탄소-케블라 하이브리드 직물의 충격손상 감지기술

Abstract

탄소섬유의 전도성은 구조건전성 평가가 필요한 복합재료뿐만 아니라 손상 감지를 위한 특수의복 등 다양한 분야에서 활용되고 있다. 본 연구에서는 탄소-케블라 하이브리드 직물의 손상에 의해 유발되는 전압강하 특성을 통해 손상 위치와 손상길이의 관계를 도출하였으며 결정트리 기반의 랜덤포레스트 알고리즘에 적용하여 손상을 유발한 충격체의 형상을 예측할 수 있는 기법을 제시하였다. 이를 위해 탄소-케블라 하이브리드 직물 시험편을 대상으로 충격체 종류, 충격체 입사각도 그리고 충격에너지를 달리하여 수행한 낙하충격시험을 통해 섬유 손상에 의한 전압강하 정보를 추출하고 이를 랜덤포레스트 모델에 학습시킴으로써 초기 충격체 형상을 예측할 수 있었다. 예측기법의 유효성 검증을 위해 미상의 데이터셋에 대한 예측을 실시하여 충격체의 종류를 판단하였고 더불어 샘플링 비추출 데이터의 오차추정치 활용한 표본 내 성능 검증을 실시하였다.; Conductivity of carbon fibers can be utilized in a variety of applications such as special suits for damage detection as well as composites requiring structural health monitoring. In this study, a methodology capable of predicting damage range and impactor shapes was proposed by applying the voltage drop information induced by damage of carbon-Kevlar hybrid fabrics to a decision tree based random forest algorithm. For this purpose, the voltage drop information due to fiber damage is extracted from the drop impact test performed on the carbon - Kevlar hybrid fabric test specimens with different impact type, impact angle, and impact energy, so that the shape of the impact body can be predicted. In order to verify the validity of the technique, the unknown data set was predicted and the type of threat was predicted accurately and the OOB error estimate was used. In addition, the shape of the impact body was predicted from the voltage drop data by the unknown impactors which are not included in the training process of the random forest.