딥러닝을 이용한 2-D 직조 탄소섬유강화 복합재료의 응력-변형률 선도 예측

초록

직조 형태의 탄소섬유강화 복합재료는 우수한 면내 특성과 성형성, 높은 비강도와 고강성이라는 우수한 기 계적 특성으로 인하여 자동차 및 건축물의 보강재로도 주목을 받고 있다. 이에 직조 구조와 소재 조합에 따른 물 성을 예측하기 위한 많은 연구가 이루어져 왔다. (1) 하지만 여전히, 복합재료의 복잡한 구조 및 이방성 특성, 소 재 조합에 따른 다양한 물성으로 인하여 복합재 설계에 많은 인적·시간적 비용이 발생하는 어려움이 있다. 따라서 본 연구에서는, 빠른 시간 내에 정확한 물성 예측을 위하여 컴퓨터 시뮬레이션으로 조합 별 물성 데이터셋을구축하였으며 딥러닝 학습을 통해 평직 탄소섬유강화 복합재료의 물성과 응력-변형률 선도를 예측하였다. 멀티스케일 해석 기법을 이용해 직조 패턴 단위의 meso scale 해석과 단일 섬유·모재단위의 micro scale 해석을 수행하였으며 스케일 간의 연결은 stress amplification factor 행렬을 이용했다. Meso 스케일의 직조구조는 오픈소스 소프트웨 어인 TexGen 을 이용해 모델링 하였으며 미소파손역학(Micro-Mechanics of Failure) (2) 파괴기준을 설정하고 점진적 파괴 이론을 적용하여 면내 방향 인장, 압축, 전단에 대해 재료의 파단을 시뮬레이션 했다. 모델링 범위는 상용3K, 6K tow 직조구조 탄소섬유강화 복합재료의 치수로 선정하였으며 섬유와 모재의 물성도 대표적인 소재 물성범위를 참고하여 설정했다. 딥러닝 모델의 입력 값은 섬유, 모재의 물성과 직조 패턴 구조(섬유다발 내 섬유의 부피분율, 섬유다발의 간ỿ, 폭, 높이)로 하였으며 출력 값은 응력-변형률 선도로 하였다. 딥러닝 모델은 5 겹의 심층신경망 모델을 이용해 학습을 진행하고 예측 결과를 확인했다. 또한, 딥러닝 모델의 학습시간을 감소시키기 위하여 PCA (Principal component analysis) 기법을 이용해 응력-변형률 선도의 포인트 개수를 감소시킨 후 학습 값으로 사용하였다. 본 연구에서는 딥러닝 기법을 통하여 복합재 구조 및 소재 물성 별 응력-변형률 곡선이 잘 예측됨을 확인했다. 추후 다른 형태의 구조(능직 형태 등)를 갖는 복합재료에 대해서도 연구를 진행할 예정이며, 데이터셋 선정과 모델 구조를 최적화를 할 계획이다. 딥러닝 기법을 통해 간편하게 소재의 물성을 빠르고 쉽게 예측할 수 있게 됨으로써 직조 형태의 섬유강화복합재료 설계에 소요되는 계산 비용이 크게 감소할 수 있을 것으로 사료된다.