http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
김대광,유휘용,송홍석,조성호,김동규,김재준,양승웅,유광현 한국품질경영학회 2020 한국품질경영학회 학술대회 Vol.2020 No.-
현재 매설된 고압가스 배관의 건전성 평가는 법으로 규정하여 인텔리전트 피그를 기반한 ILI(In-Line Inspection)를 수행하여 관리하도록 하고 있다. 그러나 저압·저유량으로 운영되는 배관에서는 멈추었다가 급속도록 출발하는 속도 서지 현상이 유발되어 건전성 평가에 어려움이 있다. 이러한 현상이 발생되는 원인은 배관의 두께 변화, 용접 돌출, 곡관, 배관 내부 거칠기, 덴트 등이 있다. 이를 극복하기 위해서는 최소화하며 일정한 마찰력, 정지 마찰력과 동 마찰력의 차이의 최소화, 구동컵의 완벽한 실링이 요구된다. 이 중 마찰력을 최소화하는 연구를 중점적으로 인텔리전트피그의 개선을 수행하였다. 마찰력이 높은 브러쉬 타입의 마그네타이저를 윤활 기능과 휠을 탑재한 저마찰 마그네타이저로 개발하였으며, 그 밖에 자기밀도 측정범위를 가변 할 수 있는 센서시스템 개발, Piggability를 높인 콤팩트한 동체 설계, 센서시스템의 표준화를 통하여 인텔리전트 피그를 개선하였다. 이와 같이 개발한 저마찰 인텔리전트 피그를 도심의 저압구간(24인치, 48.3 km, 운영압력: 1.9 MPa)에서 현장시험을 통하여 성능을 검증하였다. 그 결과 이동 속도가 5 m/s 이상의 속도서지가 거의 없이 일정하였으며, 동일구간에 해외사가 적용한 속도 프로파일보다 안정적인 거동을 보였다. 본 연구에서는 저압 구간에서 원활한 ILI가 수행되기 위한 저마찰 인텔리전트 피그를 제시하였다.
신경망을 활용한 배관 결함 크기 판단의 정확도 향상에 관한 연구
김재준,송홍석,조성호,김동규,김대광,양승웅,유광현,유휘용 한국품질경영학회 2020 한국품질경영학회 학술대회 Vol.2020 No.-
NDE(Non Destructive Evaluation)는 재료의 부하 조건이나 환경 조건을 파악하고 파괴역학적으로 재료의 수명을 예측하여 종합적으로 재료의 건전성을 평가하는 비파괴 계측 기법이다. 매설 배관에 ILI(In-Line Inspection)를 수행하여 얻은 NDE 데이터는 센서부의 lift-off나 편향에 의해 비선형적 영향을 받는다. 이러한 특성은 데이터 분석가가 결함의 크기를 정량화하여 평가하기 어려운 문제를 발생시킨다. 본 연구에서는 NDE 데이터의 비선형 문제를 극복하고 배관 결함의 정확한 크기를 평가하기 위해 신경망을 도입하였다. 실험배관에는 1t×1t, 1t×2t, 2t×1t, 2t×2t의 길이 및 너비를 가지고 배관 두께 기준 10 ~ 80%까지 10% 간격의 깊이를 가진 인공결함을 제작하고, Pull-rig 실험을 통해 인공결함에 대한 NDE 데이터를 수집하였다. 인공결함의 NDE 데이터를 입력으로 하고 제작된 결함의 길이, 너비, 깊이를 출력으로 하여 다층 퍼셉트론(MLP, Multi-Layer Perceptron)을 학습시킨다. 신경망의 학습 조건으로 인공결함의 입력노드는 169(13×13), 은닉층을 2층으로 각각 300개 노드, 출력노드는 3개로 결함의 길이, 너비, 깊이로 출력되도록 구성하고, Sigmoid 활성화 함수를 통해 10<sup>-4</sup>까지 학습을 진행하였다. 그리고 학습된 신경망의 성능 평가를 위해 길이 및 너비 당 각각 2개씩 임의의 깊이를 가지는 인공결함 데이터를 학습에 배제하였다. 학습이 완료된 신경망에 학습에 배제되었던 성능 평가용 NDE 데이터를 입력하여 결함 크기에 대한 결과를 도출하고 그 성능을 평가하였다. 그 결과 길이와 너비는 -5 ~ 4mm, 깊이는 ±7%의 크기 추정 정확도를 나타내었다. 상업적으로 활용되는 In-line Inspection의 NDE 데이터는 신뢰도 80%일 때 길이 ±10mm, 깊이 ±20%의 크기 추정 정확도를 만족해야 하는 사양을 고려하면, 높은 크기 추정 정확도를 보였으며, 신경망을 통한 결함의 형상 평가 알고리즘의 성능을 확인하였다. 향후 ILI를 통해 수집되는 새로운 결함에 대한 NDE 데이터를 기반으로 학습된 신경망에 재학습 한다면 더욱 정밀하게 결함의 크기 평가를 할 수 있을 것으로 생각된다.
