Development of a Damage Monitoring Technique for Jacket-type Offshore Structures using Fiber Bragg Grating Sensors

構 造 工 學

第31卷 第6A 號·2011年 11月 pp. 399 ~ 408

광섬유 브래그 격자 센서를 활용한 재킷식 해양구조물의 손상 감지 기법 개발

Development of a Damage Monitoring Technique for Jacket-type Offshore Structures using Fiber Bragg Grating Sensors

박현준*·구기영**·이진학***·윤정방****

Park, Hyun-Jun · Koo, Ki-Young · Yi, Jin-Hak · Yun, Chung-Bang

···

Abstract

Development of smart sensors for structural health monitoring and damage detection has been advanced remarkably in recent years. Nowadays fiber optic sensors, especially fiber Bragg grating (FBG) sensors, have attracted many researchers' interests for their attractive features, such as multiplexing capability, durability, lightweight, electromagnetic interference immunity. In this paper, a damage detection approach of jacket-type offshore structures by principal component analysis (PCA) technique using FBG sensors are presented. An experimental study for a tidal current power plant structure as one of the jacket-type off- shore structures was conducted to investigate the feasibility of the proposed method for damage monitoring. It has been found that the PCA technique can efficiently eliminate environmental effects from measured data by FBG sensors, resulting more damage-sensitive features under various environmental variations.

Keywords :

···

요 지

최근 스마트 센서를 활용한 구조물의 건전성 모니터링 및 손상 탐색 기법에 대한 연구가 활발히 진행되고 있다. 그 중에 서도 광섬유 센서 중 하나인 FBG(fiber Bragg grating) 센서는 경량이고, 내구성이 좋으며, 전자기적 영향이 없을 뿐 아니 라 한 가닥으로 여러 지점에서의 계측이 가능한 장점을 가지고 있어 많은 연구와 적용이 시도되고 있다. 이 논문에서는 이 러한 FBG 센서를 활용하여 재킷식 해양구조물에 발생하는 손상을 탐색하는 연구를 수행하였으며, 특히 구조물에서 계측된 자료로부터 여러 환경요인을 제거하고 보다 손상에 민감한 특성을 보기 위하여 주성분 분석 기법 적용에 관한 연구를 중점 적으로 수행하였다. 제안한 방법의 검증을 위하여 시험조류발전소 구조물의 축소 모델을 활용하여 하중 및 온도 등의 외부 환경이 다른 조건에서 실내 실험을 수행하였고, 이로부터 본 논문에서 제안한 방법이 외부 환경의 영향을 최소화하여 보다 손상을 민감하게 탐색함을 확인하였다.

핵심용어 : FBG 광섬유 센서, 해양구조물, 구조물 건전성 모니터링, 주성분 분석 기법, 손상 탐색, 외부 환경 영향

···

1. 서 론

전 세계적으로 식량 및 에너지 자원 부족 문제를 해양에 서 해결하기 위한 노력이 지속적으로 증가하면서 석유 시추 용 해상 플랫폼을 비롯하여 해상 풍력발전 시스템 등의 해 상 구조물 설치 사례가 증가하고 있다 . 우리나라의 경우에도 이어도 해양과학기지를 비롯하여 가거도와 새만금 등에 해 양과학기지가 건설되어 운영되고 있으며 울돌목에는 시험조 류발전소가 , 울산 앞바다에는 동해 가스전 시추시설 등이 건

설되어 운영되고 있다 . 이러한 해양 구조물들은 지지 방식에 따라 착저식 (GBS, gravity-based system), 재킷식 (jacket),

부유식 등으로 구분할 수 있으며 , 수심이 깊지 않은 연안의 경우에는 시공 시의 효율성 , ^{안전성 및 경제성을 고려하여}

주로 재킷식으로 해양 구조물의 기초를 구성한다 .

이러한 재킷 구조물은 해양 구조물의 기초를 담당하여 운 용을 안정적으로 지속시키는 중요한 구조물이기 때문에 재 킷 구조물의 상태를 모니터링하여 이상 상태 및 손상을 조 기에 감지하는 것이 매우 중요하다 . 특히 해양 재킷 구조물

*한국과학기술원건설및환경공학과박사후연구원

(E-mail : [email protected])

**정회원·경일대학교건설공학부조교수

(E-mail : [email protected])

***정회원·교신저자·한국해양연구원연안개발·에너지연구부책임연구원

(E-mail : [email protected])

****정회원·한국과학기술원건설및환경공학과교수

(E-mail : [email protected])

의 경우 조류 및 파도 , 바람 등에 의한 외력을 항상 받고 있으며 부유물 및 선박 등의 충돌로 인하여 손상이 발생할 수 있어 이와 같은 모니터링 시스템 구축이 더욱 필요한 시 설물이라 할 수 있다 . 그러나 현재까지는 재킷식 구조물을 비롯한 다양한 해양구조물에 대한 모니터링 시스템이 구축

된 사례는 그다지 많지 않으며 ( 김동현 외 2006), 비록 해양

구조물에 모니터링 시스템을 설치하는 경우에 있어서도 해 양 구조물이 타 구조물에 비하여 해수에 의한 염분 및 다양 한 환경에 노출되어 있어 센서의 설치 및 유지 보수 등이 매우 어렵고 또한 복잡한 거동 등으로 인하여 이상상태를 감지하기 어렵기 때문에 내구성이 확보된 모니터링 시스템 과 효과적인 이상상태 감지 알고리즘이 적용되어야만 실제 구조물의 건전도를 합리적으로 평가할 수 있을 것이다 .

