미소진동기술을 활용한 계측 및 안전관리는 전통적인 방법에 비해 우수성이 인정되어 국내외 광산 등에서 활용되고 있다. 그러나 국내 지하광산의 비정형화와 채굴적과 암반 등이 혼재한 복잡한 구조는 미소 진동 전파속도 산정과 미소진동 신호의 초동발췌를 어렵게 한다. 본 연구에서는 여러 초동발췌방법과 차원에 따른 음원위치의 결정에 대해 실험적 연구를 수행하였다. 초동발췌방법은 FTC(First Threshold Cross), Picking window, AIC(Akaike Information Criterion)을 사용하였으며, 2차원 센서 배열일 때 2차원과 3차원 음원발생 실험을 수행하였다. 각 실험에서 음원위치결정 알고리즘은 반복법과 유전자 알고리즘을 사용하였다. 반복법은 센서 배열과 음원발생이 동차원인 경우 효과적이나 음원발생이 상위차원인 경우에는 적합하지 않았다. 반면, RCGA를 이용한 음원위치결정의 경우 상위차원 음원위치를 결정할 수 있었으나 계산속도가 다소 느렸다. 초동발췌방법의 정확도는 음원위치결정 방법에 따라 다르게 나타났으나, Picking window가 전반적으로 높은 정확도를 나타냈다.
미소진동기술을 활용한 계측 및 안전관리는 전통적인 방법에 비해 우수성이 인정되어 국내외 광산 등에서 활용되고 있다. 그러나 국내 지하광산의 비정형화와 채굴적과 암반 등이 혼재한 복잡한 구조는 미소 진동 전파속도 산정과 미소진동 신호의 초동발췌를 어렵게 한다. 본 연구에서는 여러 초동발췌방법과 차원에 따른 음원위치의 결정에 대해 실험적 연구를 수행하였다. 초동발췌방법은 FTC(First Threshold Cross), Picking window, AIC(Akaike Information Criterion)을 사용하였으며, 2차원 센서 배열일 때 2차원과 3차원 음원발생 실험을 수행하였다. 각 실험에서 음원위치결정 알고리즘은 반복법과 유전자 알고리즘을 사용하였다. 반복법은 센서 배열과 음원발생이 동차원인 경우 효과적이나 음원발생이 상위차원인 경우에는 적합하지 않았다. 반면, RCGA를 이용한 음원위치결정의 경우 상위차원 음원위치를 결정할 수 있었으나 계산속도가 다소 느렸다. 초동발췌방법의 정확도는 음원위치결정 방법에 따라 다르게 나타났으나, Picking window가 전반적으로 높은 정확도를 나타냈다.
Microseismic monitoring technologies have been recognized for its superiority over traditional methods and are used in domestic and overseas underground mines. However, the complex gangway layout of underground mines in Korea and the mixed structure of excavated space and rock masses make it difficu...
Microseismic monitoring technologies have been recognized for its superiority over traditional methods and are used in domestic and overseas underground mines. However, the complex gangway layout of underground mines in Korea and the mixed structure of excavated space and rock masses make it difficult to estimate the microseismic propagation and to determine the arrival time of microseismic wave. In this paper, experimental studies were carried out to determine the source location according to various arrival picking methods and dimensional conditions. The arrival picking methods used were FTC (First Threshold Cross), Picking window, AIC (Akaike Information Criterion), and 2-D and 3-D source generation experiments were performed, respectively, under the 2-D sensor array. In each experiment, source location algorithm used iterative method and genetic algorithm. The iterative method was effective when the sensor array and source generation were the same dimension, but it was not suitable to apply when the source generation was higher dimension. On the other hand, in case of source location using RCGA, the higher dimensional source location could be determined, but it took longer time to calculate. The accuracy of the arrival picking methods differed according to the source location algorithms, but picking window method showed high accuracy in overall.
