KR102205961B1 - Method and apparatus for analyzing of shock signal - Google Patents

Method and apparatus for analyzing of shock signal Download PDF

Info

Publication number
KR102205961B1
KR102205961B1 KR1020190039140A KR20190039140A KR102205961B1 KR 102205961 B1 KR102205961 B1 KR 102205961B1 KR 1020190039140 A KR1020190039140 A KR 1020190039140A KR 20190039140 A KR20190039140 A KR 20190039140A KR 102205961 B1 KR102205961 B1 KR 102205961B1
Authority
KR
South Korea
Prior art keywords
signal
impact
impact signal
generated
shock
Prior art date
Application number
KR1020190039140A
Other languages
Korean (ko)
Other versions
KR20200117262A (en
Inventor
문성인
강토
한순우
Original Assignee
한국원자력연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국원자력연구원 filed Critical 한국원자력연구원
Priority to KR1020190039140A priority Critical patent/KR102205961B1/en
Publication of KR20200117262A publication Critical patent/KR20200117262A/en
Application granted granted Critical
Publication of KR102205961B1 publication Critical patent/KR102205961B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
    • G21C—NUCLEAR REACTORS
    • G21C17/00—Monitoring; Testing ; Maintaining
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G11/00—Apparatus for weighing a continuous stream of material during flow; Conveyor belt weighers
    • G01G11/003—Details; specially adapted accessories
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E30/00—Energy generation of nuclear origin
    • Y02E30/30—Nuclear fission reactors

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Plasma & Fusion (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

본 발명의 일 실시예에 따른 충격 신호 분석 방법은, 충격 신호를 획득하는 단계와, 충격 신호 데이터베이스를 이용하여 상기 충격 신호가 발생된 위치, 상기 충격 신호를 발생시킨 대상체의 질량, 및 상기 대상체의 속도 중 적어도 하나를 추정하는 단계를 포함하고, 상기 충격 신호 데이터베이스는, 유한요소해석(finite element analysis, FEA)에 기초하여 생성된 충격 신호 데이터를 포함할 수 있다. An impact signal analysis method according to an embodiment of the present invention includes the steps of acquiring an impact signal, a location at which the impact signal is generated, a mass of the object generating the impact signal, and Estimating at least one of the velocities, and the impact signal database may include impact signal data generated based on finite element analysis (FEA).

Description

충격 신호 분석 방법 및 장치 {METHOD AND APPARATUS FOR ANALYZING OF SHOCK SIGNAL}Impact signal analysis method and apparatus {METHOD AND APPARATUS FOR ANALYZING OF SHOCK SIGNAL}

본 발명은 구조물과 구조물 내의 대상체가 부딪혀 발생하는 충격 신호를 분석하는 방법 및 장치에 관한 것이다. The present invention relates to a method and apparatus for analyzing an impact signal generated when a structure and an object within the structure collide.

원전 기기의 내부 구조물로부터 이탈되거나 외부로부터 유입된 이물질은 냉각재의 유동에 따라 원자로 냉각재 계통을 이동하며 핵연료, 노심내부구조물, 냉각재펌프, 증기발생기 등에 손상을 유발할 수 있다. 따라서, 원전에서는 이물질을 조기에 탐지하여 예방조치를 수행하고자 규제요건에 따라 금속이물질 감시시스템(Loose Part Monitoring System; LPMS)을 운영하고 있다. Foreign matter separated from the internal structure of a nuclear power plant or introduced from the outside moves the reactor coolant system according to the flow of coolant and can cause damage to nuclear fuel, core internal structures, coolant pumps, steam generators, etc. Therefore, the nuclear power plant operates a Lose Part Monitoring System (LPMS) in accordance with regulatory requirements in order to detect foreign substances early and perform preventive measures.

