선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 음향 방출법을 적용하면 크랙감지가 가능하므로 사전 주요 설비에 대한 결함파악으로 가동율을 향상 시킬 수 있고 웨이블릿을 이용한 잡음제거를 통하여 위치표정결과를 개선하는 연구를 수행하였다. 신호의 잡음제거 개선을 위해서 웨이블릿 Shrinkage방법을 적용하였으며, 시간 도달차법과 물성치를 적용한 속도값을 이용하여 위치표정에 대한 시뮬레이션을 수행하여 돌발형 신호에 대해서는 3배의 향상된 결과를 연속형 신호에서는 평균필터에 비교하였을 경우 2%의 개선된 위치표정을 확인하였다.
제안 방법
- 수행호}였다.[4~6] 본 연구에서는 산업설비 및 구조물의 미세 변형 또는 균열 시에 발생하는 표면탄성파(elastic wave)를 통한 해당 설비에 대한 결함 정도, 결함 발생시기, 결함의 위치 등을 분석하는 방법인 음향방출(AE, Acoustic Emission) 기법을 이용하여 결함의 진전여부를 파악하고, 웨이블릿 변환 기반의 시긴-스케일 변환으로 비선형신호(nonstationary signal) 신호처리 기법[기을 적용하여 주변 잡음제거하고, 지역표정법 및 시간 도달차법을 적용하여 손상 및 결함이 예상되는 지점을 확인하였다 이를 수행하기 위하여 크랙에 대한 실험으로 500x500x5t의 알루미늄 시편에서 샤프심 파단법(Pencil Lead Break)⑻으로, 누설에 대한 실험으로 직경 160, 길이 460mm인 공기압축기로서 각각 탄성파의 측정을 통한 위치표정을 수행하였다..
- 매우 낮게 발생됨을 확인하였다. 그래서 잡음 제거를 우선 수행하고 correlatione 센서간의 음향방출파의 도달에 대한 지연시간을 측정하기위해 적용하였다.
- 02%보다 향상됨을 확인 할 수 있었는데, 평균필터의 경우 최대오차와 최소오차의 크기가 큰 편이었고, 웨이블릿을 적용 경우 그 편차가 10 이내로 작은 편이었다. 그러므로, 신호특성에 무관하게 웨이블릿을 통하여 고른 잡음 제거특성을 이용한 향상된 위치표정을 확인하였다.
- 돌발 및 연속형 음향방출 신호의 처리 및 위치표정을 위한 실험환경으로 500x500x5t의 알루미늄시편과, 지름 160, 길이 460mm 공기압축기로, 음향방출 측정 시스템인 PAC사의 광대역 센서WD와, 프리엠프인 (1222 W6), 4채널 데이터 수집 및 신호처리 장치인 pDiSP, 신호해석 전용프로그램인 AE Win 으로시험장치를 구성하였고 실제 시험환경은 다음과 같다.
- 본 연구에서는 시간차와 속도의 곱은 항상 일정한 값을 가지는 쌍곡선 상에 음향방출원이 있다는 원리를 이용하여 교차점으로 발생까지의 거리를 추정하여 위치를 표정하였다.
- 위치 표정을 위한 시간차는 상관법을 적용하여 센서간의 샘플의 딜레이를 구하고 샘플링 주기2iis(500kHz)를 곱하여 지연시간을 확인하였다. 센서 1과 2에 대한 크랙신호의 3 sample delay가 적용된 크랙의 위치 표정결과는 그림 1.
- 의미한다. 잡음이 제거된 신호의 속도를 구하기 위하여 물성치 기반의 전파 특성을 이용하여 비대칭파의 군속도를 구하였다. 군속도를 결정하기 위한 주파수 특성은 크랙신호의 경우 130kHz 주변의 중심주파수 특성을, 누설신호의 경우 ICQkHz 주변의 중심주파수 특성을 확인할 수 있다.
데이터처리
- 된다. 7) Root Mean Square(RMS) : 입력된 신호의 단위 간격 당 DC 성분의 환산 값으로 신호의 입력 크기를 정량적으로 확인한다. 실제 입력된 임의의 신호에 대하여 측정되는 RMS, Amplitude, Rise Time, Duration, Ring down count(Count), Event, Energy, Peak Frequency변수는 그림 3과 같이 나타낼 수 있다.
이론/모형
- 본 연구에 적용된 잡음제거방법은 Donoho와 John stone[13] 이제 안 한 웨이블릿 Shrinkage 알고리즘을 통하여 경계를 설정하고 Soft Threshold를 적용한 universal 추정을 이용하여 잡음 제거를 수행하였다.[1.
