Defect Detection of Bridge based on Impact-Echo Signals and Long Short-Term Memory

Q: 이 논문에서 정의한 장단기 메모리(LSTM)란 무엇인가?

장단기 메모리는 순환 신경망의 기울기 손실 문제를 해결하기 위해 제안된 신경망 알고리즘이다. 기존 순환 신경망의 메모리 셀 내부에 입력, 출력, 망각 게이트와 셀 상태를 도입하여, 긴 시퀀스 데이터 학습 시 불필요한 정보는 지우고 기억해야 할 정보를 효율적으로 관리하며 학습하는 특징을 가진다.

Q: PSC 박스 거더 교량 결함 탐지 정확도를 높이는 핵심 요인은 무엇인가?

연구 결과, PSC 박스 거더 교량의 결함 탐지 정확도를 높이는 핵심 요인은 원시 IE 신호의 표준화된 결과와 구조물의 특징 정보, 그리고 원시 IE 신호로부터 추출된 주파수 성분을 함께 학습하는 것이다. 특히 주파수 성분과 구조물의 특징 정보가 신호 분석에 유용한 정보를 제공하여 탐지 성능을 향상시킨다.

오병두; 최형; 김영진; 진원종; 김유섭

doi:10.5626/JOK.2021.48.9.988

자료유형: 학술저널

저자정보: 오병두 (한림대학교) 최형 (AI브릿지) 김영진 (한국건설기술연구원) 진원종 (한국건설기술연구원) 김유섭 (한림대학교)

저널정보: Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.48 No.9

발행연도: 2021.9

수록면: 988 - 997 (10page)

DOI: 10.5626/JOK.2021.48.9.988

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

PSC 박스 거더 교량은 다양한 요소로 구성되어 있으며, 그 중 강연선은 가장 중요한 요소이다. 강연선은 부식과 같은 결함으로부터 매우 취약하다. 그래서 이를 보호하기 위해 덕트에 삽입한 후 콘크리트를 타설한다. 하지만 덕트의 내부 직경은 매우 좁기 때문에 작은 실수로도 공동이 발생할 수 있다. 따라서 비파괴 검사를 이용해 얻은 신호에 대한 전문적인 해석으로 결함의 여부를 확인하지만, 이는 많은 비용과 시간을 요구한다. 또한 콘크리트 구조물의 내부 상태를 정확하게 탐사하는 것이 어렵다. 따라서 본 연구에서는 장단기 메모리(Long Short-Term Memory)를 도입하고자 한다. 이 때, 콘크리트 구조물에서 자주 사용되는 Impact-Echo (IE) 방법을 입력 자질로 사용한다. 그리고 구조물의 특징(콘크리트의 두께, 덕트의 깊이, 타격점과 측정점과의 거리)을 학습에 함께 활용하며, IE 신호에 대한 주파수 성분도 추가로 활용한다. 실험 결과, 본 연구에서 제안한 모델은 약 88.56%의 정확도를 확인할 수 있었다.

#결함 탐지 #장단기 메모리 #Impact-Echo 방법 #주파수 성분 #defect detection #long short-term memory #impact-echo method #frequency components

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)