LPMS는 정확하게 금속이물질 발생위치와 질량을 추정하기 위한 것으로서, 이는 원자력발전소의 건전성 진단에 매우 중요한 요소로 작용한다. 현재 운영되고 있는 LPMS는 원전 기기 구조물의 이물질 발생 및 검출이 가능한 부위인 원자로 상하부, 증기발생기 하부, 냉각재 펌프 몸체의 외부 표면 등에 센서를 부착하고, 센서를 통해 충격 신호가 검출되도록 구성된다. LPMS is for accurately estimating the location and mass of metallic foreign matter, which is a very important factor in diagnosing the health of nuclear power plants. The LPMS currently in operation is configured to attach sensors to the upper and lower parts of the reactor, the lower part of the steam generator, and the outer surface of the coolant pump body, which are areas where foreign substances can be generated and detected in the structure of nuclear power plants, and the shock signal is detected through the sensor.

그러나, 원전 기기의 형상은 복잡한 구조로 이루어져 있어 단순히 센서에서 측정된 신호를 이용하여 정확한 충격 위치, 이물질의 질량 및 속도를 추정하기는 매우 어렵다. 충격 위치와 이물질의 질량을 보다 정확하게 추정하기 위해서는 센서들을 통해 측정된 신호뿐 아니라, 원전 기기의 특성, 예를 들면 원전 기기의 내부 구조물의 형상이 고려되어야 할 필요가 있다. However, since the shape of the nuclear power plant has a complex structure, it is very difficult to estimate the exact location of the impact, the mass and the speed of the foreign material simply by using the signal measured by the sensor. In order to more accurately estimate the impact location and the mass of the foreign material, it is necessary to consider not only the signal measured through the sensors, but also the characteristics of the nuclear power plant, for example, the shape of the internal structure of the nuclear power plant.

한국등록특허 제10-0798007호 (2008년 01월 18일 등록)Korean Patent Registration No. 10-0798007 (registered on January 18, 2008)

본 발명이 해결하고자 하는 과제는, 원전 기기의 내부 구조물과 이물질의 충격 위치, 이물질의 질량 및 속도를 보다 정확하게 추정하는 장치 및 방법을 제공하는 것이다. The problem to be solved by the present invention is to provide an apparatus and method for more accurately estimating the internal structure of a nuclear power plant, the impact position of the foreign material, and the mass and speed of the foreign material.

다만, 본 발명이 해결하고자 하는 과제는 이상에서 언급한 바로 제한되지 않으며, 언급되지는 않았으나 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있는 목적을 포함할 수 있다.However, the problems to be solved by the present invention are not limited as mentioned above, and are not mentioned, but include objects that can be clearly understood by those of ordinary skill in the art from the following description. can do.

본 발명의 일 실시예에 따른 충격 신호 분석 방법은, 충격 신호를 획득하는 단계와, 충격 신호 데이터베이스를 이용하여 상기 충격 신호가 발생된 위치, 상기 충격 신호를 발생시킨 대상체의 질량, 및 상기 대상체의 속도 중 적어도 하나를 추정하는 단계를 포함하고, 상기 충격 신호 데이터베이스는, 유한요소해석(finite element analysis, FEA)에 기초하여 생성된 충격 신호 데이터를 포함할 수 있다. An impact signal analysis method according to an embodiment of the present invention includes the steps of acquiring an impact signal, a location at which the impact signal is generated, a mass of the object generating the impact signal, and Estimating at least one of the velocities, and the impact signal database may include impact signal data generated based on finite element analysis (FEA).

본 발명의 일 실시예에 따른 충격 신호 분석 장치는, 충격 신호를 획득하는 신호 획득부와, 충격 신호 데이터베이스를 이용하여 상기 충격 신호가 발생된 위치, 상기 충격 신호를 발생시킨 대상체의 질량, 및 상기 대상체의 속도 중 적어도 하나를 추정하는 신호 분석부를 포함하고, 상기 충격 신호 데이터베이스는, 유한요소해석(finite element analysis, FEA)에 기초하여 생성된 충격 신호 데이터를 포함할 수 있다. An apparatus for analyzing an impact signal according to an embodiment of the present invention includes a signal acquisition unit for acquiring an impact signal, a location at which the impact signal is generated, a mass of the object generating the impact signal, and the A signal analysis unit that estimates at least one of the speeds of the object, and the impact signal database may include impact signal data generated based on finite element analysis (FEA).

