머신러닝을 이용한 필름형 압전센서의 결함 감지에 관한 연구

Abstract

모니터링 장비에 외부로부터 임의의 충격이 발생할 경우 모니터링 장비 내부에 장착되어 있는 센서에 결함이 발생할 수 있다. 이러한 결함은 대체로 센서의 물리적 결함과 밀접한 연관을 가지고 있으며, 결함이 존재하는 센서가 출력하는 신호로부터 잘못된 모니터링 결과를 초래할 수 있기 때문에 이를 방지하기 위해 센서 출력신호로부터 센서의 결함을 감지할 수 있는 기술이 필수적이다. 본 연구에서 제안한 머신러닝 기반의 필름형 압전센서의 결함 감지 기법을 제안하였다. 이를 위해 첫째, 다양한 결함조건을 설정한 후, 임팩트해머를 이용한 충격시험 수행을 통해 결함 유형별 센서 출력 신호를 수집하였다. 둘째, 수집한 신호들로부터 시간영역 특징들을 추출하고 추출된 특징들을 mRMR 기법을 이용하여 센서 결함 유형 분류에 기여하지 않는 특징들을 배제하고 나머지 특징들로 데이터 집합을 구축하였다. 셋째, 구축한 데이터 집합을 머신러닝 기반 분류 알고리즘에 적용하여 분류 알고리즘별 정확도 비교를 통해 센서 결함 감지에 적합한 알고리즘을 선정하였다. 넷째, 센서 결함 감지에 가장 높은 정확도를 보였던 SVM의 추가 성능 향상을 위해 커널 함수 적용한 후, 이를 바탕으로 센서의 결함 유무 및 결함 유형을 최종 예측하였다. 예측기법의 타당성 검증은 ROC 커브를 도출하여 진행하였다. 본 연구에서 제시한 방법론은 구조 건전성 모니터링 시스템과 같이 실시간 모니터링 장비 및 센서의 신뢰성 확보하기 위한 기반기술로 활용될 수 있을 것으로 판단된다.