Skip to main content

Experimental-based statistical models for the tensile characterization of synthetic fiber ropes: a machine learning approach

· 6 min read
Yahia Halabi
연구원
Hu Xu
연구원
Zhixiang Yu
연구원
Wael Alhaddad
연구원
Isabelle Dreier
연구원

논문 정보​

  • 제목: Experimental-based statistical models for the tensile characterization of synthetic fiber ropes: a machine learning approach
  • 저자: Yahia Halabi (Southwest Jiaotong University), Hu Xu (Southwest Jiaotong University), Zhixiang Yu (Southwest Jiaotong University), Wael Alhaddad (Tongji University), Isabelle Dreier (University of Giessen)
  • 학회/저널: Scientific Reports
  • 발행일: 2023-10-18
  • DOI: 10.1038/s41598-023-44816-x
  • 주요 연구 내용: 폴리에스터, 폴리프로필렌, 나일론 로프에 대해 DSC 열분석, 섬유/얀 인장 실험, 196개의 로프 인장 실험을 수행하여 포괄적인 데이터베이스를 구축함. 이 데이터를 기반으로 로프의 3선형(tri-linear) 응력-변형률 프로파일을 예측하는 인공신경망(ANN) 모델을 개발하고 최적화함.
  • 주요 결과 및 결론: 개발된 ANN 모델은 파단 강도 및 변형률에 대해 약 5%의 오차로 로프의 3선형 응력-변형률 특성을 정확하게 예측함. 이 연구는 로프의 공정-구조-물성 관계에 대한 이해를 높이고, 인장 특성 설계 및 예측에 드는 비용과 노력을 줄이는 데 기여함.
  • 기여점: 합성 섬유 로프의 인장 특성에 대한 광범위한 실험적 통계 데이터를 체계적으로 구축함. 기계 학습(ANN)을 적용하여 복잡한 비선형적 인장 거동을 실용적인 3선형 모델로 예측하는 방법을 제시했으며, 이는 산업 현장에서의 로프 설계 및 성능 예측에 직접적으로 활용될 수 있음.

요약​

초록​

본 연구는 널리 사용되는 폴리에스터, 폴리프로필렌, 나일론 합성 섬유 로프의 인장 거동을 조사함. 연구의 목표는 실험 기반의 통계 자료를 생성하고, 로프의 인장 반응을 설명할 수 있는 단순화된 응력-변형률 구성 법칙을 개발하는 것임. 이를 위해 DSC를 이용한 섬유의 열 이력 분석, 섬유 및 얀 인장 실험, 그리고 196개의 로프 인장 실험을 수행하여 실험 데이터베이스를 구축함. 이후, 생성된 데이터셋을 기반으로 MATLAB을 사용하여 ANN 모델을 개발하고 최적화하여 로프의 3선형 응력-변형률 프로파일을 예측함. 개발된 ANN 모델은 파단 강도와 변형률에 대해 약 5%의 오차로 응력-변형률 특성을 정확하게 예측했으며, 이는 합성 섬유 로프의 공정-구조-물성 관계에 대한 통찰력을 제공하고 설계 비용과 노력을 최소화하는 데 기여함.

서론​

합성 섬유 로프는 다양한 산업 분야에서 널리 사용되지만, 폴리머 소재의 특성상 기계적 물성이 복잡하고 통계적 편차가 큼. 기존의 해석적, 수치적 모델은 복잡하고 특정 가정에 의존하여 예측 정확도에 한계가 있음. 특히, 로프의 인장 특성에 대한 체계적이고 광범위한 실험 데이터가 부족하여 정확한 예측 모델 개발에 어려움이 있었음. 본 연구는 이러한 문제를 해결하기 위해, 포괄적인 실험 데이터베이스를 구축하고 이를 기반으로 복잡한 비선형 관계 모델링에 강점이 있는 인공신경망(ANN)을 이용하여 로프의 인장 거동을 예측하는 통계적 모델을 개발하고자 함.

모델 아키텍처 / 방법론​

Figure 1 연구 방법론은 논문의 Figure 1에 제시된 흐름도에 따라 크게 세 단계로 구성됨: (1) 실험 설정 및 데이터 수집, (2) 원시 데이터베이스 구축, (3) ANN 모델 개발.

  • 핵심 구조/방법: Figure 18

    1. 실험 데이터 수집: 로프의 근본적인 특성을 파악하기 위해 DSC 열분석, 섬유/얀 인장 실험, 그리고 196개의 로프 시편에 대한 대규모 인장 실험(단일 인장 및 반복 하중)을 수행함.
    2. 데이터베이스 구축: 실험을 통해 얻은 섬유 물성(열적, 기계적 특성), 로프 구조 정보(직경, 꼬임각 등), 로프 인장 응답(응력-변형률 곡선)을 포함하는 종합적인 데이터베이스를 구축함.
    3. 데이터 단순화: 실험으로 얻은 비선형 응력-변형률 곡선을 3개의 선형 구간으로 근사하는 3선형(tri-linear) 구성 법칙 모델로 단순화하여 ANN 모델의 출력으로 사용함.
    4. ANN 모델 개발: 11개의 입력 변수(섬유 물성, 로프 구조, 하중 타입)를 사용하여 6개의 출력 변수(3선형 모델의 변곡점 좌표)를 예측하는 다층 순방향 신경망을 설계함. 논문의 Figure 18에서 모델의 기본 구조를 확인할 수 있음.

