• 제목/요약/키워드: 손상위치 탐지

검색결과 60건 처리시간 0.023초

신경망회로를 이용할 평판의 충격위치 탐지 (Estimation of Impulse Position on the Plate Using Artificial Neural Network)

  • 이상권;이주영;박진호
    • 한국음향학회:학술대회논문집
    • /
    • 한국음향학회 2004년도 춘계학술발표대회 논문집 제23권 1호
    • /
    • pp.333-336
    • /
    • 2004
  • 원자력 구조물, 항공기 구조물 등의 손상은 각 구조물의 손상에 의해서 발생하는 충격파의 탑지로서 손상의 위치를 탐지 할 수가 있다. 이러한 손상의 위치를 탐지하기 위한 역변환 문제는 오랜 기간 동안 중요한 연구의 과제가 되고 있다. 본 연구에서는 신경망 회로 기술을 이용하여 이러한 충격파를 탐지하고자 하며, 이 기술의 검증을 위해서 평판에서 실험을 실행하여 검증 하였다.

  • PDF

L-형상 압전체 센서 배열을 이용한 충격 및 손상 탐지 기법 개발 (Impact and Damage Detection Method Utilizing L-Shaped Piezoelectric Sensor Array)

  • 정휘권;이명준;박규해
    • 비파괴검사학회지
    • /
    • 제34권5호
    • /
    • pp.369-376
    • /
    • 2014
  • 항공기 구조물 표면에 발생하는 외부 충격은 크랙과 같은 손상을 발생시킬 수 있으며 이는 차후 큰 결함을 야기하기 때문에 충격과 손상을 탐지하고 위치를 추정하는 것은 구조 안정성 모니터링에 있어 중요한 부분이다. 본 연구에서는 능동, 수동 센싱기법을 조합한 L-형상 압전체 센서 배열을 사용하여 충격과 손상을 탐지할 수 있는 기법을 개발하였다. 수동 센싱기법으로 1개 센서군 당 3개의 센서를 L-형상으로 배치하여 충격 발생 각도를 추정하고 2개의 센서군을 사용하여 충격위치를 탐지하는 방법을 도입하였다. 이 수동 센싱기법을 유도초음파 기반의 능동 센싱기법에 확대 적용하여 동일한 압전소자로 충격 탐지와 더불어 손상을 탐지할 수 있는 방법을 개발하였다. 이 기법은 방향에 따른 파동의 속도 변화와 같은 구조물에 대한 정보 없이도 위치 추정이 가능하여 비등방성 구조 내에서도 정확한 충격 및 손상 위치 정보를 얻을 수 있다. 개발된 기법을 날개 형태 구조물 및 CFRP 판에 적용하여 실험적으로 정확한 충격 및 손상 위치를 추정할 수 있음을 증명하였다.

구조물의 손상탐지를 위한 역섭동법과 센서위치의 선정 (Inverse Perturbation Method and Sensor Location for Structural Damage Detection)

  • 박윤철;최영재;조진연;김기욱
    • 한국항공우주학회지
    • /
    • 제31권3호
    • /
    • pp.31-38
    • /
    • 2003
  • 본 연구는 최적설계에 사용되는 역섭동법을 구조물의 손상탐지에 적용하였다. 이 방법은 손상의 위치를 정확하게 탐지하기 위하여 미지수보다 많은 수의 구속조건이 필요하므로, 최적설계와는 달리 비선형 회소자승법을 수치기법에 사용한다. 한편 손상탐지의 경우, 모든 자유도의 응답이 측정가능한 것은 아니며 제한된 수의 센서에서 부분적인 진동모드만 측정할 수 있다. 이처럼 부분적인 정보를 사용하여, 손상진단을 성공적으로 수행하기 위해서는 사용될 센서의 수와 위치를 결정하는 연구가 매우 중요한다. 본 논문에서는 센서의 개수가 결정되었을 때, 손상탐지에 적합한 센서 위치의 선정방법에 관하여 연구하였다. 이러한 연구의 결과로 순차적 소거법이 역섭동법을 이용한 손상탐지에 가장 적합한 센서위치의 선정방법임을 수치 예에서 확인하였다.

유전 알고리즘을 이용한 트러스 구조물 손상탐지 (Damage Detection of Truss Structures Using Genetic Algorithm)

  • 김형민;이재홍
    • 한국강구조학회 논문집
    • /
    • 제24권5호
    • /
    • pp.549-558
    • /
    • 2012
  • 본 연구에서는 유전 알고리즘(GA, Genetic Algorithm)을 이용하여 트러스 구조물에서 부재의 특성변화에 의한 손상탐지를 확인하였다. 구조물의 손상 탐지를 위하여 트러스 구조물을 모델링하여 특정 부재의 탄성계수를 감소시킴으로써 구조물의 손상을 결정하였다. 트러스 구조물의 해석은 특정 하중이 가하여졌을 경우의 정적 해석을 통하여 수행하였으며, 구조물의 손상 위치와 정도는 손상을 입기전의 구조물과 손상을 입은 구조물의 각 부재 변형률의 차이를 마이크로 유전 알고리즘을 통하여 비교 분석하여 탐지하였다. 본 연구에서는 트러스 구조물의 수치 해석 예제를 모델링하여 마이크로 유전 알고리즘을 이용하여 손상 탐지를 수행하였으며, 이를 통하여 구조물의 손상 위치와 정도가 탐지되는 것을 확인하였다.

