Burst Signal Extract and Features Analysis for using Acoustic Emission in Machine Learning

음향방출 신호는 비파괴 검사 중 하나로 구조물, 파이프의 균열, 누수 등 미세한 결함을 감지하는데 사용된다. 내부의 변형 에너지가 방출하게 되면 Burst 신호가 발생하고 이는 결함의 특성을 지니고 있다. 하지만 현재에는 파이프나 구조물의 단일결함에 대한 분석에 관한 연구가 주로 수행되고 있으며 결함 상태를 분류하는 연구는 수행되지 않고 있다. 본 논문에서는 음향 방출 신호를 특징 기반 머신러닝에 적용하기 위한 방법에 대한 연구를 수행하였다. AE 신호의 특성을 분석하고 비주기적으로 나타나는 Burst 신호를 탐색하기 위해 포락처리 및 이동 제곱근 평균을 적용하였으며, 센서의 타입, 감도, 진단 대상의 재질 등에 따라 변화하는 임계값 기준을 에너지 비를 이용하여 Burst 신호를 추출하여 학습 데이터로 활용하였다. 특징기반 머신러닝에 적용하기 위해 Burst 신호의 특성을 고려하여 에너지와 시간, 형상적 특성 정보를 이용하여 특징을 개발하고 샤프심 파단 시험을 통해 분류 모델의 성능을 평가하였다.