Earticle

초록

한국어

본 연구는 신경망 알고리즘 및 반응표면법을 이용하여 부품의 최적화 설계 치수를 예측하고, 예측된 데이터의 신뢰성을 상호 검증하는 하는 데 있다. 부하가 변할 때, 부품의 치수를 변화시켜 가며 응력 및 변형량의 변화를 해석 데이터로 수집하여 반응표면법 및 신경망학습에 이용하였다. 이를 위해 임의의 조건에서 반응표면법으로 최적화 설계를 수행하고, 동일한 조건에서 신경망 알고리즘의 예측결과와 비교하였다. 그 결과 최대 3.0%의 치수 오차를 보이는 것으로 나타났다. 또한 검증을 위해 반대로 동일한 하중 및 치수 조건에서 유한요소해석을 통해 응력 및 처짐량을 구해 반응표면법 및 신경망학습의 결과를 비교하였으며, 이때 4.2%의 오차를 보였다. 이는 부품의 사양 변경 시 최적화 설계를 위해 반응표면법 및 신경망을 이용할 수 있으며 신뢰성이 있음을 알 수 있었다. 특히 신경망 학습을 통해 보다 효과적으로 최적화 설계가 가능함을 확인할 수 있었다.

목차

Abstract
 1. Introduction
 2. Neural Network Learning
  2.1. Model Design
  2.2. Structure of Neural Network
  2.3. Neural Network Learning
 3. Optimization Using the RSM
 4. Finite Element Analysis
 5. Reliability evaluation
 6. Results
 References

키워드

저자

• 이종신 [ J. S. LEE | Dept. of Computer Aided Mechanical Eng., Juseong College, San 4, Deokam-Ri, Naesu-Ep, Cheongwon- Gun, Chungbuk, Korea ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국기계항공기술학회지(구 한국기계기술학회지) [Journal of the Korean Society of Mechanical and Aviation Technology ]

• 간기

  격월간

• pISSN

  1229-604X

• eISSN

  2508-3805

• 수록기간

  1999~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 550 DDC 620