본 연구에서는 해양 구조물이 설치·운영되는 열악한 환 경에서도 효과적인 모니터링이 될 수 있도록 최근 구조물의 손상 평가 및 모니터링을 위해 많은 연구가 이루어지고 있

는 광섬유 브래그 격자 센서 (fiber Bragg grating sensor,

FBG sensor) 를 활용하여 손상 검색 알고리즘을 개발하고 이

를 축소모형에 적용하여 성능을 검증하고자 하였다 . ^{이를 위}

하여 FBG 센서로부터 온도와 하중이 변하는 환경 내에서

계측된 변형률 자료를 활용하여 주성분 분석 (principal

component analysis, PCA) 을 수행하고 원 계측자료에 포함

되어 있는 외부환경과 관련된 성분을 제거하여 손상에 민감 한 패턴을 추출함으로써 구조물에 발생한 손상을 효과적으 로 감지하는 알고리즘을 제안하였다 . 제안된 알고리즘을 울 돌목 시험조류발전소 구조물의 1/20 축소모형에 적용함으로 써 이 연구에서 제안한 알고리즘이 온도 및 정적하중 등의 외부 환경 변화에도 불구하고 구조물에 발생한 구조적인 손 상을 합리적으로 감지하는 것을 확인하였다 . FBG 센서의 경우 염분 등에 의하여 부식될 염려가 없고 발전 시스템으 로부터 발생되는 전자기적 노이즈에 영향을 받지 않기 때문 에 실제 조류발전소 구조물을 포함한 다양한 해양 재킷 구 조물에 대한 적용성이 높을 것으로 기대할 수 있다 .

광섬유 센서의 경우 여러 가지 빛의 특성 변화로부터 원 하는 외부 물리량의 변화를 측정하는 것으로 광섬유 센서가 다른 센서들과 다른 점은 일반적인 센서가 전자소자를 사용

하는 데 비하여 광섬유 센서는 빛을 이용해 측정한다는 점 과 이 측정신호의 전달 역시 전기적 신호를 이용하지 않고 빛을 이용한다는 점이다 (Lee 2003). 따라서 전기가 통하는 전도체가 포함되어 있지 않아 주변의 여러 장치에서 발생할 수 있는 전자파 장애에 의한 잡음이 없고 전기적인 접지 ,

누전 , 감전 등의 염려가 없다 . 또한 광섬유 센서를 이용하면 기존의 기술로는 센서의 적용이 어려운 발전소 , 변전소 등의 전자파 장애가 많은 환경 , 전자레인지 내부 , 고온 다습 고압 력의 환경 , 폭발위험이 있는 환경 등이 있는 곳에도 계측이 가능하다 .

이러한 광섬유 센서에는 빛의 간섭 현상을 통해 구조물의

물리량을 계측하는 간섭계형 센서 (interferometic sensor)

(Inaudi

1998, 권일범 외 1999), 광섬유의 각 지점에서

산란되는 빛의 주파수를 계측하는 분포형 센서 (distributed

fiber optic sensor)(Thevenaz

1999, 이성욱 외 2006)

등이 있다 . 최근에는 광섬유 브레그 센서 (fiber Bragg grating

(FBG) sensor) 가 가장 많이 사용되고 있는데 FBG 센서는

한 가닥의 광섬유에 여러 개의 광섬유 브래그 격자를 길이 에 따라 새긴 후 주변 온도나 인장 강도에 따라 각 격자에 서 반사되는 빛의 파장이 달라지는 특성을 이용하여 다중계 측 (multiplexing) 이 가능하도록 고안된 센서이다 (Hill

.,

1978, Meltz

., 1989). 따라서 광섬유 브래그 격자에서

반사되는 빛의 파장을 측정함으로써 온도나 인장 또는 압축 등을 감지할 수 있다 . 광폭 스펙트럼을 광섬유에 입사 시킬 경우 굴절률이 변하는 경계면에서 빛이 반사하는데 이들 중

다음의 식 (1) 과 같은 브래그 조건 (Bragg condition) 에 의해

서 결정된 파장 성분은 보강 간섭을 일으켜 광섬유 브래그 격자 부위에서 반사되며 나머지 파장 성분은 통과하게 된다 . (1)

위 식에서

는 광섬유 격자의 유효 굴절률이고 Λ는 광섬

유 코어에 새겨진 격자의 간격 (grating distance) 으로 격자에

서 반사되는 브래그 파장은 유효 굴절률과 격자 간격의 함 수이다 . 그리고 유효 굴절률과 격자의 간격은 온도와 변형률 의 함수이므로 광섬유 브래그 격자에 온도나 변형 등의 외 란이 가해지면 이들 값이 변하여 브래그 파장이 달라진다

(Udd 1995). 따라서 변화된 브래그 파장을 정밀하게 측정한

다면 광섬유 격자에 가해진 온도나 변형률을 계산해 낼 수 있으며 이것이 광섬유 브래그 격자가 센서로 사용될 수 있

λ

n

A

그림 1. FBG 센서를 이용한 다중 계측 (multiplexing)

는 기본 원리이다 . 일반적으로는 온도에 의한 FBG 센서의

파장 변화를 제거하기 위해서 구조물에 설치된 FBG 센서

옆에 더미 (dummy) 센서를 두어 온도에 의한 변화만을 계측

하고 이를 빼주어 그 성분을 제거하며 따라서 식 (2) 와 같

이 간단하게 변형률과 파장의 관계식을 얻게 된다 (Chan

al.,

2006).

