
Other languages
English (en)
Inventor
배유진
김재호
최흥재
김동철
Original Assignee
현대자동차주식회사
서강대학교산학협력단
기아자동차주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 현대자동차주식회사, 서강대학교산학협력단, 기아자동차주식회사 filed Critical 현대자동차주식회사
Priority to KR1020180124164A priority Critical patent/KR20200046175A/ko
Priority to US16/374,019 priority patent/US11519835B2/en
Priority to CN201910303268.5A priority patent/CN111159838B/zh
Publication of KR20200046175A publication Critical patent/KR20200046175A/ko
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/02—Details
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/08—Investigating strength properties of solid materials by application of mechanical stress by applying steady tensile or compressive forces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D65/00—Designing, manufacturing, e.g. assembling, facilitating disassembly, or structurally modifying motor vehicles or trailers, not otherwise provided for
    • B62D65/02—Joining sub-units or components to, or positioning sub-units or components with respect to, body shell or other sub-units or components
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N19/00—Investigating materials by mechanical methods
    • G01N19/04—Measuring adhesive force between materials, e.g. of sealing tape, of coating
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0499—Feedforward networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Manufacturing & Machinery (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)

Abstract

본 발명은 이종재질 접합재의 접합강도 예측 방법에 관한 것으로서, 실제 시편 제작 및 시험 없이도 다양한 조합의 이종재질 접합재에 대해서 변위에 따른 하중과 접합강도를 예측할 수 있는 방법을 제공하는데 주된 목적이 있는 것이다. 상기한 목적을 달성하기 위해, 접합 정보가 상이한 복수의 이종재질 접합 시편에 대해 접합강도 시험을 실시하여 이종재질 접합 시편들의 접합 정보에 따른 변위-하중 데이터를 취득하는 단계; 예측 시스템에 이종재질 접합 시편의 접합 정보로부터 이종재질 접합 시편의 변위-하중 데이터 및 접합강도를 예측하기 위한 인공신경망 모델을 구축하는 단계; 상기 접합강도 시험을 통해 취득한 이종재질 접합 시편들의 접합 정보에 따른 변위-하중 데이터를 상기 예측 시스템에 입력하여 인공신경망 모델을 학습시키는 단계; 접합강도 예측을 수행하기 위한 소프트웨어의 실행이 가능하면서 네트워크를 통해 예측 시스템의 호스트 컴퓨터에 연결된 컴퓨터를 통해 예측 대상의 이종재질 접합 시편에 대한 접합 정보를 상기 예측 시스템에 입력하는 단계; 및 상기 예측 대상의 이종재질 접합 시편에 대한 접합 정보로부터 상기 학습된 인공신경망 모델에 의해 예측 대상의 이종재질 접합 시편의 변위-하중 값과 접합강도가 예측되는 단계를 포함하는 이종재질 접합재의 접합강도 예측 방법이 개시된다.

