철도교량 건전성모니터링 자동화를 위한 계측센서 이상데이터 분류

초록

본 연구는 철도교량을 대상으로 구조건전성모니터링(SHM) 시스템의 자동화를 구현하기 위해 계측센서 이상데이터(anomaly data)를 탐지하고 분류하는 것을 목표로 하고 있다. SHM 시스템은 방대한 양의 데이터를 수집하는데 그 중 이상데이터는 센서 고장, 시스템 오작동, 또는 구조물의 비정상적인 거동으로 인해 발생한다. 이상 데이터가 탐지되지 않으면 구조 건전성 분석의 정확성에 큰 영향을 미칠 수 있다. 본 연구에서는 선행연구에서 제안된 규칙기반 분류(rule-based classification) 방법을 기반으로 철도교량의 시계열 데이터를 사용해 Missing, Minor, Outlier, Square, Trend, Drift의 6가지 유형의 이상데이터를 자동으로 탐지하고 분류하는 방법을 제안하였다. 약 10개월동안 철도교량에서 수집된 교량응답 데이터를 활용하여 해당 방법을 검증한 결과, 규칙기반 분류방법이 효과적으로 이상상태 유형을 식별하고 분류하는 것으로 나타났다. 본 연구의 결과를 토대로 향후 데이터 품질과 신뢰성을 확보하기 위해 더 발전된 이상 탐지 메커니즘의 개발이 필요하며, 특히 주파수 영역의 정보를 통합하거나 온도 변화와 같은 환경적 요인을 고려한 알고리즘의 개발이 필요한 것을 확인하였다.

키워드