본 발명의 실시예에 따른 충격 신호 분석 장치 및 방법은, 원전 기기의 내부 구조물의 특성을 이용하여, 원전 기기의 내부 구조물과 이물질의 충격 위치, 이물질의 질량 및 속도를 보다 정확하게 추정할 수 있다. The apparatus and method for analyzing an impact signal according to an embodiment of the present invention may more accurately estimate the impact location of the internal structure of the nuclear power plant and the foreign material, and the mass and speed of the foreign material by using the characteristics of the internal structure of the nuclear power plant.

다만, 본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다. However, the effects obtainable in the present invention are not limited to the effects mentioned above, and other effects not mentioned will be clearly understood by those of ordinary skill in the art from the following description. I will be able to.

도 1은 본 발명의 일 실시예에 따른 충격 신호 분석 방법의 개념도를 도시한다.
도 2는 본 발명의 일 실시예에 따른 충격 신호 분석 방법에서 이용하는 충격 신호 데이터베이스의 예를 개념적으로 도시한다.
도 3은 본 발명의 일 실시예에 따른 충격 신호 분석 방법의 기계학습 알고리즘의 예를 개념적으로 도시한다.
도 4는 본 발명의 일 실시예에 따른 충격 신호 분석 장치의 기능 블록도를 도시한다.
도 5는 본 발명의 일 실시예에 따른 충격 신호 분석 방법의 각 단계의 흐름을 도시한다. 1 is a conceptual diagram illustrating a method for analyzing an impact signal according to an embodiment of the present invention.
FIG. 2 conceptually shows an example of an impact signal database used in a method for analyzing an impact signal according to an embodiment of the present invention.
3 conceptually shows an example of a machine learning algorithm of a method for analyzing a shock signal according to an embodiment of the present invention.
4 is a functional block diagram of an apparatus for analyzing an impact signal according to an embodiment of the present invention.
5 shows the flow of each step of the method for analyzing an impact signal according to an embodiment of the present invention.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명의 범주는 청구항에 의해 정의될 뿐이다.Advantages and features of the present invention, and a method of achieving them will become apparent with reference to the embodiments described below in detail together with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but may be implemented in various forms, and only these embodiments make the disclosure of the present invention complete, and those skilled in the art to which the present invention pertains. It is provided to fully inform the person of the scope of the invention, and the scope of the invention is only defined by the claims.

본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명은 본 발명의 실시예들을 설명함에 있어 실제로 필요한 경우 외에는 생략될 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.In describing the embodiments of the present invention, detailed descriptions of known functions or configurations will be omitted except when actually necessary in describing the embodiments of the present invention. In addition, terms to be described later are terms defined in consideration of functions in an embodiment of the present invention, which may vary according to the intention or custom of users or operators. Therefore, the definition should be made based on the contents throughout this specification.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예들을 포함할 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로서 이해되어야 한다. Since the present invention can make various changes and include various embodiments, specific embodiments will be illustrated in the drawings and described in the detailed description. However, this is not intended to limit the present invention to a specific embodiment, and should be understood as including all changes, equivalents, and substitutes included in the spirit and scope of the present invention.

제 1, 제 2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 해당 구성요소들은 이와 같은 용어들에 의해 한정되지는 않는다. 이 용어들은 하나의 구성요소들을 다른 구성요소로부터 구별하는 목적으로만 사용된다. Terms including an ordinal number such as first and second may be used to describe various elements, but the corresponding elements are not limited by these terms. These terms are only used for the purpose of distinguishing one component from another.

도 1은 본 발명의 일 실시예에 따른 충격 신호 분석 방법의 개념도를 도시한다. 1 is a conceptual diagram illustrating a method for analyzing an impact signal according to an embodiment of the present invention.