강박스 거더교에서 정적 거동에 의한 손상 탐지 (Damage Detection in Steel Box Girder Bridge using Static Responses)

  • 손병직;허용학;박휘립;김동진
    • 대한토목학회논문집
    • /
    • 제26권4A호
    • /
    • pp.693-700
    • /
    • 2006
  • 정적 손상 탐지방법은 동적 방법과 비교해서 실제 적용하기에 단순하고 효과적이다. 본 논문에서는 정적데이타를 이용하는 방법으로 변위, 처짐각, 곡률을 이용한 강박스 교량의 손상 탐지 방법에 대해서 연구하였다. 변위는 유한요소 해석에서 얻고, 처짐각과 곡률은 변위로부터 중앙차분법을 이용하여 구하였다. 손상되지 않은 경우와 손상된 경우의 응답차의 절대값으로 손상의 위치를 탐지하였다. 손상은 박스의 모서리 균열을 singular 요소를 사용하여 직접 모델링하여, 실질적인 거동을 분석하였다. 해석 결과 응답차의 절대값으로 손상의 위치를 탐지하기에 매우 효과적이었다.

수중 강판에 존재하는 결함탐지를 위한 탄성파 유한요소 시뮬레이션 (Finite Element Simulation of Elastic Waves for Detecting Damages in Underwater Steel Plates)

  • 우진호;나원배
    • 한국전산구조공학회:학술대회논문집
    • /
    • 한국전산구조공학회 2011년도 정기 학술대회
    • /
    • pp.623-626
    • /
    • 2011
  • 본 연구는 수중 강판에 존재하는 결함탐지를 위한 탄성파 유한요소 시뮬레이션이다. 일반적으로 수중 강판은 외부의 물로 인하여 결함의 탐지가 어렵다. 이러한 수중 강판의 결함탐지에는 잠수부가 수중 강판 표면에 비파괴 검사 장비를 활용하여 결함을 탐지하는 경우가 많으며 잠수부의 경험과 많은 시간이 소요되는 단점이 있다. 본 연구에서는 수중강판의 표면이 아닌 수중에서 탄성파를 발생시켰을 경우 수중 강판의 결함탐지 유한요소 시뮬레이션을 이용하여 손상의 위치와 손상의 크기에 따라 발생하는 응답을 알아보았다. 강판의 상하부에 기계적인 손상이 발생한 경우를 손상 시나리오로 가정하고 해석을 수행하였다. 손상이 없는 경우의 응답을 기준으로 강판의 상부와 하부에 기계적인 손상이 있는 경우에 발생하는 응답을 비교하였다. 동적유한요소 프로그램인 ANSYS/LS-DYNA를 사용하여 결함탐지 해석을 수행하였다. 결과적으로 손상의 종류에 따라 응답신호의 진폭 감소가 나타났으며 손상의 크기가 커질수록 진폭 감소가 커지는 결과를 나타내었다.

  • PDF

인공신경망을 이용한 RC Mock-up 구조물의 단계별 손상탐지 (Staged Damage Detection of a RC Mock-up Structure by Artificial Neural Network)

  • 권흥주;김지영;유은종
    • 한국전산구조공학회:학술대회논문집
    • /
    • 한국전산구조공학회 2011년도 정기 학술대회
    • /
    • pp.676-679
    • /
    • 2011
  • 인공신경망(Artificial Neural Network)을 이용하여 RC Mock-up 구조물의 손상위치 및 손상정도를 단계적으로 추정하였다. 대상 구조물은 가진실험을 통하여 구조물의 응답을 취득하고 구조물식별기법(Structural System Identification)을 통하여 구조물의 동특성을 찾았다. 유한요소해석프로그램을 사용하여 동특성이 계측치와 가장 유사한 기본해석모델을 만든 후 이 기본해석모델을 이용하여 학습데이터를 생성하였다. 기존 인공신경망을 이용한 손상탐지를 개선하고자 본 연구에서는 인공신경망 학습데이터를 분석하였고 효과적인 손상탐지를 위하여 학습데이터를 가공하였다. 가공된 학습데이터를 사용하여 단계별 손상탐지를 실시하였고 기존 손상탐지 방법보다 좋은 결과를 유도하였다.

