비파괴평가는 재료나 구조물의 내부 결함, 손상, 열화 상태 등을 파괴하지 않고 진단하는 기술로, 기계공학, 재료공학, 원자력, 항공우주 등 다양한 산업 분야에서 필수적으로 활용되고 있습니다. 송성진 연구실은 초음파, 와전류, 음향 메타물질 등 다양한 물리적 원리를 기반으로 한 비파괴평가 기법의 이론적 모델링과 실험적 검증을 활발히 수행하고 있습니다. 특히, 초음파를 이용한 결함 검출, 표면 및 내부 결함의 정량적 평가, 잔류응력 측정 등 고도화된 진단 기술 개발에 주력하고 있습니다. 최근에는 위상배열 초음파, 레일리파, 램파, EMAT(전자기 초음파) 등 첨단 초음파 기법을 적용하여 복잡한 구조물이나 이종금속 용접부, 다층 구조물 등 기존 방법으로는 진단이 어려웠던 영역까지 평가 범위를 확장하고 있습니다. 또한, FEM(유한요소해석), 시뮬레이션 기반 신호 예측, 자동화된 결함 판별 알고리즘 등 디지털 트윈 및 인공지능 기술과의 융합을 통해 진단의 신뢰성과 정밀도를 높이고 있습니다. 이러한 연구는 원자력 발전소, 플랜트, 철도, 항공기 등 사회 인프라의 안전성 확보와 수명 연장, 유지보수 비용 절감에 크게 기여하고 있습니다. 송성진 연구실은 국내외 다양한 산업체 및 연구기관과의 협력을 통해 현장 적용이 가능한 실용적 비파괴평가 시스템을 개발하고, 관련 표준화 및 전문 인력 양성에도 힘쓰고 있습니다.

송성진 연구실은 초음파 및 와전류 신호의 자동화된 결함 진단 시스템 개발에 선도적인 역할을 하고 있습니다. 기존의 비파괴평가가 숙련된 작업자의 경험에 크게 의존했던 것과 달리, 본 연구실은 신경망, 딥러닝, 오토인코더 등 인공지능 기술을 접목하여 신호의 잡음 제거, 결함 신호 추출, 결함 유형 분류, 결함 크기 산정 등 전 과정을 자동화하고 있습니다. 이를 통해 진단의 신뢰도와 일관성을 크게 향상시키고, 대량의 데이터 처리와 실시간 평가가 가능하도록 시스템을 고도화하고 있습니다. 특히, 최근 발표 논문에서는 컨볼루션 신경망(CNN), 잔차 신경망(ResNet) 등 최신 딥러닝 모델을 활용하여 용접부, 배관, 복합재 등 다양한 구조물의 결함 신호를 효과적으로 분류하고, 미세 결함까지 정밀하게 검출하는 성과를 보이고 있습니다. 또한, 초음파 신호의 시뮬레이션 데이터와 실제 측정 데이터를 융합하여 학습 데이터셋을 구축하고, 다양한 결함 조건에 대한 일반화 성능을 확보하고 있습니다. 이러한 자동화 및 인공지능 기반 진단 기술은 산업 현장의 검사 효율성을 극대화하고, 인적 오류를 최소화하는 데 중요한 역할을 하고 있습니다. 더불어, 원격 모니터링, 온라인 상태 감시, 스마트 유지보수 등 미래형 산업 시스템과의 연계도 활발히 추진되고 있습니다.