DOI QR코드

DOI QR Code

Simulation-Based Material Property Analysis of 3D Woven Materials Using Artificial Neural Network

시뮬레이션 기반 3차원 엮임 재료의 물성치 분석 및 인공 신경망 해석

  • Byungmo Kim (Ship and Offshore Technology Team, Korean Register) ;
  • Seung-Hyun Ha (Department of Ocean Engineering, Korea Maritime and Ocean University)
  • 김병모 (한국선급 선박해양기술팀 ) ;
  • 하승현 (한국해양대학교 해양공학과 )
  • Received : 2023.07.24
  • Accepted : 2023.08.07
  • Published : 2023.08.31

Abstract

In this study, we devised a parametric analysis workflow for efficiently analyzing the material properties of 3D woven materials. The parametric model uses wire spacing in the woven materials as a design parameter; we generated 2,500 numerical models with various combinations of these design parameters. Using MATLAB and ANSYS software, we obtained various material properties, such as bulk modulus, thermal conductivity, and fluid permeability of the woven materials, through a parametric batch analysis. We then used this large dataset of material properties to perform a regression analysis to validate the relationship between design variables and material properties, as well as the accuracy of numerical analysis. Furthermore, we constructed an artificial neural network capable of predicting the material properties of 3D woven materials on the basis of the obtained material database. The trained network can accurately estimate the material properties of the woven materials with arbitrary design parameters, without the need for numerical analyses.

본 논문에서는 3차원 엮임 재료의 재료 물성치들을 효율적으로 분석하고 추후 최적설계 연구에 활용하기 위해서 파라메트릭 배치 해석 워크플로우를 제시하였다. 3차원 엮임 재료를 구성하는 와이어들 사이의 간격을 설계 매개변수로 하는 파라메트릭 모델에 대해서 임의의 변수 조합을 가지는 2,500개의 수치 모델을 생성하였으며, 상용 프로그램인 매트랩과 앤시스의 여러 모듈을 사용하여 체적탄성계수, 열전도도, 유체투과율과 같은 다양한 재료 물성치들을 배치 해석을 통해서 자동으로 얻어질 수 있도록 구성하였다. 이와 같이 얻어진 대용량의 재료 물성치 데이터베이스를 활용해서 회귀 분석을 수행하였으며, 그 결과 설계 변수들과 재료 물성치 사이의 경향성과 수치 해석 결과의 정확도를 검증하였다. 또한 확보된 데이터베이스를 통해서 3차원 엮임 재료의 물성치를 예측할 수 있는 인공 신경망을 구성하고 학습시켰으며, 그 결과 임의의 설계 매개변수 값들을 가지는 엮임 재료 모델에 대해서 구조 및 유체해석 과정 없이도 높은 정확도로 재료 물성치들을 추정할 수 있음을 확인하였다.

Keywords

Acknowledgement

이 연구는 2022년도 한국해양대학교 연구년 전임교원 교내 연구비 및 2021년도 정부(교육부)의 재원으로 한국연구재단(No. NRF-2021R1F1A1048396)의 지원을 받아 수행되었음.

References

  1. ANSYS Inc. (2020) ANSYS Release Notes Reference, Release 2020 R2.
  2. Dehale, M., Neale, G., Lupicini, R., Cascone, L., McGarrigle, C. (2019) Effect of Weave Parameters on the Mechanical Properties of 3D Woven Glass Composites, Compos. Struct., 223, pp.1~9. https://doi.org/10.1016/j.compstruct.2019.110947
  3. Ha, S.-H., Lee, H.Y., Hemker, K.J., Guest, J.K. (2019) Topology Optimization of Three-Dimensional Woven Materials Using a Ground Structure Design Variable Representation, J. Mech. Des., 141(6), pp.061403-1~10. https://doi.org/10.1115/1.4042114
  4. Kim, B., Sim, K., Ha, S.-H. (2022) Design Optimization for 3-D Woven Materials Based on Regression Analysis, J. Comput. Struct. Eng. Inst. Korea, 35(6), pp.351~356. https://doi.org/10.7734/COSEIK.2022.35.6.351
  5. Kim, C., Ha, S.-H. (2020) Simulation-Based Damage Estimation of Helideck Using Artificial Neural Network, J. Comput. Struct. Eng. Inst. Korea, 33(6), pp.359~366. https://doi.org/10.7734/COSEIK.2020.33.6.359
  6. Rosenblatt, F. (1958) The Perceptron: A Probabilistic Model for Information Storage and Organization in The Brain, Psychol. Rev., 65(6), pp.386~408. https://doi.org/10.1037/h0042519
  7. Sharp, K., Mungalov, D., Brown, J. (2014) Metallic Cellular Materials Produced by 3D Weaving, Pocedia Materials Science, 4, pp.15~20.
  8. Sim, K., Ha, S.-H. (2020) Parametric Modeling and Numerical Simulation of 3-D Woven Materials, J. Comput. Struct. Eng. Inst. Korea, 33(5), pp.331~338. https://doi.org/10.7734/COSEIK.2020.33.5.331
  9. Zhao, L., Ha, S.-H., Sharp, K.W., Geltmacher, A.B., Fonda, R.W. (2014) Permeability Measurements and Modeling of Topology-Optimized Metallic 3-D Woven Lattics, Acta Mater., 81, pp.326~336. https://doi.org/10.1016/j.actamat.2014.08.037