(2)

또한 광섬유 브래그 격자의 중심 파장을 서로 다르게 하 여 변형이 발생할 때 중첩이 되지 않도록 서로 다르게 구성 하면 하나의 광섬유 선에 여러 개의 브래그 격자 센서를 배

열하여 다중계측 (multiplexing) 이 가능해진다 ( 그림 1). 광섬유

브래그 격자 센서는 한 가닥의 광섬유에 여러 개의 격자가 사용되는데 , 이 경우 각 격자의 반사 파장을 모두 다르게 함으로써 반사된 빛의 스펙트럼으로부터 특정 격자가 겪는 물리량을 쉽게 구분할 수 있다 .

3. 광섬유 격자 센서를 활용한 손상 검색 알고리즘 개발

구조물의 거동을 계측하여 그 변화로부터 구조물의 손상을 평가하고자 하는 경우 구조물의 손상에 의한 계측자료의 변 화보다 온도와 같은 외부 환경에 의한 변화가 더 큰 경우가 있다 . 예를 들어 구조물 고유주파수의 경우 손상에 의한 고 유주파수의 변화보다 온도 변화에 의한 고유주파수의 변화

가 더 크게 나타날 수 있다 (Moorty

1992). ^{또한 구}

조물의 고유주파수와 같은 동특성이 아닌 주위 하중 및 환 경에 의해 결정되는 변형률의 경우 하중 또는 온도를 정확 히 계측하지 않은 조건에서 변형률 자체의 계측값만을 이용 하여 구조물의 상태를 평가하는 것은 구조물에서 계측된 변 형률의 변화가 실제 구조물의 이상 상태에 의한 변화인지 구조물에 가해지는 하중의 변화인지 혹은 온도 및 습도 등 의 외부 환경의 변화인지 구분하기가 쉽지 않기 때문에 더 욱 어려운 문제가 된다 . ^{이와 같은 경우 계측자료로부터 구}

조물의 손상 전후의 차이를 명확히 구분하기 어렵고 또한 환경에 의한 변동 폭이 상대적으로 더 크게 나타날 수 있어 구조물 상태를 합리적으로 평가할 수 없게 된다 . 따라서 본 연구에서는 주성분 분석 기법을 활용하여 구조물로부터 계 측된 자료에서 외부 환경에 의한 변화를 제거하고 이로부터 보다 합리적인 손상 검색 알고리즘을 개발하고자 하였다 .

일반적으로 자료의 차원을 축소하고 불필요한 정보를 제거

하기 위하여 PCA ^{기법과 같은 자료 압축 기법을 자료 처}

리 모듈로 사용한다 (Krzanowski 2000, Jolliffe 2002, Ding

., 2004, Miranda

., 2008). 주성분 분석은 여러 개의 자료 세트들로 이루어진 다차원 공간에서 차원해석을

통하여 소수의 주된 독립 좌표계 (principal vectors) 를 구하

여 원래 자료 세트를 이 좌표계로 투영하여 분석하는 다변 량 통계분석의 고전적인 방법이다 (Moore 1981, Fukunaga

1990, Lawrence 2005, 권현한 외 2005). 서로 연관되어 있

는 벡터들로부터 추출한 상관성이 없는 벡터들을 사용하는 것이 주된 특성을 이해하기가 쉬울 뿐만 아니라 추후 분석

에 활용하기에도 훨씬 수월하기 때문에 이러한 자료 압축 기술은 사실상 행동 및 사회과학뿐만 아니라 공학 , 생물학 ,

의학 , 화학 , 기상학 , 지질학 등 모든 분야에서 널리 사용되 고 있다 .

우선 측정 자료 에 대

한

×

차원의 공분산 행렬 [

] 는 다음과 같이 구할 수 있다 .

(3)

여기서 는 각 센서에서 계측된

번째 계측자료이고 는 까지 [

] 의 각 센서 별 평균이며

은 센 서의 수 ,

은 측정횟수 ,

는 전치행렬 (transpose matrix) 이 다 . 대칭행렬인 공분산 행렬 [

] 를 다음과 같이 특이값 분해

(singular value decomposition; SVD) 하여 특이행렬 [

] 와 고유치 대각행렬 [ Λ ] 로 분해할 수 있으며

(4)

이 때 각 주성분의 고유 벡터인 는 특이행렬 의 각 열과 같다 .

주성분 분석은 전체 분산 혹은 자료 범위에 조금이라도 영향을 미치는 자료들을 선형 결합함으로써 차원을 축소시 키는 것으로 이 연구에서는 FBG 센서로부터 획득한 변형률 자료에서 불필요한 외부 환경 요인을 제거하고 차원을 감소 하기 위해 주성분 분석을 이용하였다 . 외부 환경 요인으로는 온도와 조류 하중을 고려하였으며 PCA 의 주성분이 FBG

센서로부터 계측된 변형률에서 발견되는 변량의 패턴을 나 타내기 때문에 온도와 외부 하중에서 만들어지는 특정한 패 턴을 분리하여 구조물의 손상에 의해 발생하는 변형률의 변 화를 민감하게 반영하도록 하였다 .

우선 손상 전 충분한 N ^{개의 자료를 사용하여} PCA ^분석

을 통하여 고유 벡터를 구한다 . 이 후 그 고유 벡터를 활용 하여 센서로부터 계측자료를 획득할 때마다 외부 환경 요인

이 주로 반영되어 있는 1, 2 번째 성분을 제거하도록 하였다 .

