Acoustic emission is caused by phenomena such as cracks and fiber breakage of the structure, and it is important to observe the acoustic emission occurrence because it contains damage information of the structure. In the absence of the acoustic emission localization technique, the number of acoustic emission occurrences in the structure was counted, and the structure was discarded when the number of acoustic emissions exceeded a certain standard. In this way, there may be cases where the structure is not dangerous but discarded, and the structure is dangerous but not discarded. To address these problems, much prior research has attempted localization of acoustic emission. However, in most studies, acoustic emission localization techniques were possible with isotropic structures, or limitations existed with boundary condition changes and obstacles. In order to overcome the above limitations, a Q-switched laser capable of generating laser-induced elastic waves in the structure was used to scan and train the structure. The laser-based acoustic emission localization technique is effective in thin structures, but more advanced technology is needed in thick and complex structures such as type IV composites fuel tanks. Also, there was a problem that AE localization did not work well at the poor signal propagation area. Therefore, this paper introduces advanced acoustic emission localization technology using artificial intelligence. As part of the verification, it was applied to the complex wing skin with attached sub-structures and the thick type IV composites fuel container, and compared the results of the previous acoustic emission localization technique. Acoustic emission localization is performed through cross-correlation between the modulated laser-induced signals in the time, frequency domain obtained from artificial intelligence. In addition, an acoustic emissions real-time localization experiment is performed. Finally, we collect noise, acoustic emission, and bad signal-to-noise ratio acoustic emission that can occur in the driving situation of the structure. Also, the vibration situation that occurs when the structure is driven is simulated through a shaker and confirms whether the vibration affects the signal acquisition. Then, a classifier that distinguishes the above three types of signals is proposed and the feature distribution of each type of signal is visualized. In addition, we introduce a noise reduction technique that can improve the signal-to-noise ratio when the signal classifier determines that bad signal-to-noise ratio acoustic emission has entered.
음향방출은 구조물의 크랙, 섬유 손상과 같은 현상에 의해 발생하며 구조물의 손상정보를 포함하고 있기 때문에 구조물에서 발생하는 음향방출을 관찰하는 것은 중요하다. 음향방출 위치 표정 기술이 없을 때는 구조물에 발생한 음향방출의 횟수를 세고 음향방출 횟수가 특정 기준을 넘어가면 구조물을 폐기하는 방식이 사용되었다. 이러한 방식은 구조물이 위험하지 않지만 폐기되는 경우와 구조물이 위험하지만 폐기되지 않는 경우가 발생할 수 있다. 이러한 문제점을 해결하기 위해 많은 선행 연구에서 음향방출의 위치 표정을 시도하였다. 하지만 대부분 연구에서 음향방출 위치 표정이 센서에서 가까운 위치에서 발생한 경우 혹은 등방성 구조물에서만 가능하거나 경계 조건 변화, 장애물이 있는 경우 한계점이 존재하였다. 위와 같은 한계점을 극복하기 위해 구조물에서 레이저 유도 탄성파를 발생시킬 수 있는 Q-switched 레이저를 구조물을 스캔하고 훈련하는 데 사용하였다. 레이저를 사용한 음향방출 위치 표정 기법은 얇은 구조물에서는 효과적이지만 연료 보관을 위해 제작되는 복합재 연료 용기처럼 두껍고 복잡한 구조물에서는 더 발전된 기술이 필요하다. 또한 신호 전파가 잘 되지 부분의 음향방출 위치 표정이 잘 되지 않는 문제점이 존재했다. 따라서 본 논문에서 인공지능을 활용한 발전된 음향방출 위치 표정 기술을 소개한다. 그 검증의 일환으로 부 구조물이 부착된 복잡한 wing skin과 연료 저장을 위해 제작되는 두꺼운 type IV 복합재 연료 용기에 적용하여 기존 음향방출 위치 표정 기법을 사용했을 때와 결과를 비교한다. 음향방출의 위치 표정은 인공지능을 활용하여 변조된 레이저 유도 신호들의 시간, 주파수 영역 신호 간의 교차 상관을 통해 실시한다. 추가로 실시간으로 구조물에서 수집된 음향방출의 위치 표정을 수행한다. 마지막으로 구조물의 구동 상황에서 발생할 수 있는 잡음 신호, 음향방출 신호, 신호 대 잡음비가 낮은 음향방출 신호를 수집한다. 그리고 구조물이 실제로 구동될 때 발생하는 진동 상황을 shaker를 통해 모사하고 진동이 신호 수집에 영향을 주는지 확인한다. 최종적으로 앞서 언급한 세 종류의 신호를 구분하는 분류기를 제안하고 각 세 종류의 신호들의 특징 분포를 가시화한다. 또한, 세 종류의 신호 분류기에서 낮은 신호 대 잡음비의 신호가 들어왔다고 판단할 경우 신호 대 잡음비를 개선할 수 있는 잡음 감소 기법에 대해 소개한다.
