• 지질공학
• /
• 제30권1호
• /
• pp.17-30
• /
• 2020

광학영상화검층은 광원과 CMOS 영상 센서를 이용하여 시추공벽을 이미지로 구현하는 물리검층 기술로 지하의 불연속면에 대한 여러 가지 원위치 정보를 고분해능으로 제공한다. 최근 시추공영상화검층은 지반침하 모니터링, 암반 무결성 평가, 응력으로 인한 단열 변화 탐지, 극지에서의 빙하 연대측정 등 그 활용범위가 매우 다양해졌다. 현재 국내외로 많이 이용되고 있는 시추공영상화검층 시스템은 장비 사양에 따라 한계점을 가지고 있어 적용 범위에 대한 검증과 여러 가지 시추공 환경에 대한 적절한 품질관리가 필요하다. 그러나 광학영상화검층의 자료로 도출되는 이미지는 원위치 정보로 정확도, 구현도, 신뢰성에 대한 검증에 직접적인 비교 확인이 어렵다. 본 논문에서는 신뢰성 있는 고품질 자료 취득 방법과 자료 처리 방법을 확인하기 위해 시추공 환경과 유사한 모듈화 된 균열모형시추공을 설계·제작하여 현재까지 보고되지 않은 실험에 대한 결과를 얻고자 하였다. 검출기 자기계 방향 확인의 정확성을 검증하고, 노출시간에 따른 색상의 구현도 및 균열의 분해능 관계, 정확한 간극 측정을 위한 자료 처리 방법 등을 제시하였다. 다양한 시추공 환경을 모사한 균열모형시추공 실험을 통해 고분해능의 신뢰성 높은 광학영상화검층의 자료 취득 및 해석이 가능할 것으로 기대된다.

• 한국산학기술학회논문지
• /
• 제21권11호
• /
• pp.53-60
• /
• 2020

철도차량의 대차는 열차 주행을 위한 핵심적인 장치이다. 철도차량의 대차에서 피로결함은 운행 중 기대되지 않거나 과도한 하중, 용접결함, 재료 결함 등의 다양한 요인에 의해 발생할 수 있다. 철도차량의 사고를 방지하기 위해서 차체-대차연결부의 손상을 검출하고 발생 결함에 대한 정확한 평가가 요구된다. 이러한 철도차량의 차체-대차 연결부는 초음파 비파괴 검사를 통하여 건전성을 확보하고 있으나 결함 발생에 대한 학습기법을 이용한 판정방법이 필요하다. 최근 미세한 결함이나 유사한 결함을 높은 인식율로 검출하기 위하여 딥러닝 기법에 관한 여러 연구가 진행되고 있다. 본 연구에서는 철도차량의 차체-대차 연결부의 결함 검출능력을 위하여 용접부의 인공결함 시편에 대하여 데이터베이스 구축하였으며. 웨지형 초음파 센서를 이용하여 차체-대차 연결부에 대한 비파괴 검사를 수행하였다. 부가적으로 인적오류를 최소화하기 위하여 결함판단 학습기법인 합성곱 신경망기법(Convolutional Neural Network)을 적용하였다. 그 결과 합성곱 신경망기법 기법을 이용하여 철도차량의 차체-대차 연결 용접부의 균열을 99.98%이상 균열성 결함으로 판별할 수 있었으며 철도차량 차체-대차 연결부의 비파괴검사시 본 연구의 기술이 적용 가능함을 확인할 수 있었다.

