인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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
- 이태경
- 발행연도
- 2023
- 저작권
- 부산대학교 논문은 저작권에 의해 보호받습니다.
이용수2
초록· 키워드
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
전통적으로 타이타늄은 주조, 단조, 절삭 등의 방법으로 가공되어왔다. 하지만 타이타늄 특유의 난삭성은 가공비용을 증가시켜 타이타늄의 활용성을 감소시켰다. 적층 제조 방법은 기존의 가공 방법을 어느 정도 대체할 방법으로 주목받고 있다. 하지만 적층 제조에서 공정 변수의 최적화는 필수적이다. 본 연구에서는 비선형적인 거동을 보이는 공정 변수와 물성은 기계학습을 사용해서 최적화할 수 있고 공정 변수에 따른 물성을 예측할 수 있음을 보이려 한다. DED로 제조된 Ti-6Al-4V 합금의 압축 응력을 예측하고자 하였고, artificial neural network(ANN), extreme boosting machine(XGB), light gradient boosting machine(LGBM), long short-term memory(LSTM), gate recurrent unit(GRU)의 5개의 알고리즘을 사용하여 성능을 비교하였다. 각각 다른 레이저 세기, 분말 공급 속도, 레이저 스캔 속도를 사용하여 압축 응력 곡선을 얻었고, 모든 알고리즘이 외삽 조건 하에서 파괴까지의 압축 응력 곡선을 성공적으로 예측하였다. 현재까지 ANN을 제외하고 다른 알고리즘들은 금속 분야에서 거의 사용되지 않아 왔다. 본 연구는 새로 개발된 기계학습 알고리즘들이 재료의 물성을 예측하는 데 충분히 사용될 수 있을 뿐만이 아니라, 다른 여러 가지 분야에서도 활발히 활용될 수 있음을 확인하였다.
목차
- 목차 ⅰList of Tables ⅱList of Figures ⅲ초록 ⅳ제 1장 서론 1제 2장 이론적 배경 42.1 Direct energy deposition(DED) 42.2 Thermal dependency of Ti-6Al-4V DED products 6제 3장 실험 방법 10제 4장 기계학습 144.1 ANN 144.2 XGB, LGBM 164.3 LSTM, GRU 204.4 데이터 전처리 26제 5장 결과 및 고찰 29제 6장 결론 42참고문헌 43Abstract 47
최근 본 자료