Description

이종재질 접합재의 접합강도 예측 방법{Method for predicting join strength of joined dissimilar materials}
본 발명은 이종재질 접합재의 접합강도 예측 방법에 관한 것으로서, 더욱 상세하게는 실제 시편 제작이나 시험 없이도 이종재질 접합재의 접합강도를 예측할 수 있는 방법에 관한 것이다.
최근 연비 향상 및 배기가스 저감을 위해 자동차 경량화에 대한 니즈가 증가하고 있다. 이에 맞춰, 자동차의 중량에 많은 부분을 차지하고 있는 차체를 경량화시키려고 노력하고 있다.
그 중에서도 기존에 사용하고 있는 강철(steel) 대신 경량 금속재료를 적용하려는 기술 개발이 활발히 진행되고 있다. 이를 실현하기 위해서는 경량 금속재료를 기존 강철 구조에 접합하는 기술이 가장 핵심적인 부분이라고 할 수 있다.
최근에는 차체의 고강도 경량화 추세에 따라 차체 소재로서, 초고장력강 등과 같은 스틸 판재, 알루미늄 및 마그네슘 등과 같은 비철 금속판재, 이뿐만 아니라 섬유 강화 플라스틱(FRP:Fiber Reinforced Plastic), 탄소 섬유 강화 플라스틱(CFRP:Carbon Fiber Reinforced Plastics), 유리 섬유 강화 플라스틱(GFRP: Glass Fiber Reinforced Plastics) 등과 같은 플라스틱 복합소재를 적용하는 사례가 빈번해 졌다.
여기서, 플라스틱 복합소재는 강도, 탄성률, 경량성, 안정성이 우수하기 때문에, 항공 분야나 자동차 분야에서 주요한 재료 중 하나로 각광받고 있으며, 당 업계에서는 플라스틱 복합소재의 향후 사용이 더욱 확대되어 제조량 또한 비약적으로 증가할 것으로 기대하고 있다.
플라스틱 복합소재는 플라스틱 수지류에 섬유소재를 함침하여 경화시킨 것으로, 예를 들면 섬유소재를 와인딩 모양이나 직물 모양으로 제조한 후, 그 섬유소재를 플라스틱 수지류에 함침하여 경화시킴으로써 제조될 수 있다.
이러한 플라스틱 복합소재를 판재로 제조하고 그 플라스틱 복합판재를 차체에 적용하기 위해서는 플라스틱 복합판재와 스틸 판재의 접합이 가능해야 하는데, 두 소재의 물성적 특성에 의해 레이저 용접이나 스폿 용접은 불가능하다.
이에 당 업계에서는 구조용 접착제를 이용한 본딩 방식이나 스크류, 리벳 등의 체결부품을 이용한 기계적인 접합 방식의 매우 제한적인 접합 방식으로 이종 소재인 플라스틱 복합판재와 스틸 판재를 접합하고 있는 실정이다.
한편, 이종 소재를 접합한 판재의 경우에도 차체와 같은 자동차 부품에 사용하기 위해서는 부품의 소재로서 요구되는 강도를 충분히 만족해야 하고, 특히 다른 소재를 서로 접합한 것이므로 소재 사이의 접합강도가 커야 한다.
이에 따라 소재의 선택 및 사용을 위해서는 재질 등의 조합이 상이한 여러 이종재질 접합 판재에 대하여 접합강도를 측정하는 것이 필요하다.
종래에는 다양한 이종재질 접합 판재에 대한 접합강도를 측정하기 위하여, 재질 및 소재 두께의 다양한 조합별로 직접 이종재질 접합 시편들을 제작한 뒤, 제작한 시편에 대하여 모두 인장시험 등을 실시해 얻은 데이터를 활용하였다.
그러나, 시편 평가를 위해 재질과 소재 두께 등의 조합이 상이한 여러 판재들을 대상으로 모두 시편을 제작해야 하므로 시편용 금형 제작에서부터 시편 접합을 위한 가공 등에 이르기까지 많은 비용과 시간이 필요하다.
특히, 최근 들어 경량 부품의 적용이 증가함에 따라 재질과 두께 등의 조합이 많아지고 다양해지면서 모든 개별 조합에 대한 시편의 제작과 시험을 진행하기엔 시간과 비용이 기하급수적으로 늘어나는 문제점이 나타나고 있다.
따라서, 모든 시편의 제작 및 시험 없이도 유사한 조합 및 새로운 조합에 대하여 접합강도를 예측할 수 있는 기술이 필요하게 되었다.
따라서, 본 발명은 상기와 같은 문제점을 해결하기 위하여 창출한 것으로서, 시편 제작이나 시험 없이도 이종재질 접합재의 접합강도를 예측할 수 있는 방법을 제공하는데 그 목적이 있다.