  • 주요 구성 요소:

    • 입력 변수 (11개): 폴리머 푸아송 비, 재료 밀도, 섬유 인장 강도(FTS), 섬유 파단 신율(FBE), 섬유 영률, 녹는점, 로프 직경, 꼬임각, 피치, 로프 선형 밀도, 하중 타입(SPB/CL).
    • 출력 변수 (6개): 3선형 응력-변형률 곡선의 변곡점 좌표 (x1,y1,x2,y2,x3,y3x_1, y_1, x_2, y_2, x_3, y_3).
    • 학습 알고리즘: Levenberg-Marquardt 역전파 알고리즘.

  • 수식:

    • 3선형 구성 법칙: 각 단계(Stage)별 응력(f(x)f(x))과 변형률(xx)의 관계는 다음과 같이 표현됨. {f(x)=k1⋅xfor x<x1 (Stage I)f(x)=k2⋅x+C2for x1<x<x2 (Stage II)f(x)=k3⋅x+C3for x2<x<x3 (Stage III)\begin{cases} f(x) = k_1 \cdot x & \text{for } x < x_1 \text{ (Stage I)} \\ f(x) = k_2 \cdot x + C_2 & \text{for } x_1 < x < x_2 \text{ (Stage II)} \\ f(x) = k_3 \cdot x + C_3 & \text{for } x_2 < x < x_3 \text{ (Stage III)} \end{cases} 여기서 kik_i는 각 구간의 기울기(강성), xix_i는 변곡점의 변형률, CiC_i는 y절편임.

실험 결과​

Figure 7 Figure 8 Figure 10, 11 Figure 12 Figure 13 Figure 20 Figure 21

  • 주요 데이터셋: 폴리에스터(M1, M3), 폴리프로필렌(M2), 나일론(M4) 로프에 대해 직경(4~20mm)과 하중 조건(단일 인장 SPB, 반복 하중 CL)을 달리하여 총 196개의 유효 인장 실험 데이터를 확보함.
  • 핵심 성능 지표:
    • 섬유 특성 분석: DSC 분석(Figure 7)과 섬유 인장 실험(Figure 8) 결과, 폴리에스터 섬유는 공정 조건에 따라 높은 강도를 지닌 HOY(Highly Oriented Yarn)와 높은 신율을 지닌 POY(Preoriented Yarn)로 나뉘며, 이러한 특성이 최종 로프의 인장 거동을 결정하는 주요 요인임을 확인함.
    • 로프 인장 거동: 로프의 응력-변형률 곡선(Figures 10-13)은 일반적으로 초기 선형 구간(Stage I), 분자 재배열로 인한 비선형 구간(Stage II), 파단 전까지의 선형적 경화 구간(Stage III)의 3단계로 구분됨. 반복 하중(CL)은 초기 비선형성을 줄이고 파단 변형률을 감소시키지만, 파단 강도에는 큰 영향을 주지 않음.
  • 비교 결과:
    • ANN 모델 성능: 최적화된 ANN 모델(은닉층 뉴런 19개)은 테스트 데이터셋에 대해 높은 예측 성능을 보임. 논문의 Figure 20과 21의 회귀 플롯에서 볼 수 있듯이, 파단 지점(x3,y3x_3, y_3) 예측의 결정계수(R2R^2)는 각각 0.968과 0.954로 매우 높았음.
    • 예측 오차: 파단 강도(y3y_3)와 파단 변형률(x3x_3)의 최대 예측 오차는 각각 4.7%와 3.2%로, 목표 정밀도인 12% 이내에서 매우 정확한 예측이 가능함을 입증함.

결론​

본 연구는 광범위한 실험을 통해 합성 섬유 로프의 인장 특성 데이터베이스를 성공적으로 구축하고, 이를 활용하여 로프의 복잡한 비선형 응력-변형률 거동을 3선형 모델로 정확하게 예측하는 ANN 모델을 개발함. DSC 및 섬유 단위 실험을 통해 확보한 공정-구조 관련 정보가 로프의 전체 거동 예측에 중요한 입력 변수가 됨을 확인함으로써, 공정-구조-물성 관계에 대한 이해를 심화시킴. 개발된 예측 모델은 로프의 파단 강도와 변형률을 약 5% 오차 내에서 예측할 수 있어, 산업 현장에서 로프를 설계하고 성능을 예측하는 데 드는 시간과 비용을 획기적으로 줄일 수 있는 실용적인 도구를 제공한다는 점에서 큰 의의가 있음.