최적설계 기반 시험-해석 상관화를 통한 트램 전면유리창 재료물성치 추정

Q: 이 논문에서 정의한 최적설계란 무엇인가?

최적설계는 트램 전면유리창의 재료 물성치를 체계적으로 추정하기 위해 사용된 방법론이다. 이는 시험과 해석 간의 불일치를 줄이고, HIC 기반 오차 또는 가속도 시간이력 곡선 기반 오차를 최소화하는 방향으로 재료 모델의 주요 변수를 효율적으로 도출하는 과정을 포함한다. 분석자의 경험에 의존하던 기존 방식의 한계를 보완한다.

Q: 트램 전면유리창 재료 물성치 추정 시 가속도 시간이력 곡선 기반 오차가 더 합리적인 이유는 무엇인가?

연구 결과, HIC 기반 오차를 목적함수로 설정할 경우 HIC 값은 유사하더라도 가속도 시간이력 곡선의 경향성이 크게 다를 수 있다. 따라서 HIC 최소화 관점에서 일부 손해가 있더라도, 가속도 시간이력 곡선 기반 오차를 최소화하는 것이 시험과 해석 간의 전반적인 일치도를 높여 더 합리적인 것으로 검증되었다.

안승호; 정현승; 김진성

doi:10.7782/JKSR.2026.29.2.148

추천

검색

질문

자료유형: 학술저널

저자정보: 안승호 (Korea Railroad Research Institute) 정현승 (Korea Railroad Research Institute) 김진성 (Korea Railroad Research Institute)

저널정보: 한국철도학회 한국철도학회 논문집 한국철도학회 논문집 제29권 제2호(통권 제200호)

발행연도: 2026.2

수록면: 148 - 155 (8page)

DOI: 10.7782/JKSR.2026.29.2.148

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

본 연구는 트램 전면유리창의 시험-해석 상관화 과정에서 반복적 조정 절차에 의존하던 기존 방식의 한계를 보완하고, 최적설계 기법을 적용하여 신뢰성 있는 재료물성치를 도출하는 것을 목적으로 한다. 이를 위해 직사각평판형과 실차형 곡면 전면유리창에 대해 헤드폼 충격시험을 수행하고 유한요소해석 결과와 비교하였다. 최적설계 목적함수는 HIC 기반 오차와 가속도 시간이력 곡선 기반 오차로 정의하였으며, 비교 결과 후자가 더 합리적임을 확인하였다. 또한, 유리의 파괴 여부에 따라 시험 데이터를 구분하여 최적설계 문제를 구성함으로써 LS-DYNA 재료모델의 주요 변수를 효율적으로 추정하였다. 제안한 절차는 다양한 충돌 조건에서 가속도 곡선, HIC, 균열 전파의 시험-해석 불일치를 줄여, 트램 전두부 설계와 충돌 안전성 평가의 신뢰성을 높이는 데 기여할 수 있다.

#Tram windshield #Headform impact test #Collision simulation #Design optimization #Pedestrian safety #트램 전면유리창 #헤드폼 충격시험 #충돌 시뮬레이션 #최적설계 #보행자 안전

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)