In this study, to monitor the structural health of structures, noise reduction technique for ultrasonic signals, reference free fatigue crack detection technique using nonlinear ultrasonic and deep learning, and nonlinear ultrasound-based online remaining life estimation (RUL) technique were developed. First, a spectral noise reduction and signal enhancement technique using deep learning was developed. Using deep learning, inherent sequential patterns of nonlinear ultrasonic modulation components were learned and signals were reconstructed. Through this, noise components are removed and important components such as nonlinear modulation components are enhanced. Second, reference free fatigue crack detection technique using nonlinear ultrasonic and deep learning was developed. In order to learn the inherent sequential patterns of ultrasonic signals, a deep learning model was constructed and immediate online training was conducted. Then, multi-step ultrasonic signal prediction was performed through the trained deep learning model, and based on this, the absolute damage index was defined using the rate of change of the nonlinear ultrasonic modulation component. Damage is automatically determined using this absolute damage index without any user-specified threshold value or confidence interval. Thirdly, an online RUL technique was developed through continuous ultrasonic signal measurement. The fatigue index was defined using nonlinear ultrasonic modulation components. Then, the relationship between the defined fatigue index and the loading cycle number was derived as a power function that does not require prior information on the initial crack. Finally, the RUL was estimated by fitting the fatigue index with the derived power function, and the RUL was estimated by continuously updating as the life cycle progressed. The proposed techniques were verified through lug specimens used for structural connection and long-span bridge tests in actual operation.
본 연구에서는 구조물의 구조적 안전성을 모니터링 하기 위해 초음파 신호의 노이즈 제거 기술, 비선형 초음파와 딥러닝을 이용한 무기저 피로균열 감지 기술, 비선형 초음파 기반 온라인 잔여수명 예측 기술을 개발하였다. 첫째로, 딥러닝을 이용한 스펙트럴 노이즈 감소 및 신호 강화 기술을 개발하였다. 딥러닝을 사용하여 비선형 초음파 변조 성분 고유의 시계열 패턴을 학습하고 신호를 재구성하였다. 이를 통해 노이즈 성분을 제거하고 비선형 변조 성분과 같은 중요 성분은 강화하였다. 둘째로, 비선형 초음파와 딥러닝을 이용한 무기저 피로균열 감지 기술을 개발하였다. 초음파 신호 고유의 시계열 패턴을 학습하기 위해 딥러닝 모형을 구성하고 즉각적인 온라인 훈련을 진행하였다. 이후, 훈련된 딥러닝 모형을 통해 다중단계 초음파 신호 예측을 수행하였고 이를 기반으로 비선형 초음파 변조 성분의 변화율을 이용하여 절대손상지수를 정의하였다. 본 절대손상지수를 사용하여 손상을 자동적으로 판단하며, 어떠한 사용자지정 경계값 이나 신뢰구간 없이 손상을 판단하였다. 셋째로, 지속적인 초음파 신호 계측을 통한 온라인 잔여수명 예측 기술을 개발하였다. 먼저, 비선형 초음파 변조 성분을 이용하여 피로지수를 정의하였다. 이후, 정의된 피로지수와 수명사이클 사이의 관계를 초기 균열에 대한 사전 정보가 필요 없는 멱함수 관계로 유도하였다. 마지막으로 현재까지 축적된 초음파 변조 데이터를 사용하여 계산된 피로지수를 유도된 멱함수로 적합하여 잔여수명을 예측하였고, 수명 사이클이 진행됨에 따라 지속적으로 갱신하여 잔여수명 예측을 진행하였다. 본 기술들은 구조체 연결에 사용되는 러그 시편과 실제 운영중인 장구간 교량 실험을 통해 검증되었다.