• 한국방재안전학회논문집
• /
• 제15권4호
• /
• pp.11-20
• /
• 2022

국내의 앵커볼트 일반 비파괴 검사법은 육안검사와 타음검사를 적용하고 있으나, 육안검사는 기초에 포함된 부분이나 너트 및 베이스 플레이트가 설치된 부분에서 앵커볼트의 부식이나 피로균열 등을 확인하는 것이 어렵다. 타음검사는 주변 환경과 개인차에 의한 영향을 받기 때문에 객관적인 조사가 어려운 것이 현실이므로 이러한 결함을 정량적으로 추정할 수 있는 비파괴 검사 기술개발이 필요하다. 국내 도로시설물 앵커볼트의 점검은 육안조사를 수행하고 있으며, 교량받침, 낙교방지시설 등의 앵커볼트 중요도가 높으므로 기존 점검방법과 함께 비파괴검사 기술을 개발하여 앵커볼트의 예방정비를 통해 교량 수명연장에 기여할 필요가 있다. 본 기술 개발을 통해 현재 수행하고 있지 않은 앵커볼트의 비파괴검사를 수행함으로 도로시설물 앵커볼트의 선제적/능동적 유지관리가 가능한 기술로 연구개발 및 실용화가 시급하다. 본 논문에서는 비파괴 검사 기법 중 초음파탐상법(Ultrasonic test)을 적용하여 부식, 균열 등 앵커볼트의 결함 검출 가능성 및 실뢰도를 실험적으로 검증하였다. 기술 개발이 완성되면 검사 신뢰성 향상 원천기술 확보로 앵커볼트에 대한 선제적/능동적 유지관리의 실현이 가능할 것으로 기대된다.

• 비파괴검사학회지
• /
• 제22권3호
• /
• pp.254-260
• /
• 2002

화력발전소 보일러 튜브 및 대형 유체수송관의 자동 진단을 위해 비파괴검사 방법을 사용하는 두 가지 형태의 이동로봇을 개발하였다. 개발된 이동로봇은 보일러 튜브 또는 유체수송관의 외면을 주행하면서 전자기 초음파 탐촉자를 이용하여 파이프 벽면에 발생하는 미세한 구멍, 균열 또는 부식 및 침식에 의한 감육 등과 같은 결함을 검출한다. 이와 같은 이동로봇을 이용한 결합 검출의 자동화는 열악한 환경에서 작업자의 위험 없이 대형 구조물의 중대한 결함을 방지하는 유용한 수단으로 활용될 수 있다.

• 한국신재생에너지학회:학술대회논문집
• /
• 한국신재생에너지학회 2010년도 추계학술대회 초록집
• /
• pp.81.1-81.1
• /
• 2010

SOFC 발전시스템의 상용화를 위해 선행되어야 할 것은 스택의 안정적 출력 및 신뢰성 확보이다. 이를 이루기 위해서는 스택을 구성하는 구성요소의 신뢰성 있는 규격 및 검수가 필요하다. 즉, 셀, 밀봉재, 분리판 및 집전체로 대변되는 구성요소들이 스택에 장착되었을 때 그 기능을 최대한 발휘하면서도 점진적 또는 급격한 품질저하가 발생되지 말아야 한다. 특히, 셀의 경우 스택의 성능에 직접적인 영향을 미치는 구성요소로서 품질에 대한 명확한 검수기준이 필요하다. SOFC용 셀은 다공성 anode, 치밀한 전해질, 그리고 다공성 cathode로 구성된 세라믹 소결체이다. 이 때 치밀한 전해질에 결함이 내재되어 있거나 물리적 힘에 의해 신규로 발생할 경우, 연료로 사용되는 수소와 공기가 만나는 cross-over가 발생하게 된다. Cross-over는 연료가 소모되는 문제도 있지만 발열로 인한 Hot spot을 형성시켜서 주변과의 온도구배를 유발하고, 이로 인해 고체 전해질의 균열전파를 일으킬 수 있고 나아가 급격한 셀의 파괴를 야기할 수 있다. 본 연구에서는 SOFC에 사용되는 셀의 형상측정, 물리적 강도 및 결함 검출을 위한 검수기법을 개발하여 스택의 신뢰성 향상과 향후 규격표준화를 위한 기반을 제공하고자, 평판형 셀의 3차원 형상을 정밀하게 측정하는 장치와 일정 면압을 인가하여 특정 형상을 갖고 있는 셀의 물리적 파괴여부를 판단할 수 있는 장치, 그리고 셀의 전해질에 내재된 결함을 검출할 수 있는 장치를 제작하였다. 본 장치들은 $1,000cm^2$급 평판형 셀까지 검수할 수 있도록 고안하여 양산시스템에 접목시킬 수 있도록 고안된 것이다. 본 장치들을 이용한 검수결과, 현재 $700cm^2$급 평판형 셀의 경우 최대 camber가 4mm 이하, 전해질의 He leak rate는 $5{\times}10^{-5}mbar.l/s.cm^2$ 이하라는 검수규격을 본 연구소에서 운전하는 스택에 1차적으로 적용하였으며 현재 검수규격의 신뢰성 및 강화를 위한 연구를 수행 중에 있다.

