• Smart Structures and Systems
• /
• 제12권2호
• /
• pp.97-119
• /
• 2013

This paper presents numerical and experimental results on the use of guided waves for structural health monitoring (SHM) of crack growth during a fatigue test in a thick steel plate used for civil engineering application. Numerical simulation, analytical modeling, and experimental tests are used to prove that piezoelectric wafer active sensor (PWAS) can perform active SHM using guided wave pitch-catch method and passive SHM using acoustic emission (AE). AE simulation was performed with the multi-physic FEM (MP-FEM) approach. The MP-FEM approach permits that the output variables to be expressed directly in electric terms while the two-ways electromechanical conversion is done internally in the MP-FEM formulation. The AE event was simulated as a pulse of defined duration and amplitude. The electrical signal measured at a PWAS receiver was simulated. Experimental tests were performed with PWAS transducers acting as passive receivers of AE signals. An AE source was simulated using 0.5-mm pencil lead breaks. The PWAS transducers were able to pick up AE signal with good strength. Subsequently, PWAS transducers and traditional AE transducer were applied to a 12.7-mm CT specimen subjected to accelerated fatigue testing. Active sensing in pitch catch mode on the CT specimen was applied between the PWAS transducers pairs. Damage indexes were calculated and correlated with actual crack growth. The paper finishes with conclusions and suggestions for further work.

• International Journal of Naval Architecture and Ocean Engineering
• /
• 제3권2호
• /
• pp.126-135
• /
• 2011

In this study, numerical analysis was carried out by using the finite element method to construct the first mode shape of damaged stiffened plates, and the damage locations were detected with two-dimensional discrete wavelet analysis. In the experimental analysis, four different damaged stiffened structures were observed. Firstly, each damaged structure was hit with a shaker, and then accelerometers were used to measure the vibration responses. Secondly, the first mode shape of each structure was obtained by using the wavelet packet, and the location of cracks were also determined by two-dimensional discrete wavelet analysis. The results of the numerical analysis and experimental investigation reveal that the proposed method is applicable to detect single crack or multi-cracks of a stiffened structure. The experimental results also show that fewer measurement points are required with the proposed technique in comparison to those presented in previous studies.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2002년도 추계학술대회 논문집
• /
• pp.345-350
• /
• 2002

In this study, researchers classifying the artificial flaws in semiconductor packages are performed by pattern recognition technology. For this purposes, image pattern recognition package including the user made software was developed and total procedure including ultrasonic image acquisition, equalization filtration, binary process, edge detection and classifier design is treated by Backpropagation Neural Network. Specially, it is compared with various weights of Backpropagation Neural Network and it is compared with threshold level of edge detection in preprocessing method fur entrance into Multi-Layer Perceptron(Backpropagation Neural network). Also, the pattern recognition techniques is applied to the classification problem of defects in semiconductor packages as normal, crack, delamination. According to this results, it is possible to acquire the recognition rate of 100% for Backpropagation Neural Network.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2005년도 추계학술대회 논문집
• /
• pp.721-726
• /
• 2005

In this study, researchers classifying the artificial flaws in semiconductor. packages are performed by pattern recognition technology. For this purposes, image pattern recognition package including the user made software was developed and total procedure including ultrasonic image acquisition, equalization filtration, binary process, edge detection and classifier design is treated by Backpropagation Neural Network. Specially, it is compared with various weights of Backpropagation Neural Network and it is compared with threshold level of edge detection in preprocessing method for entrance into Multi-Layer Perceptron(Backpropagation Neural network). Also, the pattern recognition techniques is applied to the classification problem of defects in semiconductor packages as normal, crack, delamination. According to this results, it is possible to acquire the recognition rate of 100% for Backpropagation Neural Network.

• 제어로봇시스템학회논문지
• /
• 제4권6호
• /
• pp.795-801
• /
• 1998

In this paper, we propose a machine vision algorithm for inspecting inserts which are used for milling and turning operations. Major defects of the inserts are breakage and crack on insert surfaces. Among the defects, breakages on the face of the inserts can be detected through three stages of the algorithm developed in this paper. In the first stage, a multi-layer perceptron is used to recognize the inserts being inspected. Edge detection of the insert image is performed in the second stage. Finally, in the third stage breakages on the insert face are identified using Hough transform. The overall algorithm is tested on real specimens and the results show that the algorithm works fairly well.

• 한국강구조학회 논문집
• /
• 제9권3호통권32호
• /
• pp.287-300
• /
• 1997

본 연구에서는 음향방출기술을 적용한 실내모형실험을 통하여 강판형교의 피로 취약부위에서의 결함을 효과적으로 검출할 수 있는 AE기법을 제시하였다. 잔존수명의 산정에 의해 부재간의 상대적인 취약도를 비교 분석하면 교량의 안전점검시 점검대상의 우선순위와 범위를 결정할 수 있어 보다 효율적인 AE기술의 적용이 가능함을 알 수 있었다. 경제적이고 효율적인 AE기술의 적용을 연구하기 위하여 실시한 실험을 통한 주파수 분석 결과 차량통행시 잡음은 100~200 kHz사이에 집중되었고 균열에서의 AE신호는 400~500kHz 사이에 편중됨을 알았다. 따라서 R30 센서가 강판형교의 결함검출에 적합한 센서라고 판단되었다. 균열을 도입하여 실험한 결과 모의 AE발생원에 의해 결정된 위치 표정방법이 실제 균열이 발생할 때에도 잘 적용되며, 하중의 증가와 균열의 진전길이 등을 AE신호의 발생빈도와 비교한 결과 거의 선형적으로 비례함이 밝혀졌다. 그리고. 강교량과 같은 대형구조물에 적합한 경제적이고 효율적인 위치표정방법도 실험을 통하여 검증하였다.