도 1을 참조하면, 구조물(10)은 복수의 센서(11, 12, 13, 14)를 포함할 수 있다. 구조물(10)은 예를 들면 원전 기기의 구조물일 일 수 있다. 도 1에서 복수의 센서는, 4개의 센서, 즉 제1 센서(11), 제2 센서(12), 제3 센서(13), 제4 센서(14)를 포함하도록 도시하였으나, 이에 제한되는 것은 아니며 더 많거나 적은 수의 센서가 존재할 수 있다. Referring to FIG. 1, the structure 10 may include a plurality of sensors 11, 12, 13, and 14. The structure 10 may be, for example, a structure of a nuclear power plant. In FIG. 1, the plurality of sensors is illustrated to include four sensors, that is, a first sensor 11, a second sensor 12, a third sensor 13, and a fourth sensor 14, but are limited thereto. Not, there may be more or fewer sensors.

복수의 센서 각각은 서로 다른 위치에 설치되어 대상체(20)가 구조물(10)과 부딪혀 발생하는 충격 신호를 검출할 수 있다. 대상체(20)는 예를 들면, 구조물(10)의 내부에서 생성되거나 외부로부터 유입된 이물질일 수 있다. 대상체(20)는 특정 위치에 고정되는 것이 아니기 때문에 구조물(10)의 내부에서 이동할 수 있고, 이동하는 과정에서 구조물(10)과 부딪혀 충격 신호가 발생할 수 있다. Each of the plurality of sensors is installed at different positions to detect an impact signal generated when the object 20 collides with the structure 10. The object 20 may be, for example, a foreign material generated inside the structure 10 or introduced from the outside. Since the object 20 is not fixed at a specific position, it may move inside the structure 10, and during the moving process, the object 20 may collide with the structure 10 to generate an impact signal.

복수의 센서 각각은 설치된 위치에 기초하여 시계열 형태의 충격 신호를 획득할 수 있다. 충격 신호를 분석하여 얻을 수 있는 정보는, 예를 들면, 충격 신호의 주파수, 진폭, 형태, 충격 신호의 검출 시간, 시간에 따른 신호의 변화 등에 대한 정보일 수 있다. 다만, 이에 제한되지 않으며 충격 신호와 관련된 다양한 정보가 획득될 수 있다. Each of the plurality of sensors may acquire an impact signal in the form of a time series based on the installed position. The information obtained by analyzing the shock signal may be, for example, information on the frequency, amplitude, and shape of the shock signal, the detection time of the shock signal, and the change of the signal over time. However, the present invention is not limited thereto, and various information related to the shock signal may be obtained.

센서를 통해 검출된 충격 신호는 충격 신호 데이터베이스(30)에 기초하여 분석될 수 있고, 이에 따라 충격 신호가 발생된 위치, 충격 신호를 발생시킨 대상체(20)의 질량, 및 대상체(20)의 속도가 추정될 수 있다. 충격 신호 데이터베이스(30)는 학습용 대상체에 의해 발생되는 충격 신호에 대한 데이터 및 학습용 대상체의 충돌 위치, 질량 및 속도 중 적어도 하나를 포함할 수 있다. 이 때, 학습용 대상체의 충돌 위치, 질량 및 속도는 미리 지정된 것일 수 있다. The impact signal detected through the sensor may be analyzed based on the impact signal database 30, and accordingly, the location at which the impact signal was generated, the mass of the object 20 that generated the impact signal, and the speed of the object 20 Can be estimated. The impact signal database 30 may include data on an impact signal generated by the learning object and at least one of a collision position, mass, and speed of the learning object. In this case, the collision position, mass, and speed of the learning object may be predetermined.

