A study on the application of the data-driven neural network model for joining of CFRTP and AHSS based on experimental data analysis

Abstract

Material joining is a critical technique in modern manufacturing processes. It allows the assembly of multiple components into single structural entities. Contemporary manufacturing trends necessitate the utilization of diverse materials with unique properties for the fabrication of advanced machines, engineering structures, and high-performance products. Various materials possess distinctive qualities, making them suitable for specific applications. Desirable properties in engineering structures and machine component parts include high strength, corrosion resistance, lightweight, toughness, and conductivity. Consequently, it is essential to join different materials to maximize their unique attributes. This joining technique has gained significant prominence in the automotive, aerospace, energy, and marine industries, where diverse material properties are combined to achieve the desired product performance [27-28]. CFRP is a promising material for lightweight cause by its high strength-to-weight ratio relative to metals. This is particularly relevant to the automotive industry, where weight reduction is a key goal. However, the lack of dependable and efficient methods for joining CFRP to metals has finite its use. Only a few methods, such as chemical bonding and mechanical fastening, have been used to join CFRP and metals. However, the hazardous chemicals used in the bonding process pose significant environmental and health risks. Additionally, the time-consuming procedures also require temporary fixtures, making the chemical bonding process inefficient. Furthermore, the recycling of chemical bonds at the end of their life is expensive, which could exacerbate environmental concerns in the future. Therefore, there is a strong demand for novel joining technologies, such as fusion welding, to address these challenges [13, 29]. Fusion welding is a promising joining technology for CFRTP and metals. It is a reliable and efficient method that does not use hazardous chemicals. Fusion welding can be used to join CFRP and metals in a variety of configurations, making it a versatile joining technology. The research and development for the welding of CFRTP and steel is still in its early stages. This means that there is still a lot of work to be done to refine this technology. One of the challenges for the welding of CFRTP and steel is the inherent heterogeneity of the respective materials. Another challenge is the different thermal and mechanical properties of the two materials. CFRTP has a high melting point, while steel has a low melting point. This means that it is important to control the heat input during welding to avoid melting the CFRTP. Despite the challenges, CFRTP and