Various monitoring systems have been implemented in civil infrastructure to ensure structural safety and integrity. In long-term monitoring, these systems generate a large amount of data, where anomalies are not unusual and can pose unique challenges for structural health monitoring applications, such as system identification and damage detection. Therefore, developing efficient techniques is quite essential to recognize the anomalies in monitoring data. In this study, several machine learning techniques are explored and implemented to detect and classify various types of data anomalies. A field dataset, which consists of one month long acceleration data obtained from a long-span cable-stayed bridge in China, is employed to examine the machine learning techniques for automated data anomaly detection. These techniques include the statistic-based pattern recognition network, spectrogram-based convolutional neural network, image-based time history convolutional neural network, image-based time-frequency hybrid convolution neural network (GoogLeNet), and proposed ensemble neural network model. The ensemble model deliberately combines different machine learning models to enhance anomaly classification performance. The results show that all these techniques can successfully detect and classify six types of data anomalies (i.e., missing, minor, outlier, square, trend, drift). Moreover, both image-based time history convolutional neural network and GoogLeNet are further investigated for the capability of autonomous online anomaly classification and found to effectively classify anomalies with decent performance. As seen in comparison with accuracy, the proposed ensemble neural network model outperforms the other three machine learning techniques. This study also evaluates the proposed ensemble neural network model to a blind test dataset. As found in the results, this ensemble model is effective for data anomaly detection and applicable for the signal characteristics changing over time.
에폭시 수지는 여러 산업분야에서 다양한 구조물의 접합과 제조에 사용된다. 구조물의 안전성과 접합재료의 최적 성능 확보를 위해서는 에폭시 수지의 경화 과정 모니터링 기반의 공정 제어가 요구된다. 광섬유 센서는 실과 같은 형태적 특징으로 인해 에폭시 수지의 경화 모니터링에 적합한 센서이다. 본 연구에서는 광섬유 브래그 격자 센서(fiber Bragg grating, FBG)를 이용하여 에폭시 수지의 경화 모니터링 연구를 수행하였다. 실제 실험을 통해, FBG를 기반으로 에폭시 수지의 경화과정에서 에폭시의 부피 수축에 의해 센서에 가해지는 변형률을 측정하고 온도의 변화에 의한 신호 변화를 보정하여 경화과정에서 발생하는 변형률의 정확한 모니터링이 가능함을 확인하였다. 추가적으로, 두 가지 에폭시 수지의 경화도 과정을 비교 분석하여 에폭시 종류에 따른 경화과정의 차이를 확인하였다. 결론적으로 FBG 센서가 에폭시 수지의 경화도 모니터링에 유용하다는 점을 확인하였다.
This study proposes an optics-based active sensing system for continuous monitoring of underground pipelines in nuclear power plants (NPPs). The proposed system generates and measures guided waves using a single laser source and optical cables. First, a tunable laser is used as a common power source for guided wave generation and sensing. This source laser beam is transmitted through an optical fiber, and the fiber is split into two. One of them is used to actuate macro fiber composite (MFC) transducers for guided wave generation, and the other optical fiber is used with fiber Bragg grating (FBG) sensors to measure guided wave responses. The MFC transducers placed along a circumferential direction of a pipe at one end generate longitudinal and flexural modes, and the corresponding responses are measured using FBG sensors instrumented in the same configuration at the other end. The generated guided waves interact with a defect, and this interaction causes changes in response signals. Then, a damage-sensitive feature is extracted from the response signals using the axi-symmetry nature of the measured pitch-catch signals. The feasibility of the proposed system has been examined through a laboratory experiment.
Structural health monitoring (SHM) plays a vital role in the maintenance and operation of constructions. In recent years, autonomous inspection has received considerable attention because conventional monitoring methods are inefficient and expensive to some extent. To develop autonomous inspection, a potential approach of crack identification is needed to locate defects. Therefore, this study exploits two deep learning-based segmentation models, DeepLabv3+ and Mask R-CNN, for crack segmentation because these two segmentation models can outperform other similar models on public datasets. Additionally, impacts of label quality on model performance are explored to obtain an empirical guideline on the preparation of image datasets. The influence of image cropping and label refining are also investigated, and different strategies are applied to the dataset, resulting in six alternated datasets. By conducting experiments with these datasets, the highest mean Intersection-over-Union (mIoU), 75%, is achieved by Mask R-CNN. The rise in the percentage of annotations by image cropping improves model performance while the label refining has opposite effects on the two models. As the label refining results in fewer error annotations of cracks, this modification enhances the performance of DeepLabv3+. Instead, the performance of Mask R-CNN decreases because fragmented annotations may mistake an instance as multiple instances. To sum up, both DeepLabv3+ and Mask R-CNN are capable of crack identification, and an empirical guideline on the data preparation is presented to strengthen identification successfulness via image cropping and label refining.
광섬유센서는 전자파 무간섭, 부식 방지, 다중화 등의 장점들을 갖고 있어 다양한 상태 감시 시스템을 위한 연구에 많이 활용되고 있다. 본 논문에서는 광섬유센서 기반의 인체 근육 상태 감시 시스템을 제안한다. 상용화되어 있는 인체 상태 감시 센서는 전자기 기반의 센서가 대부분이다. 이는 전자기 간섭 및 왜곡의 우려가 있어, 이를 보완하고 장치의 간소화 및 사용자 편의성을 위해 광섬유 브래그 격자센서를 사용하였다. 근육 상태의 지표가 되는 근육 수축 및 이완을 측정하기 위해 원주방향으로의 운동 감시가 가능한 밴드형태의 광섬유 브래그 격자센서 모듈을 제작하였다. 그리고 광섬유 브래그 격자센서 모듈의 적용성 평가를 위해 단축 인장시험을 수행하였다. 실험 결과 인장 크기에 따른 브래그 파장 변화가 상호 연관성을 보였으며, 이를 통해 브래그 격자센서 기반의 근육 상태 감시 시스템 개발의 가능성을 확인하였다.
