• 접착 및 계면
• /
• 제20권1호
• /
• pp.9-14
• /
• 2019

이 논문에서는 항공용 전도성 페인트에 들어가는 3가지 첨가제가 공기 및 질소 조건에 노출 되었을 때의 변화를 관찰하였다. 3가지 첨가제를 바이알병에 담았고 공기조건 및 질소조건에 각 일수에 따라 보관하였다. 각 일수에 보관하면서 3가지 첨가제 질량의 변화를 파악하였다. 또한, 각기 다른 대기조건에서의 화학적 변화를 보기 위해 적외선 분광기가 사용되었다. 더 나아가 질소조건 보관 후 페인트의 성능을 확인하기 위해 도장 후 도장부착력 실험을 하였다. 시약 A와 시약 B의 경우는 질소보관 후 질량의 감소 정도가 더 작은데 반해 시약 C의 경우는 질소보관 후 질량 감소 정도가 더 큰 것을 확인하였다. 특히, 시약 B의 경우는 공기 노출 시 경화가 되는 현상을 발견하였고 적외선 분광분석 시 아이소시아네이트기 피크인 $2250cm^{-1}$의 크기가 감소함을 확인하였는데, 질소조건에서 경화정도가 늦어짐을 확인하였다. 이는, 공기 중에 있는 수분이 아이소시아네이트기의 반응을 촉진시키는데, 질소조건으로 치환하면서 반응을 지연시켰다.

• Structural Engineering and Mechanics
• /
• 제83권2호
• /
• pp.259-272
• /
• 2022

The branch of electronics that uses an organic solar cell or conductive organic polymers in order to yield electricity from sunlight is called photovoltaic. Regarding this crucial issue, an artificial intelligence-based predictor is presented to investigate the vibrational behavior of the organic solar cell. In addition, the generalized differential quadrature method (GDQM) is utilized to extract the results. The validation examination is done to confirm the credibility of the results. Then, the deep neural network with fully connected layers (DNN-FCL) is trained by means of Adam optimization on the dataset whose members are the vibration response of the design-points. By determining the optimum values for the biases along with weights of DNN-FCL, one can predict the vibrational characteristics of any organic solar cell by knowing the properties defined as the inputs of the mentioned DNN. To assess the ability of the proposed artificial intelligence-based model in prediction of the vibrational response of the organic solar cell, the authors monitored the mean squared error in different steps of the training the DNN-FCL and they observed that the convergency of the results is excellent.