FBG ^{센서의 계측자료에 대하여 적용한} PCA ^{분석과정을 다}

음과 같이 정리하였다 . 우선

번째 변형률 계측자료 를 다음과 같이 각 센서의 계측값으로 표현할 수 있다 .

(5)

에 대하여 PCA 를 분석할 때 사용한

개의 계측자료 의 각 센서 별 평균을 빼줌으로써 를 구할 수 있고 이 값은 다음과 같이 고유 벡터 의 선형 결합으로 재구성할 수 있다 .

(6)

각 고유 벡터는 서로 직교 (orthogonal) 하기 때문에 이를

이용하여 각 계수

를 다음과 같이 구할 수 있다 . 이 때 ,

을 만족하도록 정규화되어 있다 .

(7)

따라서 계측자료로부터 위에서 구한 계수와 고유 벡터를 ε

1–

p

---

^∆ _λ ^λ

=

X

[ ] x

( i

, , , , … N j

, , , … M )

C [ ]

N

( 〈 〉 x

〈 〉 x )

( 〈 〉 x

〈 〉 x )

i 1=

∑N

=

x

〈 〉

x

〈 〉 i

…N

C

[ ]

[ ] Λ A [ ] A [ ]

z

{ }

[ ] A

ε

〈 〉

ε

〈 〉

〈 ε

ε

…ε

〉 ε

〈 〉

ε

〈 〉

z

〈 〉

〈 z

z

…z

〉

ε

〈 〉

c

〈 〉 z

j 1=

∑M

=

z

〈 〉

〈 〉 z

c

〈 〉 ε

〈 〉 z

그림 2. 실험 구조물 및 횡하중 재하

그림 3. 시간에 따른 하중 및 온도의 변화

그림 4. FBG 센서의 설치 위치 ( ⓐ : 　온도 보상용 dummy 센서 )

활용하여 주성분을 제거함으로서 불필요한 외부 환경 요인 성분을 제거해 줄 수 있으며 이 후 실험 결과에서도 확인할 수 있듯이 구조물에 가해지는 온도 및 하중의 영향이 주로 첫 번째 , ^{두 번째 주성분에 나타나기 때문에 최종적으로 이}

두 주성분을 제거하여 식 (8) 과 같이 구한 결과는 상대적으 로 손상에 대한 정보가 더 크게 포함되도록 할 수 있다 . (8)

여기서 는

번째 계측된 자료에서 첫 번째 , 두 번째 주성분을 제거한 자료를 의미한다 . 데이터가 계측될 때마다 위의 신호처리를 반복함으로서 최종적으로 본 연구에서는 주 된 외부 환경인 온도와 하중의 영향을 제거한 의 실시 간 변화 양상을 모니터링하고 일정한 한계값 (threshold) 을 초 과할 경우 이상신호로 고려하여 이러한 이상신호가 가장 크 게 발생한 센서를 중심으로 구조물의 손상을 정밀 검사할 수 있도록 하였다 .

4. 실내 실험에 의한 검증

4.1. 실험 개요

본 연구에서 제안된 광섬유 격자 센서를 활용한 해양 재 킷 구조물의 손상 검색 알고리즘의 적용성을 평가하기 위하 여 실제 울돌목 시험조류발전소 구조물의 1/20 규모의 축소 모형을 이용하여 실내 실험을 수행하였다 ( 박현준 등 , 2009).

조류발전소 구조물에 가해지는 가장 주된 외부 하중이 하루 ε

〈 〉

′

〈 〉 ε

〈 〉 ε

〈 〉 z

〈 〉 z

〈 〉 ε

^{〈 〉 z}

^{〈 〉 z}

ε

〈 〉

′

ε

〈 〉

′

에 두 번씩 발생하는 조석에 의한 횡하중이기 때문에 이를 모사하고자 최대 3 kN 의 정적 횡하중을 주기적으로 재하하

였고 외부 환경 변화를 모사하기 위하여 18.9

C~31.8

C 사

이의 다양한 온도 조건을 하중 재하 시 같이 적용하였다 .

본 연구에서 대상으로 한 해양구조물과 같이 수중에 잠겨 있는 구조물의 경우 수온이 대기 중 온도보다 중요하기 때문 에 국내 연근해에서의 연중 해양 온도의 범위가 4

C~20

C 인 점을 고려하여 온도 변화의 폭 등의 조건을 설계하였다 .

그림 3 에 구조물에 가해진 구조물에 가해진 하중 및 온도 변화를 보여주었다 .

FBG 센서는 그림 4 와 같이 총 9 지점에 대해 설치 후

계측하였고 온도에 의한 중심파장의 변화를 상쇄하기 위하 여 대상 실험체에 가해지는 온도의 변화가 전 구조물에 걸 쳐 일정하다는 가정 하에 온도 보상용 센서 (Sensor ⓐ ) 를

임의의 위치에 추가하여 총 10 개의 FBG 센서를 설치하였다 .

보다 자세한 센서 설치 시 방향을 아래 그림 4 에서 확인할

수 있는데 , 실험에서 횡하중이 가해질 경우 Sensor 4, 8, 9

는 주로 인장력을 받는 (A) 위치에 설치되었고 Sensor 1,

2, 3, 5, 6 은 주로 압축력을 받는 (B) 위치에 설치되었다 .