상기한 목적을 달성하기 위하여, 본 발명의 실시예에 따르면, 접합 정보가 상이한 복수의 이종재질 접합 시편에 대해 접합강도 시험을 실시하여 이종재질 접합 시편들의 접합 정보에 따른 변위-하중 데이터를 취득하는 단계; 예측 시스템에 이종재질 접합 시편의 접합 정보로부터 이종재질 접합 시편의 변위-하중 데이터 및 접합강도를 예측하기 위한 인공신경망 모델을 구축하는 단계; 상기 접합강도 시험을 통해 취득한 이종재질 접합 시편들의 접합 정보에 따른 변위-하중 데이터를 상기 예측 시스템에 입력하여 인공신경망 모델을 학습시키는 단계; 접합강도 예측을 수행하기 위한 소프트웨어의 실행이 가능하면서 네트워크를 통해 예측 시스템의 호스트 컴퓨터에 연결된 컴퓨터를 통해 예측 대상의 이종재질 접합 시편에 대한 접합 정보를 상기 예측 시스템에 입력하는 단계; 및 상기 예측 대상의 이종재질 접합 시편에 대한 접합 정보로부터 상기 학습된 인공신경망 모델에 의해 예측 대상의 이종재질 접합 시편의 변위-하중 값과 접합강도가 예측되는 단계를 포함하는 이종재질 접합재의 접합강도 예측 방법을 제공한다.
이로써, 본 발명에 따른 이종재질 접합재의 접합강도 예측 방법에 의하면, 실제 시편 제작 및 시험 없이 학습된 인공신경망 모델을 이용하여 이종재질 접합 정보로부터 접합재의 변위-하중 및 접합강도를 예측할 수 있고, 이종재질 접합재 개발시마다 시편 제작과 시험에 소요되던 시간과 비용을 크게 줄일 수 있게 된다.
도 1은 본 발명에 따른 이종재질 접합재의 접합강도 예측 과정을 나타내는 순서도이다.
도 2는 본 발명에서 접합강도 시험시 제작하여 사용할 수 있는 이종재질 접합 시편을 나타내는 도면이다.
도 3은 고속 회전 스크류를 이용하여 재질이 상이한 판재들을 접합하는 FDS 접합 공정 또는 FFS 접합 공정을 나타낸 도면이다.
도 4는 택 리벳을 이용하여 판재들을 접합하는 RIVTAC 접합 공정을 나타낸 도면이다.
도 5는 본 발명에서 예측 시스템의 구성을 개략적으로 나타낸 도면이다.
도 6은 본 발명에서 예측 대상 시편의 접합 정보를 입력하는 소프트웨어 화면을 예시한 도면이다.
도 7은 본 발명에서 학습된 인공신경망 모델에 의해 예측된 변위에 따른 하중 데이터(변위-하중)의 예를 나타낸 도면이다.
도 8 내지 도 10은 본 발명에서 이용되는 인공신경망에 대해 설명하기 위한 도면이다.
도 11은 본 발명에서 변위에 따른 하중 예측 인공신경망 모델에 대해 좀더 세부적으로 예시한 도면이다.
이하에서는 첨부한 도면을 참조하여 본 발명의 실시예에 대해 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명하기로 한다. 그러나, 본 발명은 여기서 설명되는 실시예에 한정되지 않고 다른 형태로 구체화될 수도 있다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 발명은 서로 다른 재질의 판재가 접합되어 있는 이종재질 접합재에 대한 접합강도를 예측할 수 있는 방법에 관한 것이다.
특히, 본 발명은 실제 시편 제작 및 시험 없이도 유사한 조합 및 새로운 조합의 이종재질 접합재에 대해서 변위에 따른 하중(변위-하중)과 접합강도를 예측할 수 있는 방법에 관한 것이다.
보다 상세하게는, 본 발명은 실제 시편 제작 및 시험 없이 학습된 인공신경망 모델을 이용하여 상판과 하판의 인장강도(재질과 관련된 것임) 및 두께에 따른 이종재질 접합재의 변위-하중 및 접합강도를 예측할 수 있도록 한 점에 기술적 특징이 있는 것이다.
본 발명에서 이종재질 접합재의 변위-하중 및 접합강도 예측은 실제의 시편 시험을 대체할 수 있는 것으로, 구성하려는 이종재질 접합재의 접합 정보로부터, 즉 구성하려는 이종재질 접합재의 상판과 하판에 대한 인장강도와 두께 정보로부터 상기 학습된 인공신경망 모델을 이용하여 이종재질 접합재(실제 시편을 제작하지 않음)에 대한 접합부의 변위-하중 및 접합강도를 예측하게 된다.
본 발명에서는 인공신경망 모델 학습 및 그 데이터 확보를 위한 접합강도 시험시에만 다양한 조합의 이종재질 접합재에 대해서 시편 제작 후 조합별로 접합강도 시험을 실시하고, 이후 학습된 인공신경망 모델을 이용하여 변위-하중 및 접합강도를 예측하려고 할 때에는 예측 대상의 이종재질 접합재의 시편을 제작하지는 않는다.
하지만, 이하의 설명에서는 학습된 인공신경망 모델을 이용하여 변위-하중 및 접합강도를 예측하려고 하는 예측 대상의 이종재질 접합재에 대해서 시편이 존재하는 것으로 가정하여 설명하기로 한다.
즉, 학습된 인공신경망 모델을 이용하여 변위-하중 및 접합강도를 예측하기 때문에 예측하려고 하는 이종재질 접합재의 실제 시편이 존재하지는 않지만, 이하의 설명에서는 접합강도 예측의 대상이 되는 이종재질 접합재를 '이종재질 접합 시편'이라 칭하기로 한다.
이하의 설명에서 사용하는 '이종재질 접합 시편'은 상판과 하판이 조합된 예측 대상 접합재의 가상 시편을 의미한다.
