1 |
1
복수의 사전 정보를 포함하는 적어도 하나의 트레이닝 시편 및 적어도 하나의 시험 시편을 이용하는 피로 균열 성장 예측 방법에 있어서,상기 시험 시편에서 적어도 하나의 램파 신호가 취득되는지 여부를 판단하고,상기 시험 시편에서 램파 신호가 취득되는 경우에는,상기 램파 신호를 전처리하는 단계;상기 트레이닝 시편의 균열 위치 또는 균열 길이에 따라 적어도 하나의 특징인자를 추출하는 단계;랜덤 포레스트 모델을 구축하는 단계;상기 랜덤 포레스트 모델의 하이퍼 파라미터 최적화 및 상기 추출된 특징인자 중 최적의 특징인자를 선정하는 단계; 및상기 선정된 최적의 특징인자 추출 및 상기 최적화된 하이퍼 파라미터를 가지는 랜덤 포레스트 모델에 상기 최적의 특징인자 및 주어진 사이클에 대한 정보를 입력하여 상기 시험 시편의 균열 길이를 예측하는 단계;를 포함하고,일정 시점 이후 상기 시험 시편에서 램파 신호가 취득되지 않는 경우에는,상기 시험 시편에서 램파 신호가 취득된 경우에 예측된 상기 시험 시편의 균열 길이 정보를 참조하여, 상기 시험 시편의 최초 균열 발생 시점을 기준으로 사이클을 정규화하는 단계;상기 트레이닝 시편과 상기 시험 시편에 가해지는 외부 하중 조건이 동일한지 여부를 판단하는 단계; 상기 시험 시편에 가해지는 외부 하중 조건이 상기 트레이닝 시편과 동일한 경우, 파티클 필터 기반 앙상블 모델을 이용하여 상기 시험 시편의 다음 사이클에서의 균열 길이를 예측하는 단계; 및상기 시험 시편에 가해지는 외부 하중 조건이 상기 트레이닝 시편과 다른 경우, 워커 방정식을 이용하여 상기 시험 시편의 나머지 사이클에서의 균열 길이를 예측하는 단계;를 포함하는 것을 특징으로 하는 피로 균열 성장 예측 방법
|
2 |
2
제 1항에 있어서,상기 램파 신호는 상기 트레이닝 시편 및 상기 시험 시편에 따라 적어도 하나의 신호로 구성되고, 상기 신호는 액추에이터에서 발생되는 액추에이터 신호와, 상기 트레이닝 시편 및 상기 시험 시편을 따라 상기 액추에이터 신호가 전파되어 수신기에서 수신되는 수신기 신호를 포함하는 것을 특징으로 하는 피로 균열 성장 예측 방법
|
3 |
3
제 2항에 있어서,상기 액추에이터와 상기 수신기는 일정 거리 이격되도록 형성되며, 상기 액추에이터와 상기 수신기의 이격 거리는 상기 트레이닝 시편 및 상기 시험 시편에 따라 달라지고,상기 액추에이터 신호와 상기 수신기 신호는 상기 트레이닝 시편 및 상기 시험 시편에 균열 발생시 변동되는 것을 특징으로 하는 피로 균열 성장 예측 방법
|
4 |
4
제 2항에 있어서,상기 램파 신호를 전처리하는 단계는,상기 램파 신호에 대역 통과 필터를 일정 주파수 범위에서 적용함으로써 노이즈를 제거하는 단계;상기 트레이닝 시편의 상기 액추에이터 신호의 최대 값을 기준으로 상기 액추에이터 신호의 위상을 동일하게 정렬하는 단계; 및상기 트레이닝 시편의 상기 수신기 신호의 최대 값을 기준으로 상기 수신기 신호의 위상을 동일하게 정렬하는 단계;를 포함하는 것을 특징으로 하는 피로 균열 성장 예측 방법
|
5 |
5
제 1항에 있어서,상기 랜덤 포레스트 모델을 구축하는 단계는, 상기 트레이닝 시편 중 적어도 하나에 대해 복수의 결정 트리를 구축하는 단계;를 포함하는 것을 특징으로 하는 피로 균열 성장 예측 방법
|
6 |
6
제 5항에 있어서,상기 하이퍼 파라미터는,상기 결정 트리의 개수 및 상기 결정 트리에서의 최대 허용 깊이를 포함하는 것을 특징으로 하는 피로 균열 성장 예측 방법
|
7 |
7
제 1항에 있어서,상기 랜덤 포레스트 모델의 하이퍼 파라미터 최적화 및 상기 추출된 특징인자 중 최적의 특징인자를 선정하는 단계는,상기 트레이닝 시편을 복수의 서브 데이터 세트로 분할하는 단계;상기 분할된 서브 데이터 세트를 이용하여 복수 회의 K-겹 교차검증을 수행하는 단계;상기 추출된 특징인자 중 적어도 어느 하나의 특징인자의 집합에 대해 그리드-서치 기반 하이퍼 파라미터의 최적화를 반복적으로 수행하는 단계; 상기 하이퍼 파라미터 최적화에 따라 적어도 하나의 최적화된 성능 메트릭을 획득하는 단계; 및상기 최적화된 성능 메트릭을 비교하여 최적의 특징인자를 선정하는 단계;를포함하고,상기 서브 데이터 세트 중 어느 하나의 데이터 세트가 시험 데이터 세트이고, 나머지 데이터 세트는 트레이닝 데이터 세트이며, 상기 K-겹 교차검증에 의해 상기 성능 메트릭을 획득하고,상기 성능 메트릭은, 인 것을 특징으로 하는 피로 균열 성장 예측 방법
|
8 |
8
