블로그

May 10, 2023

ISSA를 기반으로 한 판금의 선열 변형 예측

과학 보고서 13권,

Scientific Reports 13권, 기사 번호: 1252(2023) 이 기사 인용

321 액세스

1 알트메트릭

측정항목 세부정보

Line Heating 및 Forming을 개선하기 위해 향상된 Salp Swarm 알고리즘(ISSA)과 Extreme Learning Machine(ELM)을 기반으로 한 예측 방법이 제안되었습니다. 먼저, 유한요소 시뮬레이션을 적용하여 라인 가열 및 성형의 3차원 과도 수치 시뮬레이션을 수행하고 가공 매개변수가 변형에 미치는 영향을 연구했습니다. 둘째, 시뮬레이션 데이터를 기반으로 ELM 네트워크에 대한 예측 모델을 구축하고, 훈련 네트워크를 통해 선체판의 변형을 예측하였다. 또한 ELM의 단점을 고려하면서 군집 지능 최적화, 입자 군집 최적화(PSO), 갈매기 최적화 알고리즘(SOA), 살프 군집 알고리즘(SSA) 등을 연구하여 ISSA를 제안하였다. ELM 모델의 입력 가중치와 숨겨진 레이어 편향은 PSO, SOA, SSA 및 ISSA 접근 방식의 예측 결과 안정성을 높이기 위해 최적화되었습니다. 마지막으로 라인 가열 및 성형에 대한 각 예측 모델의 예측 효과를 비교 분석하여 ISSA-ELM 모델의 예측 효과가 우수함을 보였다.

선체판은 선박의 주요 구조의 중요한 부분입니다. 그 기능은 선체의 방수를 보장하고 선박이 물에 떠 있을 수 있도록 하며 운송 기능을 제공하는 것입니다. 곡면형 선박용 강판에 사용되는 주요 제조 방법에는 냉간 성형과 열간 성형의 두 가지가 있습니다. 냉간 성형에서는 일반적으로 원하는 변형 상태를 얻기 위해 유압 또는 롤러 압력에 의해 하중이 가해집니다. 열간 성형은 판금 표면에 열을 가해 온도 구배를 발생시키고 결국 판의 국부적 변형을 초래합니다. 현재, 현상 불가능한 표면을 가공하는 주요 방법은 라인 가열 및 성형입니다. 라인 가열 기술은 현재 대형 선체와 복잡한 곡면을 만드는 데 사용됩니다. 적용 범위가 넓고 비용이 저렴하며 유연성과 적응성이 높다는 장점이 있습니다. 그러나 현재 이 기술은 대부분 숙련된 작업자가 수작업으로 수행하고 있습니다. 이 프로세스는 숙련된 인력 부족, 인력 교육의 어려움, 과도한 작업량, 열악한 작업 환경 및 높은 노동 강도로 인해 어려움을 겪고 있습니다. 따라서 가공 변수와 시트 변형 사이의 관계를 연구하는 것이 필요합니다.

선박판의 변형에 영향을 미치는 요인으로는 열원의 이동속도, 가열강도, 가열모드 등이 있다. Choi1,2는 가열판의 온도 분포를 연구했습니다. 온도에 대한 가공 매개변수의 영향도 연구되었습니다. 결과는 열원 속도가 증가함에 따라 피크 온도가 감소한다는 것을 보여주었습니다. Qi3은 가열 경로가 고르지 않은 변형을 일으킬 것이라고 믿었습니다. 이 현상은 수치 시뮬레이션을 통해 연구되었습니다. 가변 속도 라인 히팅 기술도 제안되었습니다. Zhu4는 재료의 온도특성을 결합하는 방법을 고려한 전력분포에 대한 수치적 연구를 수행하였다. Huang5는 다단계 미세화를 기반으로 하는 동적 메쉬 미세화 방법을 제안하고 이를 라인 가열을 위한 과도 열역학적 솔루션을 만들기 위해 적용했으며 이 방법의 타당성을 입증했습니다. Xu6은 유한 체적법을 기반으로 플레이트의 열 흡수 효율에 대한 공식을 도출했습니다. 이는 공기 중 열원의 방열을 분석하기 위한 참고 자료를 제공했습니다. Akiyama7은 여러 전열선 사이의 간섭이 시트 변형에 미치는 영향을 연구했습니다. Deng8,9은 대규모 용접의 구조적 변형을 예측하기 위한 탄성 유한 요소 방법을 제안했습니다. 탄성유한요소법을 이용하여 곡판구조물의 용접변형을 예측하였다. 자연 변형 이론을 기반으로 Huang10은 국소 솔리드 모델과 전체 쉘 모델을 사용하여 레이저 용접된 박판의 변형을 신속하게 예측했습니다. Han11은 단일 및 다중 토치를 기준으로 가열 구역과 비가열 구역의 변형 분포를 분석했습니다. 이상의 연구를 바탕으로 본 논문에서는 판금에 대한 선열 시뮬레이션 실험을 수행한다.