Abstract
References
Sorry, not available.
Click the PDF button.
Information
This paper describes a new concept of finite element analysis, which is based on neural network based material models(NNCMs) without invoking any pre-chosen mathematical framework. NNCMs have several advantages over conventional constitutive models(CCMs) and once plugged in a finite element(FE) engine, can be used for FE analysis in a manner similar to CCMs. The paper demonstrates a FE framework in which NNCMs are incorporated and also proposes a strategy for data enhancement by invoking the assumption of isotropy of the material. It is shown through some illustrative examples that this provides a better training environment for a generalized NNCM in which stress and strain components are used as effects and causes. From this study, it appears that there is a prima facia case for developing NNCMs for materials for which mathematical theories become too complex and a large number of material parameters and constants have to be identified or determined.
본 논문에서는 인공신경망에 기초한 매질모델을 이용하여 새로운 개념의 유한요소 해석기법을 연구하였다. 인공신경망에 기초한 매질모델은 기존의 수학적 매질모델의 경우에서와 같이 유한요소해석에 적용될 수 있지만, 해석 시 입력물성치의 준비가 필요하지 않는 점, 추가자료들이 확보됨에 따라 코드의 변경 없이 추가학습이 수행되어 보다 향상된 구조해석을 수행할 수 있다는 점 등에서 기존 매질모델의 개념보다 많은 이점을 가지고 있다. 본 연구에서는 우선적으로 인공신경망 매질모델이 적용되어 수행되는 유한요소 해석과정에 대해 고찰해 보고 주어진 실험자료들을 확장시켜 인공신경망을 보다 나은 환경에서 학습시킬 수 있는 방안이 제안된다. 학습된 신경망의 매질거동 추론능력은 실험결과와 비교하여 검증하였고, 유한요소해석에 적용되어 가정된 구조물의 해석에 사용되었다. 또한 인공신경망에 기초한 구조해석 결과는 기존의 수학적 매질모델로부터의 결과들과 비교되었다. 제안된 인공신경망에 기초한 유한요소 해석기법은 매질의 역학적 거동특성이 매우 난해하고 복잡하여 수학적으로 일반화된 매질모델을 유도하기 어려운 경우, 선정된 모델이 요구하는 매질상수들의 수가 많고 값 산정을 위해 큰 비용이 요구될 경우 등에서 보다 큰 이점을 가져올 수 있을 것이다.
Click the PDF button.
- Publisher :The Korean Society of Mineral and Energy Resources Engineers
- Publisher(Ko) :한국자원공학회
- Journal Title :Journal of the Korean Society for Geosystem Engineering
- Journal Title(Ko) :한국지구시스템공학회지
- Volume : 40
- No :1
- Pages :11-17
Journal of the Korean Society of Mineral and Energy Resources Engineers