보다 구체적으로 설명하면, 충격 신호 데이터베이스(30)와 기계학습 알고리즘(40), 또는 충격 신호 데이터베이스(30)와 상호상관함수(50)를 기초로, 충격 신호의 충격 위치, 대상체(20)의 질량, 또는 대상체(20)의 속도 중 적어도 하나가 분석될 수 있다. 기계학습 알고리즘(40)은 사용자에 의해 입력된 충격 신호의 특성 벡터들을 이용하여 학습된 알고리즘으로, 그 종류는 예를 들면 인공 신경망일 수 있고, 상호상관함수(50)는 두가지 신호의 유사도를 평가하는 함수일 수 있다. More specifically, based on the impact signal database 30 and the machine learning algorithm 40, or the impact signal database 30 and the cross-correlation function 50, the impact position of the impact signal and the mass of the object 20 Or, at least one of the speed of the object 20 may be analyzed. The machine learning algorithm 40 is an algorithm that is learned by using the characteristic vectors of the shock signal input by the user, and its type may be, for example, an artificial neural network, and the cross-correlation function 50 evaluates the similarity of two signals. It can be a function to do.

충격 신호 데이터베이스(30)와 기계학습 알고리즘(40)을 이용하여 충격 신호가 분석되는 경우, 대상체(20)에 의해 발생한 충격 신호의 특성을 나타내는 특성 벡터가 추출될 수 있고, 특성 벡터가 기계학습 알고리즘(40)에 입력되어 충격 위치, 이물질(20)의 질량, 및 속도 중 적어도 하나가 결과값으로 도출됨에 의해 분석이 수행될 수 있다. 기계학습 알고리즘(40)은 충격 신호 데이터베이스(30)에 기저장된 충격 신호 데이터의 특성 벡터를 이용하여 학습된 것일 수 있으며, 이와 관련된 보다 자세한 설명은 도 3을 참조할 수 있다. When the shock signal is analyzed using the shock signal database 30 and the machine learning algorithm 40, a feature vector representing the characteristics of the shock signal generated by the object 20 may be extracted, and the feature vector is a machine learning algorithm. The analysis may be performed by being input to 40 and deriving at least one of the impact position, the mass of the foreign material 20, and the speed as a result value. The machine learning algorithm 40 may be learned using a characteristic vector of the shock signal data previously stored in the shock signal database 30, and a more detailed description thereof may be referred to FIG. 3.

충격 신호 데이터베이스(30)와 상호상관함수(50)를 이용하는 경우, 충격 신호 데이터베이스(30)에 기저장된 신호에 대한 정보에서 대상체(20)에 의해 발생된 충격 신호와의 상호상관함수 값 및 진폭비가 소정 값(예: 1.0)에 가장 근접한 신호에 대한 정보를 추출할 수 있다. 추출된 신호에 대한 정보를 충격 신호의 충격 위치, 대상체(20)의 질량, 및 대상체(20)의 속도에 대응시켜, 최종적으로 충격 신호를 추정할 수 있다. 즉, 충격 신호 데이터베이스(30)에서 추출된 신호를 충격 신호와 동일한 것으로 가정하여 추출된 신호에 대해 기저장된 충격 위치, 질량, 속도를 충격 신호의 충격 위치, 질량, 속도로 추정할 수 있다. In the case of using the impact signal database 30 and the cross-correlation function 50, the cross-correlation function value and the amplitude ratio with the impact signal generated by the object 20 from the information about the signal previously stored in the impact signal database 30 Information about a signal closest to a predetermined value (eg, 1.0) can be extracted. The information on the extracted signal is matched to the impact position of the impact signal, the mass of the object 20, and the speed of the object 20, so that the impact signal can be finally estimated. That is, assuming that the signal extracted from the impact signal database 30 is the same as the impact signal, the impact location, mass, and velocity previously stored for the extracted signal may be estimated as the impact location, mass, and velocity of the impact signal.

도 2는 본 발명의 일 실시예에 따른 충격 신호 분석 방법에서 이용하는 충격 신호 데이터베이스의 예를 개념적으로 도시한다. 구체적으로, 도 2는 충격 신호 데이터베이스(30)에 포함되는 충격 신호 데이터(45)의 생성 과정을 나타낸다.FIG. 2 conceptually shows an example of an impact signal database used in a method for analyzing an impact signal according to an embodiment of the present invention. Specifically, FIG. 2 shows a process of generating the shock signal data 45 included in the shock signal database 30.

