Technological development in a non-destructive evaluation (NDE) area has been achieved with significance of structural stability due to an increased lifespan of infrastructures and buildings. In spite of difficulties in accurate predictions of structural failure and collapse, an electro-mechanical impedance (EMI) method has been developed as a promising structural health monitoring (SHM) technique which utilizes a piezoelectric material to vibrate a structure with ultrasonic frequencies. In the EMI method, an electro-mechanical impedance value of a structure can be measured by a piezoelectric material which can act as a sensor and an actuator simultaneously. The impedance value of a structure can be changed by small damage occurred around the piezoelectric material, and the damage can be detected by the changed impedance value conversely. Thus, a location of damage or severity of damage can be predicted by analysis of the measured impedance value in the EMI method. However, it is difficult to predict a precise location of damage since the impedance value is sensitive to environmental conditions such as a temperature or humidity and experimental conditions such as a size of piezoelectric materials or adhesive conditions between piezoelectric materials and a structure. Thus, advanced techniques are required to enhance performance of the EMI method for an accurate prediction of a damaged location. In this paper, the EMI method was integrated with a back-propagation neural network model to predict a damaged area with high accuracy, and a sub-RMSD method was applied to improve performance of the neural network model. Experiments were carried out on three kinds of engineering materials including two types of FRP composite materials and cement mortar. From experimental results, probabilities of damaged location predictions were increased by the sub-RMSD method in all three cases. Additionally, different attenuation characteristics between a cross-ply FRP composite material and a random-chopped FRP composite material were measured to explain low accuracy in the case of random-chopped FRP composite without the sub-RMSD method. As a result, the neural network model with the sub-RMSD method successfully predicted the damaged locations with high accuracy, and applicability of the EMI method was verified on several engineering materials.
전기기계적 임피던스 기법은 압전센서를 사용하는 비파괴 검사 분야의 기술 중 하나로 연구를 통해 뛰어난 성능과 넓은 적용 가능성이 검증되었다. 하지만 임피던스 신호가 압전센서의 주변 온도 및 습도에 영향을 받고, 압전센서의 크기나 구조물의 모양에 따라 신호의 값이 크게 달라질 수 있으므로 전기기계적 임피던스 기법을 사용하여서 손상의 위치를 정확하게 예측하는 것은 어려웠다. 또한, 압전센서로부터 발생한 진동이 이동 거리에 따라 빠르게 감쇠하기 때문에 콘크리트와 같은 구조물에서는 측정 반경이 작아서 먼 위치의 손상을 감지할 수 없는 단점이 있었다. 이에 여러 기법의 추가적인 적용을 통해 전기기계적 임피던스 기법의 성능을 향상하려는 연구가 진행되었고, 손상의 위치를 정확하게 파악하고자 하는 시도가 이루어졌다. 본 연구에서는 역전파 뉴럴 네트워크 모델을 전기기계적 임피던스 기법에 적용하여서 손상의 위치를 예측하는 연구를 수행하였고, 또한 주파수 전체 범위를 낮은 대역과 높은 대역으로 나누어서 각각의 대역으로부터 측정된 임피던스 신호를 뉴럴 네트워크의 입력값으로 사용하여서 정확도를 향상하고자 하였다. 그 결과, 부분 주파수 대역을 적용한 경우에 그렇지 않은 경우보다 손상의 위치를 더 높은 정확도로 예측할 수 있는 것을 확인할 수 있었다. 그리고 시편에 손상을 가한 각각의 경우에 대해 부분 주파수 대역을 적용하지 않은 경우에는 정확하게 예측하였으나, 부분 주파수 대역을 적용함으로 인해 예측하지 못한 경우를 분석하였다. 이에 뉴럴 네트워크로부터 예측된 손상 발생 확률의 편차를 크게 하는 것이 정확도를 높일 수 있다는 것을 알아내었다. 또한, 실험에 사용된 두 가지 다른 복합재료에 대해 진동의 감쇠 특성을 측정하였고, 서로 다른 감쇠 특성이 있어서 손상의 위치를 예측할 때 다른 정확도 값을 보인 것을 설명할 수 있었다. 결과적으로 뉴럴 네트워크 모델을 통해 높은 정확도로 손상의 위치를 예측할 수 있었고, 전기기계적 임피던스 기법의 적용성을 확인하였다.
