스마트항공모빌리티학과 이유선 석사과정(지도교수 김상우)이 탄소섬유강화플라스틱(CFRP) 복합재 구조물의 제조 과정에서 발생하는 변형을 인공지능으로 예측하고 제어하는 기술을 제시했다. 이번 연구에는 항공공학전공 김상우 교수가 교신저자로, 김동협 연구원이 공동저자로 참여했으며 연구 결과는 다학제 공학 분야 최상위권 국제 학술지 Composites Part B: Engineering에 게재됐다.

  탄소섬유강화플라스틱(CFRP, Carbon Fiber Reinforced Plastic)은 강도가 높은 탄소섬유와 수지(resin)를 결합해 만든 고성능 복합재료로, 항공우주·자동차·방산 등 첨단 산업에서 구조물의 경량화와 고성능화를 가능하게 하는 핵심 소재다. 그러나 CFRP 복합재 구조물을 제작하는 과정에서는 공정 유도 변형(process-induced deformation, 제조 과정에서 발생하는 구조 변형)이 발생한다. 이러한 변형은 제품의 치수 정밀도를 떨어뜨리고 구조적 결함을 유발할 수 있으며, 이를 보정하기 위한 금형 수정과 제작 반복은 제품 개발 기간을 늘리고 제조 비용을 증가시키는 원인이 된다.

  기존에는 이러한 변형을 예측하기 위해 유한요소해석(FEA, Finite Element Analysis)이 활용돼 왔다. 다만 복잡한 3차원 구조물의 경우 계산 시간이 길어 반복적인 설계 수정이나 금형 보정 과정에 적용하기에는 한계가 있었다. 최근에는 이를 보완하기 위해 인공지능 기반 예측 모델이 제시되고 있지만, 단순한 형상이나 2차원 변형 예측에 머무는 경우가 많아 실제 3차원 구조물과 다양한 공정 변수를 동시에 반영하기에는 어려움이 있었다.

  이에 연구팀은 항공기 날개 구조물에 사용되는 CFRP 복합재 스파(spar, 날개 내부에서 하중을 지지하는 구조 부재)의 플랜지(flange, 구조 부재의 가장자리 부분)를 대상으로 1차원 합성곱 신경망(1D-CNN, 1-Dimensional Convolutional Neural Network) 기반 인공지능 모델을 활용해 구조물의 변형을 예측하는 방법을 제안했다. 항공기 날개 구조물에서 얻은 3차원 절점 변위 데이터를 학습시켜 국부적인 변위뿐 아니라 구조물 전체의 변형 패턴을 동시에 예측할 수 있도록 했다.

  연구 결과, 제안된 모델은 복합재 구조물의 변형을 높은 정확도로 예측하는 성능을 보였다. 평균제곱오차(MSE)는 0.027±0.010, 결정계수(R²)는 0.974±0.008로 나타났다. 특히 기존 유한요소해석이 케이스당 약 36.3분이 소요되는 것과 비교해, 제안된 모델은 약 12밀리초(ms) 만에 변형 예측을 수행하는 것으로 나타났다. 연구팀은 이 기술을 활용하면 초기 설계 단계에서 복합재 구조물의 공정 유도 변형을 빠르게 시각화하고 평가할 수 있어 금형 보정 횟수를 줄이고 제품 개발 주기를 단축하는 데 도움이 될 것으로 보고 있다.

  논문의 제1저자인 이유선 학생은 “이번 연구를 통해 CFRP 복합재 구조물의 공정 유도 변형을 인공지능으로 신속하게 예측할 수 있는 방법을 제시했다”며 “연구를 지도해 주신 김상우 교수님과 함께 연구를 수행한 김동협 연구원을 비롯해 실험실 구성원들께 감사드리며, 이번 연구가 복합재 구조물 설계 과정에서 시간과 비용을 줄이는 데 기여할 수 있기를 기대한다”고 말했다.

  연구를 지도한 김상우 교수는 “CFRP 복합재의 공정 유도 변형을 빠르고 정확하게 예측하는 기술은 항공우주 복합재 구조물 설계와 제조 공정에서 중요한 연구 분야”라며 “이번 연구는 인공지능 기반 CNN 모델을 활용해 복잡한 3차원 구조물의 변형을 기존 해석 방법보다 훨씬 빠르게 예측할 수 있는 접근 방법을 제시했다는 점에서 의미가 있다”고 설명했다.

  이번 연구 결과가 게재된 Composites Part B: Engineering은 복합재료의 설계·해석·제조 및 성능 평가 분야 연구를 다루는 국제 학술지다. 나노 스케일부터 실제 구조물 수준까지 다양한 연구를 아우르며 실험과 모델링 연구를 균형 있게 다루는 복합재 공학 분야 저널이다. 2024년 기준 Journal Citation Indicator(JCI)에서 Engineering, Multidisciplinary 분야와 Materials Science, Composites 분야 모두 상위권을 기록했으며 Impact Factor는 14.2다.