충격 신호 데이터베이스(30)의 생성을 위해 복수의 학습용 대상체가 이용될 수 있다. 복수의 학습용 대상체는 그 특성이 미리 결정된 것일 수 있으며, 그 특성은 예를 들면, 복수의 학습용 대상체 각각의 구조물(10)과의 충격 위치, 질량, 속도일 수 있다. 복수의 학습용 대상체 각각의 특성은 충격 신호 데이터베이스(30)에 저장될 수 있다. A plurality of learning objects may be used to generate the shock signal database 30. The characteristics of the plurality of learning objects may be predetermined, and the characteristics may be, for example, an impact position, mass, and speed with the structure 10 of each of the plurality of learning objects. The characteristics of each of the plurality of learning objects may be stored in the shock signal database 30.

특성이 결정된 복수의 학습용 대상체 각각에 대해서는 유한요소해석이 수행될 수 있다. 유한요소해석이 수행됨으로써 복수의 학습용 대상체 각각에 대해 고유한 충격 신호 데이터(45)가 생성될 수 있다. 충격 신호 데이터(45)는 충격 신호에 대한 다양한 정보 예를 들면, 대상체의 충격 위치, 질량, 속도 등에 대한 데이터를 포함할 수 있다. 이러한 충격 신호 데이터(45)는 충격 신호 데이터베이스(30)에 저장될 수 있다. 한편, 충격 신호 데이터(45)에 기초하여 충격 신호가 분석될 수 있으며, 이에 따라 중심주파수, 가속도 진폭의 크기, 복수의 센서들 간 신호 도달 시간차 등을 나타내는 특성 벡터가 추출될 수 있다. Finite element analysis may be performed for each of the plurality of learning objects whose characteristics are determined. By performing the finite element analysis, unique shock signal data 45 may be generated for each of the plurality of learning objects. The impact signal data 45 may include various information on the impact signal, for example, data on the impact location, mass, and speed of the object. The shock signal data 45 may be stored in the shock signal database 30. Meanwhile, the shock signal may be analyzed based on the shock signal data 45, and accordingly, a characteristic vector indicating a center frequency, a magnitude of an acceleration amplitude, a signal arrival time difference between a plurality of sensors, and the like may be extracted.

한편, 유한요소해석은 물리 현상을 모사할 수 있는 해석 기법으로서, 통상의 기술자에게 용이한 바 자세한 설명은 생략하겠다. On the other hand, finite element analysis is an analysis technique capable of simulating a physical phenomenon, and a detailed description thereof will be omitted since it is easy for a person skilled in the art.

한편, 경우에 따라 충격 신호 데이터베이스는 유한요소해석이 수행되어 획득되는 데이터 이외에도 충격 신호 발생 실험을 수행하여 획득된 실험데이터를 포함할 수도 있다. 이러한 경우, 실험데이터를 이용하여 특성 벡터가 추출될 수 있다.Meanwhile, in some cases, the impact signal database may include experimental data obtained by performing an impact signal generation experiment in addition to data obtained by performing finite element analysis. In this case, a feature vector may be extracted using experimental data.

도 3은 본 발명의 일 실시예에 따른 충격 신호 분석 방법의 기계학습 알고리즘의 예를 개념적으로 도시한다. 구체적으로, 도 3은 기계학습 알고리즘(40), 기계학습 알고리즘(40)의 입력값과 결과값을 개념적으로 나타낸다. 3 conceptually shows an example of a machine learning algorithm of a method for analyzing a shock signal according to an embodiment of the present invention. Specifically, FIG. 3 conceptually shows input values and results of the machine learning algorithm 40 and the machine learning algorithm 40.

