진동센서를 활용한 압축성 유체 수송 배관의 누출 위치 추정에 관한 연구 = A study on estimating the location of leaks in compressible fluid transport pipelines using vibration sensors|RISS 상세보기

국문 초록 (Abstract)

진동센서를 활용한 압축성 유체 수송 배관의 누출 위치 추정에 관한 연구 천연가스, 수소, 질소와 같은 고압의 압축성 유체를 이송하는 배관망은 현대 산업의 핵심 기반 시설이나 노후화 및 외부 요인에 의한 누출 사고 위험에 상시 노출되어 있다. 이러한 누출 사고는 경제적 손실뿐만 아니라 화재, 폭발 등 대형 재난으로 이어질 수 있어 정확한 누출 위치 탐지가 필수적이다. 그러나 기존의 진동 및 음향 기반 탐지 기술은 배관의 장거리 전파 시 고주파 성분의 급격한 감쇠와 주파수별 전파 속도가 달라지는 분산 특성 그리고 현장의 불규칙한 배경 잡음으로 인해 탐지 신뢰성이 저하되는 근본적인 한계가 존재한다. 이에 본 연구에서는 신호 처리 기법과 딥러닝 기술을 융합하여 복잡한 잡음 환경에서도 누출 위치를 정밀하게 추정할 수 있는 TS-MSC 기반의 CAE-DBSCAN 분석 프레임워크를 제안한다. 본 연구에서 제안하는 방법론은 크게 신호 전처리 및 변환, 딥러닝 기반 특징 추출 및 데이터 선별 그리고 위치 추정 3 단계로 구성된다. 첫째, 누출 데이터의 희소성 문제를 극복하기 위해 진폭 스케일링과 배경 잡음을 포함한 데이터 증강 기법을 적용하여 학습 데이터셋을 확충하였다. 이를 기반으로 기존의 주파수 기반의 일관성 분석을 지연 영역으로 확장하여 두 센서 신호 간의 시공간적 상관성을 2 차원 이미지로 시각화하는 TS-MSC 변환을 수행하였다. 이는 단순 시계열 분석으로는 식별이 어려운 잡음 속 누출 패턴을 강화하고 신호의 전파 지연 정보를 직관적으로 표현하는 핵심 과정이다. 둘째, 생성된 TS-MSC 이미지를 비지도 학습 모델인 합성곱 오토인코더(CAE)에 학습시켜 128 차원의 잠재 특징 벡터를 추출하고 이를 밀도 기반 군집화 알고리즘인 DBSCAN 에 적용하여 이상치를 제거하고 신뢰성 높은 군집만을 선별하였다. 셋째, 선별된 고신뢰 군집 데이터에 픽셀 단위의 이미지 중첩 기법을 적용하여 신호 대 잡음비를 향상시키고, 이를 통해 최적 주파수와 도달 시간차를 도출하였다. 이후, 해당 주파수 대역으로 필터링한 신호의 포락선 분석에서 얻은 도달 시간차와 TS-MSC 기반 도달 시간차를 상호 교차 검증하여 데이터의 신뢰성을 확보하였다. 마지막으로, 검증된 도달 시간차를 배관 환경에서의 유효 전파 속도와 결합하여 최종 누출 위치를 정밀하게 추정하였다. 제안된 알고리즘의 성능 검증은 500m 규모의 장거리 배관에서 5 bar, 7 bar, 10 bar 의 다양한 운전 압력 조건 하에서 수행되었다. 정량적 평과 결과, 데이터 선별 단계에서 Purity 0.9956, Silhouette Score 0.8143 을 기록하며 물리적 운전 조건을 99% 이상의 정확도로 식별하는 견고한 군집 형성 성능을 입증하였다. 이를 바탕으로 수행된 위치 추정 결과, 5 bar 조건에서 5.76%, 7 bar 조건에서 2.33%의 오차율을 보였으며 특히, 고압 조건인 10 bar 에서는 1.15%의 매우 낮은 오차율을 달성하여 실제 누출 위치를 정밀하게 특정할 수 있음을 확인하였다. 결론적으로 본 연구는 데이터 기반의 딥러닝 기술과 신호 처리 이론을 효과적으로 결합함으로써 기존 장거리 배관 누출 탐지 기술의 한계로 지적되던 잡음 취약성과 위치 추정 오차 문제를 획기적으로 개선하였다. 본 연구의 결과는 향후 스마트 팩토리 및 대규모 가스 배관망의 안전 진단 시스템에 적용되어 산업 안전을 확보하는 데 기여할 수 있을 것으로 기대된다.

번역하기

진동센서를 활용한 압축성 유체 수송 배관의 누출 위치 추정에 관한 연구 천연가스, 수소, 질소와 같은 고압의 압축성 유체를 이송하는 배관망은 현대 산업의 핵심 기반 시설이나 노후화 및 ...

목차 (Table of Contents)