본 연구실은 용접 및 특수가공 공정의 해석과 최적화에 중점을 두고 있습니다. 다양한 용접 공정(고주파 저항용접, 레이저 용접, 관성 마찰용접 등)에서 발생하는 열유동, 잔류응력, 변형 및 피로수명에 대한 심층적인 연구를 수행합니다. 특히 유한요소법(FEM)을 활용하여 용접부의 열적·기계적 거동을 정밀하게 예측하고, 실험적 검증을 통해 해석 모델의 신뢰성을 높이고 있습니다. 용접 공정에서 발생하는 잔류응력과 변형은 구조물의 내구성과 안전성에 큰 영향을 미치므로, 본 연구실은 다양한 금속재료와 접합부의 특성을 반영한 해석 기법을 개발하고 있습니다. 또한, 용접부의 파괴역학적 특성, 피로수명, 그리고 용접 시공 및 검사에 관한 종합적인 연구를 통해 산업 현장에서의 실질적인 문제 해결에 기여하고 있습니다. 이러한 연구는 자동차, 조선, 건설 등 다양한 산업 분야에서 요구되는 고품질 용접 구조물의 설계와 생산에 직접적으로 활용되고 있습니다. 최적의 용접 조건 도출, 변형 최소화, 잔류응력 제어 등 실무적 과제를 해결함으로써, 국내외 용접 및 접합 기술의 발전을 선도하고 있습니다.

최근 본 연구실은 인공지능(AI)과 딥러닝, 신경망(Neural Network) 기법을 접목하여 금속 가열 및 성형 공정의 자동화와 최적화 연구를 활발히 진행하고 있습니다. 선상가열, 삼각가열, 유도가열 등 다양한 열가공 공정에서 인공지능 모델을 활용하여 가열선 위치, 가열 경로, 변형 예측 등 기존의 경험적·수작업 중심의 공정 설계를 데이터 기반의 자동화 시스템으로 전환하고 있습니다. 특히, Faster R-CNN, CNN 등 딥러닝 모델을 활용한 이미지 기반 가열선 예측, 변형 예측 시스템을 개발하여, 복잡한 곡면 형상이나 임의의 목표 형상에 대해 최적의 가열 경로를 자동으로 산출할 수 있도록 하고 있습니다. 또한, 유한요소해석(FEM)과 결합된 신경망 모델을 통해 다양한 공정 변수와 결과 간의 관계를 학습하여, 실시간 공정 제어 및 품질 예측이 가능하도록 연구를 확장하고 있습니다. 이러한 연구는 조선, 자동차, 중공업 등 대형 금속 구조물의 곡가공 및 성형 자동화에 큰 혁신을 가져오고 있으며, 숙련자의 경험에 의존하던 기존 방식에서 벗어나 데이터 기반의 정밀하고 신뢰성 높은 공정 제어를 실현하고 있습니다.