위의 부호 규약에 따라 Sensor 7 의 경우 Y 방향으로 설치되

었다 . 실험에 사용된 FBG 센서 및 관련 정보는 종합하여

표 1 ^{에 나타내었다} .

약 한 달에 걸쳐 다양한 하중 및 온도 조건에서 매 5 분

마다 FBG 센서로부터 자료를 취득하였으며 손상 감시 성능

을 평가하기 위하여 해당 기간 중 총 4 가지의 손상 시나리 오에 따라 여러 부재에 단계적인 커팅을 통한 손상을 가하 였다 ( 그림 5 참조 ). 본 연구에서는 부재에 커팅을 통해 단면 감소를 통한 구조물의 강성 감소를 모사하고자 하였고 단계 적으로 여러 위치의 단면 감소를 통해 지속적으로 진행되는 구조물의 강성 감소 효과를 모사하고자 하였다 . ^{이에 대한}

자세한 손상 시나리오는 표 2 와 같다 . 그림 5 의 계측 자료

에서 확인할 수 있는 바와 같이 온도 및 하중에 의한 변화 가 크기 때문에 단순한 계측 자료로는 구조물에 발생한 손 상에 의한 자료의 변화가 드러나지 않는 것을 알 수 있다 .

따라서 본 연구에서는 이러한 계측 자료로부터 외부의 환경

표 1. 모형 조류 발전 구조물에 설치된 FBG 센서

FBG

변형률계 중심 파장 방향

Sensor 1 1534 nm

횡하중에 대해 압축 방향

Sensor 2 1536 nm

횡하중에 대해 압축 방향

Sensor 3 1538 nm

횡하중에 대해 압축 방향

Sensor 4 1543 nm

횡하중에 대해 인장 방향

Sensor 5 1541 nm

횡하중에 대해 압축 방향

Sensor 6 1546 nm

횡하중에 대해 압축 방향

Sensor 7 1548 nm

횡하중 직각 방향

Sensor 8 1534 nm

횡하중에 대해 인장 방향

Sensor 9 1541 nm

횡하중에 대해 인장 방향

Sensor

ⓐ

온도 보상용

표 2. 손상 시나리오

손상 경우 손상 시나리오

손상 경우

^사재

단면 감소

(FBG

센서

근처 위치

손상 경우

^사재

단면 감소

(FBG

센서

근처 위치

손상 경우

^사재

^{단면 감소}

(FBG

센서

근처 위치

손상 경우

^{가로 부재}

단면 감소

(FBG

센서

근처 위치

그림 5. FBG 센서로 계측된 자료 및 손상 시나리오

에 의한 자료의 변화를 제거함으로서 각 손상이 발생 시에 그 손상의 위치 및 정도를 탐색하도록 하였다 . 손상 추정 알고리즘을 적용한 실험 결과는 다음 장에서 자세히 서술하 였다 .

4.2. 결과 및 분석

4.2.1 외부 환경 요인과 PCA 분석결과의 비교

우선 손상 전의 건전 상태에서 계측된 자료를 대상으로 주성분 분석을 수행하였다 . 분석 결과로부터 계측 자료에서 첫 번째 그리고 두 번째 고유 벡터를 추출하여 그림 6 에 나타내었다 . 그림에서 확인할 수 있듯이 첫 번째 고유 벡터

(

) 는 각 노드에서 전체적으로 같은 값을 가지고 각 센서 노드에서 같이 거동하는 특성을 가지는 온도에 의한 영향을 반영하고 있음을 알 수 있으며 자료의 첫 번째 성분을 앞서

나타냈던 실험 기간 동안의 온도 변화 양상 ( 그림 3(b)) 과 비

교해서도 이를 확인할 수 있다 . 두 번째 고유 벡터 (

) 는 첫 번째 고유 벡터 (

) 와는 조금 다른 특성을 보인다 . 각 노드

에 따라 부호가 바뀌고 Sensor 7 에서는 거의 0 에 가까운

값을 가지고 있음을 확인할 수 있다 . ^{이를 그림} 4 ^{의 센서}

설치 위치와 같이 비교하여 보면 센서가 횡하중에 대해서 인장 혹은 압축을 받는 것과 그 부호가 일치함을 알 수 있

고 Sensor 7 의 경우 횡하중의 직각 방향으로 설치되어 있어

하중의 영향이 적어 주성분 벡터의 값이 0 에 가까운 것으로 생각할 수 있다 . 따라서 두 번째 고유 벡터 (

) 가 구조물에 작용되고 있는 하중의 영향을 나타내고 있음을 알 수 있다 .

주의할 것은 Sensor 3 에서 Sensor 1, 2 와는 달리 인장 응

력이 작용하는 것을 알 수 있는데 이는 구조물의 특성상 정

모멘트 (positive moment) 가 걸리기 때문인 것으로 사료된다 .

또한 자료의 두 번째 성분을 보면 값의 절대적인 크기는 상 대적으로 첫 번째 주성분보다 작은 것을 알 수 있으며 하중 재하 구간 동안에 그림 6 ^{과 같이 자료가 변화하는 것을 볼}

수 있다 . 그러나 구조물에 가해지는 온도와 하중의 영향이

서로 직교성 (orthogonal) 을 가지는 성분이 아니고 어느 정도

는 상호간에 영향을 미치기 때문에 각각의 성분이 완벽히 온도 관련 주성분 또는 하중 관련 주성분으로 분해되는 것 은 아님을 주지할 필요가 있다 .

