샷 피닝(shot peening)은 표면 처리 공정으로, 재료의 피로 수명을 향상시키고 표면에 잔류응력을 생성하여 균열을 억제한다. 주입된 소형 샷은 재료 표면에 압축 잔류응력 층을 형성한다. 최대 압축 잔류응력은 특정 깊이에서 발생하며, 깊이가 증가함에 따라 인장 잔류응력이 점진적으로 나타난다. 이 공정은 주로 항공우주 산업 및 원자력 분야와 같은 특정 환경에서 니켈 기반 초내열합금 강재 재료에 사용된다. 고온·고압 환경으로 인한 이러한 중대한 사고를 방지하기 위해서는 샷 피닝된 재료의 잔류응력을 평가하는 것이 재료의 건전성을 평가하는 데 필수적이다. 잔류응력을 평가하기 위한 대표적 방법으로는 관통(천공) 변형률 게이지 분석, X선 회절(X-ray diffraction, XRD), 초음파 검사(ultrasonic testing) 등이 있다. 그중 초음파 검사는 대표적인 비파괴 평가 방법이며, Rayleigh 파를 이용해 잔류응력을 추정할 수 있다. 따라서 본 연구에서는 Rayleigh 파의 분산과 시편에서의 응력 분포 간의 관계를 기반으로 한 예측 합성곱 신경망(convolutional neural network, CNN)을 사용하여, 피닝 처리된 Inconel 718 시편의 최대 압축 잔류응력 값을 예측하였다. 문헌의 다양한 연구로부터 모델에서 생성된 깊이 방향 잔류응력 분포를 분석하여 가우스 함수(Gaussian function)와 요인설계(factorial design) 접근법을 사용해 173개의 잔류응력 분포를 생성하였다. 관계식을 사용해 생성된 분포를 CNN 모델의 데이터베이스로 활용하기 위한 173개의 Rayleigh 파 분산 데이터로 변환하였다. 이후 CNN 모델은 이 데이터베이스를 통해 학습하였고, 성능은 검증 데이터로 확인하였다. 채택된 Rayleigh 파 분산 및 합성곱 신경망 절차는 피닝 처리된 시편에서 최대 압축 잔류응력을 예측할 수 있는 능력을 보여주었다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.