기계 학습 기반 전기 기계 임피던스 측정을 통한 샌드위치 표면층 접착 분리 검출 및 크기 추정

본 연구는 구조적 건강 모니터링(SHM) 응용 프로그램에서 샌드위치 표면층 접착 분리 검출 및 크기 추정을 위한 두 단계 물리학 및 기계 학습(ML) 기반 전기 기계 임피던스(EMI) 측정 데이터 평가 접근법을 제안한다. 사례 예로 이상화된 표면층 접착 분리가 있는 원형 알루미늄 샌드위치 패널이 사용되었다. 센서와 접착 분리는 샌드위치의 중심에 위치하였다. 유한 요소(FE) 기반 매개변수 연구를 통해 합성 EMI 스펙트럼이 생성되었고, 이는 특성 엔지니어링 및 ML 모델 훈련 및 개발에 사용되었다. 실제 EMI 측정 데이터의 보정은 FE 모델 단순화를 극복하며, 발견된 합성 데이터 기반 특성과 모델을 통해 평가할 수 있도록 하였다. 데이터 전처리 및 ML 모델은 실험실 환경에서 수집된 보이지 않는 실제 EMI 측정 데이터로 검증되었다. 원-클래스 서포트 벡터 머신과 K-최근접 이웃 모델에서 최고의 검출과 크기 추정 성능이 각각 나타났으며, 이는 관련 접착 분리 크기의 신뢰할 수 있는 식별을 확실히 보여주었다. 나아가, 이 접근법은 알려지지 않은 인위적 방해에 강한 것으로 나타났으며, 접착 분리 크기 추정에 대한 이전 방법보다 우수한 성능을 보였다. 이 연구에서 사용된 데이터와 코드는 이해도를 높이고 향후 연구를 장려하기 위해 전체적으로 제공된다.