Microseismic monitoring technologies have been recognized for its superiority over traditional methods and are used in domestic and overseas underground mines. However, the complex gangway layout of underground mines in Korea and the mixed structure of excavated space and rock masses make it difficult to estimate the microseismic propagation and to determine the arrival time of microseismic wave. In this paper, experimental studies were carried out to determine the source location according to various arrival picking methods and dimensional conditions. The arrival picking methods used were FTC (First Threshold Cross), Picking window, AIC (Akaike Information Criterion), and 2-D and 3-D source generation experiments were performed, respectively, under the 2-D sensor array. In each experiment, source location algorithm used iterative method and genetic algorithm. The iterative method was effective when the sensor array and source generation were the same dimension, but it was not suitable to apply when the source generation was higher dimension. On the other hand, in case of source location using RCGA, the higher dimensional source location could be determined, but it took longer time to calculate. The accuracy of the arrival picking methods differed according to the source location algorithms, but picking window method showed high accuracy in overall.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
2차원 공간에서 센서 배열의 차원에 따른 2차원과 3차원 음원위치결정의 차이에 대해 알아보고자 실내실험을 수행하였다. 센서 설치가 제약될 수 있는 지하광산의 경우 예상된 음원발생 위치를 충분히 감지할 수 있도록 센서를 설치할 수 없는 경우가 존재한다.
이러한 현실적인 문제를 해결하고자 본 연구에서는 여러 초동발췌방법과 차원에 따른 음원위치의 결정에 대해 실험적 연구를 수행하였다. 초동발췌방법은 FTC(First Threshold Cross), Picking window, AIC(Akaike Information Criterion)을 사용하였으며 차원에 따른 음원위치결정 실험은 2차원 센서 배열일 때 2차원 음원발생, 2차원 센서 배열일 때 3차원 음원발생에 대해 실험하였다.
제안 방법
2차원 센서 배열 후, 2차원과 3차원 음원 발생 위치에 따라 위치결정이 어떻게 변화하는지 알아보는 실내실험을 수행하였다. 실험모식도는 Fig.
국내 지하광산의 복잡한 구조를 고려할 때, 센서 수에 비해 센서의 배열에 대한 제약이 보다 크다고 볼 수 있다. 따라서 본 실내실험에서는 센서 수의 제약보다는 센서가 배열될 수 있는 차원에 중점을 두고 실험을 수행하였다.
실내실험과 현장계측에서의 차이는 분명히 존재하나, 실내실험에서 실험되고 검토되지 않은 방법을 바로 현장에 적용하는 것은 적절하지 않다. 본 실내실험 결과를 토대로 음원위치결정 알고리즘 방식을 개발한 AEMS solution 프로그램에 반영되도록 구현하였으며, 기본적으로 반복법으로 음원위치를 계산하도록 설계한 후, 음원위치가 결정되지 않는 경우 RCGA 방법을 적용하도록 하였다. 초동발췌방법의 경우 FTC, Picking window, AIC, 그리고 수동 발췌방법을 적용하였다.
이후 재생산(reproduction) 연산 - 60개 개체에 대해 적합도가 높은 60개를 확률적으로 선택, 교배(crossover) 연산 - 60개 개체에서 두 개체(부모)를 차례로 뽑아 교배한 후 새로운 두 개채(자손)을 생성, 돌연변이(Mutation) 연산 –60개 개체에 대해 한 개체씩 선택하여 돌연변이 발생 – 의 연산을 수행한다.
이후 재생산(reproduction) 연산 - 60개 개체에 대해 적합도가 높은 60개를 확률적으로 선택, 교배(crossover) 연산 - 60개 개체에서 두 개체(부모)를 차례로 뽑아 교배한 후 새로운 두 개채(자손)을 생성, 돌연변이(Mutation) 연산 –60개 개체에 대해 한 개체씩 선택하여 돌연변이 발생 – 의 연산을 수행한다. 이후 적합도 함수를 만족하는지를 평가하고 이를 반복 수행한다. 반복 수행할 때, 필요한 경우 엘리트전략(Elitism)과 적합도 스케일링을 수행한다.
Picking window와 AIC 값은 사용자가 임의로 설정 가능하나, 본 실험에서는 Picking window의 기준값은 5, 최대 AIC와 최소 AIC의 차이가 1000을 기준으로 설정하였다. 정상신호로 인지한 파일에 대해 초동시간을 계산한 후, 음원위치결정을 하도록 하였다.
AEMS Solution 프로그램은 신호처리의 신속성을 위해 호출된 TDMS 파일 중 정상신호와 비정상신호를 구별하여 정상신호에 대해서만 분석하도록 설계되어 있다. 정상신호와 비정상신호의 판별은 초동발췌방법 중 Picking window와 AIC의 값을 이용하여 판정하도록 설계하였다. Picking window와 AIC 값은 사용자가 임의로 설정 가능하나, 본 실험에서는 Picking window의 기준값은 5, 최대 AIC와 최소 AIC의 차이가 1000을 기준으로 설정하였다.
