머신비전기반 인공신경망을 이용한 초고강도 강재의 엣지신장성 예측시스템 개발

Abstract

최근, 전 세계적으로 자동차 산업은 에너지 및 환경문제와 함께 탑승자의 충돌 안전성 문제가 대두됨에 따라, 초고강도강재를 일반강재가 적용되는 차체부재를 대체하여 차체 경량화 및 충돌안전성을 확보를 시도하고 있다. 하지만, 초고강도 강재를 차체에 적용함에 따라 부족한 성형성과 함께, 제품 생산 중 예측하지 못한 엣지크랙이 발생하여 생산지연 및 제품개발에 영향을 주고 있다. 이에 따라, 엣지크랙을 지연시키거나 방지하는 공법과 이를 예측하는 시험법, 그리고 엣지신장성을 평가하는 방법 등과 같은 향상·예측·평가기술이 최근 동시에 개발되고 있다. 본 연구에서는 초고강도강재 및 차세대 초고강도강재의 엣지신장성 향상·예측·실증기술에 대해 다룬다. 먼저, 초고강도강재의 엣지신장성 향상을 위해 최근 개발된 다단펀칭기술에 대해 비선형 전산해석 및 경도분석, 디지털 이미지 상관법을 이용한 변형특성을 결합하여 엣지신장성 향상 메커니즘을 규명하였다. 그리고 기존의 펀칭공법에 국한된 2단 펀칭기술을 넓은 전단면에 대한 엣지신장성 향상기술로 확장하여, 멀티홀기반의 2단 블랭킹 기술을 제안하였다. 이를 통해, 넓은 전단면 또는 국부적으로 엣지파단이 집중되는 영역을 효과적으로 엣지크랙 저항성을 강화시킬 수 있어, 엣지신장성이 우수하다고 알려진 워터젯컷과 유사한 엣지신장성을 얻을 수 있다는 것을 전단면 부과 인장실험을 통해 검증하였다. 다음으로, 제안된 엣지신장성 향상 메커니즘 규명을 통해, 엣지신장성 향상을 위한 주요 영향인자에 대해 새롭게 제안하여, 이를 기반으로 엣지신장성 예측을 위한 머신비전기반 인공신경망을 활용한 엣지신장성 예측 시스템을 제안하였다. 엣지신장성 예측 시스템 구축을 위해, 새로운 물성, 가공경화, 전단면 형상, 금형마모 파라미터를 분류하여 엣지신장성에 물리적으로 특화된 주요영향인자를 제안하였다. 이를 머신비전 시스템을 통해 획득하여 데이터베이스를 구축하였으며, 새로운 프리데미지 변형률을 정의하여 인공신경망을 이용하여 학습시켰다. 제안된 물리적으로 특화된 인자기반 인공신경망 예측기술을 통해 실험결과와 비교하여 약 1.5% 오차수준의 우수한 구멍확장비 예측기술을 검증하였다. 앞서 개발된 엣지신장성 향상기술과 예측기술에 대해 검증하기 위해서는, 초고강도강재 및 3세대 초고강도 강재가 적용되는 B-pillar와 같은 대형부재는 부품의 특수한 형상과 구속조건에 의해 극심한 마찰력이 부가된 엣지신장이 유도되기 때문에, 대형 시험장비 필요하여, 엣지신장성 평가에 시간 및 비용이 극심하게 요구된다. 본 연구에서는 특수한 대형장비 없이 마찰이 부가된 엣지신장 모사 가능한 실증모델을 개발 하였다. 대표적인 대형차체부재인 B-pillar의 전산해석을 이용하여 마찰력이 부가된 엣지부의 엣지신장 메커니즘 분석하고, 이에 기반하여 실증예제 형상을 제안하였다. 더불어, 엣지신장성을 측벽부에 파단 없이 극대화할 수 있는 새로운 드로우비드 설계 기법을 제안하여, 소재의 유입을 효과적으로 제어가 가능하여, 측벽부의 파단 없이 최신 개발된 엣지신장성 향상공법을 평가 가능한 수준으로 엣지신장성 모사 극대화 하였다. 개발 된 실증예제를 통해 다양한 전단공법인 일반 펀치, 향상금형 펀치, 워터젯컷에 대해 마찰이 부가된 엣지신장 실증실험을 수행하였으며, 전단면이 부가된 인장실험과 디지털 이미지 상관법기반 측정결과와 비교하여, 대형금형 없이 제안된 실증모델을 이용하여 마찰기반 엣지신장 모사가 가능함을 검증하였다.; To improve the fuel economy and crashworthiness, Advanced high strength steels (AHSS) are widely applied to the body-in-white panels. However, there are big obstacles, so called edge cracking, when replacing the conventional high strength steels, which is tremendously hard to predict their occurrence using conventional methods. Improvement, prediction, and evaluation methods for edge stretchability of AHSSs are recently developed at the same time. This paper newly proposes improvement, prediction, and evaluation methods for edge stretchability of AHSSs and 3rd generation AHSS. First, we suggested the improvement mechanism of edge cracking by integrating the numerical analysis, work hardening characteristics, and edge stretchabilities test with digital image corelation (DIC) methods with recently developed 2-stage punching methods. A multi-hole based two-stage blanking process is proposed to selectively improve the edge stretchability of AHSSs for the region where edge stretching is concentrated, which are verified by sheared edge tensioning(SET) test. It is noted that proposed two-stage press blanking method exhibits a remarkable edge stretchability that was similar to that obtained for waterjet cut. Based on the suggested improvement mechanism of edge stretchability, physically characterized influencing parameters for predicting edge stretchability have been suggested such as materials properties, work hardening, deformed shape of sheared edge, and tool wear, which can be systematically obtained by the machine vision system and analysis algorithm. A new artificial neural network (ANN) model to predict edge stretchability of AHSS is proposed by defining the new pre-damage value. Based on the proposed ANN prediction model, it is possible to obtain incredible prediction accuracy up to 1.5% of errors when compared to the hole expansion experiments. Since AHSS and 3rd generation AHSS generally applied to the large panels such as A-pillar, B-pillar, etc., it is necessary to evaluate the in-plane edge stretching performance under severe blank holding force (BHF). However, it requires tremendous amount of cost to test various developed blanking methods necessary by testing with large-scale of testing mold and shearing tool, since their edge stretching is mainly induced by their complex shape and constraints during stamping process. In this research a practical example to examine the in-plane stretching under BHF is newly proposed. Design concept of proposed practical model is designed, based on the analysis of edge stretching mechanism in B-pillar. New design concept of draw-beads are systematically applied to the practical model to maximize the edge stretching by effectively controlling the material inflows, which are experimentally verified by examining the various blanking methods such as flat punch, humped bottom punch, and waterjet cut. To guarantee the proposed practical performance, ther results are compared with the results of SET test with DIC methods, which shows that it is possible to simulate the in-plane edge stretching under severe BHF with a lab-scale proposed practical model.