In this study, mechanical properties of woven composites were analyzed and predicted under tensile loading conditions using a deep learning approach based on their weaving structures. Composites materials with different weaving patterns were modeled as 4×4 meso scale representative volume elements (RVE), and finite element analysis (FEA) was conducted under tensile load conditions. Elastic modulus values resulting from FEA were compiled into a database reflecting various weave geometries, which served as training data for machine learning models. To train these models in capturing the relationship between weaving patterns and corresponding elastic moduli, geometric pattern information was encoded into binary matrix variables consisting of 1 and 0 and used as input data.

본 연구에서는 직물 복합재의 직조 구조를 바탕으로, 인장 하중 조건에서 기계적 물성이 딥러닝 모델을 통해 분석 및 예측이 진행되었다. 서로 다른 직조 패턴을 가진 직물 복합재가 4×4 규모의 meso scale Representative Volume Elements (RVE)로 모델링 되었고, 인장 하중 조건에서 유한 요소 해석이 수행되었다. 유한 요소 해석 결과를 기반으로 직조 형상에 따른 탄성 계수 값이 데이터베이스로 구축되었으며, 이를 학습데이터로써 딥러닝 모델이 학습되었다. 직조 패턴에 따른 탄성 계수 관계를 딥러닝 모델에 학습시키기 위해, 직조 패턴의 기하학적 형상 정보를 1과 0으로 구성된 행렬 형태의 변수로 변환하였고 입력 데이터로 사용되었다.

Keywords: 섬유 강화 복합재료(Fiber reinforcement composite), 직물 복합재(Woven composite), 딥러닝(Deep learning), 유한 요소 해석(Finite element analysis), 심층신경망(Deep neural network)