1) 1차년도: 딥 러닝 기술 적용을 위한 센서융합 건물 SHM 데이터 처리기술 연구
- 딥 러닝 기술의 건물 SHM 응용기술 연구: CNN, RNN 및 GAN의 적용성 연구, 건물 SHM을 위한 최적 기법 선정
- 딥 러닝을 위한 heterogeneous 데이터 처리기술 연구: 전역적/국부적 모니터링 데이터 융합 기법 연구, 특성인자 추출(feature extraction) 및 classification task 방법 연구
- 전역적/국부적 건물 SHM을 위한 센서융합 시스템 설계: 전역적/국부적 모니터링 항목 선정, 대표 구조형식별 계측항목/위치 설계, 센서융합 시스템 적용 모형실험
2) 2차년도: 건물 SHM을 위한 전이학습 알고리즘 연구
- Scale-free 학습 기반 건물 SHM을 위한 domain adaptation 기법 연구: TCA, JDA 및 ARTL 기법 연구, 축소 모형과 실 건물 간 상사법칙 적용, Geometry/material/topology domain 적용
- Shared representation 학습 알고리즘 연구: 유사 구조물간 공통 사용 가능한 shared representation 연구, 특성인자 설계 및 추출 기법 연구, 특성인자 및 label 분포의 mapping 방법 연구
- 전이학습 알고리즘 연구: 최적 전이학습 알고리즘 선정 및 초기 구현, 단순부재/단순구조에 대한 알고리즘 적용 및 실험 검증
3) 3차년도: 딥 러닝 및 전이학습 기반 건물 SHM 기법 개발
- 딥 러닝 기반 건물 SHM의 학습체계 구축: 4단계 평가 결과 범주 설정, 범주별 학습방법 구축, 건물 SHM 특화 딥 러닝 학습체계 구축
- 전이학습 알고리즘 고도화: 사전학습 및 fine-tuning 기법 고도화 연구, 대표 구조형식별 알고리즘 검증, 소규모 vs 중규모 축소 모형에 대한 scale-free 전이학습 알고리즘 적용 및 실험 검증
- 인공지능 기반 센서융합 건물 SHM 시스템 제안: Source 및 target domain의 센서융합 시스템 설계, Source domain 구축방법 및 사전학습 기법 체계화, Target domain의 fine-tuning 기법 체계화 및 SHM 시스템 제안
딥 러닝(deep learning) 기반 실 건물의 구조물 건전성 모니터링(SHM: structural health monitoring)에서 발생하는 데이터 불균형 및 데이터 부족 문제를 해결하기 위하여, source domain(축소 모형)의 건전상태와 다양한 손상상태에 대한 데이터를 실험을 통하여 확보하고, 해석/실험 데이터를 기반으로 사전학습(pre-...
해상풍력터빈 지지구조물의 거동을 센서로 측정하여 원격에서 현재의 상태를 평가하고 결함 및 노후화 정도를 판정한 후 이를 기반으로 유지보수의 적정시점을 판단할 수 있는 상태기반 유지보수를 위한 SHM 기술을 개발하고자함. 이를 위하여 지지구조물의 거동특성을 분석한 후, 계측방법 및 계측시스템 설계, 상태평가/손상추정기법, 장기 모니터링 모듈 등을 개발하고 이를 기기 CMS와 통합한 이상상태진단 시스템을 개발함. 대상 지지구조물은 트라이포드형식임. 구체적 연구내용은 다음과 같음.
* 지지구조물 거동특성 연구: 바람, 파도, 조류, 해저지질조건 등 다양한 해상환경조건을 고려하여 지지구조물을 포함하는 풍력발전시스템 동력학시뮬레이션, 구조해석 및 진동해석 등을 수행한 후 지지구조물의 거동특성을 분석함.
* 계측방법 연구 및 계측시스템 설계: 전역적/국부적 상태평가 및 장기 모니터링을 위한 요구사항을 도출한 후 최적계측위치 및 항목 선정기법을 연구하고 지지구조물의 계측시스템을 설계함.
* 상태평가/손상추정기법 연구: 자연모사법, 하이브리드 평가기법 등 첨단 평가기법의 비교연구를 통하여 지지구조물의 상태평가/손상기법을 개발하고 수치적 시뮬레이션 및 실험을 통하여 알고리즘을 검증함.
* 장기 모니터링 모듈 개발: 경향분석 및 통계분석 등을 통한 장기 모니터링 데이터 처리기법을 연구하고, 감시지표를 이용한 경고기준치 및 기준식을 개발함.
* 통합 이상상태진단 시스템 설계 및 구축: 기기 CMS와 지지구조물 SHM 요소기술들을 모듈화한 후 통합할 수 있는 시스템을 설계하고 구축함.
* 3 MW 용량 해상풍력터빈 지지구조물에 적용: 개발된 통합 이상상태진단 시스템을 실제 해상풍력터빈에 적용하여 검증을 수행함.