steel laser welding has the potential to be valuable joining technology. This is because it could be used to join CFRTP and steel in a variety of configurations. This would allow for the benefits of both materials to be used in a single product. For example, CFRTP could be used for the strength and stiffness of a product, while steel could be used for the toughness and corrosion resistance. This would create a product that is both strong and durable. The automotive and other industries could benefit from welding CFRTP and steel. These industries need the benefits of both materials and welding of CFRTP and steel could provide a way to achieve this.| 지구온난화와 기후 변화에 따른 환경규제 강화로 인해 세계 각국에서 엄격한 연비규제가 심화되고 있다. 이에 대응하여 자동차 제조업체는 연료 효율성, 배출 감소, 성능 개선 및 재활용 측면에 초점을 맞추고 있으며 차세대 차량을 위한 혁신적인 재료 개발과 효율적인 구조 디자인이 필수적이다. 이 중 차체 경량화는 가장 현실적인 해결책으로, 경량 디자인을 달성하기 위해 초기에는 알루미늄이나 마그네슘등의 비철금속을 주로 적용하였으며, 최근 국내외 완성차 업계에서는 열가소성 탄소섬유강화플라스틱(CFRTP)을 차체에 적용하려는 움직임이 활발하다. CFRTP는 알루미늄 대비 20%, 스틸 대비 60% 가벼운 소재로 비강도 및 비강성이 높아 친환경차 산업에 적극 적용하고 있는 추세이다. 하지만 CFRP의 불확실한 파괴강성(Fatigue endurance limit), 낮은 압축강도 및 연신율로 실제 차량 적용에 많은 제약을 받는다. 이러한 단일소재가 가지는 재료의 한계점을 극복하기 위해 다양한 소재 혼용으로 기계적 성질을 고려한 성능 최적화, 중량 감소 및 제조비용 절감 가능하다. 이와 같이 차체 소재는 고강도스틸과 알루미늄 나아가 CFRP까지 복합적으로 구성되고 있으며 안정적인 소재 적용을 위해서는 특히 이종소재간의 접합기술 확보가 선행되어야 하지만 현재까지 CFRTP와 금속을 접합하기 위한 신뢰성 높고 효율적인 방법이 부족한 실정이다. CFRTP/금속재료간 이종소재에 적용되고 있는 접합 방법은 크게 기계적 체결, 접착법, 용융 접합(열전도 접합)이 있다. 현재 차제에는 접착제를 이용한 접착법과 SPR, 클린칭과 같은 기계적 체결법이 보편적으로 사용되고 있다. 하지만 화학적 접착법은 접착제로 인한 무게 증가와 수 분단위의 긴 공정시간으로 생산성 문제, 유해한 화학 물질이 환경 및 건강 위험을 일으킬 수 있다. 또한, 폐기할 때의 재활용 비용이 많이 들어 미래의 환경 문제를 악화시킬 수 있다. 기계적 체결법은 큰 소성변형을 동반하며, 응력집중, 부식특성 등의 문제점 존재한다. 레이저 열원을 이용한 접합법은 열전도가 가능하고 집속도가 좋아 열영향부와 변형이 적기 때문에 이종소재 접합에 많은 연구가 진행되고 있음. 또한 제살접합으로 추가적인 재료없이 접합이 가능하고, 초단위의 빠른 공정속도로 생산성 향상을 기대할 수 있다. CFRTP/스틸의 레이저 접합은 레이저 열원를 통해 계면의 CFRP 측에 발생하는 기포에 의해 유발된 압력이 용융된 CFRTP를 금속 표면 미세 틈이나 간격으로 밀어 넣음으로 Anchoring effect에 의해 접합된다고 보고되고 있다. 하지만 CFRTP 측으로 전도되는 입열에 대한 수치화된 열적특성의 연구가 미비하며, 접합강도는 실험실 수준에 머물러 실용화 단계는 아직 어려운 실정이다. 입열(열적특성)의 실질적인 고찰과 접합강도와의 상관관계에 대한 연구가 필요하며, 실용화가 가능한 접합강도 향상에 관한 연구가 절실히 요구된다. 이에 본 연구에서는 CFRTP와 780DP 소재의 레이저 용접에 대해 입열의 실질적인 고찰 및 강도와 상관관계를 규명하였다. 또한 접합 계면에서의 입열특성을 수치해석과 실제 측정 통해 비교하였다. 780DP 표면 전처리 방식에 따른 강도 향상 방안에 대한 연구를 수행하였고, 머신러닝 및 신경망 모델을 적용해 CFRTP/780DP의 레이저 용접 데이터를 기반으로 강도 및 접합 품질 예측 신경망 모델을 개발하였다. 아울러 기존 기계적 체결과 용융 접합의 한계점을 보완하여 개발된 저항 엘리먼트 용접 (resistance element welding, REW)을 CFRTP/780DP 접합에 적용하였다. REW 공정은 스틸 소재의 엘리먼트를 상부 CFRP에 삽입후 저항 열을 이용하여 하부 스틸과 접합하는 용접 공정으로 이종소재에 대해 기계적 접합과 용융 접합의 장점을 얻을 수 있다. REW 공정을 적용하여 공정변수에 따른 특성을 고찰하였고, 실험적으로 얻은 데이터를 기반으로 강도 및 접합 품질 예측 신경망 모델 개발하였다. REW 공정의 품질을 판단하기 위해서는 공정인자 및 파형으로 결함발생(날림 등)을 제어해왔으나, 품질의 주요 인자인 강도, 너깃사이즈, 파단형상, 날림발생여부를 실시간으로 예측하기 어려움이 있다. 또한 기존 품질검사(파괴 및 비파괴 시험)는 용접 후 품질 확인이 가능하며 특별한 장비 및 시간이 필요하다. 이에 신호 계측으로 얻은 데이터와 강도 및 파단모드 데이터를 활용하여 실시간으로 정확도 높은 용접부 품질 예측을 위한 신경망 모델을 개발하였다.