본문 바로가기
KERD
논문KCI 등재

초탄성 복합재의 평균장 균질화 데이터 기반 멀티스케일 해석

A data-driven multiscale analysis for hyperelastic composite materials based on the mean-field homogenization method

이원주|신현성|김수한
한국복합재료학회 (The Korean Society For Composite Materials)|2023.10|Composites Research|제36권 제5호|pp. 329-334

1

조회

0

다운로드

0

인용

0

참고문헌

키워드

초탄성멀티스케일 해석Multiscale analysis데이터 기반 전산 역학평균장 균질화Data-driven computational mechanicsMean-field homogenizationHyperelasticity
주제분류재료공학

초록

기존의 멀티스케일 유한요소법(Multiscale finite element, FE2)은 거시 스케일의 모든 적분점에서 대표 체적 요소(representative volume element, RVE)의 미시 경계치 문제를 반복적으로 계산하기 때문에 긴 해석 시간과 많은 데이터 저장 공간을 필요로 한다. 이를 해결하기 위해 본 연구에서 평균장 균질화 데이터 기반 멀티스케일 해석기법을 개발하였다. 데이터 기반 전산역학(data-driven computational mechanics, DDCM) 해석은 변형률-응력 데이터 셋을 직접적으로 사용하는 모델-프리(model-free)접근 방식이다. 멀티스케일 해석을 수행하기 위해, 평균장 균질화(mean-field homogenization)를 활용하여 복합재의 미세구조에 대한 변형률-응력 데이터베이스(database)를 효율적으로 구축하고, 이를 기반으로 데이터 기반 전산역학 시뮬레이션을 수행하였다. 본 논문에서는 개발한 멀티스케일 해석 프레임워크(framework)를 예제에 적용하여, 초탄성(hyperelasticity) 복합재의 미세 구조를 고려한 데이터 기반 전산역학 시뮬레이션 결과를 확인하였다. 따라서, 데이터 기반 전산역학 접근 방식을 활용한 멀티스케일 해석기법은 다양한 재료 및 구조에 적용될 수 있으며, 멀티스케일 해석 연구 및 응용 가능성을 열어줄 것으로 기대된다.

Abstract

The classical multiscale finite element (FE2) method involves iterative calculations of micro-boundary value problems for representative volume elements at every integration point in macro scale, making it a computationally time and data storage space. To overcome this, we developed the data-driven multiscale analysis method based on the mean-field homogenization (MFH). Data-driven computational mechanics (DDCM) analysis is a model-free approach that directly utilizes strain-stress datasets. For performing multiscale analysis, we efficiently construct a strain-stress database for the microstructure of composite materials using mean-field homogenization and conduct data-driven computational mechanics simulations based on this database. In this paper, we apply the developed multiscale analysis framework to an example, confirming the results of data-driven computational mechanics simulations considering the microstructure of a hyperelastic composite material. Therefore, the application of data-driven computational mechanics approach in multiscale analysis can be applied to various materials and structures, opening up new possibilities for multiscale analysis research and applications.

참고문헌 (27)

