샌드위치 복합재의 결함 탐지 및 정량화를 위한 일치 추적 분해 기반 디노이징 기법 개발

Matching Pursuit Decomposition-Based Signal Denoising to Detect and Quantify the Delamination of Sandwich Composites

본 논문에서는 일치 추적 분해를 활용한 샌드위치 복합재의 결함 탐지 및 정량화 방법을 소개한다. 샌드위치 복합재 시편을 제작하기 위해 핸드 레이-업 공법과 핫 프레스 공법을 활용하여 결함이 존재하는 시편과 없는 시편을 제작하였다. 결함의 위치와 정도를 파악하기 위해 플래시 서모그래피를 활용하여 확인하였다. 각각의 시편에서 데이터를 확보하기 위해 pitch-catch법을 활용한 초음파 전파 실험을 설정하였고, 샌드위치 복합재의 표면에 부착한 압전 센서를 통해 데이터를 확보하였다. 획득한 신호는 일치 추적 분해를 이용하여 추정 및 분해하고, 고속 푸리에 변환과 웨이블릿 변환 기반 노이즈 제거 방법과의 성능을 비교하였다. 노이즈를 제거한 신호는 각각 동일한 구조의 1-D CNN 모델에 훈련하여 성능을 비교하였다. 제안한 일치 추적 분해 기반 신호 노이즈 제거는 기존의 방법보다 높은 정확도, 안정성, 훈련 속도를 보였으며, 시간-주파수 영역에서 보다 직관적인 모드 분리를 확인하여 특성 추출을 통한 일치 추적 분해 기반 신호 전처리 및 딥러닝 모델 훈련의 가능성을 확장할 수 있음을 확인하였다.

In this paper, a damage detection and quantification method for sandwich composites using matching pursuit decomposition (MPD) is presented. Sandwich composites with and without delamination were fabricated using the hand lay-up and hot-press methods, and the location and size of delamination were confirmed using flash thermography. An ultrasonic wave propagation experiment using the pitch-catch method was set up to collect data from healthy and damaged samples. The acquired signals were estimated and decomposed using MPD and compared with signals denoised using fast Fourier and wavelet transforms. The denoised signals were trained by a 1-D CNN model with the same number of layers and filters. The proposed method showed improved accuracy and stability than the traditional method. In addition, more reliable mode separation in the time-frequency representation could be confirmed, extending the possibility of MPD-based signal preprocessing in deep learning training.