| 1 |
1
금속 합금 데이터를 수집하고, 화학조성, 공정조건 및 물성으로 구분하여 표준화하는 제1단계;상기 표준화된 데이터에서 공정변수창(process parameter window) 데이터를 구축하는 제2단계;상기 구축된 공정변수창(process parameter window) 데이터에서 항공용 금속 합금의 적층을 위한 설계용 공정변수를 설정하는 제3단계;상기 설정된 설계용 공정변수를 기준으로 레이저 전력 및 스캔속도의 범위를 다양하게 설정하고 기계적 특성 측정을 통해 실험값을 확인하는 제4단계;상기 설계용 공정변수 및 실험값을 기준으로 인공신경망(Artificial Neural Network) 학습용 데이터인 전처리데이터를 생성하는 제5단계;상기 생성된 전처리데이터를 이용하여 인공신경망(Artificial Neural Network) 학습을 수행하는 제6단계;상기 제4단계에서 평가된 기계적 특성의 실험값과 상기 제6단계에서 인공신경망(Artificial Neural Network) 학습을 통해 수행된 예측값을 비교하여 예측 정확도를 평가하는 제7단계;를 포함하여 수행하는 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성방법
|
| 2 |
2
제 1항에 있어서,상기 제1단계의 공정조건은,레이저 전력, 스캔속도, 해칭간격, 레이어 두께로 설정하여 표준화하는 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성방법
|
| 3 |
3
제 1항에 있어서,상기 제2단계에서 상기 공정변수창(process parameter window) 데이터는,에너지 밀도가 50 내지 80 J/㎣ 의 영역인 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성방법
|
| 4 |
4
제 1항에 있어서,상기 제2단계에서 상기 공정변수창(process parameter window) 데이터는,스캔속도가 600 내지 1,200 ㎜/s 이고, 레이저 전력이 80 내지 180 W 인 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성방법
|
| 5 |
5
제 1항에 있어서,상기 항공용 금속 합금은, STS316L인 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성방법
|
| 6 |
6
제 1항에 있어서,상기 제4단계에서 기계적 특성 측정을 통해 확인된 실험값은,상대밀도, 경도 및 연신율인 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성방법
|
| 7 |
7
제 1항에 있어서,상기 제4단계에서 설계용 공정변수를 기준으로 설정한 상기 레이저 전력 및 스캔속도의 범위는, 스캔속도가 900 내지 1,100 ㎜/s 및 레이저 전력이 140 내지 180 W 인 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성방법
|
| 8 |
8
제 1항에 있어서,상기 제5단계의 전처리데이터는,적층방향, 입력값(Input data) 및 출력값(output data)로 분류되는 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성방법
|
| 9 |
9
제 8항에 있어서,상기 입력값(Input data)은,레이저 전력, 스캔속도, 해칭간격, 레이어 두께로 설정되는 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성방법
|
| 10 |
10
제 8항에 있어서,상기 출력값(output data)은,항복강도, 인장강도 및 연신율로 설정되는 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성방법
|
| 11 |
11
제 1항에 있어서,상기 제6단계에서 상기 인공신경망(Artificial Neural Network) 학습을 수행하기 위해 인공신경망 모형을 구축하되,상기 인공신경망 모형은 학습률, 전체 훈련 데이터가 학습에 한 번 사용되는 주기, 신경망 층의 수, 노드의 수 및 배치 정규화를 변수로 하여 설정되는 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성방법
|
| 12 |
12
금속 합금 데이터를 수집하고, 화학조성, 공정조건 및 물성으로 구분하여 표준화하는 데이터표준부(10);상기 표준화된 데이터에서 공정변수창(process parameter window) 데이터를 구축하는 공정변수창생성부(20);상기 구축된 공정변수창(process parameter window) 데이터에서 항공용 금속 합금의 적층을 위한 설계용 공정변수를 설정하는 공정변수설정부(30);상기 설정된 설계용 공정변수를 기준으로 레이저 전력 및 스캔속도의 범위를 다양하게 설정하고 기계적 특성 측정을 통해 실험값을 확인하는 실험값확인부(40);상기 설계용 공정변수 및 실험값을 기준으로 인공신경망(Artificial Neural Network) 학습용 데이터인 전처리데이터를 생성하는 전처리데이터생성부(50);상기 생성된 전처리데이터를 이용하여 인공신경망(Artificial Neural Network) 학습을 수행하는 데이터학습부(60);상기 실험값확인부(40)에서 평가한 기계적 특성의 실험값과 상기 데이터학습부(60)에서 인공신경망(Artificial Neural Network) 학습을 통해 수행한 예측값을 비교하여 예측 정확도를 평가하는 데이터평가부(70);를 포함하는 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성 장치
|
| 13 |
13
제 12항에 있어서,상기 데이터표준부(10)는,상기 공정조건을 레이저 전력, 스캔속도, 해칭간격, 레이어 두께로 설정하여 공정조건을 표준화하는 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성 장치
|
| 14 |
14
제 12항에 있어서,상기 공정변수창(process parameter window) 데이터는,에너지 밀도가 50 내지 80 J/㎣ 의 영역인 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성 장치
|
| 15 |
15
제 12항에 있어서,상기 공정변수창(process parameter window) 데이터는,스캔속도가 600 내지 1,200 ㎜/s 및 레이저 전력이 80 내지 180 W 인 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성 장치
|
| 16 |
16
제 12항에 있어서,상기 항공용 금속 합금은 STS316L인 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성 장치
|
| 17 |
17
제 12항에 있어서,상기 실험값확인부(40)에서 기계적 특성 측정을 통해 확인한 실험값은,상대밀도, 경도 및 연신율인 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성 장치
|
| 18 |
18
제 12항에 있어서,상기 실험값확인부(40)에서 설정한 상기 레이저 전력 및 스캔속도의 범위는, 스캔속도가 900 내지 1,100 ㎜/s 및 레이저 전력이 140 내지 180 W 인 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성 장치
|
| 19 |
19
제 12항에 있어서,상기 전처리데이터생성부(50)는,상기 전처리데이터를 적층방향, 입력값(Input data) 및 출력값(output data)로 분류하는 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성 장치
|
| 20 |
20
제 19항에 있어서,상기 입력값(Input data)은,레이저 전력, 스캔속도, 해칭간격, 레이어 두께로 설정되는 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성 장치
|
| 21 |
21
제 19항에 있어서,상기 출력값(output data)은,항복강도, 인장강도 및 연신율로 설정되는 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성 장치
|
| 22 |
22
제 12항에 있어서,상기 데이터학습부(60)는,상기 인공신경망(Artificial Neural Network) 학습을 수행하기 위해 인공신경망 모형을 구축하되,상기 인공신경망 모형은 학습률, 전체 훈련 데이터가 학습에 한 번 사용되는 주기, 신경망 층의 수, 노드의 수 및 배치 정규화를 변수로 하여 설정하는 것을 특징으로 하는 인공지능을 활용한 항공용 CRES 합금 적층을 위한 학습데이터 생성 장치
|
| 23 |
23
제 1항 내지 제 11항 중 어느 한 항에 기재된 방법을 수행하기 위한 컴퓨터 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|