기계학습 알고리즘(40)은 충격 신호 데이터베이스(30)를 이용하여 학습될 수 있다. 구체적으로, 기계학습 알고리즘(40)은 복수의 학습용 대상체 각각에 대한 특성 벡터와 복수의 학습용 대상체의 특성(충격 위치, 학습용 대상체의 질량, 학습용 대상체의 속도)을 이용하여 학습될 수 있다. 예를 들어, 기계학습 알고리즘(40)은 충격 신호의 특성 벡터가 입력되면 충격 신호의 충격 위치, 학습용 대상체의 질량, 학습용 대상체의 속도가 결과값으로 출력되도록 학습될 수 있다. The machine learning algorithm 40 may be learned using the shock signal database 30. Specifically, the machine learning algorithm 40 may be learned using a characteristic vector for each of a plurality of learning objects and characteristics of a plurality of learning objects (impact position, mass of the learning object, and speed of the learning object). For example, the machine learning algorithm 40 may be trained to output the impact position of the impact signal, the mass of the object for learning, and the speed of the object for learning as result values when a characteristic vector of the impact signal is input.

한편, 특성 벡터는 도 2의 충격 신호 데이터(45)를 이용하여 도출된 학습용 대상체의 충격 신호 각각에 대한 특성, 예를 들면, 중심 주파수, 진폭, 센서들 간 신호(또는 가속도 신호) 도달 시간차를 나타내는 벡터일 수 있으며, 특성 벡터의 집합은 하기의 수학식 1과 같은 형태로 도출될 수 있다.On the other hand, the characteristic vector is a characteristic of each of the shock signals of the learning object derived using the shock signal data 45 of FIG. 2, for example, the center frequency, the amplitude, and the difference in arrival time of the signal (or acceleration signal) between the sensors. It may be a vector represented, and a set of feature vectors may be derived in the form of Equation 1 below.

Figure 112019034391093-pat00001
Figure 112019034391093-pat00001

수학식 1에서, x는 충격 위치, m은 학습용 대상체의 질량, v는 학습용 대상체의 속도, fc는 중심주파수, A는 학습용 대상체 충격신호의 진폭, t는 센서들 간 신호 도달 시간차일 수 있다. In Equation 1, x may be the impact position, m is the mass of the learning object, v is the velocity of the learning object, fc is the center frequency, A is the amplitude of the impact signal of the learning object, and t is the signal arrival time difference between the sensors.

도 3에 도시된 바와 같이, 기계학습 알고리즘(40)에는 대상체(20)의 충돌에 대해 복수의 센서 각각으로부터 획득된 충격 신호 별 특성 벡터가 입력될 수 있고, 이에 따라, 최종적으로 대상체(20)의 위치, 질량, 속도가 도출될 수 있다. As shown in FIG. 3, a characteristic vector for each impact signal obtained from each of a plurality of sensors for the collision of the object 20 may be input to the machine learning algorithm 40, and accordingly, finally, the object 20 The location, mass, and velocity of can be derived.

한편, 특성 벡터는 상술된 예에 제한되지 않으며 충격 신호의 특징을 나타내는 다양한 특성 벡터가 이용될 수도 있다. Meanwhile, the characteristic vector is not limited to the above-described example, and various characteristic vectors representing the characteristics of the impact signal may be used.

도 4는 본 발명의 일 실시예에 따른 충격 신호 분석 장치의 기능 블록도를 도시한다. 이하 사용되는 '…부'등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 이하 도 4의 설명에서는 도 1 내지 3과 중복되는 내용이 생략될 수 있다. 4 is a functional block diagram of an apparatus for analyzing an impact signal according to an embodiment of the present invention. Used below'… A term such as'negative' means a unit that processes at least one function or operation, which may be implemented by hardware or software, or a combination of hardware and software. Hereinafter, in the description of FIG. 4, content overlapping with FIGS. 1 to 3 may be omitted.