금속이 코팅된 FBG(fiber Bragg grating) 센서는 구조물이 과거에 겪은 최대 변형률을 기억하는 기억효과(memory effect)를 가진다. 본 연구에서는 무전해 도금법과 전해 도금법을 이용하여 약 $43{\mu}m$의 두께를 가지는 니켈(nickel)이 코팅된 FBG 센서를 제작하였다. 니켈 코팅된 FBG 센서의 잔류 변형률 생성 성능, 즉, 기억효과를 검증하기 위해 반복하중 실험(잔류 변형률 생성실험)을 수행하였다. 인가한 최대 변형률의 크기가 증가함에 따라 잔류 변형률이 증가함을 확인함으로써 기억효과를 검증하였다. 본 연구에서 수행한 니켈이 코팅된 FBG 센서의 제작 기법과 센서에 대한 반복하중 실험결과는 향후 광섬유 센서를 이용한 구조물 건전성 감시(SHM, structural health monitoring)기법 개발에 기본 데이터로서 활용될 것이다.
Choi, Mijin;Jung, Hwee Kwon;Taylor, Stuart G.;Farinholt, Kevin M.;Lee, Jung-Ryul;Park, Gyuhae
비파괴검사학회지
/
제36권2호
/
pp.93-101
/
2016
This paper presents the results obtained using time-series-based methods for structural damage assessment. The methods are applied to a wind turbine blade structure subjected to fatigue loads. A 9 m CX-100 (carbon experimental 100 kW) blade is harmonically excited at its first natural frequency to introduce a failure mode. Consequently, a through-thickness fatigue crack is visually identified at 8.5 million cycles. The time domain data from the piezoelectric active-sensing techniques are measured during the fatigue loadings and used to detect incipient damage. The damage-sensitive features, such as the first four moments and a normality indicator, are extracted from the time domain data. Time series autoregressive models with exogenous inputs are also implemented. These features could efficiently detect a fatigue crack and are less sensitive to operational variations than the other methods.
Asadi, Sina;Shamshirsaz, Mahnaz;Vaghasloo, Younes A.
Smart Structures and Systems
/
제26권6호
/
pp.735-751
/
2020
Identification of structure parameters is crucial in Structural Health Monitoring (SHM) context for activities such as model validation, damage assessment and signal processing of structure response. In this paper, guided waves generated by piezoelectric transducers are used for in-situ and non-destructive structural parameter estimation based on Bayesian approach. As Bayesian approach needs iterative process, which is computationally expensive, this paper proposes a method in which an analytical model is selected and developed in order to decrease computational time and complexity of modeling. An experimental set-up is implemented to estimate three target elastic and geometrical parameters: Young's modulus, Poisson ratio and thickness of aluminum and steel plates. Experimental and simulated data are combined in a Bayesian framework for parameter identification. A significant accuracy is achieved regarding estimation of target parameters with maximum error of 8, 11 and 17 percent respectively. Moreover, the limitation of analytical model concerning boundary reflections is addressed and managed experimentally. Pulse excitation is selected as it can excite the structure in a wide frequency range contrary to conventional tone burst excitation. The results show that the proposed non-destructive method can be used in service for estimation of material and geometrical properties of structure in industrial applications.
Identifying fine cracks in steel bridge facilities is a challenging task of structural health monitoring (SHM). This study proposed an end-to-end crack image segmentation framework based on a one-step Convolutional Neural Network (CNN) for pixel-level object recognition with high accuracy. To particularly address the challenges arising from small object detection in complex background, efforts were made in loss function selection aiming at sample imbalance and module modification in order to improve the generalization ability on complicated images. Specifically, loss functions were compared among alternatives including the Binary Cross Entropy (BCE), Focal, Tversky and Dice loss, with the last three specialized for biased sample distribution. Structural modifications with dilated convolution, Spatial Pyramid Pooling (SPP) and Feature Pyramid Network (FPN) were also performed to form a new backbone termed CrackDet. Models of various loss functions and feature extraction modules were trained on crack images and tested on full-scale images collected on steel box girders. The CNN model incorporated the classic U-Net as its backbone, and Dice loss as its loss function achieved the highest mean Intersection-over-Union (mIoU) of 0.7571 on full-scale pictures. In contrast, the best performance on cropped crack images was achieved by integrating CrackDet with Dice loss at a mIoU of 0.7670.
An accurate and highly efficient inverse element labelled iPCB is developed based on the inverse finite element method (iFEM) for real-time shape estimation of plane-curved structures (such as arch bridges) utilizing onboard strain data. This inverse problem, named shape sensing, is vital for the design of smart structures and structural health monitoring (SHM) procedures. The iPCB formulation is defined based on a least-squares variational principle that employs curved Timoshenko beam theory as its baseline. The accurate strain-displacement relationship considering tension-bending coupling is used to establish theoretical and measured section strains. The displacement fields of the isoparametric element iPCB are interpolated utilizing nonuniform rational B-spline (NURBS) basis functions, enabling exact geometric modelling even with a very coarse mesh density. The present formulation is completely free from membrane and shear locking. Numerical validation examples for different curved structures subjected to different loading conditions have been performed and have demonstrated the excellent prediction capability of iPCBs. The present formulation has also been shown to be practical and robust since relatively accurate predictions can be obtained even omitting the shear deformation contributions and considering polluted strain measures. The current element offers a promising tool for real-time shape estimation of plane-curved structures.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.