이하, 본 발명에 따른 이종재질 접합재의 접합강도 예측 방법에 대해 도면을 참조하여 설명하면, 도 1은 본 발명에 따른 이종재질 접합재의 접합강도 예측 과정을 나타내는 순서도로서, 인공신경망을 이용하여 이종재질 접합 시편의 변위에 따른 하중 및 접합강도를 예측하는 과정을 보여주고 있다.
본 발명에서는 시험 데이터의 입력(접합 정보)과 결과(변위에 따른 하중 및 접합강도) 사이의 관계를 이용하여 예측 시스템에 구축된 인공신경망 모델을 학습시키고, 사용자가 예측하려고 하는 이종재질 접합 시편의 접합 정보를 학습된 인공신경망 모델에 입력하면, 이종재질 접합 시편의 접합 정보에 해당하는 변위에 따른 하중 및 접합강도가 인공신경망 모델을 통해 예측될 수 있도록 한다.
이와 같이 본 발명에서 이종재질 접합재의 접합강도를 예측하는 시스템은, 이종재질 접합 시편의 변위에 따른 하중(변위-하중) 및 접합강도를 예측하기 위하여, 변위에 따른 하중 및 접합강도의 예측을 위해 필요한 정보들이 저장되는 데이터베이스, 상기 데이터베이스에 연결된 호스트 컴퓨터를 포함하는 복수의 컴퓨터, 그리고 상기 컴퓨터들을 연결하는 네트워크로 이루어진 예측 시스템과; 상기 예측 시스템에 구축되어 입력 데이터에 의해 이종재질 접합재의 접합강도 예측에 대한 학습이 이루어지는 인공신경망 모델을 포함한다.
그리고, 도 1에 나타낸 예측 과정을 살펴보면, 본 발명에서, 이종재질 접합 시편의 변위에 따른 하중 및 접합강도를 예측할 수 있는 인공신경망 모델의 구축 및 학습을 위하여, 이종재질 접합 시편에 대한 접합강도 시험(이종재질 접합 시편에 대한 인장 시험)을 진행하고(S11), 상기 접합강도 시험을 통해 이종재질 접합 시편의 접합 정보에 따른 변위-하중 데이터(도 5, 7, 10에 예시된 변위에 따른 하중 데이터 참조)를 얻게 된다.
여기서, 접합강도는 이종재질 접합 시편의 상판 두께와 하판 두께, 그리고 상기 상판과 하판의 각 인장강도 또는 항복강도를 포함할 수 있고, 이에 더하여 접합 방법을 더 포함할 수 있다.
또한, 상기 접합강도 시험, 즉 시편에 대한 인장시험의 결과 데이터(시험 데이터)에서 변위에 따른 하중 데이터의 최대값으로 정의할 수 있다.
상기 접합강도 시험시에는 접합 정보로서 인장강도(또는 항복강도)를 알고 있는 소정 두께의 상판과 하판을 접합하여 이종재질 접합 시편을 제작한 뒤, 접합 시편에 대한 인장시험을 실시한다.
이때, 상판과 하판의 두께는 시편의 접합 정보로서 이미 알고 있는 값이며, 상기 시험을 통해 변위에 따른 하중 값을 시험 데이터로 취득한다.
상기 접합강도 시험에 대해 좀 더 설명하면, 도 2는 본 발명에서 접합강도 시험시 제작하여 사용할 수 있는 이종재질 접합 시편을 예시한 도면이다.
상기 접합강도 시험시 사용하기 위해 상판(1)과 하판(2)을 접합한 시편을 도 2와 같은 형태로 실제 제작한 후, 제작한 시편을 인장하중을 작용시킬 수 있는 시험 장비에 장착한다.
이때, 시험 장비로는 상판(1)과 하판 (2) 중 하나를 고정하고 다른 하나에는 인장하중을 작용시킬 수 있는 장치, 예컨대 공지의 만능재료시험기나 인장시험기가 이용될 수 있다.
또한, 접합강도 시험시, 도 2에 나타낸 바와 같이, 시편에서 상판(1)과 하 판(2)이 접합되어 고정되어 있는 부위를 접합점이라 할 때, 상기 시험 장비에서 상판(1)과 하판 (2) 중 어느 한쪽을 고정하고 나머지 다른 한쪽에 인장방향의 하중을 인가하는데, 이때 판재 사이의 접합점에서는 전단하중이 작용한다.
이렇게 이종재질 접합 시편을 실제로 제작한 뒤, 시험 장비를 이용하여 이종재질 접합 시편의 변위에 따른 하중 및 접합강도를 측정하기 위해 인장시험을 진행한다.
상기와 같은 접합강도 시험은 정적 실험이므로, 도 2에 예시된 시편에서 고정되는 판재와 인장되는 판재로는 상판(1)과 하판(2)을 구분하여 특정하게 정할 필요는 없으며, 상판(1)과 하판(2)의 구분과는 무관하게 어느 한쪽의 판재를 고정하고 다른 한쪽의 판재에 인장방향의 하중을 인가하면 된다.
이때, 인장하중을 인가할 때 정해진 인장속도가 적용될 수 있으며, 예를 들어 인장속도를 10 mm /min으로 하여 변위 제어에 의한 하중을 측정할 수 있다.
인장하중을 인가하여 이종재질 접합 시편이 파단될 때까지 진행하며, 그 시험 결과로서 변위에 따른 하중 데이터가 취득될 수 있다.
또한, 시험을 통해 취득된 데이터, 즉 측정된 변위에 따른 하중 데이터에서 변위 값을 기준으로 정해진 간격(예, 0.25mm) 마다의 하중을 추출하여 인공신경망 모델의 학습을 위한 데이터로 사용할 수 있다.