• 비파괴검사학회지
• /
• 제24권5호
• /
• pp.465-475
• /
• 2004

본 논문은 두 편으로 구성된 스마트 능동 레이어(smart active layer, SAL) 센서 개발에 관한 첫 번째 논문으로, 구조 내에 발생하는 균열 및 손상에 의한 탄성파 검출을 위한 SAL 센서의 이론 및 개념을 연구하였다. 본 SAL 센서의 개발을 위해, 첫째, 탄성파의 기본 이론을 고찰하였고, 둘째, 이론적 토대 위에 단일 압전 disc의 유한요소해석법(finite element analysis, FEA)을 이용하여 탄성파 검출 센서로서의 가능성을 검증하였고, 셋째, 몇 종류의 압전 disc 센서와 상용 음향방출(acoustic emission, AE) 센서를 연필심 파괴시험을 통해 상호 성능을 비교하여 실험적으로 그 가능성을 확인하였다. 또한 수 개의 센서를 일정한 거리로 분포시켜서 구조물 결함의 효과적 검출 및 위치 표정이 가능한 스마트능동레이어 센서의 개념연구를 수행하였다.

• 비파괴검사학회지
• /
• 제33권2호
• /
• pp.198-204
• /
• 2013

리튬이온전지의 충/방전 열화 과정에서 발생하는 음향방출 신호를 검출하여 누적카운트, 방전용량, 미세손상 사이의 상관관계를 확인하였다. 상용 리튬이온전지를 사용하여 가속 충/방전 싸이클 실험을 하면서 음향방출 신호를 수집하였다. 다수의 음향방출 신호가 전지의 충전 및 방전 과정에서 각각 검출되었다. 충/방전 열화 싸이클이 증가함에 따라 전지 용량은 감소하였고 음향방출 신호의 누적카운트는 증가하는 경향을 보였다. 충/방전 후 전지를 분해하여 내부 전극 손상을 관찰한 결과 전극 계면 박리 및 미소균열이 다수 확인되었으며, 이러한 기계적 손상이 음향방출원인 것으로 판단된다. 전지 방전용량과 음향방출 누적카운트 사이에는 선형의 상관관계가 있었으며, 이로부터 음향방출법을 이용한 리튬이온전지 열화 평가 가능성을 제안하였다.

• 비파괴검사학회지
• /
• 제22권1호
• /
• pp.32-37
• /
• 2002

산업현장에서 수소는 설비를 손상시킬 수 있는 주원인 중의 하나이며, 종종 설비를 파괴시키는 사고를 발생시킨다. 수소손상에 의한 결정립계의 공동 또는 미세균열은 강재의 파괴인성과 강도를 떨어뜨리는 원인이 되고, 따라서 과거 제한적인 방법으로 수소손상을 평가하기 위한 시도가 수행되었다. 본 연구에서는 초음파를 적용하여 수소손상을 검출하고 평가하기 위한 연구를 수행하였다. 미세조직 시험에 의해 확인된 시험편을 이용하여 초음파의 속도와 감쇠계수를 구한 결과, 수소손상에 의해서 초음파 속도는 감소하고 감쇠는 현저하게 증가하는 것으로 나타났다. 이러한 결과를 바탕으로 수소손상을 검출하기 위한 신뢰성 있는 평가법을 제시하였다.

