$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

인공신경망을 이용한 폴리스타이렌 사출성형품의 기계적 물성 예측
Prdiction of Mechanical Properties in Injection Molded Polystyrene Parts using Artificial Neural Network 원문보기

유변학 = Korean journal of rheology, v.10 no.2, 1998년, pp.74 - 81  

박헌진 (SK 케미칼 중앙연구소)

초록
AI-Helper 아이콘AI-Helper

사출성형품의 설계는 그 내부의 기계적 물성 변화보다는 전통적으로 용도에 부합하 는 형상을 위주로 하여 이루어져 왔기 때문에 설계조건의 개선을 통하여 성능이 우수한 제 품을 얻기까지 많은 시행착오가 요구되고 있다. 그런데 사출성형 실험이나 물성평가 시험을 하기 전에 성형품의 부위별 기계적 물성을 알수있다면 제품의 설계나 금형 설계에 많은 도 움이 될 수 있으므로 최근에 물성 예측을 위한 방법론들의 개발이 다양하게 시도되고 있다. 따라서 본 연구에서는 학습시스템, 사출성형 수치모사와 기계적 물성과의 상관관계를 밝히 는 방법을 만들어 사출물이 제작되기 전에 그들의 기계적 물성을 사출성형 수치모사에서 얻 어진 열적·기계적 이력으로부터 예측하고자 하였다. 이때 성형품의 기계적 물성과 열적· 기계적 이력 사이에는 매우 복잡하고 비선형적인 상관관계를 보이기 때문에 이들 사이를 비 매개변수적으로 연관짓기 위하여 역전파 인공신경망 알고리듬을 사용하였으며 열적·기계적 이력은 사출성형용 수치모사 소프트웨어를 이용하여 구하였다. 학습과정에서 전역최소값에 도달하지 못하는 인공신경망의 문제점을 해결하기 위하여 모멘텀변수와 잡음지수를 포함하 는 일련의 항을 첨가하여 연결가중치를 보정하였다. 그 결과 어떤 초기값에 의하여 학습이 되더라도 전역최소값에 도달하는 것을 확인하였으며 이를 이용하여 다른 사출조건에서 사출 물의 기계적 물성을 잘 예측할수 있었다.

주제어

#Injection molded parts,   #Prdiction of mechanical properties, Thermomchanical history, Artificial neural network, Back-propagation  

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로