Deep Learning and Multiphysics Modeling for Fabrication and Discrimination of Functional Structures
연구 내용
하이퍼엘라스틱 FEA와 딥러닝을 결합해 소프트 그리퍼 거동을 모델링하고, 적층·방전 가공 공정을 통해 마이크로그리퍼를 제작하며, 구조색 패턴은 DNN으로 판별하는 연구
기능성 구조를 제작하고 성능 또는 진위를 판별하기 위해 딥러닝과 공정 기반 물리 모델을 함께 활용합니다. 소프트 그리퍼는 하이퍼엘라스틱 FEA로 비선형 변형 특성을 모델링하고, 딥러닝 기반 해석으로 거동 예측과 설계 효율을 확보합니다. 마이크로그리퍼는 selective laser melting 기반 적층과 wire EDM의 하이브리드 가공으로 정밀 구조를 제작하여 기능성 구성을 구현합니다. 또한 전기방사로 랜덤 기반 나노패턴을 만들고 CuO/ZnO 층의 성장 조건을 조절해 각도 의존 구조색을 형성한 뒤, DNN 분류로 높은 처리 속도의 인증 판별을 수행하는 접근을 병행합니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
그리퍼 분야에서는 2023년부터 하이퍼엘라스틱 FEA 기반 모델링과 딥러닝 결합을 통해 소프트 그리퍼 거동 예측을 수행하고, 같은 시기에 selective laser melting과 wire EDM을 결합한 마이크로그리퍼 제작 공정의 타당성을 검증합니다. 이후 2025년에는 기능성 구조를 보안 응용으로 확장해 전기방사·용액 공정 기반 CuO/ZnO 구조색 나노패턴을 제작하고, 딥러닝 기반 판별 알고리즘으로 각도 의존 정보를 처리하는 방향으로 연구를 전개합니다. 결과적으로 제작-모델링-판별의 공통 절차를 중심으로 범용성을 확보하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Advanced Anticounterfeiting: Angle-Dependent Structural Color-Based CuO/ZnO Nanopatterns with Deep Neural Network Supervised Learning
A hybrid manufacturing process for a microgripper using selective laser melting 3D printing and wire EDM
Modeling of a Soft Gripper with Hyper-Elastic FEA and Deep Learning