  1. Shin, H., "Multiscale Model to Predict Fatigue Crack Propagation Behavior of Thermoset Polymeric Nanocomposites", Composites Part A : Applied Science and Manufacturing, 99, pp.23~31 (2017)
  2. Shin, H., "An Efcient Multiscale Homogenization Modeling Approach to Describe Hyperelastic Behavior of Polymer Nanocomposites", Composites Science and Technology, 175, pp.128~134 (2019)
  3. Wang, H., "Infuence of Nanoparticulate Diameter on Fracture Toughness Improvement of Polymer Nanocomposites by a Nanoparticle Debonding Mechanism : A Multiscale Study", Engineering Fracture Mechanics, 261, pp.108261~ (2022)
  4. Shin, H., "Multiscale Model to Predict Fracture Toughness of CNT", epoxy Nanocomposites, 2021, pp.272, 114236~
  5. Lee, W., "Temporal Homogenization Formula for Viscoelastic-viscoplastic Model Subjected to Local Cyclic Loading", International Journal for Numerical Methods in Engineering, 124(4), pp.808~833 (2023)
  6. Kim, J. H., "Multiscale Bridging Method to Characterize Elasto-plastic Properties of Polymer Nanocomposites", Mechanics of Advanced Materials and Structures, pp.1~15 (2022)
  7. 이원주, "폼 구조의 유효 기계적 물성 및 열전도율 예측을 위한 균질화 데이터 기반 전이학습 프레임워크의 개발", Composites Research, 36(3), pp.205~210 (2023), 한국복합재료학회
  8. 이상륜, "평균장 균질화를 이용한 입자 강화 복합재의 유효 물성치 예측 연구 동향", Composites Research, 33(2), pp.81~89 (2020), 한국복합재료학회[DOI]
  9. Raju, K., "Review of the FE2Method for Composites", Multiscale and Multidisciplinary Modeling, Experiments and Design, 4, pp.1~24 (2021)
  10. Yvonnet, J., "The Reduced Model Multiscale Method(R3M)for the Non-linear Homogenization of Hyperelastic Media at Finite Strains", Journal of Computational Physics, 223(1), pp.341~368 (2007)
  11. Yvonnet, J., "A Model Reduction Method for the Post-buckling Analysis of Cellular Microstructures", Computer Methods in Applied Mechanics Engineering, 197(1-4), pp.265~280 (2007)
  12. Kim, S., "Data-driven Multiscale Finite Element Method Using Deep Neural Network Combined with Proper Orthogonal Decomposition", Engineering with Computers, pp.1~15 (2023)
  13. LE, B. A., "Computational Homogenization of Nonlinear Elastic Materials Using Neural Networks", International Journal for Numerical Methods in Engineering, 104(12), pp.1061~1084 (2015)
  14. Lu, X., "A Data-driven Computational Homogenization Method Based on Neural Networks for the Nonlinear Anisotropic Electrical Response of Graphene", polymer Nanocomposites, 2019, pp.64(2), 307~321
  15. Xu, R., "Data-driven Multiscale Finite Element Method : From Concurrence to Separation", Computer Methods in Applied Mechanics and Engineering, 363, pp.112893~ (2020)
  16. Kirchdoerfer, T., "Data-driven Computational Mechanics", Computer Methods in Applied Mechanics Engineering, 304, pp.81~101 (2016)
  17. Kirchdoerfer, T., "Data Driven Computing with Noisy Material Data Sets", Computer Methods in Applied Mechanics Engineering, 326, pp.622~641 (2017)
  18. Kirchdoerfer, T., "Data-driven Computing In Dynamics", International Journal for Numerical Methods in Engineering, 113(11), pp.1697~1710 (2018)
  19. Eggersmann, R., "Model-free Data-driven Inelasticity", Computer Methods in Applied Mechanics Engineering, 350, pp.81~99 (2019)
  20. Eggersmann, R., "Efficient Data Structures for Model-free Data-driven Computational Mechanics", Computer Methods in Applied Mechanics Engineering, 382, pp.113855~ (2021)
  21. Karapiperis, K., "Data-driven Multiscale Modeling in Mechanics", Journal of the Mechanics and Physics of Solids, 147, pp.104239~ (2021)
  22. Kim, S., "Deep Learning Framework for Multiscale Finite Element Analysis Based on Data-driven Mechanics and Data Augmentation", Computer Methods in Applied Mechanics Engineering, 414, pp.116131~ (2023)
  23. Pierard, O., "An Enhanced Affine Formulation and the Corresponding Numerical Algorithms for the Meanfield Homogenization of Elasto-viscoplastic Composites", International Journal of Plasticity, 22(1), pp.131~157 (2006)
  24. Pierard, O., "Mean-field Homogenization of Multi-phase Thermo-elastic Composites: A General Framework and Its Validation", Composites Science and Technology, 64(10-11), pp.1587~1603 (2004)
  25. Doghri, I., "Finite Strain Meanfield Homogenization of Composite Materials with Hyperelastic-plastic Constituents", International Journal of Plasticity, 81, pp.40~62 (2016)
  26. Nguyen, L. T. K., "Variational Framework for Distance-minimizing Method in Data-driven Computational Mechanics", Computer Methods in Applied Mechanics and Engineering, 365, pp.112898~ (2020)
  27. Nguyen, L. T. K., "Accelerating the Distance-minimizing Method for Data-driven Elasticity with Adaptive Hyperparameters", Computational Mechanics, 70(3), pp.621~638 (2022)

관련 논문AI추천

폼 구조의 유효 기계적 물성 및 열전도율 예측을 위한 균질화 데이터 기반 전이학습 프레임워크의 개발김수한, 김유정, 신현성, 심현종, 안병혁, 이원주, 이주호, 정상융한국복합재료학회 · Composites Research2023 · 제36권 제3호평균장 균질화를 이용한 입자 강화 복합재의 유효 물성치 예측 연구 동향유승화, 이상륜한국복합재료학회 · Composites Research2020 · 제33권 제2호이종 입자복합재의 미세구조 생성과 계층적 모델의 선형 탄성적 응답특성 해석조진래한국전산구조공학회 · 한국전산구조공학회논문집2018 · 제31권 제3호미소 구조 물성의 확률적 분포를 고려한 하이브리드 성형 공정 연계 멀티스케일 구조 해석김정환, 김태리, 윤군진, 장경석한국복합재료학회 · Composites Research2022 · 제35권 제3호심층 신경망을 활용한 직물 CFRP의 직조 패턴 기반 탄성계수 예측권승호, 김상덕, 김현우, 박충우, 신철민, 전성식한국복합재료학회 · Composites Research2025 · 제38권 제4호복합 규칙성을 가진 구조물의 효과적인 해석을 위한 다단계 균질화기반 해석 프레임워크장성민, 장완재, 전영재한국전산구조공학회 · 한국전산구조공학회논문집2023 · 제36권 제1호

이 간행물의 다른 논문 (13건)

하소온도가 M형 페라이트 복합재의 전자파 흡수 특성에 미치는 영향이상복, 최재령, 이호림, 이제인, 천성준pp. 289-296바이오 기반 폴리머가 포함된 블렌드의 상압 및 가압 발포 연구이단비, 김영민, 김한성, 손성호, 한동훈, 서건희pp. 297-302유한요소해석을 이용한 압축 하중을 받는 오픈 홀 복합재 시편의 점진적 손상 및 파손 분석김지훈, 이우경, 강민규, 주근수, 김영철, 김진봉, 장홍규pp. 303-309VaRTM과 VAP 공정의 수지 충진실험 및 해석에 관한 연구서경호, 윤동환, 최진호, 권유정pp. 310-314화학 반응열을 고려한 탄소 섬유 복합재 온도와 경화도 예측김위대, 유재우pp. 315-320
원문 보기