이러한 현실적인 문제를 해결하고자 본 연구에서는 여러 초동발췌방법과 차원에 따른 음원위치의 결정에 대해 실험적 연구를 수행하였다. 초동발췌방법은 FTC(First Threshold Cross), Picking window, AIC(Akaike Information Criterion)을 사용하였으며 차원에 따른 음원위치결정 실험은 2차원 센서 배열일 때 2차원 음원발생, 2차원 센서 배열일 때 3차원 음원발생에 대해 실험하였다. 각 실험에서 음원위치를 결정하는 알고리즘은 반복법과 유전자 알고리즘을 사용하였다.
본 실내실험 결과를 토대로 음원위치결정 알고리즘 방식을 개발한 AEMS solution 프로그램에 반영되도록 구현하였으며, 기본적으로 반복법으로 음원위치를 계산하도록 설계한 후, 음원위치가 결정되지 않는 경우 RCGA 방법을 적용하도록 하였다. 초동발췌방법의 경우 FTC, Picking window, AIC, 그리고 수동 발췌방법을 적용하였다. 향후 지하광산에서의 현장적용 결과에 따른 차이점을 확인 후 소개하는 기회를 갖도록 할 예정이다.
가속도 센서의 사양은 Table 1과 같다. 하드웨어 시스템에서는 샘플링 속도를 50 kHz, 구간필터를 50에서 10,000 Hz로 설정하였다.
대상 데이터
, 2014)에서 자체 개발한 미소진동 계측 하드웨어 시스템과 운영소프트웨어인 AEMS Solution이다. 사용된 센서는 캐나다 ESG의 일축가속도 센서이다. 가속도 센서의 사양은 Table 1과 같다.
실험은 실내온도 24°C의 조건하에서 15 m x 10 m x 2.5 m의 밀폐된 공간에서 수행되었다.
이론/모형
4). AIC 알고리즘은 다양한 선행연구들이 있었으며, 본 논문에서는 Maeda(1985)의 방법을 사용하였고 길이 N인 계측된 미소진동에 대한 AIC 함수를 다음과 같이 정의한다.
초동발췌방법은 FTC(First Threshold Cross), Picking window, AIC(Akaike Information Criterion)을 사용하였으며 차원에 따른 음원위치결정 실험은 2차원 센서 배열일 때 2차원 음원발생, 2차원 센서 배열일 때 3차원 음원발생에 대해 실험하였다. 각 실험에서 음원위치를 결정하는 알고리즘은 반복법과 유전자 알고리즘을 사용하였다.
BCGA는 고정밀도의 해를 요구하나 해에 대한 사전지식이 결여되거나 복잡한 제약조건이 존재할 경우 탐색시간이 길어지는 단점이 있다. 따라서 AEMS Solution 프로그램에서는 미소진동 음원위치결정의 특성을 반영하여 RCGA(Real Coded Genetic Algorithm)을 이용하였다. Cheon and Jung(2017)에서 제시된 바와 같이 프로그램에 사용된 RCGA의 프로세스는 Fig.
그러나 적용대상인 암반의 경우, 암반의 불균질성과 비등방성, 암반 내 불연속면의 존재, 채굴적의 존재 등 여러 원인으로 인해 속도를 정확하게 산정할 수 없으며, 계측 시 발생하는 오차를 포함하고 있어 수식을 완전하게 풀 수 없다. 따라서 식을 가장 잘 만족시키고 오차를 최소로 하는 점을 구하기 위해 4개 이상의 센서에서 측정된 시간차를 최소자승반복법을 사용하여 계산한다. 이 때, 계산과정이 선형이 아닌 비선형이기 때문에, 전체 영역에서 존재하는 오차의 전역 최솟값이 아닌 국소 최솟값에서 계산이 끝날 수 있으므로 적절한 초깃값의 선정이 중요하다.
본 실험에 사용된 시스템은 한국지질자원연구원(KIGAM, 2006, Cheon et al., 2014)에서 자체 개발한 미소진동 계측 하드웨어 시스템과 운영소프트웨어인 AEMS Solution이다. 사용된 센서는 캐나다 ESG의 일축가속도 센서이다.
