물리-인공지능 디지털 트윈 업데이트 기반 균열 손상 추정

Physics-AI Digital Twin Updating for Explainable Crack and Structural Damage Identification

연구 내용

물리 기반 디지털 트윈을 업데이트하여 접합부 균열을 설명형으로 식별하고 손상 추정 모델을 고도화하는 연구

구조 손상 추정에서 측정 데이터와 물리 모델 간 불일치를 줄이기 위해 디지털 트윈을 업데이트하는 연구를 수행합니다. 기계적 접합부의 균열 식별을 목표로, 물리 기반 시뮬레이션 결과를 데이터에 맞춰 보정하면서 손상 상태를 도출합니다. 또한 설명 가능 신호를 함께 산출하여 균열 식별 근거를 정리하고, 모델이 실제 점검 상황에서 활용될 수 있도록 단계별 추정 절차를 구성합니다. 이와 연계해 베이지안 기반 신호 취득 체계를 통해 센서 네트워크에서 필요한 관측을 설계하고 물리-인공지능 융합형 손상 추정 모델로 연결하는 방향을 포함합니다.

관련 프로젝트

3건

연구 흐름

초기에는 디지털 트윈의 물리 모델이 손상 상태를 어떻게 반영하는지 파악하고, 업데이트가 필요한 관측 변수와 관측 체계를 설정하는 데 집중했습니다. 이후 물리 기반 트윈을 데이터에 맞게 보정하는 절차를 구축하고, 접합부 균열 식별과 같이 국부 손상을 대상으로 추정 파이프라인을 정교화했습니다. 최근에는 베이지안 기반 신호 취득 체계를 통해 센서 네트워크 설계와 관측 품질을 함께 고려하고, 손상 추정 결과를 설명형 형태로 제공하는 연구를 수행하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

구조 손상 추정 알고리즘
디지털 트윈 업데이트 파이프라인
센서 네트워크 관측 설계
베이지안 기반 신호 취득
설명형 균열 식별 결과지
유지관리 의사결정 지원
항공기 구조 신뢰성 평가
물리-인공지능 융합 추정 모델
점검 데이터 기반 트윈 보정
손상 시나리오 시뮬레이션 검증