지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김흥수
- 발행연도
- 2023
- 저작권
- 동국대학교 논문은 저작권에 의해 보호받습니다.
이용수10
이 논문의 연구 히스토리 (4)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Delamination is a typical defect of carbon fiber-reinforced composite laminates. Detecting delamination is very important in the performance of laminated composite structures. Structural Health Monitoring (SHM) methods using the latest sensors have been proposed to detect delamination that occurs during the operation of laminated composite structures. However, most sensors used in SHM methods measure data in the contact form and do not provide visual information about delamination. Research into mechanoluminescent sensors (ML) that can address the limitations of existing sensors has been actively conducted for decades. The ML sensor responds to mechanical deformation and emits light proportional to mechanical stimuli, thanks it can provide visual information about changes in the physical quantity of the entire structure. Many researchers focus on detecting cracks in structures and impact damage with the ML sensor. This paper presents a method of detecting the delamination of composites using ML sensors. A Convolutional AutoEncoder (CAE) was used to automatically extract the delamination positions from light emission images, which offers better performance compared to edge detection methods.
목차
제1장 서 론 1제1절 기존 복합재 층간 분리 결함 탐지 1제2절 기계 발광 센서 개요 2제3절 연구 목적 및 과정 4제2장 방법론 5제1절 ML 이미지 기반 층간 분리 방법론 5제3장 실험 상세 7제1절 탄소 섬유 강화 복합재 시편 제작 7제2절 ML 센서 시스템 구성과 이미지 획득 9제3절 ML 이미지의 복원 오차 11제4절 이진 분류 15제4장 결과 및 논의 18제1절 평균 픽셀 값 변화 18제2절 CAE를 이용한 픽셀 단위의 분할 21제3절 CAE 결과와 캐니 엣지 검출 결과 비교 26제5장 결 론 30참 고 문 헌 31ABSTRACT 36
최근 본 자료
댓글(0)
0