5에 분류된 것처럼 도달 시간차를 이용한 음원 결정에는 음원의 위치를 인식하는 방법에 따라 점 위치 결정법(Point Location), 영역 결정법으로 나눌 수 있고 점위치 결정법은 반복법(Iterative Method)과 비반복법(Non-iterative Method)으로 나눌 수 있다. 본 연구에서는 반복법 중 Geiger 방법이 사용되었다. Geiger(1912)에 의해 제안된 방법인 Geiger 방법은 최소자승 반복법(iterative least-squares technique)을 이용하여 음원의 위치 결정할 때 발생하는 비선형성을 선형화하여 음원의 위치를 결정한다.
이진 코딩은 폭넓게 사용되고 있지만 정밀도를 높이거나 해에 대한 탐색구간을 확대하면 스트링이 길어지고 최적화된 해를 찾는 시간이 길어지는 등 여러 문제가 발생할 수 있다(Moon, 2003). 본 연구에서는 위와 같은 문제해결을 위해 RCGA(Real Coded Genetic Algorithm)을 사용하였다. RCGA는 실수 코딩염색체를 사용하고 실수 코딩염색체는 실숫값의 문자열로 표현된다.
음원위치결정을 위해 사용된 알고리즘은 반복계산법(iteration method) 중 Geiger 방법과 유전자 알고리즘방법이다. AEMS Solution에 적용된 반복계산법의 수식은 식 (2)와 식 (3)과 같다.
전통적인 방법 이외에 근래에 유전자 알고리즘, 인공신경망, 머신 러닝 등의 방법을 사용하여 음원위치결정의 정확도 등을 향상하기도 한다. 이 중 본 연구에서 공간적 제약 조건의 해결을 위해 유전자 알고리즘을 이용한 방법을 활용하였다. 유전자 알고리즘은 부호공간과 해공간으로 구성되어있고 해공간상의 파라미터를 연산에 적합한 부호공간의 자연 파라미터로 변환하여 해를 찾는 기법으로 1975년 Holland(1975)에 의해 개발되었다.
성능/효과
1) 미소진동 신호의 초기도착시간을 결정하는 초동발췌방법 중 수동발췌방법을 제외한 FTC, Picking window, AIC 방법을 이용하여 초동발췌방법에 따른 음원위치를 결정한 결과 2차원 센서 배열 - 2차원 음원발생 조건의 경우 Picking window, AIC, FTC의 순으로 정확도가 높았다.
2) 2차원 센서 배열 - 3차원 음원발생 조건의 경우, FTC, Picking window, AIC의 순으로 정확도가 높았다.
3) 음원위치결정 알고리즘은 반복법과 유전자 알고리즘 중 RCGA를 사용하였으며, 2차원 센서 배열 –2차원 음원발생의 경우 반복법이 RCGA에 비해 상대적으로 정확도가 높았으나, 2차원 센서 배열 –3차원 음원발생의 경우 RCGA가 반복법에 비해 매우 정확도가 높았다.
4) 반복법을 이용한 음원위치결정의 경우 센서 배열과 음원발생이 동 차원인 경우 효과적이나 음원발생이 상위차원인 경우에는 적용하는 게 적합하지 않았다. 반면, RCGA를 이용한 음원위치결정의 경우 상위차원 음원위치를 결정할 수 있었다.
반면 RCGA의 경우 연산속도가 매우 느리지만 상위차원의 음원위치 결정이 가능한 것으로 나타났다. 따라서 동일차원의 음원위치의 경우 반복법을 적용하는 것이, 상위차원의 경우에는 RCGA를 사용하는 것이 좋은 것으로 나타났다.
Table 6은 2차원 센서 배열 –3차원 음원발생 실내실험에서 음원계산이 가능했던 RCGA에 대해 초동발췌방법에 대해 분석한 결과이다. 본 실내실험에서 FTC의 경우 오차가 다른 방법에 비해 약간 작았으나 실험이 이루어진 공간(2차원 센서 배열 공간이 10 m x 15 m)를 고려했을 때, 초동발췌방법에 따른 큰 차이는 없는 것으로 나타났다.
본 실내실험을 통해 국내 지하광산의 구조나 여건을 고려할 때, 2차원 센서 배열에서도 3차원 음원위치결정이 가능할 것으로 사료된다. 그러나 실내실험은 현장에 비해 여러 조건을 명확히 설정하고 수행하기 때문에 보다 명확한 결과를 얻을 수 있으나, 현장에 서는 암반의 불균질성, 적용 구조물의 복잡한 구조 등으로 결과가 명확하게 나오지 않을 수 있다.