제 7항에 있어서,상기 최적의 특징인자는,상기 트레이닝 시편 또는 상기 시험 시편으로부터 획득되고,상기 램파 신호의 최대 진폭, 최대 에너지, 위상 지연과, 상기 램파 신호 간의 상관 계수와, 이전 균열 길이 정보를 포함하는 것을 특징으로 하는 피로 균열 성장 예측 방법
|
9 |
9
제 1항에 있어서,상기 파티클 필터 기반 앙상블 모델을 이용하여 상기 시험 시편의 다음 사이클에서의 균열 길이를 예측하는 단계는,지수함수 형태의 추정 모델을 통해 상기 시험 시편의 이전 사이클에 해당되는 상기 트레이닝 시편의 균열 길이를 추정하는 단계;상기 각각의 트레이닝 시편의 추정된 균열 길이를 평균으로 가지는 가우시안 분포를 생성하는 단계;상기 가우시안 분포를 기초로 하여, 상기 시험 시편의 이전 사이클에서의 상기 각각의 트레이닝 시편의 가중치를 계산하는 단계; 및상기 계산된 가중치와, 상기 시험 시편의 이전 사이클에 해당되는 상기 트레이닝 시편의 추정된 균열 길이 및 상기 시험 시편의 이전 사이클에서의 균열 길이를 이용하여 상기 시험 시편의 다음 사이클에서의 균열 길이를 예측하는 단계;를 포함하는 것을 특징으로 하는 피로 균열 성장 예측 방법
|
10 |
10
제 9항에 있어서,상기 지수함수 형태의 추정 모델은, 이고, 상기 시험 시편과 상기 트레이닝 시편의 피로 균열 성장 양상은 상기 지수함수 형태의 추정 모델을 따르는 것을 특징으로 하는 피로 균열 성장 예측 방법
|
11 |
11
제 9항에 있어서,상기 트레이닝 시편의 균열 길이를 추정하는 단계는,상기 트레이닝 시편의 사전 정보를 이용하여 상기 지수함수 형태의 추정 모델의 파라미터를 추정하는 단계; 상기 추정된 파라미터를 반영한 상기 지수함수 형태의 추정 모델을 이용하여 상기 트레이닝 시편 중 적어도 하나에 대해 임의의 사이클에 대한 균열 길이를 보간 및 외삽하는 단계; 및상기 보간 및 외삽된 균열 길이를 이용하여, 상기 시험 시편의 이전 사이클에 해당되는 상기 트레이닝 시편 중 적어도 하나의 균열 길이를 추정하는 단계;를 포함하는 것을 특징으로 하는 피로 균열 성장 예측 방법
|
12 |
12
제 9항에 있어서,상기 각각의 트레이닝 시편의 가중치는, 상기 시험 시편의 이전 사이클에서의 균열 길이에 대응되는 상기 가우시안 분포의 확률 밀도 함수 값으로 계산되는 것을 특징으로 하는 피로 균열 성장 예측 방법
|
13 |
13
제 9항에 있어서,상기 시험 시편의 다음 사이클에서의 균열 길이는, 상기 시험 시편의 이전 사이클에 해당되는 상기 트레이닝 시편의 추정된 균열 길이와, 상기 트레이닝 시편의 가중치 및 상기 시험 시편의 이전 사이클에서의 균열 길이를 각각 곱한 것의 합으로 계산되는 것을 특징으로 하는 피로 균열 성장 예측 방법
|
14 |
14
제 1항에 있어서,상기 워커 방정식을 이용하여 나머지 사이클에서의 균열 길이를 예측하는 단계는,상기 시험 시편에서 적어도 하나의 램파 신호가 취득된 경우에 예측된 상기 시험 시편의 이전 사이클의 균열 길이 정보로부터 선형 회귀 모델을 구축하는 단계;상기 시험 시편의 이전 사이클의 균열 길이 정보로부터 상기 선형 회귀 모델의 모델 파라미터를 추정하고, 상기 시험 시편의 이전 사이클 이후의 두 번의 사이클에 대한 상기 시험 시편의 균열 길이를 예측하는 단계;상기 시험 시편의 이전 사이클의 균열 길이 정보 및 상기 시험 시편의 이전 사이클 이후의 두번의 사이클에 대한 상기 시험 시편의 균열 길이 정보를 활용하여 상기 워커 방정식의 모델 파라미터를 추정하는 단계; 및상기 추정된 워커 방정식의 모델 파라미터를 상기 워커 방정식에 반영하여 나머지 사이클에서의 상기 시험 시편의 균열 길이를 예측하는 단계;를 포함하는 것을 특징으로 하는 피로 균열 성장 예측 방법
|
15 |
15
제 14항에 있어서,상기 워커 방정식에서 나머지 사이클에서의 상기 시험 시편의 균열 길이는, 이고,주기적인 사이클 동안의 평균적인 균열 길이 증가비는, 인 것을 특징으로 하는 피로 균열 성장 예측 방법
|
16 |
16
제 14항에 있어서,상기 워커 방정식의 모델 파라미터를 추정하는 단계는,상기 시험 시편의 최초 균열 발생 시점에서의 불확실성 변수를 추정하는 단계; 및상기 워커 방정식의 모델 파라미터를 최적화하는 단계;를 더 포함하는 것을 특징으로 하는 피로 균열 성장 예측 방법
|
17 |
17
제 16항에 있어서,상기 워커 방정식의 모델 파라미터 최적화는, 에 의해 이루어지는 것을 특징으로 하는 피로 균열 성장 예측 방법
|
18 |
18
제 1항에 있어서,상기 사전 정보는 외부 하중 조건, 사이클 및 균열 길이를 포함하는 것을 특징으로 하는 피로 균열 성장 예측 방법
|