테라헤르츠 펄스 이미징 기술과 머신러닝을 활용한 에폭시 코팅 구조물의 다중 손상 판별

투, 완리, 순총 중, 추쿤 장, 이 황, 그리고 만팅 루오.

초록

테라헤르츠 비파괴 검사 기술을 활용하여 결함이 있는 에폭시 코팅 구조물의 진단 능력을 향상시키기 위해, 본 논문에서는 다중 도메인 특징 융합 및 기계 학습을 기반으로 한 다중 손상 식별 알고리즘을 제안하였다. 세 가지 심각도 수준을 가진 코팅 구조의 세 가지 전형적인 결함 유형을 조사하였다. 첫째, 유한차분 시간영역(FDTD) 모델링을 통해 노화로 인한 물성 변화를 반영하여 다양한 결함 구조에 대한 테라헤르츠 펄스 이미징(TPI) 신호를 생성하였다. 둘째, 시간 영역, 주파수 영역 및 웨이블릿 패킷 에너지 파라미터를 추출한 후, 개선된 랜덤 포레스트(Random Forest) 방법을 이용한 중요도 분석을 통해 필터링하여 결함 구조에 민감한 핵심 특징을 도출했다. 이후, 선별된 특징들은 최적화된 고유벡터로 재구성되었으며, 입자 군집 최적화(PSO) 알고리즘을 적용한 계단식 서포트 벡터 머신(SVM) 분류기를 통해 처리되었다. 계단식 분류기를 통해 결함 유형 분류 및 결함 심각도 평가가 수행되었다. 기존의 단일 단계 다중 분류기와 비교하여, 제안된 특징 필터링 알고리즘은 판별 특징의 정밀도를 현저히 향상시켰으며, 코팅의 핵심 구조적 특성을 더 잘 포착했다. 이러한 최적화는 궁극적으로 결함 분류의 정확도와 신뢰성을 높였다. 결과는 이 방법이 효과적이며 실제 적용에 권장될 수 있음을 보여주었다.

전체 논문은 여기에서 확인할 수 있습니다.