메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이정준 (경상국립대학교) 정덕영 (경상국립대학교) 박동희 (다비스) 최병근 (경상국립대학교)
저널정보
한국동력기계공학회 동력시스템공학회지 동력시스템공학회지 제27권 제1호
발행연도
2023.2
수록면
49 - 57 (9page)
DOI
10.9726/kspse.2023.27.1.049

이용수

DBpia Top 10%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
음향방출 신호는 비파괴 검사 중 하나로 구조물, 파이프의 균열, 누수 등 미세한 결함을 감지하는데 사용된다. 내부의 변형 에너지가 방출하게 되면 Burst 신호가 발생하고 이는 결함의 특성을 지니고 있다. 하지만 현재에는 파이프나 구조물의 단일결함에 대한 분석에 관한 연구가 주로 수행되고 있으며 결함 상태를 분류하는 연구는 수행되지 않고 있다. 본 논문에서는 음향 방출 신호를 특징 기반 머신러닝에 적용하기 위한 방법에 대한 연구를 수행하였다. AE 신호의 특성을 분석하고 비주기적으로 나타나는 Burst 신호를 탐색하기 위해 포락처리 및 이동 제곱근 평균을 적용하였으며, 센서의 타입, 감도, 진단 대상의 재질 등에 따라 변화하는 임계값 기준을 에너지 비를 이용하여 Burst 신호를 추출하여 학습 데이터로 활용하였다. 특징기반 머신러닝에 적용하기 위해 Burst 신호의 특성을 고려하여 에너지와 시간, 형상적 특성 정보를 이용하여 특징을 개발하고 샤프심 파단 시험을 통해 분류 모델의 성능을 평가하였다.

목차

초록
Abstract
1. 서론
2. 머신러닝 적용을 위한 특징 분석
3. AE 신호의 머신러닝 적용기술 개발
4. 실험 및 적용 결과
5. 결론
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0