| 초록 |
연구개발 목표 및 내용 최종 목표 기존 실험 데이터에 딥 러닝 학습을 적용하여, 인공지능은 해당 신호들을 어떻게 인식하고 구분하는지 조사하고, 이를 바탕으로 비선형 초음파 기법의 원리를 탐구 및 고도화시키고자 한다. 전체 내용 비손상 상태와 손상 상태의 시편이 신호적으로 명확한 차이를 보이는 경우에는 손상 여부 판별이 쉽지만, 비손상 상태의 시편 역시 재료의 비선형성을 갖기 때문에 일부 비선형 성분이 검출되기도 한다. 따라서 본 연구진은 비선형 초음파 기법의 신뢰성을 향상시키기 위해 다양한 주파수로 실험을 반복하고, 시험 결과를 복합적으로 평가하여 시편의 손상 여부를 판별하는 알고리즘을 제안하였다 [3]. 해당 알고리즘은 반복된 실험결과를 관찰한 사람의 인지 과정을 모사하여 개발하였으며, 초기 상태의 신호 없이 검사 가능한 장점이 있다. 인지적 검사방법의 한계를 넘어서기 위해 딥 러닝을 적용하여 비선형 초음파 기법을 향상시킨다. 본 연구는 크게 비선형 초음파 기법의 실험적/수치적 연구와, 딥 러닝을 이용한 신호 처리 및 분석으로 진행된다. 기 수행한 실험에서 얻은 데이터를 딥 러닝에 적합하도록 가공하고, 추가실험과 수치해석을 이용하여 데이터 수를 늘린다. 해당 데이터 분석을 위한 신호망 네트워크를 구축하여 학습시키고, 실제 균열에 대해 시험을 수행하여 성능을 검증한다. 연구개발성과 딥 러닝 기법을 활용하여 구조물을 통과한 파의 비선형성을 판별하는 프로그램 및 알고리즘을 개발하였으며, 이를 활용하여 SCI(E) 논문 작성 중. 연구개발성과 활용계획 및 기대 효과 피로균열로 인한 피해를 미리 예측하고 대응하기 위해서는 균열 모니터링 기술 개발이 지속적으로 요구되고 있다. 국내외적으로 안전성 모니터링이 필요한 구조물과 기계의 수를 고려할 때, 정확하고 효율적인 균열 모니터링 기술 개발이 필수적이다. 기존에 개발한 비선형 초음파 방법에 딥 러닝을 적용하여 기존의 인지적 방법에 비해 정확성과 효율성을 개선할 수 있다. 또한 시간이 지날수록 데이터의 숫자가 증가하기 때문에 점점 더 정확성이 향상될 것으로 기대된다. (출처 : 요약문 2p) |
