합성곱 신경망 기반 복합재료의 손상 위치 탐지 방법

Abstract

본 연구는 복합재료에서의 손상 위치 탐지를 위해 합성곱 신경망(Convolution Neural Network, CNN)을 기반으로 복합재료의 손상위치를 탐지하는 방법을 제시하였다. 기존의 손상 위치 탐지 방법에 관한 연구는 금속, 세라믹 등의 등방성 재료들을 대상으로 진행되어왔다. 이러한 방법들은 손상에 의한 탄성파의 속도가 일정하다는 점을 이용하여 수치해석적으로 손상 위치를 계산하였으나 섬유 배향, 적층 구조에 따라 탄성파의 속도가 불규칙하게 변하는 섬유강화재(Fiber Reinforced Plastic, FRP)와 같은 이방성 재료에는 적용되기 어렵다. 본 연구에서는 복합재료의 손상위치를 탐지하기 위하여 직조형 탄소섬유강화재(Carbon Fiber Reinforced Plastic, CFRP)를 대상으로 300mm * 300mm * 3mm 크기의 판형 시편을 제작하였다. 시편의 각 모서리에 PvDF 센서를 부착한 후 손상에 의한 탄성파 모사를 위해 연필심 파단 실험(Pencil Lead Breakage, PLB)을 수행하였다. 각 센서로부터 획득한 신호를 하이패스 필터링(High-pass Filtering)과 디노이징(Denoising)의 전처리 과정을 통해 탄성파를 추출하였으며 연속 웨이블릿 변환(Continuous Wavelet Transform, CWT)을 적용하여 스케일로그램(Scalogram)을 추출하였다. 이렇게 추출된 스케일로그램(Scalogram)과 손상위치를 각각 입력 데이터와 출력데이터로 하는 학습 데이터를 구성하였으며, 이를 합성곱 신경망(CNN) 알고리즘에 적용하여 학습시켰다. 본 연구에서 제시하는 방법론의 검증을 위하여 학습 데이터 이외에 손상 위치가 서로 다른 3개의 검증 데이터를 사용하여 손상위치를 탐지하였으며, 각각 4.48mm, 3.65mm, 8.57mm의 오차로 시편 크기 기준으로 최대 3% 이내의 차이를 보이며 비교적 정확한 위치를 탐색할 수 있음을 확인하였다. 결론적으로 본 연구에서 제시한 합성곱 신경망(CNN) 기반 복합재료 구조물의 손상 위치 탐지 방법론은 복합재료의 손상 위치 탐지 뿐만 아니라 복잡한 구조물에 대해서도 사용 가능함에 따라 복합재료 구조물의 신뢰성 확보를 위한 구조물의 손상 모니터링에 사용될 수 있을 것으로 사료된다.