이때, 상기와 같이 정해진 간격의 변위 값마다 하중을 추출하여 얻은 데이터로서 변위-하중의 그래프 형태로 나타낸 데이터가 얻어질 수 있다(도 5, 7, 10의 그래프 형태).
이어 이종재질 접합 시편의 접합 정보와 구해진 시험 데이터를 컴퓨터를 통해 예측 시스템에 입력하여 인공신경망 모델을 학습시킨다(S12).
상기한 인공신경망 모델의 학습시에는 후술하는 바와 같이 인공신경망 모델의 가중치(w)와 바이어스(b)가 입력-출력 데이터에 의해 최적화 되어진다.
이후 실제 사용자가, 접합강도 예측을 수행하기 위한 소프트웨어의 실행이 가능하면서 네트워크를 통해 예측 시스템의 호스트 컴퓨터에 연결되어 있는 컴퓨터를 통하여, 예측 대상의 이종재질 접합 시편에 대한 접합 정보를 상기 학습된 인공신경망 모델에 입력하면(S13), 인공신경망 모델을 통해 예측 대상의 이종재질 접합 시편에 대한 변위에 따른 하중과 접합강도가 예측되고(S14,S15), 그 예측 결과가 사용자가 확인할 수 있도록 컴퓨터를 통해 출력 및 표시되는 동시에 컴퓨터에 저장된다.
여기서, 상기와 같이 사용자가 이종재질 접합 시편의 하중 및 접합강도를 예측하기 위해 입력하는 예측 대상의 이종재질 접합 시편에 대한 접합 정보는, 이종재질 접합 시편을 구성하고 있는 상판과 하판의 물성 및 치수 정보로서, 상판과 하판의 각 인장강도(또는 항복강도)와 두께 정보를 포함할 수 있고(도 1에서 S13 참조), 이에 더하여 접합 방법의 정보를 더 포함할 수 있다.
본 발명에서 접합재(즉 접합 시편)의 이종재질 조합의 예를 들면 아래와 같다.
1) 알루미늄(판재/주조재/압출재) - 스틸(일반 강판/초고장력 강판) 접합
예) A6082 3.0t + SGAFC590 1.6t
2) 알루미늄(판재/주조재/압출재) - 복합재(CFRP/SMC 등) 접합
예) A6014 1.2t + CFRP(RTM) 2.2t
3) 알루미늄(판재/주조재/압출재) - 알루미늄(판재/주조재/압출재) 접합
예) A5182 1.2t + A365 3.0t
여기서, 3.0t, 1.6t, 1.2t, 2.2t는 각각 두께가 3.0mmm, 1.6mm, 1.2mm, 2.2mm임을 의미하고, SMC는 'Sheet Molding Compound'를 의미하며, RTM은 'Resin Transfer Molding'을 의미한다.
또한, 본 발명에서 접합재의 이종재질 접합 방법으로는, 이종재질 간 접합이 가능한 고속 회전 스크류(MS832-01)를 이용하는 FDS(Flow Drill Screw)나 FFS(Flow Form Screw) 접합 공정, 또는 이재질 간 접합이 가능한 택 리벳(Tack Rovet)을 이용하는 RIVTAC 접합 공정 등을 예로 들 수 있다.
인공신경망 구축 및 학습 과정에서 다양한 재질과 두께 조합의 이종재질 접합 시편을 상기한 여러 접합 방법 중 하나의 방법을 이용하여 제작하고, 접합 정보로서, 상기와 같은 접합 방법, 상판의 두께, 하판의 두께, 상판의 인장강도(또는 항복강도), 하판의 인장강도(또는 항복강도)별로 시험 데이터를 취득한다.
또한, 이들 시험 데이터를 처리하여 상, 하판의 접합 방법, 두께, 인장강도(또는 항복강도)별로 평균적인 변위-하중 데이터를 도출한다.
또한, 각 시편에 대해 정해진 변위량 증가시마다(예, 0.25mm 증가시마다) 하중 데이터를 추출하여 타겟 데이터(출력 데이터)로 결정 및 데이터베이스화한다.
이렇게 취득된 정보 및 데이터를 이용하여 인공신경망을 구축 및 학습시키게 된다.
도 3은 고속 회전 스크류를 이용하여 재질이 상이한 판재들을 접합하는 FDS 접합 공정 또는 FFS 접합 공정을 나타낸 도면이고, 도 4는 택 리벳을 이용하여 판재들을 접합하는 RIVTAC 접합 공정을 나타낸 도면이다.
도 5는 본 발명에서 예측 시스템의 구성을 개략적으로 나타낸 도면으로, 사용자가, 접합강도 예측을 수행하기 위한 소프트웨어의 실행이 가능하면서 네트워크를 통해 예측 시스템의 호스트 컴퓨터에 연결되어 있는 컴퓨터(10)에서, 예측 대상의 이종재질 접합 시편에 대한 접합 정보를 입력하면, 예측 시스템의 소프트웨어에 구축되어 있는 인공신경망 모델을 통해 예측이 이루어진다.
이때, 학습된 인경신경망 모델에서 사용자가 입력한 이종재질 시편의 접합 정보, 즉 이종재질 접합 시편을 구성하는 상판과 하판의 물성 정보 및 치수 정보에 해당하는 예측 값이 구해진다.
