A Mechanical Information Model of Line Heating Process using Artificial Neural Network

인공신경망을 이용한 선상가열 공정의 역학정보모델

Thermo-elastic-plastic analyses used in solving plate forming process are often computationally expensive. To obtain an optimal process of line heating typically requires numerous iterations between the simulation and a finite element analysis. This process often becomes prohibitive due to the amount of computer time required for numerical simulation of line heating process. Therefore, a new techniques that could significantly reduce the computer time required to solve a complex analysis problem would be beneficial. In this paper, we considered factors that influence the bending effect by line heating and developed inference engine by using the concept of artificial neural network. To verify the validity of the neural network, we used results obtained from numerical analysis. We trained the neural network with the data made from numerical analysis and experiments varying the structure of neural network, in other words varying the number of hidden layers and the number of neurons in each hidden layers. From that we concluded that if the number of neurons in each hidden layers is large enough neural network having two hidden layers can be trained easily and errors between exact value and results obtained from trained network are not so large. Consequently, if there are enough number of training pairs, artificial neural network can infer similar results. Based on the numerical results, we applied the artificial neural network technique to deal with mechanical behavior of line heating at simulation stage effectively.

외판곡가공 과정의 역학적해석에 사용되는 열탄소성 해석은 계산시간이 많이 소요된다. 선상가열작업의 최적공정을 구하기 위하여는 시뮬레이션과 유한요소해석 사이에 상당수의 반복계산이 필요하다. 그러므로 요구되는 천문학적인 계산시간으로 인하여 선상가열의 수치시뮬레이션은 많은 제약을 받고 있다. 따라서 선상가열의 시뮬레이션에 소요되는 역학해석 계산시간을 크게 줄이는 방안이 필요하다. 외판곡가공에서의 역학적 정보를 효율적으로 구하기 위하여, 본 논문에서는 먼저 선상 가열 작업에 영향을 끼치는 요소들을 살펴보았으며, 역전파 방식의 인공 신경망을 이용하여 일종의 추론기구를 구현하였다. 신경망은 은닉층의 갯수와 은닉층에 있는 뉴런의 갯수를 바꿔 주며 수치해석 결과들을 학습시켰다. 그 결과 두개의 은닉층을 가진 인공 신경망의 경우 각 은닉층에 뉴런의 갯수가 충분하다면 학습 예제들을 쉽게 학습하였고, 또 학습된 결과로부터 새로운 해를 도출해 낼 때 그 값은 실제 값과 비교해 볼 때 비교적 작은 오차를 보였다. 결과적으로 구하고자 하는 문제영역 근처에 충분한 학습 예제가 마련된다면 비교적 실제 값에 근사하는 결과를 보인다는 것을 알 수 있었다. 본 연구를 통하여, 수치해석결과의 학습방법을 기초로한 인공신경망은 곡면가공의 시뮬레이션단계에서 필요한 역학적 해석정보의 경제적인 산출에 적용가능함이 확인되었다.