표현학습을 통한 고품질 CFRP 음향 방출 결함 데이터셋 구축 (Construction of High-quality CFRP Acoustic Emission Failure Dataset Through Representation Learning)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 62권 / 3호 / 74 ~ 86페이지
· 저자명 : 김다현, 황병일, 김호연, 서영주, 김동주

초록

탄소섬유강화폴리머(CFRP)는 경량성, 높은 인장강도, 낮은 열팽창률 등의 특성으로 항공우주, 토목 건축, 군사 등 다양한 분야에서 널리 사용된다. 그러나 이종 소재의 결합으로 인해 피로가 누적되면 결함이 발생하기 쉬우며, 이러한 결함을 구별하는 것이 매우 중요하다. 하지만 결함 구별이 어려워 정확한 데이터 구축이 어렵고, 이에 따라 관련 연구가 미흡한 실정이다. 본 논문에서는 CFRP 시편을 제작하여 음향방출시험(AET)과 인장 시험을 통해 파괴 과정에서 발생하는 이벤트 파형을 수집하고, 딥러닝 기반 표현 학습을 통해 결함 발생 별 소재와의 특징 유사도를 비교하여 우수한 데이터셋을 구축하였다. 또한, 이 데이터셋을 바탕으로 딥러닝 모델을 통해 결함 종류를 구별하고 데이터셋의 품질을 검증하였다. 본 연구는 CFRP 소재의 실시간 결함 인지를 위한 데이터셋 및 모델 구축에 기여할 것으로 기대된다.

영어초록

Carbon Fiber Reinforced Polymer (CFRP) is widely used in various fields such as aerospace, civil engineering, and military due to its lightweight, high tensile strength, and low thermal expansion coefficient. However, the combination of different molecular structures makes CFRP prone to fatigue-induced failures, making it crucial to detect these failures promptly. Identifying these failures is very important, but it is challenging, making it difficult to build accurate datasets, leading to a lack of related research. In this paper, CFRP specimens were fabricated and Acoustic Emission Testing (AET) and tensile tests were conducted to collect event waveforms generated during the material failure process. Through deep learning-based representation learning, the characteristics of the failures were compared with those of the materials to build a high-quality dataset. This dataset was then used to classify failure types and verify its quality using a deep learning model. This study contributes to the development of datasets and models for real-time failure detection in CFRP materials.

참고자료

· 없음