Vibration based damage detection method with various boundary conditions using deep learning: a comparative study of experiments and FEA

Abstract

It is very important to detect defects in the organization in the early stages, and maintenance methods are essential for effective mechanical management. Therefore, the development of a smart damage detection system considering the characteristics, shape, direction of force and boundary conditions of materials in this study is presented. Perform vibration experiments to obtain transverse vibration data in low-frequency areas. The experiment was conducted on a composite model consisting of plastic cylinders and silicon. cylindrical structures are widely used in various fields. In later studies, FEA (Finite element analysis) was performed using ANSYS. It is important to verify the similarity to the experiment at this time. The result data derived from the verified simulation are compared with the experimental data. Each result data is learned by CNN (Convolution neural network) algorithm through image processing. Validated simulation data are designated in the learning set to determine whether the experimental data is damaged. Other methods include comparing the damage between experiments and the damage between simulations. Damage can be determined by MAC value. A value between 0 and 1 is expressed as a value, but the closer it is to 1, the more undamaged it is, and if it is present in the remaining value, the damage is present. In this study, it is judged that it is more effective to distinguish whether there is damage or not through the CNN algorithm. Further research is needed because there is a limitation in that damage under different boundary conditions for one model cannot be determined.|초기에 기구의 결함을 발견하는 것은 매우 중요하며 효율 적으로 기구를 관리 하기 위해서 유지 관리 방법은 필수적이다필수적이다. 따라서 본 연구는 재료의 특성특성, 모 양양, 힘의 방향 그리고 경계 조건을 고려한 스마트 손상 감지 시스템의 개발을 제시한다제시한다. 저주파 영역에서 횡진동 데이터를 얻기 위해 진동 실험을 실시한다실시한다. 플라스틱 파이프와 실리콘으로 구성된 복합적인 모델로 실험이 수행된다수행된다. 파 이프 형태의 기구는 다양한 분야에서 널리 쓰인다쓰인다. 이후 수행된 해석 연구에 서는 ANSYS를 이용하여 유한 요소 분석분석(FEA)을 통해 모델은 해석한다해석한다. 이때 실제 실험과의 유사성을 검증하는 것이 중요하다중요하다. 검증된 시뮬레이션을 통해 도출된 결과 데이터는 실험 데이터와 비교된다비교된다. 각 결과 데이터는 이미지화 작업을 거쳐 CNN 알고리즘을 통해 학습된다학습된다. 검증된 시뮬레이션 데이터는 학 습 셋으로 지정되며 실험 데이터의 손상 유무를 판별한다판별한다. 또 다른 방법으로 는 실험끼리 손상의 유무를 비교하거나 시뮬레이션끼리 손상의 유무를 비교하 는 것이다것이다. MAC값을 통해서 손상의 유무를 판단할 수 있다있다. 0부터 1구간 사이 에 값으로 나타나는데 1에 가까울수록 손상이 없는 것이고 나머지 값에 존재 하는 경우는 손상이 있는 것이다것이다. 본 연구에서는 CNN 알고리즘을 통해 손상 의 유무를 판별하는 것이 더 효과적이라고 판단한다판단한다. 한 모델에 대해 각기 다 른 경계조건에서의 손상은 판별하지 못한 한계점이 존재하기 때문에 추가적인 연구가 필요하다필요하다.