볼트 구조물은 다양한 진동, 외부 힘, 환경 요인의 영향을 받으며, 이들 요인은 구조적 안정성을 저하시켜 볼트 체결부의 무결성을 손상시킬 수 있다. 볼트 풀림을 사전에 감지하는 것은 매우 중요하다. 이러한 효과는 종종 볼트가 풀리게 만들며, 잠재적으로 구조적 파괴나 붕괴로 이어질 수 있기 때문이다. 그러나 복잡하거나 대규모 구조물에서 느슨함(풀림)을 식별하는 일은 상당히 어려우며, 특히 느슨한 끼움 상태(loose-fit condition)에 대한 사전 정보가 충분하지 않은 경우 더욱 그렇다. 본 연구는 이러한 문제를 해결하기 위해, 여러 가지 기본 가정을 바탕으로 변분 모드 분해(variational mode decomposition, VMD) 기반 비선형 변환(nonlinear transformation, NT) 접근법과 딥 잔차 신경망을 통합한 볼트 접합부 풀림 감지용 새로운 감지 시스템을 제안한다. 제안된 방법은 VMD를 사용하여 횡방향 진동 모드를 고유 모드 함수(intrinsic mode functions, IMFs)로 분해하고, 원하는 모드를 갖는 신호를 선택적으로 추출한다. 이후 NT 방법을 적용하여 추출된 신호를 스케일링하고 시프트하여, 대략적인 분류를 용이하게 하는 형태로 변환한다. 변환된 신호와 기준 신호 간의 차이로부터 영상 기반 스펙트로그램을 생성하고, 이를 딥 잔차 네트워크로 분석한다. 제안된 방법의 타당성을 검증하기 위해 볼트 접합부를 포함한 여러 판(plate)을 고려한다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.