상세 보기
초록
본 논문에서는 관형 철탑의 용접부 결함을 상시적으로 감시하기 위하여 초음파 탐상 신호에 대한 기계학습 알고리즘의 적용 방법을 제시하고 분석하였다. 기계학습 방법으로는 유전자 알고리즘에 의한 특징 선택과 서포트 벡터 머신을 이용한 탐상 신호 분류 방법을 사용하였다. 특징 선택에서는 30개의 후보 특징들 가운데 피크, 히스토그램 하한 경계, 정규 음로그우도가 선택되었으며, 이들은 결함의 깊이에 따른 신호의 차이를 명확하게 나타내었다. 또한, 선택된 특징들을 서포트 벡터 머신에 적용한 결과 정상 부위와 결함 부위를 완벽하게 분류할 수 있는 것으로 나타났다. 따라서 본 연구의 결과는 향후 초음파 신호 기반 결함 성장 조기 감지시스템의 개발과 이를 통한 에너지 송전 관련 산업에 유용하게 사용될 수 있을 것으로 기대된다.
키워드
Tubular steel tower; Fault diagnosis; Ultrasonic; Machine learning; Feature analysis; 관형 철탑; 결함 진단; 초음파; 기계학습; 특징 분석
- 제목
- 관형 철탑 용접 결함 진단을 위한 초음파 신호의 특징 분석
- 제목 (타언어)
- Feature Analysis of Ultrasonic Signals for Diagnosis of Welding Faults in Tubular Steel Tower
- 저자
- 민태홍; 유현탁; 김형진; 최병근; 김현식; 이기승; 강석근
- 발행일
- 2021
- 저널명
- 한국정보통신학회논문지
- 권
- 25
- 호
- 4
- 페이지
- 515 ~ 522