즉, 도 5에 나타낸 바와 같이, 사용자의 컴퓨터(10)에서 접합강도 예측을 위한 소프트웨어가 실행됨에 따라 네트워크를 통해 연결된 예측 시스템에서 인경신경망 모델에 의한 예측이 이루어지고, 그 예측 결과로서 이종재질 접합 시편의 변위에 따른 하중과 접합강도의 값이 구해지면, 구해진 정보가 컴퓨터(10)를 통해 출력, 표시 및 저장된다.
도 5를 참조하면, 예측 결과로서, 이종재질 접합 시편에 대하여 변위에 따른 하중 데이터 및 하중의 최대값인 접합강도가 사용자의 컴퓨터(10)에서 최종 취득됨을 볼 수 있다.
위에서 사용자가 이종재질 접합 시편의 하중 및 접합강도 예측을 위해 예측 대상 시편의 접합 정보로서 상판과 하판의 물성 정보인 인장강도를 입력하는 예를 설명하였으나, 여기서 인장강도는 항복강도로 변경 가능하다.
도 6은 이종재질 접합 시편의 하중 및 접합강도 예측을 위해 사용자가 알고 있는 예측 대상 시편의 접합 정보를 입력하는 소프트웨어 화면을 예시한 도면으로, 접합 방법(Joinint Type)으로서 FFS, FDS 및 RIVTAC 중 하나를 선택하도록 되어 있고, 상판과 하판의 두께(Top/Bottom Thickness)와 상판과 하판의 항복강도(Top/Bottom Yield Strength)를 입력하도록 되어 있다.
그리고, 인공신경망을 학습시킬 때에도 이종재질 접합 시편에 대한 동일한 접합 정보와 접합강도 시험을 통해 취득한 변위-하중 시험 데이터가 소프트웨어를 통해 인공신경망에 입력될 수 있다.
즉, 접합 방법, 상판과 하판의 인장강도(또는 항복강도), 상판 두께, 하판 두께와 함께 변위-하중 시험 데이터를 이용하여 인공신경망을 학습시킬 수 있다.
상기와 같이 학습된 인공신경망에 상판과 하판의 인장강도(또는 항복강도), 상판 두께, 하판 두께를 입력하면, 학습된 인공신경망을 통해 하중-변위 및 접합강도의 예측이 가능하다.
도 7은 본 발명에서 학습된 인공신경망 모델에 의해 예측된 변위(Displacement)에 따른 하중(Force) 데이터(변위-하중)의 예를 나타낸 도면이고, 이러한 하중 데이터에서 최대 하중값이 접합강도가 된다.
도 8 내지 도 10은 본 발명에서 이용되는 인공신경망에 대해 설명하기 위한 도면으로, 도 8은 이종재질 접합 시편의 접합 정보에 따라 변위에 따른 하중 및 접합강도를 예측하는 인공신경망의 세부 구성을 나타낸 도면이다.
도 8은 이종재질 접합 시편의 접합 정보로서 상판의 항복강도, 하판의 항복강도, 상판 두께, 하판 두께를 이용하는 예를 나타낸 것으로, 인공신경망은 은닉층과 출력층으로 구분되며, 각 층은 인공뉴런들로 구성된다.
그리고, 이종재질 접합 시편에 대한 접합강도 시험시 접합 정보와 시험에 의해 구해진 기존 하중-변위 데이터에 대하여 인공신경망에서 학습이 이루어진다.
이때, 인공신경망 모델은 각 노드(인공 뉴런)들의 네트워크를 구성하고, 입력과 결과에 대한 학습을 통해 가중치를 정의하여 임의의 입력에 대한 결과를 예측하는 모델이다.
도 8을 참조하면, 인공 뉴런은 입력과 출력에 대한 관계를 정의하며, 가중치(w), 활성화 함수(f), 바이어스(b)로 구성되어 있다.
인공신경망에서 입력에 대한 출력은 도 9의 아래에 제시된 수식에 의해 계산될 수 있는데, 이종재질 접합 시편의 접합 정보에 따른 출력인 변위에 따른 하중이 상기 수식 등에 의해 계산되고, 하중 데이터의 최대값이 접합강도로 구해짐으로써, 변위에 따른 하중 및 접합강도를 예측할 수 있게 된다.
도 8에서 설명한 바와 같이 인공신경망을 학습한다는 것은 인공신경망 내의 모든 인공 뉴런에 대해 가중치(w)와 바이어스(b)를 최적화하는 것을 의미한다.
도 10은 이종재질 접합 시편에 대한 접합 정보가 입력되면 인공신경망을 통해 변위에 따른 하중 및 접합강도가 얻어질 수 있음을 보이고 있으며, 인공신경망 모델을 할 경우 공식화되지 않거나 수식적 모델이 없어도 다양한 접합 조건에 대한 하중 예측이 가능하다.
도 11은 본 발명에서 변위에 따른 하중 예측 인공신경망 모델에 대해 좀더 세부적으로 예시한 도면으로, 인공신경망의 이용을 위해 적용될 수 있는 변위에 따른 하중 및 접합강도 예측 모델의 예를 나타낸 것이며, 매트릭스(matrix) 형태의 인공신경망 모델의 사용이 용이한 소프트웨어를 구비하여 이용하는 것이 필요하다.
이상으로 본 발명의 실시예에 대하여 상세하게 설명하였지만, 본 발명의 권리범위가 이에 한정되는 것은 아니며, 다음의 특허청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당 업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 포함된다.
10 : 컴퓨터

