배관 상태 진단을 위한 음향방출 신호처리 기술 연구

Abstract

이 논문에서는 음향방출기술(Acoustic emission techinque)을 이용하여 파이프라인 누출 탐지를 위한 연구를 수행한다. 음향방출 센서로부터 계측되는 원본 데이터에 노이즈 제거, 특징 추출 등 신호처리를 통해 직접 가공하고 추출된 특징을 기계학습의 입력데이터로 사용하여 파이프라인의 누출 상태를 학습시켜 상태를 자동으로 진단한다. 먼저 추출된 특징 세트로부터 기계학습에 영향을 미칠 수 있는 특징들을 평가하여 선택하는 특징 선택 알고리즘을 제안한다. 제안하는 알고리즘인 EDET(enhanced distance evaluation techinique)는 기존 DET 알고리즘의 일부 문제점을 개선한 알고리즘으로 파이프의 각 상태를 가장 잘 표현할 수 있는 특징 민감도를 계산함으로써 성능을 증가시킬 수 있었다. 음향방출 센서를 통해 계측되는 시간영역 데이터의 경우 센서의 부착 위치, 상태 등에 따라 신호 에너지가 변하는 문제점이 있다. 해당 문제점은 데이터 기반 패턴인식 알고리즘에 있어 영향력이 큰 문제점으로 작용하여 분류 성능을 심각하게 낮출 수 있다. 따라서 누출 현상으로 인한 음향방출 신호와 주파수 초상화(spectral portrit)기반의 미세 핀홀 검출 알고리즘을 제안했다. 제안하는 알고리즘은 특정 현상으로 발생한 신호는 양쪽 센서에서 크게 변하지 않는다는 전제를 사용했으며 이를 위해 주파수 초상화를 특성화하는 벡터 함수를 개발했다. 모의 실험 결과 기존 검출 알고리즘의 경우 압력, 핀홀의 크기 혹은 센서가 부착된 위치가 다름에 따라 분류 성능이 낮아진 반면 제안하는 알고리즘은 압력이 변하거나 누출의 정도(핀홀의 크기)가 변해도 높은 분류 성능 나타냄을 확인했다. 선행 연구에서 사용하는 많은 알고리즘들이 개별 센서의 데이터만을 이용하여 패턴 분석의 학습을 위해 사용하지만 같은 방법을 적용했을 때 일부 데이터에서 분류 성능이 떨어지는 문제를 확인하였다. 이는 유체의 누출지점으로부터 센서가 멀리 설치되어 있는 경우 파이프의 표면에 흐르는 음향방출 신호에 감쇠가 발생하고 감쇠로 인해 미약해진 신호를 특징 데이터로 사용하기 때문에 분류 성능이 떨어지게 된다. 이를 해결하기 위해 파이프의 양쪽 끝에 부착되어 있는 두 센서로부터 취득된 신호를 모두 고려할 수 있는 새로운 전처리 함수 g(r)을 제안했다. 제안하는 전처리 함수는 음향방출 신호를 직접 사용할 때보다 더 높은 분류 성능을 보였으며 추가로 배경 노이즈를 추가했을 때도 기존 알고리즘보다 더욱 견고한 성능을 확인했다.