• 한국전산구조공학회논문집
• /
• 제15권1호
• /
• pp.137-146
• /
• 2002

본 연구에서는 복합재료 원통쉘의 정적 구조해석 결과를 신경회로망에 적용하여 원통쉘에 가해진 하중특성을 추론하였다. 신경회로망 알고리즘은 역전파 학습법의 학습율이 가변적으로 조정될 수 있도록 프로그램을 개발하였으며, 입력패턴은 원통쉘에 하중이 가해졌을 때, 원통쉘의 측면에서 발생하는 9지점의 변형률을 이용하였다 출력층은 가해진 하중특성으로 설정하였으며, 학습결과 원통쉘의 하중특성 추론 학습에 성공하였다. 은닉층의 층수를 1층에서 3층까지 학습결과를 비교분석하였으며, 하중특성은 0.5% 이내로 추론이 가능해졌다. 본 연구 결과 신경회로망을 이용한 복합재료 원통쉘의 역공학이 가능해졌다.

• Composites Research
• /
• 제14권5호
• /
• pp.26-37
• /
• 2001

본 연구에서는 복합재료 원통쉘의 구조해석을 통하여 구해진 원통쉘 경사면의 10등분 등간격 9지점의 변형율을 신경회로망의 입력패턴으로 활용하여 원통쉘에 가해진 중격하중 특성을 동시에 추론하였다. 적용된 신경회로망은 Momentum Backpropagation 알고리즘이며, 모멘텀 계수 및 학습율이 학습도에 따라 가변적으로 조정될 수 있도록 프로그램을 개발 적용하였다 Backpropagation 신경회로망의 은닉층은 1층에서 3층까지 별도 프로그램을 개발하여 충격하중 특성추론 학습을 시도하였다. 개발된 신경회로망 프로그램을 적용하여 원통쉘의 충격하중 특성추론 정확도는 1%이내로 학습에 성공하였다. 본 연구 결과 신경회로망을 이용한 복합재료 원통쉘의 충격하중 특성을 추론할 수 있는 역문제 해석이 가능해졌다.

• 한국소음진동공학회논문집
• /
• 제11권9호
• /
• pp.475-485
• /
• 2001

A study on the structural analysis of the composite laminated cylindrical shell which has simply supported boundary conditions at both ends, was performed. The results were used into the neural networks. Neural networks identify the load characteristics of the composite shells. Momentum Backpropagation which the learning rate can be varied was developed. Input patterns consist of strains at 9 side points which is divided equally. Output layers are the load characteristics. Developed program was used for the training. The training with variable learning rate was converged close to real oad characteristics. Inverse engineering can be applicable to the composite laminated cylindrical shells with developed neural networks.