• Nuclear Engineering and Technology
• /
• 제56권2호
• /
• pp.688-706
• /
• 2024

Austenitic stainless steels (ASS) are extensively employed in various sectors such as nuclear, power, petrochemical, oil and gas because of their excellent structural strength and resistance to corrosion. SS304 and SS316 are the predominant choices for piping, pressure vessels, heat exchangers, nuclear reactor core components and support structures, but they are susceptible to stress corrosion cracking (SCC) in chloride-rich environments. Over the course of several decades, extensive research efforts have been directed towards evaluating SCC using diverse methodologies and models, albeit some uncertainties persist regarding the precise progression of cracks. This review paper focuses on the application of Acoustic Emission Technique (AET) for assessing SCC damage mechanism by monitoring the dynamic acoustic emissions or inelastic stress waves generated during the initiation and propagation of cracks. AET serves as a valuable non-destructive technique (NDT) for in-service evaluation of the structural integrity within operational conditions and early detection of critical flaws. By leveraging the time domain and time-frequency domain techniques, various Acoustic Emission (AE) parameters can be characterized and correlated with the multi-stage crack damage phenomena. Further theories of the SCC mechanisms are elucidated, with a focus on both the dissolution-based and cleavage-based damage models. Through the comprehensive insights provided here, this review stands to contribute to an enhanced understanding of SCC damage in stainless steels and the potential AET application in nuclear industry.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.120-122
• /
• 2021

현재 국내외 자동차 수요가 증가하게 되면서 차량탑승 인원은 적어지고 차량 수는 증가하는 추세이다. 이는 교통체증이 더 심해지게 되는 주요 원인이 된다. 이를 해결하기 위해 다인승 전용차로, HOV(High-occupancy vehicle) lane을 운영하고 있지만, 이용 조건을 무시하고 불법으로 이용하는 사람들이 계속 증가하고 있다. 이러한 불법행위를 경찰이 육안으로 판단하여 단속하기 때문에 단속 정확도도 낮으며 효율이 떨어진다. 본 논문에서는 이와 같은 문제를 해결하기 위해 컴퓨터 비전을 이용한 영상 분석 기술을 이용해서 보다 효율적인 탐지를 할 수 있는 시스템 설계를 제안한다. 기존의 연구되었던 차량 탐지 방법을 개선하여 영상 안에서 트리거를 설정하여 탐지 객체가 선정된 후 대상에 대해서 집중적으로 영상 분석을 진행할 수 있게 설계했으며 딥러닝 객체 인식 모델인 YOLO 모델을 사용하여 실시간 객체 탐지와 정확한 신호를 얻기 위해 영상 내 bounding box로 판단하는 것이 아닌 중심점의 이동량을 이용하는 방법을 제안한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.239-241
• /
• 2022

현재 대한민국에서는 교통 혼잡을 해결하기 위해 다인승 전용차로 (HOV, High Occupancy Vehicle Lanes)와 지정차로제를 시행하고 있다. 현행의 교통단속 시스템은 단속 지역 구역에 인원이 필수로 배정되며 무인 단속에 어려움이 있다. 또한, 고정식 교통단속시스템은 속도 위반 단속은 가능하나 운전자가 네이게이션을 통해 단속을 회피할 수 있다. 이러한 문제점을 해결하기 위해 딥러닝 객체 인식 모델인 YOLO를 통한 교통 통합 단속 시스템이 필요하다. 본 연구에서는 멀티스레딩 기술 기반의 병렬처리 차량번호 인식 기술을 적용하여 불시 단속이 가능한 이동식 교통 통합 관리시스템을 제안한다. Yolo5를 이용한 차선 인식, 차량탑승인원 판별, 차량 번호 인식 등의 알고리즘을 통합 모델을 설계하고 이를 적용한 통합시스템을 제시하였다.

• 비파괴검사학회지
• /
• 제19권5호
• /
• pp.369-377
• /
• 1999

본 연구는 다중박막(multi-layer) 구조 모델에 대한 초음파신호처리 적용으로 접합경계면의 결함검출에 관한 연구이다. 이를 위해서 먼저 반도체 검사법에 의하여 박리(delamination). 다이 균열(die crack) 기포(void)의 유무를 확인할 수 있었고, 각 접합계면에서의 단위 cm당 결함 오차율을 모집군 25%이하에서 0.003%까지 측정 가능하였다. 또한 초음파 화상처리를 이용하여 결함 판독 프로그램을 위한 각 패키지별 화상을 8단계에서 16단계까지 데이터 베이스화할 수 있었고, 최종 결과 화면에서는 결함정도를 확률로 표현 가능하도록 하였으며 기포의 가능성도 추론해 볼 수 있다. 그리고, 박리검사 프로그램(delamination inspection program)에 의하여 결함의 크기와 결함의 원인을 16단계로 추론하고. S.A.T 장치에 귀환(feedback)시킬 수 있는 매개변수를 찾을 수 있었다. 특히, 반도체 결함추출 알고리즘 개발로 반도체 결함검사자동화의 기틀을 마련하였고, 향후 결함을 세분화하고 다양한 반도체 패키지별로 데이터베이스를 구축한다면, 온라인 상태에서 보다 많은 검사를 수행 할 수 있는 인공지능형 자동검사 시스템 구현이 가능할 수 있도록 하였다.