실제 각 주성분으로 분리한 자료가 온도 및 외부 하중과

그림 6. 계측 자료 및 1 차 , 2 차 주성분 ( 위로부터 원 계측자료 , 1 차 주성분 , 2 차 주성분 )

그림 7. 계측 자료 및 각 PCA 성분과 외부 환경과의 상관관계

얼마만큼의 상관관계가 있는지를 보다 정량적으로 분석하기

위하여 자료와 외부 환경 간에 상관 계수 (correlation

coefficient) 를 다음의 식 (9) 를 이용하여 계산하였다 .

(9)

여기서

,

는 각각 계측 자료 및 주성분 자료와 온도 또는 외부 하중 등의 환경 관련 계측자료이며 ρ

,

, σ

, σ

등 은 각각 상관 계수 (correlation coefficient), 공분산 (covariance),

데이터

및

의 표준편차 (standard deviation) 를 나타낸다 .

그림 7(a) 는 온도와 계측자료 및 각 주성분으로 분리된 자

료의 센서 채널 별 상관계수를 보여주고 있다 . 앞서 예상한 바와 같이 첫 번째 주성분은 온도와의 상관계수가 약 0.98

으로 온도와 매우 큰 상관관계를 가지고 있으며 , 계측 자료 자체도 온도와의 상관계수가 0.9~0.98 로 비교적 높은 상관관 계를 가지고 있으나 첫 번째 주성분보다는 상관관계가 약함

을 알 수 있었다 . 그림 7(b) 에서는 외부하중이력과 계측 자

료 및 각 주성분으로 분리된 자료의 센서 채널 별 상관계수 를 보여주고 있는데 , 전술한 바와 같이 하중의 경우 , 두 번 ρ

C

σ

σ

---

=

그림 8. 계측 자료 및 각 PCA 성분과 외부 환경과의 상관관계

그림 9. 계측자료 및 1 차 , 2 차 주성분을 제외한 자료

( 위로부터 원 계측자료 , 1 차 주성분을 제외한 자료 , 1 차와 2 차 주성분을 제외한 자료임 )

째 주성분과의 상관관계가 약 0.5 로 가장 컸으며 , 원 계측 자료의 경우 하중과의 상관계수가 0.05~0.35 정도로 센서에 따라 다르지만 두 번째 주성분보다는 상관관계가 약한 것으 로 나타났다 . 이와 같은 분석을 통하여 , 자료의 첫 번째 주 성분이 온도와 , 두 번째 주성분이 외부 하중과 높은 상관성 을 가지고 있음을 확인할 수 있었다 .

한편 각 계측자료 및 주성분을 온도 및 하중 자료와 비교

하였다 . 그림 8(a) 는 Sensor 1 에서의 온도와 원 계측자료

및 첫 번째 주성분의 분포를 보여주고 있으며 , 그림 8(b) 에

서는 Sensor 1 에서의 외부하중이력과 원 계측 자료 및 두

번째 주성분의 분포를 보여주고 있다 . 그림 7 을 통하여 분 석한 바와 같이 첫 번째 주성분이 온도와 , 두 번째 주성분

그림 10. 최종 손상 실험 결과

이 외부 하중과 더욱 높은 상관관계를 가지고 있음을 알 수 있다 . ^한편 2 ^{차 주성분의 경우} , ^{하중과의 상관계수가}

-0.5462 로 음의 값이 나옴을 알 수 있는데 , 이는 하중이 작

용할 때 압축력이 발생하는 부분에 Sensor 1 을 설치하였기

때문이다 .

그림 9 는 그림 6 에서 보인 첫 번째 , 두 번째 성분을 차 례로 제거해 나간 자료를 보여주고 있다 . 그림에서 확인할 수 있듯이 점차 외부의 환경에 의한 영향이 배제되고 각 손 상에 따른 변화가 손상 근처의 센서로부터 발생하는 것을 알 수 있다 . 직관적으로 손상과 가까운 곳에 위치한 센서

(Sensor 1, Sensor 8) 에서 손상 후에 변화를 보이는 것을

눈으로 확인할 수 있다 . 그러나 손상 위치 근처의 센서뿐 만 아니라 다른 위치에서의 센서도 시간이 지남에 따라 손 상에 의한 변화폭만큼 변화하는 것을 볼 수 있으며 보다 추 가적인 손상 지수가 필요함을 알 수 있다 .

4.2.2 PCA 기법을 활용한 구조물의 손상 검색

구조물에 발생하는 손상의 경우 구조물에 영구적인 변화를 주어 자료 내의 변화가 지속적으로 나타나지만 자료의 계측 오차에 의한 순간적인 신호의 변화는 단 기간 내에 다시 원 래의 신호분포 영역대로 들어오게 된다 . ^{따라서 절대적인 신}

호의 변화폭이 아닌 그 변화의 양상을 보는 것이 중요하다 .