성능/효과
- 3) Duration : AE Event 구간의 전체 시간의 크기로 시간의 크기를 나타내며 잡음판단 근거로 적용될 수 있다.
- 4) Rise Time : AE Event에서 최대값까지 걸리는 시간을 나타내며 AE 신호의 감쇠 특성을 통하여 거리를 예측할 수 있는 수단이 되며 전체 시간과 비교하여 잡음의 판단 기준이 될 수 있다. 5) Threshold : AE 신호를 판별하는 경계 값으로 고정값과 유동 값으로 조절한다.
- 구성된 실험 환경을 통하여 수집된 크랙 신호는 그림 8과 같이 크랙으로 가정한 1회의 PLB 타격에 대하여 정확히 lHit를, 그 외 Amplitude, Energy, RiseTime, Duration의 뚜렷한 증가로 돌발신호의 특성변수를 확인하였다
- 웨이블릿을 이용하여 진단 대상의 특성에 맞게 잡음을 제거하는 방법은 전체 신호 특성에 대하여 일반적으로 적용할 수 있으므로 상황에 따라 오차의 범위가 크게 변하지 않는 특성을 확인할 수 있었다. 그러나, 입력의 에너지 값이 가변되거나 신호적 특성을 구분하기 어려울 경우 더 큰 오차를 발생함을 확인할 수 있었다. 이러한 특성을 개선하기 위하여 재료의 특성에 대한 물성치(파의 진행방향, 속도, 굴절, 반사, 분신에 대한 레퍼런스 데이터베이스를 구축하여 최적화된 결함 발생에 대한 알고리즘의 보완 한다면 대형발전 설비 등의 3차원 이상의 위치 표정에 대해서도 적용이 가능할 것이다.
- 판단된다. 누설과 크랙의 각 3번의 실험을 통하여 웨이블릿 변환을 통한 잡음 제거한 신호의 결과는 크랙의 경우 적용한 신호의 평균 오차율 4.68%이 비적용한 결과 15.68%에 비해 3배 이상의 향상된 결과를 확인할 수 있었으며, 누설의 경우 적용한 신호 평균 오차율 15.48%이 평균필터를 적용한 오차율 17.02%보다 향상됨을 확인 할 수 있었는데, 평균필터의 경우 최대오차와 최소오차의 크기가 큰 편이었고, 웨이블릿을 적용 경우 그 편차가 10 이내로 작은 편이었다. 그러므로, 신호특성에 무관하게 웨이블릿을 통하여 고른 잡음 제거특성을 이용한 향상된 위치표정을 확인하였다.
- 이를 wavelet을 잡음제거를 수행한 결과 시간 영역의 파형 변환 부분에서 잡음이 개선되었고 주파수 영역에서 고주파 특성이 제거된 것을 확인할 수 있다. 더불어 3개의 결과 모두 중심 주파수 인 100kHz에서는 신호적인 특성 변화는 없었음이 확인 하였디..
- 항목으로 자리잡고 있다. 더불어 센서와 분석 기술이 발달은 단순한 결과의 확인이 아니라 누설을 발생시키는 크랙의 생성에서 발생까지의 과정에 대한 신호원을 규명할 수 있게 하였고 이러한 신호원의 규명은 생산성 향상 및 경제적 손실을 최소화 할 수 있는 현장의 가동 중인 복잡하고 대형 구조물에서 사전 결함의 성장 및 음향방출원의 정확한 위치 표정 (source location)을 요구하게 되었다.[1~3]
- 신호의 잡음제거 개선을 위해서 웨이블릿 Shrinkage방법을 적용하였으며, 시간 도달차법과 물성치를 적용한 속도값을 이용하여 위치표정에 대한 시뮬레이션을 수행하여 돌발형 신호에 대해서는 3배의 향상된 결과를 연속형 신호에서는 평균필터에 비교하였을 경우 2%의 개선된 위치표정을 확인하였다. 웨이블릿을 이용하여 진단 대상의 특성에 맞게 잡음을 제거하는 방법은 전체 신호 특성에 대하여 일반적으로 적용할 수 있으므로 상황에 따라 오차의 범위가 크게 변하지 않는 특성을 확인할 수 있었다.
