Special 소재/소자 AI/데이터 활용 기술 현황과 전망(2)

니켈기 초내열합금의 크리프 물성 예측을 위한 기계학습 동향

장리빈_부산대학교 재료공학부 박사과정

최윤석_부산대학교 재료공학부 교수

1. 서론

내열합금은 우주, 항공, 에너지, 발전 산업분야의 고온 부품에 널리 쓰이는 재료로서 고온(보통 융점의 40% ~ 60%) 환경하에서 우수한 기계적 변형 저항성과 내식성을 가지고 있다. 사용 온도 및 응력 조건에 따라 보통 철계와 비철계 내열합금으로 나누어진다. 철계 내열합금은 보통 내열강(heat-resistant steels)으로 불리며 사용 조건에 따라 페라이트계, 마르텐사이트계 그리고 오스테나이트계 합금으로 구분된다. 또한, 사용 온도와 응력 조건이 비철계 합금 대비 낮아서 주로 화력발전용 보일러와 스팀터빈의 고온 부품재료로 널리 쓰인다. 비철계 내열합금은 크게 니켈(Ni)을 베이스로하는 니켈기와 코발트(Co)를 베이스로 하는 코발트기 내열합금이 사용되며 그 중 니켈기 합금의 활용도가 압도적으로 높다. 특히, 철계 내열합금 대비 고온 변형 저항성이 높아 초내열합금(superalloy)으로 불리우며, 고효율 발전용 터빈 및 항공용 터빈 고온 부품의 핵심 재료로 쓰인다.

내열합금의 내열강도를 측정하는데는 두 가지 방법이 주로 쓰인다. 첫 번째는 고온에서 항복강도와 인장강도를 측정하는 고온 인장시험이고, 두 번째는 크리프(creep) 수명을 측정하는 크리프 시험이다. 고온 인장시험은 설정한 높은 온도에서 인장시편에 등속 인장변위를 가하며 변형율(strain)에 따라 시편에 가해지는 응력을 탄성역에서부터 소성역을 거쳐 파단에 이를 때까지 측정하는 방법이다. 가해지는 인장변위 속도에 따라 다르지만 시험에 소요되는 시간이 보통 하루를 넘지 않는다. 반면, 크리프 시험은 시편을 일정 온도 및 응력(보통 해당 온도의 인장 항복강도 보다 낮은 응력)에서 유지하며 시간에 따른 시편의 소성 변형율과 파단이 일어날 때 까지의 시간(크리프 수명)을 측정하는 시험법이다. 일반적으로 생각하면 해당 온도의 항복강도 보다 낮은 응력에서 유지하는데 왜 소성변형이 일어나는지에 대해 의문을 가질수도 있겠지만, 고온에서 소성변형은 시간에 의존하는 거동을 보이므로(역학적으로 점소성(visco-plasticity)이라고 부름) 장시간 노출할 경우 비록 인장 항복강도 보다 낮은 응력에 유지한다고 해도 소성변형이 일어나고 파단(rupture)에 이르게 된다. 일반적으로 크리프 변형속도가 빠른 조건에서는(즉, 크리프 수명이 짧은 조건에서는) 항복강도와 크리프 수명 사이에 비례 관계가 성립할 수 있으나, 크리프 변형속도가 느린 조건에서는(즉, 긴 크리프 수명 조건에서는) 항복강도와 크리프 수명 사이에 상관관계를 찾기가 어려운 경우가 많다. 이러한 장수명 영역에서는 단시간에 측정된(즉, 단기 물성인) 항복강도 보다 미세조직의 열역학적 안정성이 크리프 수명을 결정하는 주요 요인이 된다. 상식적으로 생각할 때, 부품화 된 내열합금들의 실제 응력 부하조건은 해당 온도에서 인장 항복강도 보다 상당히 낮게 설계될 것이므로 장시간 운전조건에서 정확한 크리프 수명 예측이 더욱 중요하다고 할 수 있다. 일반적으로 크리프 시험을 통해 시간에 따른 소성 변형율을 측정한 크리프 곡선 데이터를 얻을 수 있으며, 이 곡선상에서 변형율 속도가 가장 느린 구간에서 최소 크리프 변형속도(minimum creep rate)를 측정하여 크리프 수명과 함께 내열합금의 고온 변형 저항성을 나타내는 핵심 물성값으로 사용하고 있다. 또한, 특정 온도에서 특정 시간 이상을 파단이 일어나지 않고 견딜 수 있는 최대 응력을 크리프 강도로 정의하여 고온 부품 설계시 구조해석 상한값(upper bound)으로 사용하고 있다.

본 자료에서는 초내열합금 중 가장 널리 상용화된 니켈기 초내열합금의 크리프 물성 예측을 위한 기계학습 기법을 조사하여 정리하였다. 일반적으로 니켈기 초내열합금은 단결정과 다결정 합금으로 구분된다. 단결정 합금은 다결정 합금 대비 더 우수한 크리프 물성을 가지기 때문에 상대적으로 가혹한 온도 및 응력 부하조건을 가지는 터빈 블레이드와 같은 회전익 부품(rotating part)의 재료로 쓰이며, 다결정 합금은 상대적으로 덜 가혹한 열적, 기계적 부하조건을 가지는 고정익 및 터빈 디스크 부품으로 널리 쓰인다. 크리프 물성 기계학습을 위한 데이터는 합금 조성, 열처리 조건, 미세조직 그리고 온도, 응력과 같은 크리프 시험 조건을 입력 피쳐(feature)로 사용하며 이에 따른 크리프 물성을 타겟(target)값으로 사용한다. 본 자료에서는 문헌조사를 통해 단결정 및 다결정 니켈기 초내열합금의 크리프 물성 데이터 학습에 쓰인 다양한 기계학습 알고리즘들을 우선 정리하고, 각 경우에 대해 쓰인 데이터의 입력 피쳐와 타켓의 종류 그리고 최종 예측능을 비교 분석하고 정리하였다.

그림 1. 기계학습 기반 니켈기 초내열합금 탐색 설계도 [7].

그림 2. 차원축소 기법 기반 기계학습 설계: (a) 차원축소를 적용하지 않은 접근법, (b) PCA 차원축소 기법을 적용한 모델, (c) 물리야금 모델과 CALPHAD 계산에 의한 차원축소가 적용된 모델 [9].

-----이하 생략

<본 사이트에는 일부 내용이 생략되었습니다. 자세한 내용은 세라믹코리아 2025년 2월호를 참조바랍니다. 정기구독하시면 지난호보기에서 PDF 전체를 열람하실 수 있습니다.>