PVDF Acoustic Emission Signal Classification and ISO Calibration
연구 내용
PVDF AE 센서의 반사 신호를 스펙트로그램으로 학습해 분류하고, ISO 교정 절차로 민감도와 주파수 응답을 검증하는 연구
PVDF 기반 음향방출(AE) 센서에서 생성되는 반사 신호를 CNN 기반으로 분류하기 위한 데이터 표현과 학습 전략을 수립합니다. 반사 신호의 시간-주파수 표현을 활용하여 스펙트로그램 입력을 구성하고, 전이학습 형태로 특징 학습을 수행해 신호 패턴을 식별합니다. 또한 다층 구조의 유연 PVDF 센서를 설계하고, ISO 표준 교정 절차를 적용하여 절대 민감도 및 동특성을 검증합니다. 기준 센서 대비 감도 비교, FFT 기반 주파수 응답 분석, PLB 시험을 통해 반복성 있는 성능 평가를 수행하며, 복잡한 표면에서도 계측 신뢰성을 확보하는 방향으로 연구합니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
먼저 PVDF AE 센서의 반사 신호를 대상으로 스펙트로그램 기반 표현을 구성하고 CNN을 통해 신호 분류 성능을 확보하는 연구를 수행했습니다. 이후 신호 분류의 기반이 되는 센서 자체의 계측 신뢰도를 높이기 위해 유연 PVDF 다층 센서를 설계하고, 국제표준 교정 절차로 절대 민감도와 주파수 응답을 정량 검증했습니다. 또한 기준 센서 비교와 PLB 시험을 통해 동특성과 반복 시험 결과를 확인하는 단계로 확장했습니다. 최근에는 캘리브레이션된 유연 센서를 정밀 공정 모니터링 및 진단 시스템에 적용할 수 있는 조건을 정리하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Acoustic emission reflection signal classification of PVDF-type AE sensor using convolutional neural network-transfer learning
Development and Validation of an ISO-Calibrated Flexible PVDF AE Sensor for Complex Surfaces