Acknowledgement
이 논문은 2023년도 정부(교육부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업이며 (No.2022R1A6A1A03052954), 2023년도 정부(과학기술정보통신부)의 재원으로 정보통신산업진흥원(S0443-23-1005, AI 기반 균열 진단 SW 개발을 통한 노후건축물 안전진단 서비스 사업화)의 지원을 받아 수행된 연구임.
Proceedings of the Korean Society of Computer Information Conference (한국컴퓨터정보학회:학술대회논문집)
- 2023.07a
- /
- Pages.7-10
- /
- 2023
Deep Learning CFRP Failure Classification based on Acoustic Emission Testing for Safety Inspection during TypeIII Hydrogen Vessel Operation
TypeIII 수소저장용기 가동 중 안전 검사를 위한 음향방출시험 기반 딥러닝 CFRP 소재 결함 분류
- Da-Hyun Kim (POSTECH Institute of Artificial Intelligence, Pohang University of Science and Technology) ;
- Byeong-Il Hwang (POSTECH Institute of Artificial Intelligence, Pohang University of Science and Technology) ;
- Gyeong-Yeong Kim (POSTECH Institute of Artificial Intelligence, Pohang University of Science and Technology) ;
- Dong-Ju Kim (POSTECH Institute of Artificial Intelligence, Pohang University of Science and Technology)
- Published : 2023.07.12
Abstract
최근 기후 변화가 심각해짐에 따라 수소 에너지에 대한 관심이 집중되고 있으며 이를 안전하게 운송/보관할 수 있는 용기에 대한 연구도 활발히 진행되고 있다. 특히 고압 가스를 저장하는 TypeIII 용기의 노후화 및 안전과 관련되어 결함을 인지하는 연구가 활발하다. 그러나 이 용기의 외각층을 이루는 CFRP 소재는 탄소 섬유와 에폭시가 복잡한 구조로 구성되어 결함별 탐지가 매우 어렵다. 본 논문에서는 음향방출시험과 딥러닝을 활용하여 CFRP 결함 데이터셋을 구축하고 이를 분류할 수 있는 모델을 제안한다. 특히 CFRP 시편을 직접 제작하여 AE 센서를 부착하고 파괴하여 파형 데이터를 수집하였다. 이후 표현 학습을 통해 데이터의 특징을 압축/추출하고 유사도를 비교해 결함별 데이터를 판별하는 알고리즘을 개발하였다. 구축된 데이터셋의 실루엣 계수는 0.86으로 높은 군집도를 보였다. 마지막으로 구축된 데이터셋을 실시간으로 분류할 수 있는 1D-CNN 딥러닝 모델을 개발하였으며 99.33%의 높은 분류 정확도를 보였다.