아음속 수송체 알루미늄 프레임의 비선형 유도초음파 주파수 응답 - 합성곱 신경망 분석 기반 미세 감육 진단 가능성 연구

초록

고속철도 차량은 성능 향상에 따라, 구조물에 미치는 응력 상승 및 차체에 피로도를 증가시키는 양상이 지속되어 왔다. 이는 초기 미세 감육이 대형 사고로 직결될 수 있는 가능성이 증대되었음을 시사한다. 본연구는 유도초음파를 통해 측정된 주파수 응답 이미지(spectrogram)의 심층학습(deep learning)을 통해, 초기 결함 발생 및 성장에 감육정도를 진단하는 연구를 진행하였다. 초고속 열차의 프레임 및 차체는 주로 강화 알루미늄 및 스테인리스 합금으로 구성되어 있다. 이를 고려하여 알루미늄 합금 강화 재질인 AL-2024로 제작된 두께 6.36 mm (1/4 inch) 평판의 미세 감육 변화를 진단한다. 미세 감육 변화 진단을 위해, 고조파 조화함수 주파수 응답(higher order harmonic response) 그리고 판재의 초음파 고유진동수(ultrasonic vibration) 변화를 동시에 고려한 주파수 응답 이미지를 분석한다. 건전 부 표면에서 두께 대비 2%인, 0.12 mm 단위로 표면감육을 성장시켜, 해당 조건에 대한 주파수 응답 이미지를 획득하고, 이를 국부 영역 합성곱 신경망 알고리즘(regions with convolutional neural networks, R-CNN)을 통해 이미지를 학습을 수행하였다. 지름 70 mm 원형감육에 대해 기존 두께 대비 8%까지, 총 4단계로 구성하여 학습하였다. 이를 통해 감육 깊이에 대한 유사도를 추정할 수 있는 CNN 감육판별 알고리듬을 개발하였으며, 특정 차량의 표면 건전성을 학습된 유도초음파주파수 응답 이미지 CNN 검출기를 통해 판별할 수 있음을 확인하였다.

키워드