응력 분포와 주름의 웨이브 구조 사이의 상관관계를 파악하기 위한 이론 모델을 구축하였습니다. ‘Post-Buckling’ 분석을 통하여 Ritz가 제안한 에너지 방법론에 입각하여 어떠한 응력 분포가 주어질 때 좌굴이 발생하고 이로 인한 웨이브 형태가 어떻게 되는지 예측하는 이론 모델을 의미합니다.

이론 모델을 완성한 뒤에 저는 이 이론 모델들을 검증하기 위하여 두 가지 과정을 거쳤습니다. 바로 유한요소해석 시뮬레이션 (Finite Element Analysis)와 실험적인 절차를 통하여 이론 모델을 검증하고자 합니다. 유한요소해석은 ABAQUS라고 하는 상용프로그램을 통하여 진행하였고 응력 분포를 다양하게 변화시키고 이에 따라서 웨이브 형태가 어떻게 발생되는지 테스팅을 진행하였습니다.


수치해석 프로그램과 비교를 통하여 검증을 한 뒤에 실제로 시편을 제작하여서 실험적인 검증을 진행하였습니다. 위에서 Fig.1에서 보여드린 연구내용처럼 직접 시편을 제작하고 이 시편에 특정한 응력 상황을 부여하여서 인위적으로 버클링을 발생시켜 웨이브를 형성하였습니다.

종합적으로 검증을 통하여 이론 모델의 신뢰도를 확보하게 된다면 제가 구축한 이론 모델이 웨이브를 예측하기에 적합하다고 증명을 할 수 있을 것입니다. 나아가 저희는 최근에 이슈가 된 딥 러닝 방법을 적용할 것입니다.

딥 러닝 방법은 수 많은 데이터로부터 일련의 관계성을 찾아서 새로운 규칙을 찾아내는 수단 중에 하나입니다. 현재까지 많은 기계공학 문제는 인풋이 응력 상태로 들어갈 때 아웃풋은 변형 정도를 나타내는 관계에 초점을 두었습니다. 하지만 이와 반대로 우리가 웨이브를 알 수 있다고 가정하면 여기에 어떤 응력 분포가 주어지는 지 역으로 추정할 수 있는 새로운 방법을 제시하려고 합니다.

따라서 제 연구는 크게 이론 모델 구축, 수치해석 시뮬레이션, 실험 그리고 딥 러닝 과정으로 구성되고 있습니다. 구체적인 내용들은 다음 부에서 말씀드리도록 하겠습니다.