  • PDF

복합재 패널에서 유도 탄성파를 이용한 이미지 기반 손상탐지 기법 개발 Part I. 손상위치 탐지 알고리즘 (Image Based Damage Detection Method for Composite Panel With Guided Elastic Wave Technique Part I. Damage Localization Algorithm)

  • 김창식;전용운;박정선;조진연
    • 한국항공우주학회지
    • /
    • 제49권1호
    • /
    • pp.1-12
    • /
    • 2021
  • 본 논문은 복합재 패널에서 압전 작동기를 사용하여 탄성파를 생성하고, 손상에서의 반사된 신호를 압전 감지기에서 탐지하여 손상위치를 추정할 수 있는 알고리즘을 개발하였다. 손상이 없는 신호와 손상이 있는 신호를 비교하여 손상신호를 추정하는 진단적 접근방법을 사용하였다. 신호 상관관계를 이용하여 탄성파의 군속도를 계산하고 압전기 위치정보를 이용하여 손상정보를 추출하였다. 하지만 탄성파의 비선형 특성으로 인해, 손상정보는 다양한 신호의 조합으로 구성되기 때문에, 손상위치를 명확히 구별하기 어렵다. 이에 본 논문에서는 손상에서 반사된 신호정보를 신호 도달거리의 면적으로 변환해서 손상의 중심위치를 찾는 누적함수 특성벡터 알고리즘(CSFV, cumulative summation feature vector)을 새롭게 제안하고, 특성벡터를 손상지수와의 곱으로 표현하는 가시화 기법을 적용하였다. 또한 복합재 패널에서 실험검증을 수행하고, 기존의 알고리즘과의 비교를 통해 제안된 알고리즘이 정확도 높게 손상위치를 검출할 수 있음을 보였다.

구조물 손상평가를 위한 인공신경망의 RC Mock-up 적용 평가 (Application of the Artificial Neural Network to Damage Evaluations of a RC Mock-up Structure)

  • 김지영;김주연;유은종;김대영
    • 한국전산구조공학회:학술대회논문집
    • /
    • 한국전산구조공학회 2010년도 정기 학술대회
    • /
    • pp.687-691
    • /
    • 2010
  • 구조물의 건전도를 평가하기 위해 상시 구조물 계측을 이용한 Structural Health Monitoring (SHM) 시스템을 적용하게 된다. SHM 시스템의 궁극적 목적은 계측된 데이터를 이용하여 구조물의 손상위치 및 손상정도를 분석하여 거주자에게 유지관리정보와 대처요령 신속하게 제공하는 것이다. 따라서 본 연구에서는 구조물의 손상탐지를 위해 인공신경망(Artificial Neural Network)을 도입한 알고리즘을 수립하고, 이를 3층 실대 RC Mock-up 구조물에 적용하여 성능을 평가하였다. 먼저 인공신경망의 학습을 위해 구조해석 프로그램을 이용하여 구조물의 손상에 따른 동적특성 변화 데이터베이스를 구축하였다. 그리고 학습된 인공망에 실제 구조물에서 추출한 동특성의 변화를 입력하여 손상탐지를 실시하였다. 이를 통해 인공신경망의 학습방법, 학습데이터의 정규화 방법 등을 규명하고 인공신경망을 이용한 손상탐지의 효과를 분석하였다.

  • PDF

정적 변형률 데이터 기반 머신러닝에 의한 무도상 철도 판형교의 손상 탐지 (Damage Detection of Non-Ballasted Plate-Girder Railroad Bridge through Machine Learning Based on Static Strain Data)

  • 문태욱;신수봉
    • 한국구조물진단유지관리공학회 논문집
    • /
    • 제24권6호
    • /
    • pp.206-216
    • /
    • 2020
  • 국내의 노후 철도교량이 증가함에 따라 노후화로 인한 유지관리비가 점점 증가하고 있으며, 지속적인 관리가 더욱 더 중요해지고 있다. 하지만 관리해야하는 노후 시설물은 증가하지만, 노후 시설물을 점검 및 진단을 할 수 있는 전문 인력은 부족해지고 있다. 이러한 문제를 해결하기 위해 본 연구는 정적 변형률 응답 데이터를 적용하여 AI 기술의 머신러닝 기법으로 구조물의 국부적인 손상을 탐지하는 개선된 학습모델을 제시하고자 한다. 손상탐지 머신러닝 학습 모델을 구성하기 위해 우선 무도상 철도 판형교의 설계도면을 참고하여 교량의 해석모델을 설정하였으며, 설정된 해석모델로 손상시나리오에 따른 정적변형률 데이터를 추출하여 통계적 기법을 이용해 교량의 신뢰도 기반의 Local 손상 지수를 제시하였다. 손상 탐지는 손상 유무 탐지, 크기 탐지, 위치 탐지 3단계의 과정을 수행하여 손상 크기 탐지에서 선형 회귀 모델을 추가로 고려해 임의의 손상을 탐지하였으며, 최종적으로 손상 탐지 머신러닝 분류 학습 모델과 회귀 모델을 이용한 임의의 손상 위치를 추정 및 검증하였다.