Claims (7)

  1. 접합 정보가 상이한 복수의 이종재질 접합 시편에 대해 접합강도 시험을 실시하여 이종재질 접합 시편들의 접합 정보에 따른 변위-하중 데이터를 취득하는 단계;
    예측 시스템에 이종재질 접합 시편의 접합 정보로부터 이종재질 접합 시편의 변위-하중 데이터 및 접합강도를 예측하기 위한 인공신경망 모델을 구축하는 단계;
    상기 접합강도 시험을 통해 취득한 이종재질 접합 시편들의 접합 정보에 따른 변위-하중 데이터를 상기 예측 시스템에 입력하여 인공신경망 모델을 학습시키는 단계;
    접합강도 예측을 수행하기 위한 소프트웨어의 실행이 가능하면서 네트워크를 통해 예측 시스템의 호스트 컴퓨터에 연결된 컴퓨터를 통해 예측 대상의 이종재질 접합 시편에 대한 접합 정보를 상기 예측 시스템에 입력하는 단계; 및
    상기 예측 대상의 이종재질 접합 시편에 대한 접합 정보로부터 상기 학습된 인공신경망 모델에 의해 예측 대상의 이종재질 접합 시편의 변위-하중 값과 접합강도가 예측되는 단계를 포함하는 이종재질 접합재의 접합강도 예측 방법.
  2. 청구항 1에 있어서,
    상기 접합강도 시험을 실시하여 변위-하중 데이터를 취득하는 단계의 상기 접합 정보는, 이종재질 접합 시편의 상판 두께와 하판 두께, 그리고 상기 상판과 하판의 각 인장강도 또는 항복강도를 포함하는 것을 특징으로 하는 이종재질 접합재의 접합강도 예측 방법.
  3. 청구항 1에 있어서,
    상기 접합강도 시험을 실시하여 변위-하중 데이터를 취득하는 단계의 상기 접합 정보는, 이종재질 접합 시편의 상판과 하판의 접합 방법을 더 포함하는 것을 특징으로 하는 이종재질 접합재의 접합강도 예측 방법.
  4. 청구항 1에 있어서,
    상기 예측 시스템에서 이종재질 접합 시편의 변위-하중 데이터 및 접합강도를 예측하기 위한 접합 정보는, 이종재질 접합 시편의 상판 두께와 하판 두께, 그리고 상기 상판과 하판의 각 인장강도 또는 항복강도를 포함하는 것을 특징으로 하는 이종재질 접합재의 접합강도 예측 방법.
  5. 청구항 1에 있어서,
    상기 예측 시스템에서 이종재질 접합 시편의 변위-하중 데이터 및 접합강도를 예측하기 위한 접합 정보는, 이종재질 접합 시편의 상판과 하판의 접합 방법을 더 포함하는 것을 특징으로 하는 이종재질 접합재의 접합강도 예측 방법.
  6. 청구항 1에 있어서,
    상기 접합강도 시험을 실시하여 변위-하중 데이터를 취득하는 단계에서, 각 이종재질 접합 시편에 대해 정해진 변위량 증가시마다 하중 값을 구하여 상기 변위-하중 데이터를 취득하는 것을 특지응로 하는 이종재질 접합재의 접합강도 예측 방법.
  7. 청구항 1에 있어서,
    상기 변위-하중 값과 접합강도가 예측되는 단계에서의 접합강도는, 변위에 따른 하중 데이터에서 하중의 최대값으로 정의되는 것을 특징으로 하는 이종재질 접합재의 접합강도 예측 방법.
KR1020180124164A 2018-10-18 2018-10-18 이종재질 접합재의 접합강도 예측 방법 Ceased KR20200046175A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020180124164A KR20200046175A (ko) 2018-10-18 2018-10-18 이종재질 접합재의 접합강도 예측 방법
US16/374,019 US11519835B2 (en) 2018-10-18 2019-04-03 Method of predicting joining strength of joined dissimilar materials
CN201910303268.5A CN111159838B (zh) 2018-10-18 2019-04-16 预测接合异种材料的接合强度的方法及车辆制造方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180124164A KR20200046175A (ko) 2018-10-18 2018-10-18 이종재질 접합재의 접합강도 예측 방법

