데이터 증강 및 파라미터 최소화를 통한 배관누수 위치추정 시스템

Abstract

음향방출(Acoustic Emission, AE) 검사는 배관, 다리, 항공기, 선박 등 중요한 구조물의 안전성과 지속 가능성을 평가하는데 널리 사용되는 기술이다. 전통적인 AE 검사 방법은 구조물의 무결성을 평가하는 데 필수적이지만, 환경적 요인으로 성능이 제한되고 사용자의 경험에 따라 결과가 달라질 수 있기 때문에 조정이 필요하다는 단점을 가지고 있다. 이러한 문제를 해결하기 위해, 본 연구에서는 시아미즈 신경망을 활용한 배관 누수 위치 추정 시스템을 제안한다. 본 연구의 목표는 두 가지 주요 요소에 초점을 맞춘다. 첫째, 신호 처리와 머신러닝 기법을 활용하여 AE 센서 데이터 내에서 전문가의 개입없이 임펄스 신호를 탐지해낸다. 둘째, 탐지된 신호를 다양한 데이터 증강 기법으로 샘플을 확장한 후, 시아미즈 신경망을 통해 신호 간의 시간 차이를 학습시킨다. 이 과정을 통해, 전통적인 시간지연 추정 방법보다 더욱 정밀하고 신뢰성 높은 검사 성능을 제공하려 한다. 개발된 모델은 실제 배관 검사에 적용되어 그 효율성과 유효성을 검증하였다. 특히, 노이즈가 많은 환경에서도 높은 안정성과 정확성을 보여주며, 다양한 환경에서 임펄스 신호를 검출할 수 있음을 입증했다. 이러한 결과는 AE 검사의 매개변수 조정 필요성을 줄이고, 자동화 및 실시간 모니터링을 가능하게 함으로써 유지보수 비용과 시간을 크게 절감할 수 있다. 결론적으로, 본 연구는 자기지도 기반 시아미즈 신경망 모델을 통해 기존 누수 위치 추정 검사 방법의 한계를 극복하고, 구조물의 안전성 평가를 더 정밀하게 수행할 수 있도록 한다. 이는 AE 검사 기술의 발전을 촉진하고, 다양한 산업 분야에 확장 가능한 새로운 가능성을 제공할 것이다. 이러한 진보는 향후 구조물의 안전 및 지속 가능성 평가에서 중요한 역할을 할 것으로 기대된다.