혁신적인 조명 횡단보도가 보행자를 감지하지 못하는 센서 오류로 작동을 멈췄습니다. 문제는 소프트웨어나 전자 장치가 아닌 베이스 플레이트의 기계적 변형에 있었습니다. 3D 분석 결과, 극한의 온도 변화로 인해 유도된 강철 및 폴리머 플레이트의 휨 현상이 압전 마이크로 스위치의 움직임을 차단하여 감지 시스템을 무력화시킨 것으로 드러났습니다.
![[압전 센서가 장착된 스마트 횡단보도 압력판의 열 변형]](https://foro3d.com/2026/mayo/imagenes/alabeo-termico-en-placas-de-presion-fallo-detectado-en-pasos-de-cebra.webp)
변형 분석 및 열 피로 상관 관계 🔥
GOM Inspect를 사용하여 변형된 플레이트를 스캔하여 휨의 크기를 정량화했습니다. 측정 결과 플레이트 중앙에서 2.3mm의 표면 편차가 나타났으며, 이는 마이크로 스위치 액추에이터를 고정시키기에 충분했습니다. 원인을 파악하기 위해 Python을 사용하여 과거 주변 온도 데이터를 처리했습니다. 스크립트는 주간 45도 섭씨의 열 피크와 야간 -5도의 서리를 상호 연관시켜 강철과 폴리머 사이의 차등 팽창 및 수축 주기를 생성했습니다. Rhino에서 재료 피로 분석을 통해 시뮬레이션된 이 주기적 응력은 300주기 후에 플레이트가 항복점에 도달하여 영구적으로 변형되고 센서를 차단할 것이라고 예측했습니다.
센서화된 인프라 설계를 위한 교훈 🛠️
기후에 노출된 도시 환경에 센서를 구현하려면 바이메탈 접합부의 재설계가 필요합니다. 실패는 센서 자체가 아니라 센서를 수용하는 기계적 컨테이너에 있었습니다. 향후 반복 작업을 위해 플레이트에 신축 이음매를 도입하거나 균일한 열팽창 계수를 가진 복합 재료로 변경하는 것이 좋습니다. Rhino 시뮬레이션과 Python을 사용한 데이터 분석은 제조 전에 이러한 유형의 구조적 피로를 예측하고 완화하는 데 중요한 도구임이 입증되었습니다.
시뮬레이션 엔지니어로서 스마트 횡단보도에서 센서를 정렬 불량하게 만드는 휨 현상을 예측하기 위해 아스팔트와 압력판 사이의 차등 열 주기를 어떻게 모델링하시겠습니까?
(참고: 재료 피로는 10시간 시뮬레이션 후의 당신의 상태와 같습니다.)