Publications (1)

Publication Number Publication Date
KR20200046175A true KR20200046175A (ko) 2020-05-07

Family

ID=70281050

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180124164A Ceased KR20200046175A (ko) 2018-10-18 2018-10-18 이종재질 접합재의 접합강도 예측 방법

Country Status (3)

Country Link
US (1) US11519835B2 (ko)
KR (1) KR20200046175A (ko)
CN (1) CN111159838B (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114429771A (zh) * 2022-04-02 2022-05-03 武汉地震工程研究院有限公司 钢梁与cfrp板粘结缺陷智能检测方法及系统
CN118553347B (zh) * 2024-05-21 2025-03-25 安徽江淮汽车集团股份有限公司 异种材料连接力学性能预测与失效评价方法
CN118862699B (zh) * 2024-09-25 2025-02-11 湖南大学苏州研究院 一种基于神经网络自学习的spr2失效卡片拓展方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030018457A1 (en) * 2001-03-13 2003-01-23 Lett Gregory Scott Biological modeling utilizing image data
KR100947176B1 (ko) * 2009-10-12 2010-03-12 충남대학교산학협력단 섬유 가교 해석방법 및 섬유 가교 해석에 의한 섬유복합재료의 인장성능을 예측하는 방법
CN105158083B (zh) * 2015-09-06 2019-01-29 北京科技大学 一种异种材料结合过程中结合强度的测试方法
KR101755483B1 (ko) * 2015-09-10 2017-07-10 현대자동차 주식회사 이종소재 접합 구조체
US10410132B2 (en) * 2016-06-07 2019-09-10 Honeywell International Inc. Probabilistic remaining usage life of aircraft structures
CN107480395B (zh) * 2017-08-29 2019-12-13 燕山大学 一种车辆转向节载荷谱预测模型的构建方法及系统

Also Published As

Publication number Publication date
CN111159838B (zh) 2024-04-16
CN111159838A (zh) 2020-05-15
US11519835B2 (en) 2022-12-06
US20200124509A1 (en) 2020-04-23

Similar Documents

Publication Publication Date Title
Garcia et al. Bond interface design for single lap joints using polymeric additive manufacturing
US6799081B1 (en) Fiber placement and fiber steering systems and corresponding software for composite structures
Dos Reis et al. Mechanical characterization of a modern epoxy adhesive for automotive industry
KR20200046175A (ko) 이종재질 접합재의 접합강도 예측 방법
Carello et al. Building block approach’for structural analysis of thermoplastic composite components for automotive applications
Vasić et al. Applied integrated design in composite UAV development
Grujicic et al. The potential of a clinch-lock polymer metal hybrid technology for use in load-bearing automotive components
Baig et al. Failure mechanisms of scarf-repaired composite laminates under tensile load
Vijayamohanan et al. An investigation into the joint performance of interference fit rivets and failure analysis of aircraft fuselage skin in aerospace applications
Yang et al. Design and optimization of composite automotive hatchback using integrated material-structure-process-performance method
Merzkirch et al. Hybrid manufacturing of a 3D-shaped fiber metal laminate
Zhou et al. Compressive behavior of 3D woven composite stiffened panels: experimental and numerical study
Anyfantis et al. Fracture mechanics based assessment of manufacturing defects laying at the edge of CFRP-metal bondlines
Mangas et al. Anisogrid payload adaptor structure for Vega launcher
Abdelwahab et al. Application of topology optimisation to steel node-connections and additive manufacturing
Turbin et al. Numerical study of fatigue damage accumulation in composite wing panels of prospective supersonic transport aircraft
Kwon et al. Scarf joints of composite materials: testing and analysis
Smeets et al. A Low Cost and Very Lightweight Small Launcher Interstage Using Pre-Preg Composite Grid-Stiffened Technology
van Gent et al. Cost-weight trades for modular composite structures
Becker et al. An inverse model for the peeling-based recovery of unitary layers from laminated structures
Pasupuleti et al. Validation of material models: design and analysis of composite front bumper crush-can system
Aldoumani et al. The robustness of carbon fibre members bonded to aluminium connectors in aerial delivery systems
Sane et al. Evaluation of progressive failure of composite T-joint using mixed mode cohesive zone model
Fauster et al. HybridRTM-Quality Controlled Manufacturing of Hybrid Material Composites through Resin Transfer Moulding
Hoshikawa et al. Multiscale Modeling for Predicting Mechanical Properties of Open-Hole Laminates in 3D-Printed Carbon-Fiber-Reinforced Thermoplastics

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20181018

PG1501 Laying open of application
A201 Request for examination
PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20210927

Comment text: Request for Examination of Application

Patent event code: PA02011R01I

Patent event date: 20181018

Comment text: Patent Application

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20230315

Patent event code: PE09021S01D

E601 Decision to refuse application
PE0601 Decision on rejection of patent

Patent event date: 20230921

Comment text: Decision to Refuse Application

Patent event code: PE06012S01D

Patent event date: 20230315

Comment text: Notification of reason for refusal

Patent event code: PE06011S01I