• 대한조선학회논문집
• /
• 제36권4호
• /
• pp.137-146
• /
• 1999

선체구조는 많은 수의 구조부재로 이루어져 있으며, 구조물의 안정성을 확보하기 위해 모든 부위의 검사를 위해서는 경제적, 사회적인 많은 비용이 필요하므로, 검사시기 및 검사방법의 최적화는 선체구조의 안정성확보 및 경제적 관점에서 매우 중요한 부분이 되고 있다. 선체구조 손상중 많은 부분이 균열이며 이러한 미세한 균열이 성장하여 대규모 파괴로 진전되기 전에 검사를 통하여 균열을 검출하고 수리하는 과정을 Markov 연쇄모델에 의해 이상화 시켰으며, 검사 계획안의 최적화는 유전적 알고리즘을 통하여 구현하였다. 특히 선박은 부식환경하에서 운항하므로 부식에 의한 선체구조부재의 치수가 감소하기 때문에 응력이 변하고 균열진전의 확률적인 특성 또한 변한다. 정상 Markov 연쇄모델로서는 이러한 부식에 의한 영향을 고려할수 없기 때문에 비정상 Markov 연쇄모델에 의해 부식의 영향을 고려하였다. 여러개의 부재군에 대한 검사 계획안의 최적화에 대하여 수치계산을 실시하여 그 특성을 비교하였고, 부식영향하의 부재군에 대하여 검사기간중에 발생되는 고정비용의 정도에 따른 경제성 분석 및 목표 파괴확률의 정도에 따른 검사계획의 차이를 살펴보았다. 수치계산 예를 통하여 전체비용을 줄이기 위해서는 피로수명이 짧은 부재군에 대한 피로수명을 향상시키는 방안이 가장 효율적임을 알 수 있다.

• 콘크리트학회논문집
• /
• 제20권4호
• /
• pp.513-522
• /
• 2008

섬유복합재료의 우수한 인장 성능은 섬유가 매트릭스의 균열 면에서 가교작용을 함으로써 발현되기 때문에 섬유의 분포 특성이 복합재료의 성능에 결정적인 영향을 미치게 된다. 그러나 PVA 섬유를 보강 섬유로 사용하는 섬유복합재료의 경우 PVA 섬유와 매트릭스 사이의 낮은 명암비와 PVA의 비전도성 특징으로 인하여 섬유의 위치 및 분포특성을 정량적으로 평가히는 방법은 연구가 미흡한 실정이다. 이 연구에서는 PVA 섬유를 보강 섬유로 사용하는 섬유복합재료의 섬유 분포 특성 등을 평가할 때 가장 중요한 과정인 섬유의 검출에 대하여 검출 성능을 향상 시킬 수 있는 알고리즘을 제시하였다. 제안한 알고리즘은 형광 현미경을 사용하여 얻은 섬유 이미지를 유형별로 분류하고, 분류된 분류된 섬유 이미지의 특성에 따라 분수령 알고리즘 (watershed algorithm)과 형태학적 재구성 (morphological reconstruction)을 이용하여 보다 정확히 섬유를 검출하는 과정으로 구성된다. 이 과정에서 섬유 이미지를 총 5가지 유형으로 분류하였으며, 인공신경회로망(ANN)을 분류기로 활용하기 위하여 형상 특성을 나타내는 5가지 특징값 즉, $F_s$, $F_c$, $F_p$, $F_l$과 $F_{rl}$을 추출하였다. 추출된 특징값에 대한 데이터베이스를 구축하여 ANN을 학습하여 분류기를 구축함으로써 섬유의 유형을 자동으로 분류할 수 있도록 하였다. 또한 5가지 섬유 이미지 유형 중에서 잘못 검출된 섬유이미지를 분수령 알고리즘과 형태학적 재구성을 통하여 섬유를 정확히 검출할 수 있는 기법을 제안하였다.