민간 기반시설, 특히 교량의 안전을 확보하는 것은 필수적이다. 그러나 기존의 다중 센서 모니터링 시스템은 대규모 교량 네트워크에 적용하기에는 종종 비용이 과도하다. 이를 해결하기 위해 본 연구는 단일 가속도계 데이터를 기반으로 하는 비지도 온라인 이상 탐지 프레임워크를 제안한다. 무작위 감쇠치(random decrement)와 자기회귀(autoregressive) 모델링을 통해 동적 특성을 추출하고, 마할라노비스 거리(Mahalanobis Distance)는 이상치의 영향이 감소된 상태에서 구조 변화를 정량화한다. 또한 온도 영향은 기계학습 모델로 보정한다. 본 프레임워크는 1년 이상 모니터링한 4가지 교량 유형에서 검증되었다. 결과는 센서 오작동이나 비정상적인 진폭과 같은 일시적 사건을, 포장(도로포장) 교체로 예시되는 영구적 구조 변화와 효과적으로 구분함을 보여준다. 후자의 경우 마할라노비스 거리의 평균이 5.2에서 11.5로 증가했으며(121%), 이는 시스템 변화에 대한 민감한 탐지를 입증한다. 이러한 결과는 대규모 교량 재고에서 조기 이상 경보 및 예방 유지보수에 활용될 수 있는, 비용 효율적인 도구로서 본 프레임워크의 잠재력을 강조한다. • 교량에서의 비지도 온라인 이상 탐지 프레임워크를 개발하였다. • 탐지 프레임워크는 단일 가속도계 데이터를 기반으로 한다. • 견고한 마할라노비스 거리 지표를 사용하여 구조 변화를 정량화한다. • XGBoost 모델을 사용하여 온도 유발 변동을 보정한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.