전체 경향을 보았을 때, Picking window에서 위치오차가 가장 작게 나타났으나, 음원 위치별로 FTC나 AIC의 오차가 더 작은 경우도 있었다. 본 실험에서는 초동발췌방법이 음원위치의 오차에 큰 영향을 미치지 않는 것으로 나타났다. 그러나 Picking window의 경우 윈도우 창의 크기를 변경하거나 기준값을 변경하는 경우, 그리고 FTC의 경우 발생가능한 음원위치와 센서 사이의 거리가 미소진동의 감쇠에 영향을 미친다–는 점을 고려하여 기준값을 변경하는 경우 음원위치의 오차가 변화할 수 있다.
Table 3은 반복법에서 초동발췌방법에 따른 음원위치의 오차결과를 제시한 것이다. 전체 경향을 보았을 때, Picking window에서 위치오차가 가장 작게 나타났으나, 음원 위치별로 FTC나 AIC의 오차가 더 작은 경우도 있었다. 본 실험에서는 초동발췌방법이 음원위치의 오차에 큰 영향을 미치지 않는 것으로 나타났다.
후속연구
향후 지하광산에서의 현장적용 결과에 따른 차이점을 확인 후 소개하는 기회를 갖도록 할 예정이다. 또한 현장작업자의 편의를 위해 다양한 방법의 초동발췌를 제공하는 대신 선택하여 제공하거나 작업자가 선택할 수 있도록 할 예정이다.
그러나 실내실험은 현장에 비해 여러 조건을 명확히 설정하고 수행하기 때문에 보다 명확한 결과를 얻을 수 있으나, 현장에 서는 암반의 불균질성, 적용 구조물의 복잡한 구조 등으로 결과가 명확하게 나오지 않을 수 있다. 본 실내실험에서 얻은 내용을 토대로 가행 광산에 적용한 결과를 향후에 제시할 예정이다.
초동발췌방법의 경우 FTC, Picking window, AIC, 그리고 수동 발췌방법을 적용하였다. 향후 지하광산에서의 현장적용 결과에 따른 차이점을 확인 후 소개하는 기회를 갖도록 할 예정이다. 또한 현장작업자의 편의를 위해 다양한 방법의 초동발췌를 제공하는 대신 선택하여 제공하거나 작업자가 선택할 수 있도록 할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
초음파 탐사법에 비해 미소진동 계측방법이 좋은 점은?
초음파 탐사법과 같은 탄성파를 이용한 비파괴 검사 또는 계측방법과 달리 미소진동 계측방법은 비교적 쉽게 손상이 발생한 음원위치를 찾아낸다. 이는 손상 위치를 찾을 때 대상 전체를 스캐닝할 필요 없이 센서가 고정된 상태로 계측할 수 있기 때문이다.
음향미소진동기술은 어떻게 쓰일 수 있는가?
, 2015). 대규모 파괴에 앞서 미소진동의 발생량, 발생크기, 발생빈도 등의 변화가 감지되는 특성은 암반구조물의 안전관리에 매우 유용하게 사용될 수 있다. 또한 안전관리 대상 영역의 속도장과 계측된 미소진동 신호의 초동을 적절하게 발췌하면 미소진동이 발생한 위치와 크기 등의 고급 정보를 획득하여 더욱 안전한 관리가 가능하다. 그러나 전통적인 방법에 비해 미소진동 계측방법이 상대적으로 가격이 높다는 점과 국내 지하광산이 비정형화되고 복잡한 구조를 갖고 있는 점 등 이를 적용하는 데 애로사항이 있다.
미소진동 음원위치결정 알고리즘의 원리는 무엇인가?
미소진동 음원위치결정 알고리즘의 기본은 음원에서 가까운 센서에 파동이 먼저 도착한다는 사실에 근거하여 센서 사이 상대적인 파동의 도달시각 차이와 매질의 전파속도를 이용하여 음원의 위치를 역산하는 것이다. 지진의 진원을 결정하는 방식과 유사하지만 지진의 경우 S파를 사용하는 반면 미소진동 음원위치결정방법은 주로 구조물 등이 많은 환경에서 측정하기 때문에 S파가 도착하기 전에 반사파의 혼입이 발생하게 되서 일반적으로 P파를 사용한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.