- 신호의 잡음제거 개선을 위해서 웨이블릿 Shrinkage방법을 적용하였으며, 시간 도달차법과 물성치를 적용한 속도값을 이용하여 위치표정에 대한 시뮬레이션을 수행하여 돌발형 신호에 대해서는 3배의 향상된 결과를 연속형 신호에서는 평균필터에 비교하였을 경우 2%의 개선된 위치표정을 확인하였다. 웨이블릿을 이용하여 진단 대상의 특성에 맞게 잡음을 제거하는 방법은 전체 신호 특성에 대하여 일반적으로 적용할 수 있으므로 상황에 따라 오차의 범위가 크게 변하지 않는 특성을 확인할 수 있었다. 그러나, 입력의 에너지 값이 가변되거나 신호적 특성을 구분하기 어려울 경우 더 큰 오차를 발생함을 확인할 수 있었다.
- 음향방출신호는 수 마이크로볼트로 신호의 크기가 매우 작고 다양한 주파수에서 다른 크기의 진폭특성을 가지는 잡음 성분을 포함하고 있기 때문에 잡음이 포함된 경우 상관도가 매우 낮게 발생됨을 확인하였다. 그래서 잡음 제거를 우선 수행하고 correlatione 센서간의 음향방출파의 도달에 대한 지연시간을 측정하기위해 적용하였다.
- 측정된 신호는 전체적으로 에너지의 차이를 확인할 수 있으며 고주파 대역에서 잡음이 포함되지 않은 신호에 비하여 큰 진폭 특성을 확인할 수 있다. 이를 wavelet을 잡음제거를 수행한 결과 시간 영역의 파형 변환 부분에서 잡음이 개선되었고 주파수 영역에서 고주파 특성이 제거된 것을 확인할 수 있다. 더불어 3개의 결과 모두 중심 주파수 인 100kHz에서는 신호적인 특성 변화는 없었음이 확인 하였디.
- 측정된 잡음 신호는 신호 전반에서 진동을 확인할 수 있으며 주파수특성에서 진폭의 변화가 큰 것을 확인할 수 있다. 이를 wavelet을 잡음제거를 수행한 결과 시간영역에서 타격이 발생한 시점의 진폭 및 상승 시간 특성이 보완되었음을 확인할 수 있고 주파수영역에서 15200kHz 특성이 개선된 것을 확인할 수 있다. 더불어 3개의 결과 모두 중심 주파수 인 130kHz에서는 신호적인 특성 변화는 없었음이 흐}-인 되었다.
- 설정한 센서에서 측정하였다. 측정된 신호는 전체적으로 에너지의 차이를 확인할 수 있으며 고주파 대역에서 잡음이 포함되지 않은 신호에 비하여 큰 진폭 특성을 확인할 수 있다. 이를 wavelet을 잡음제거를 수행한 결과 시간 영역의 파형 변환 부분에서 잡음이 개선되었고 주파수 영역에서 고주파 특성이 제거된 것을 확인할 수 있다.
- 측정된 잡음 신호는 신호 전반에서 진동을 확인할 수 있으며 주파수특성에서 진폭의 변화가 큰 것을 확인할 수 있다. 이를 wavelet을 잡음제거를 수행한 결과 시간영역에서 타격이 발생한 시점의 진폭 및 상승 시간 특성이 보완되었음을 확인할 수 있고 주파수영역에서 15200kHz 특성이 개선된 것을 확인할 수 있다.
후속연구
- 이러한 특성을 개선하기 위하여 재료의 특성에 대한 물성치(파의 진행방향, 속도, 굴절, 반사, 분신에 대한 레퍼런스 데이터베이스를 구축하여 최적화된 결함 발생에 대한 알고리즘의 보완 한다면 대형발전 설비 등의 3차원 이상의 위치 표정에 대해서도 적용이 가능할 것이다. 이러한 연구를 기반으로 대형 발전소의 주요 배관 시설의 결함 성장부터 누설 발생의 진단, 항공, 기계 등의 다양한 산업분야에 적용을 위한 연구가 필요할 것으로 본다.
- 그러나, 입력의 에너지 값이 가변되거나 신호적 특성을 구분하기 어려울 경우 더 큰 오차를 발생함을 확인할 수 있었다. 이러한 특성을 개선하기 위하여 재료의 특성에 대한 물성치(파의 진행방향, 속도, 굴절, 반사, 분신에 대한 레퍼런스 데이터베이스를 구축하여 최적화된 결함 발생에 대한 알고리즘의 보완 한다면 대형발전 설비 등의 3차원 이상의 위치 표정에 대해서도 적용이 가능할 것이다. 이러한 연구를 기반으로 대형 발전소의 주요 배관 시설의 결함 성장부터 누설 발생의 진단, 항공, 기계 등의 다양한 산업분야에 적용을 위한 연구가 필요할 것으로 본다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.