Transfer Learning–Driven Deep Learning Sensor-Fusion Structural Health Monitoring Research
연구 내용
건축구조물의 건전성 변화를 딥러닝으로 추정하고, 전이학습을 통해 센서 데이터의 도메인 차이를 완화하는 센서융합 기반 손상 판별 연구
본 연구는 건축구조물과 기반지반에서 발생하는 손상을 센서 신호로부터 조기에 식별하기 위한 센서융합 기반 구조물 건전성 모니터링을 목표로 합니다. 임피던스 및 진동 등 이종 신호를 결합해 손상 지표를 구성하고, 데이터 효율을 높이기 위해 전이학습을 활용한 딥러닝 모델을 구축합니다. 특히 말뚝기초에서의 손상 위치·손상 단계를 신호 특징과 학습 기반 추정으로 연결하는 방식으로 적용성을 확보합니다. 이를 통해 실측 환경에서도 안정적인 손상 추정을 수행하는 차별성을 지향합니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
2건
연구 흐름
초기에는 말뚝기초 손상 신호를 대상으로 음향신호와 딥러닝을 결합해 손상 위치 및 손상 단계를 분류·추정하는 접근을 수행했습니다. 이후에는 저비용·다중 센서에서 취득되는 신호를 통합하여 건전성 판단 정확도를 높이기 위한 센서융합 방향으로 연구를 확장했습니다. 최근에는 전이학습 기법을 적용해 새로운 대상 또는 측정 조건에서 데이터 요구량을 줄이고, 스마트센서 융합 기반 건물 안전 모니터링으로 구현 범위를 넓히고 있습니다. 현재는 딥러닝 모델의 학습 안정성과 현장 적용성을 함께 고려한 설계로 발전하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Detection of damage locations and damage steps in pile foundations using acoustic emissions with deep learning technology
관련 프로젝트
구분
제목
딥 러닝 기반 센서융합 건축구조물 건전성 모니터링을 위한 전이학습기법 개발
딥 러닝 기반 센서융합 건축구조물 건전성 모니터링을 위한 전이학습기법 개발