열융착법을 이용하여 보강과 배수기능을 가진 니들펀치 및 스펀본딩 부직포의 지오컴포지트를 제조하였다. 이 다층 부직포의 물성(인장, 인열 및 파영강도, 투수도 등)은 열융착법을 사용하여 제조될 경우 온도, 압력, 접착시간 등의 공정인자에 좌우된다. 따라서, 열융착법으로 제조된 지오컴포지트의 공정인자와 물성의 최적화는 매우 중요하다. 본 연구에서는 인공신경망(ANN)을 사용하여 지오컴포지트의 제조공정 최적화를 위한 알고리즘이 개발되었다. 지오컴포지트의 공정인자를 변화시켜 부직포 성능변화를 예측하기 위한 신경망 모사가 적용되었으며, 분석결과에 대한 제조방법의 효과를 조사하였다.
Geocomposites of needle punched and spunbonded nonwovens having the reinforcement and drainage functions were manufactured by use of thermal bonding method. The physical properties (e.g. tensile, tear and bursting strength, permittivity) of these multi-layered nonwovens were dependent on the processing parameters of temperatures, pressures, bonding periods etc. - in manufacturing by use of thermal bonding method. Therefore, it is very meaningful to optimize the processing parameters and physical properties of the geocomposites by thermal bonding method. In this study, an algorithm has been developed to optimize the process of the geocomposites using an artificial neural network (ANN). Geocomposites were employed to examine the effects of manufacturing methods on the analysis results and the neural network simulations have been applied to predict the changes of the nonwovens performances by varying the processing parameters.