본 연구에서는 외부 환경 인자를 제거한 자료의 신뢰구간을 현재까지의 자료 평균

과 자료의 표준편차 σ를 이용하여

‘

±3σ ’ 로 선정하고 이 신뢰구간의 변화 양상을 분석하여 최 종적으로 손상 추정 기법을 적용하였다 . 손상 전 구조물의 발생할 수 있는 모든 변화 ( 거동 범위 ) 를 충분히 계측했다고 판단되는 처음 3 일간의 계측자료를 이용하여 평균

과 표 준편차 σ를 구하고 , ^{이를 이용하여 신뢰구간} ‘

^±3σ ’ ^{을 결}

정하고 시간이 지남에 따라 이를 지속적으로 변경하여 최근 자료의 영향이 반영될 수 있도록 하였다 . 만약 임의의 계측 값이 이러한 신뢰구간을 초과하였을 경우 그 초과하는 데이 터의 개수가 연속적으로 1 ^{일 동안 계속 나타나면 이를 손상}

으로 판단하였고 만일 일시적으로 신뢰구간을 초과하였다 하 더라도 1 일 이내에 신뢰구간으로 들어오는 경우 이는 정상 상태로 판단하였으며 , 일시적으로 초과한 자료는 평균과 표 준편차를 구할 때 사용하지 않도록 하였다 . ^{또한 손상으로}

판단이 되면 손상 감지 이후 계측자료로부터 다시 새롭게 신뢰구간을 계산하도록 하였다 . 이를 통하여 순간적인 신호

의 변화에 따라 발생하는 잘못된 경보 (false alarming) 를 방

지할 수 있고 , 손상의 발생 이 후 같은 위치에 추가적으로 발생하는 손상에 대해서도 감지할 수 있음을 확인하였다 .

최종적으로 각 센서 별로 분석된 결과를 그림 10 에서 보

여주고 있다 . ^{결과에서 알 수 있듯이} Sensor 1 ^근처의

20% 손상과 Sensor 8 근처의 20%, 40% 손상 , Sensor 6,

7 근처의 20% 손상을 모두 성공적으로 검색함을 확인할 수

있다 . 또한 손상 부위에서 비교적 멀리 떨어진 지점에 설치 된 센서에서도 시간이 지남에 따라 제거되지 않은 외부 요 인 등에 의하여 신뢰구간이 변하는 양상을 보이고 있으며 ,

각 센서에서 일정 순간 신뢰구간을 초과하는 부분이 있으나 그 정도가 지속되지 않아 손상으로 검색되지는 않았음을 알 수 있다 . 참고로 손상 경우 3 번의 경우는 외부 하중의 영향 이 없는 상태에서 발생한 손상으로 원자료를 사용할 경우에 는 온도의 영향으로 인하여 손상검색이 불가능하였고 , 제안 된 알고리즘을 적용한 경우에는 손상검색이 정확하게 수행 됨을 알 수 있었다 . 표 3 에서는 계측 자료 및 1 차 주성분

제거 자료 , 1,2 차 주성분 제거 자료에 대해 손상 검색을 수

행한 결과를 정리하여 보여주고 있다 . 표에서 확인할 수 있 듯이 온도 및 하중 영향으로 판단되는 주성분을 제거한 자 료를 사용하였을 때 모든 손상 경우에 대해 정확한 위치까 지 탐색할 수 있음을 확인할 수 있으며 원 계측 데이터나

1 차 주성분만을 제거한 데이터를 활용하였을 경우 손상을 제 대로 탐색 못하거나 손상 위치가 아닌 센서에서도 잘못된

손상경보 (false alarming) 를 주는 것을 알 수 있다 .

이러한 실내 실험 결과로부터 본 연구에서 제안한 손상 검색 알고리즘이 매우 효과적으로 구조물에 발생한 손상을 검색하는 것을 확인하였다 . ^{단순히 계측된 자료만 이용하는}

경우 외부 환경에 의한 자료의 변화가 구조물의 손상에 의 한 국부적인 변화보다 크기 때문에 손상을 검색하기 어려웠 으나 주성분 분석을 통해 이와 같은 외부환경의 영향을 제 거함으로써 효과적으로 손상 감지가 수행될 수 있었음을 실 내 실험을 통해 검증하였다 .

5. 결 론

일반적으로 구조물의 계측 응답 신호에는 구조물의 손상 등에 의한 영향과 함께 온도나 하중과 같은 주위 환경 변화 의 영향이 함께 반영되어 나타나며 이러한 환경 변화의 영 향이 손상의 영향보다 큰 경우 계측 신호를 통한 손상 감지 가 매우 어려운 과제가 된다 . 이에 본 연구에서는 FBG 센 서를 활용하여 해양 재킷 구조물에 대한 손상 검색 기법을 개발 , 적용하였다 . FBG 센서로부터 계측된 변형률 자료를

활용하여 주성분 분석 (Principal Component Analysis) 을 통

해 외부의 환경 요소를 계측 신호로부터 제거하고 손상에 표 3. 각 손상 경우에 대한 탐색 결과

손상 경우

손상 경우

손상 경우

손상 경우

검침률

원 계측 데이터

(at Sensor 7) 25%

1

차 주성분 제거 데이터

(at Sensor 1,6,8) Detected

(at Sensors 6,7) 50%*

1, 2

차 주성분 제거 데이터

(at Sensor 1) Detected

(at Sensor 8) Detected

(at Sensor 8) Detected

(at Sensors 6,7) 100%

*

손상

경우

에서 잘못된 손상경보

발생

민감한 패턴을 선정하여 구조물에 발생한 손상을 감지하는 알고리즘을 개발하였으며 개발된 알고리즘의 적용성을 평가 하기 위하여 해양 재킷 구조물 중 하나인 조류 발전 구조물

의 1/20 축소 모형 실험체에 대한 실내 손상 실험을 통해

그 성능을 검증하였다 . 실험 결과 PCA 분석을 통하여 구한 주성분들이 각각 온도 및 하중에 민감한 것을 확인하였고 이를 제거함으로서 손상에 의한 변화를 보다 효과적으로 추 정할 수 있음을 제시하였다 .

