커튼월 시스템(CWS)은 현대 건축의 필수 구성 요소이지만, 그 금속 부재는 높은 세장비, 복잡한 다중 곡률 형상 및 형태 특이성을 가지고 있습니다. 이러한 특성으로 인해 가공 후 스프링백이 발생하기 쉬워 치수 정확도 및 시공 품질에 부정적인 영향을 미칩니다. 신뢰할 수 있는 스프링백 예측이 중요하지만, 기존의 유한 요소법(FEM) 기반 접근법은 대규모 및 다양한 부재에 적용할 경우 계산 효율성이 낮습니다. 이러한 한계를 극복하기 위해 본 연구는 수치 시뮬레이션, 데이터 증강 및 머신러닝 모델을 통합한 곡선 금속 부재의 데이터 기반 스프링백 예측 프레임워크를 제안합니다. 실험적 검증 결과, 제안된 프레임워크는 평균 결정 계수(R2) 0.875, 평균 절대 오차(MAE) 0.047, 평균 제곱근 오차(RMSE) 0.075, 피어슨 상관 계수(PCC) 0.936으로 견고한 예측 성능을 달성함을 보여줍니다. 다양한 데이터셋에 대한 예측 안정성을 추가로 검토하였으며, 계산 시간 비교에서 FEM 대비 상당한 효율성 향상을 확인하였습니다. 제안된 프레임워크는 제조 정확도 향상, 품질 관리 가속화, 그리고 CWS 금속 부재의 기하학적 충실도 보존을 위한 실용적 방안을 제공합니다.
Jiang 등(Tue,)이 이 문제를 연구하였습니다.