인텔리전트 피그 항법 시스템의 정확도 향상에 관한 연구
유광현,김재준,조성호,송홍석,김동규,김대광,양승웅,유휘용,정한유 한국품질경영학회 2020 한국품질경영학회 학술대회 Vol.2020 No.-
최근 과밀화되는 도심지역에서 지하 시설물의 사고 우려에 대한 국민의 불안감이 증대되고 있다. 노후화되어가는 지하 매설 배관의 건전성 관리는 국민의 안전과 생명 보호를 위해 필수적이다. 매설 배관 건전성 관리의 핵심인 ILI(In-Line Inspection) 기술은 노후 배관의 손상 부위에 대한 정밀/장거리 탐측과 평가를 가능하게 하며, 인텔리전트 피그(Intelligent PIG)를 활용하여 이루어진다. 인텔리전트 피그는 동체 전후단의 가스차압에 의해 배관 내부를 주행하며 주요 센서시스템의 데이터를 실시간으로 취득/저장한다. 센서시스템은 배관의 기계적 결함 측정시스템, 모재 손상(부식, Gouge, Crack 등)을 측정하는 NDE(Non-Destructive Evaluation) 센서시스템, 그리고 매설 배관의 디지털 지도 제작을 위한 관성 항법 시스템(Inertial Navigation System)으로 구성된다. 지하시설물 관리의 중요성을 고려할 때 인텔리전트 피그를 이용한 관성 항법 시스템의 위치추정 정확도 향상은 매우 절실하다. 인텔리전트 피그의 관성 항법시스템은 관성측정장치(Inertial Measurement Unit)와 Odometer를 이용한 속도계, 피그가 통과한 시간과 위치좌표를 제공하는 TBMS(Time Based Marker System)로 구성된다. TBMS는 인텔리전트 피그와 시간동기를 유지하며 배관 직상부 지표면에 설치된다. TBMS가 설치된 지점을 AGM(Above Ground Marker)이라고 한다. 관성 항법 시스템은 IMU출력, Odometer 속도 데이터, AGM 위치 데이터를 확장칼만필터(Extended Kalman Filter)로 융합하는 방식으로 동작한다. 관성 측정 장치의 가속도와 각속도를 이용하여 피그 위치/자세를 Prediction하고, Odometer의 속도와 AGM 위치 데이터로 Correction을 수행한다. 일반적으로 Odometer는 원주방향으로 3개가 탑재되는데, 곡관을 통과할 때 Odometer가 접f하는 위치에 따라 측정 거리가 달라진다. 또한, 직관/용접부에서는 Odometer의 Slip 등에 의해 주행거리 측정오차가 발생한다. 본 연구에서는, 이러한 Odometer 측정오차가 피그 주행 속도벡터와 Odometer 거리측정 벡터의 차이 및 Odometer의 Slip에 의해 발생됨을 설명하고, 직관과 곡관에서 속도 보정을 통해 항법 정확도를 향상시키는 방법에 대해 논의한다. 직관에서는 3개의 Odometer 측정값 중 최댓값을 활용하고, 곡관에서는 곡관 형상과 해당 시각의 피그 자세(Roll 각도)를 고려하여 실제 주행거리와 가장 근접한 Odometer 측정치를 선택적으로 계산에 사용하는 방식이다. 본 보정 기법을 실제 피깅 구간(30”, 35km)에 적용한 결과, 항법 RMS(Root Mean Square) 오차가 기존 대비 21% 감소함을 정량적으로 확인하였다. 이를 통해 정밀 위치기반 배관 건전성 관리로 타공사에 의한 갑작스런 누출사고 방지에 기여할 수 있으며, 배관 건전성 관련 정보가 연계된 지리 정보 시스템의 품질 제고가 가능하다. 또한, 본 기술을 더욱 발전시켜 다른 지하 시설물에도 적용하여 안전관리품질 향상에 기여하고자 한다.