본 연구를 통해 외부 환경의 변화에 의한 신호의 변화가 손상에 의한 변화보다 지배적인 경우에도 그 변화의 양상이 각 센서로부터 계측된 신호에 일관적으로 나타날 경우 그 영향을 효과적으로 제거할 수 있을 것으로 기대된다 . 해양구 조물의 경우 외부 환경 변화가 주기적이고 또한 전체 구조 물에 걸쳐 일관적이므로 이와 같은 방법에 의한 환경 영향 제거가 매우 효과적이라 할 수 있다 . FBG 센서의 경우 해 수의 염분 등에 부식될 염려가 없고 발전 구조물의 전자기 적 노이즈에 영향을 받지 않기 때문에 본 연구에서 개발된

FBG 센서를 활용한 손상 검색 알고리즘의 경우 실제 조류 발전 구조물을 포함한 해양 재킷 구조물에 효과적으로 적용 할 수 있을 것으로 기대된다 .

감사의 글

본 연구는 국토해양부 R&D 사업인 조류 에너지 실용화 기술개발 과제(PM55500)의 연구비 지원에 의해 수행되었습 니다.

참고문헌

권일범

허용학

박휘립

김동진

이동춘

홍성혁

문한규

광섬유 마이켈슨 센서에 의한

보의 변형률 측정 및 파손 의 검출

한국구조물진단학회논문집

^{한국구조물진단학회}

^제

권 제

호

권현한

문영일

를 이용한 강우자료의 주성분 분석

^{대한토목학회논문집}

대한토 목학회

^제

^{권 제}

^호

김동현

심재설

민인기

이어도해양과학기지 구조물 계측신 호 분석

^{한국해안해양공학회지}

한국해안해양공학회

제

권 제

호

박현준

^윤정방

^박진순

^광섬유

^{센서를 활용한 조류}

발전시설물의 거동 분석 및 손상검색

한국소음진동공학회 추 계학술대회

한국소음진동공학회

이성욱

하익수

김중열

김유성

광섬유 케이블에 의한 분 포개념의 변형률 모니터링 응용사례 연구

^{대한토목학회}

2006년도 정기학술대회 논문집

대한토목학회

Chan, T.H.T., Yu, L., Tam, H.Y., Li, Y.Q., Liu, S.Y., Chung, W.H., and Cheng, L.K. (2006) Fiber bragg grating sensors for struc- tural health monitoring of tsing ma bridge : background and experimental observation, Engineering Structures, Vol. 28, No.

5, pp. 648-659.

Ding, C. and He, X. (2004) K-menas clustering via principal com- ponent analysis, Proceedings of International Conference on Machine Learning, Canada.

Fukunaga, K. (1990) Introduction to Statistical Pattern Recogni- tion, Elsevier.

Hill, K.O., Fujii, Y., Johnson, D.C., and Kawasaki, B.S. (1978) Photosensitivity in optical fiber waveguides: application to reflection fiber fabrication, Applied Physics Letters, Vol. 32, No. 10, pp. 647-649.

Inaudi, D., Vurpillot, S., Casanova, N., and Kronenberg P. (1998) Structural monitoring by curvature analysis using interferomet- ric fiber optic sensors, Smart Materials and Structures, 7, pp.

199-208.

Jolliffe, I.T. (2002) Principal Component Analysis, Springer, NY.

Krzanowski, W.J. (2000) Principals of Multivariate Analysis-A User's Perspective, Revised Edition, Oxford University, Press, Oxford.

Lawrence, N. (2005) Probabilistic non-linear principal compenent analysis with gaussian process latent variable models, Journal of Machine Learning Research, 6, pp. 1783-1816.

Lee, B. (2003) Review of the present status of optical fiber sensors, Optical Fiber Technology, 9, pp. 57-79.

Meltz, G., Morey, W.W., and Glenn, W.H. (1989) Formation of Bragg gratings in optical fibers by a transverse holographic method, Optics Letters, Vol. 14, No. 15, pp. 823-825.

Miranda, A.A., Borgne, Y.A., and Bontempi., G. (2008) “New routes from minimal approximation error to principal compo- nents”, Neural Processing Letters, Vol. 27, No. 3, pp. 197-207.

Moore, B.C. (1981) Principal component analysis in linear sys- tems: controllability, observability, and model reduction, IEEE Transactions on Automatic Control, Vol. 26, No. 1, pp. 17-32.

Moorty, S. and Roeder, C.W. (1992) Temperature-dependent bridge movement, ASCE Journal of Structural Engineering, Vol. 118, pp. 1090-1105.

Thevenaz, L., Facchini, M., Fellay, A., Robert, P., Inaudi, D., and Dardel, B. (1999) Monitoring of large structures using distrib- uted brillouin fiber sensing, proceedings of the 13th interna- tional conference on optical fiber sensors, Kyoungju, Korea, pp. 345-348.

Udd, E. (1995) Fiber optic smart structures, John Wiley and Sons, Yi, J.H., Park, W.S., Park, J.S., and Lee, K.S. (2009) StructuralNY.

health monitoring system for ‘Uldolmok’ tidal current power Pilot Plant and Its Applications, ASME International Confer- ence on Ocean, Offshore and Arctic Engineering, Hawaii, USA, pp. 1139-1144.

(

접수일

심사일

심사완료일