본 연구는 헤어핀 용접 공정에 대한 실험 데이터를 활용하여 딥러닝 모델을 개발하고 평가하였다. 주요 내용은 다음과 같다:
용접 공정의 주요 입력 특성(KICs)으로 레이저 빔 기하학, 용접 속도, 경로 반복 횟수, 밝은 선 용접(BLW) 비율 등을 고려하였다.
용접 깊이와 평균 기공 부피를 주요 출력 특성(KPCs)으로 선정하였다. CT 스캔을 통해 이들 특성을 측정하였다.
입력 특성과 출력 특성 간의 상관관계를 분석하였다. BLW 비율이 용접 깊이에 가장 큰 영향을 미치는 것으로 나타났다.
용접 깊이 예측을 위한 딥러닝 모델을 설계하고 학습시켰다. 검증 데이터에 대해 평균 절대 오차(MAE)가 0.1079로 우수한 성능을 보였다.
평균 기공 부피 예측을 위한 별도의 딥러닝 모델을 개발하였다. 검증 데이터에 대해 MAE가 0.0641로 나타났다.
본 연구는 레이저 용접 공정의 품질 관리를 위해 딥러닝 기술을 활용하는 새로운 접근법을 제시한다. 실험 데이터와 모델 개발을 통해 용접 깊이와 기공 부피를 정확하게 예측할 수 있음을 보여주었다. 이는 용접 공정의 실시간 모니터링 및 최적화에 활용될 수 있을 것으로 기대된다.
To Another Language
from source content
arxiv.org
Deeper Inquiries