In this paper, we propose a crack detection method using finite element model and machine learning algorithm. However, in order to use machine learning for crack detection, a lot of data is needed. Therefore, in this study, we propose a crack detection method that efficiently generates deformation data corresponding to various cracks using XFEM and generates a corresponding crack image when deformation data is given. To do this, we use the structure of variational autoencoder (VAE), which is a representative model, and modified the loss function to fit the problem. The crack detection results show that the position and shape of the crack can be detected using the deformation data. The crack detection method using the mode shape independent of the load is expected to be a basic study of the crack detection using the vibration data.
본 논문은 유한요소모델과 기계학습 알고리즘을 이용한 크랙 진단 방법을 제안하였다. 그러나 기계 학습을 크랙 진단에 이용하기 위해서는 많은 데이터가 필요하다. 따라서 본 연구에서는 XFEM을 이용하여 다양한 크랙에 대응하는 변형 데이터를 효율적으로 생성하고, 변형 데이터가 주어지면 이에 대응하는 크랙 이미지를 생성하는 크랙 진단 방식을 제안하였다. 이를 위해 대표적인 생성 모델인 variational autoencoder(VAE)의 구조를 이용하였으며, 문제에 맞게 손실 함수를 수정하였다. 제안된 방식의 크랙 진단 결과는 변형 데이터를 이용하여 크랙의 위치와 형태를 진단할 수 있음을 보여주며, 하중에 독립적인 모드 형상을 이용한 크랙 진단 방식은 추후 진동 데이터를 이용한 크랙 진단의 기초연구가 될 것으로 기대한다.