도 4를 참조하면, 충격 신호 분석 장치(100)는 신호 획득부(110) 및 신호 분석부(120)를 포함할 수 있다. 신호 획득부(110)는 적어도 하나의 마이크로프로세서(microprocessor)를 포함하는 연산 장치에 의해 구현될 수 있으며, 이는 후술할 신호 분석부(120)에 있어서도 같다. Referring to FIG. 4, the shock signal analysis apparatus 100 may include a signal acquisition unit 110 and a signal analysis unit 120. The signal acquisition unit 110 may be implemented by a computing device including at least one microprocessor, which is the same for the signal analysis unit 120 to be described later.

신호 획득부(110)는 구조물(10)에 설치된 복수의 센서를 통해 충격 신호를 획득할 수 있다. 충격 신호는 구조물(10)과 구조물(10) 내부의 대상체(20)가 부딪혀 발생하는 신호일 수 있으며, 복수의 센서 별로 충격 신호를 획득할 수 있다. 예를 들어, 복수의 센서가 4개의 센서를 포함하는 경우, 4개의 센서 각각 충격 신호를 획득할 수 있다. 4개의 센서 각각은 서로 다른 위치에 설치되어 있을 수 있고, 이러한 경우 충격 위치에 따라 동일한 충격 신호일지라도 신호를 감지하는 시간은 상이할 수 있다. 이러한 경우, 이러한 시간 차에 대한 정보는 후술하는 신호 분석부(120)에 의해 분석될 수도 있다. The signal acquisition unit 110 may acquire an impact signal through a plurality of sensors installed in the structure 10. The impact signal may be a signal generated when the structure 10 and the object 20 inside the structure 10 collide with each other, and an impact signal may be obtained for each of a plurality of sensors. For example, when the plurality of sensors includes four sensors, each of the four sensors may obtain an impact signal. Each of the four sensors may be installed at different positions, and in this case, the time to detect the signal may be different even though the signal is the same according to the shock position. In this case, the information on the time difference may be analyzed by the signal analysis unit 120 to be described later.

신호 분석부(120)는 충격 신호 데이터베이스(30)를 이용하여 충격 신호가 발생된 위치, 즉, 충격 위치와, 충격 신호를 발생시킨 대상체(20)의 질량, 및 대상체(20)의 속도를 추정할 수 있다. 보다 구체적으로, 신호 분석부(120)는 기계학습 알고리즘(40) 또는 상호상관함수(50)를 충격 신호 데이터베이스(30)와 함께 이용하여 충격 위치, 대상체(20)의 질량, 및 대상체(20)의 속도를 추정할 수 있다. The signal analysis unit 120 uses the impact signal database 30 to estimate the location where the impact signal is generated, that is, the location of the impact, the mass of the object 20 that generated the impact signal, and the speed of the object 20 can do. More specifically, the signal analysis unit 120 uses the machine learning algorithm 40 or the cross-correlation function 50 together with the impact signal database 30 to determine the impact position, the mass of the object 20, and the object 20. You can estimate the speed of

기계학습 알고리즘(40)과 충격 신호 데이터베이스(30)를 이용하여 충격 신호의 분석이 수행되는 경우, 신호 분석부(120)는 획득된 충격 신호에 대한 특성 벡터를 추출하여 기계학습 알고리즘(40)에 입력함으로써 충격 위치, 대상체(20)의 질량, 및 대상체(20)의 속도를 결과로 획득할 수 있다. When the analysis of the shock signal is performed using the machine learning algorithm 40 and the shock signal database 30, the signal analysis unit 120 extracts a characteristic vector for the acquired shock signal and sends it to the machine learning algorithm 40. By inputting, the impact position, the mass of the object 20, and the speed of the object 20 may be obtained as a result.

상호상관함수(50)와 충격 신호 데이터베이스(30)를 이용하여 충격 신호의 분석이 수행되는 경우, 신호 분석부(120)는 충격 신호 데이터베이스(30)에 기저장된 다양한 충격 신호 중 신호 획득부(110)를 통해 획득된 충격 신호와의 상호상관함수 및 진폭비 각각이 소정 값(예: 1.0)에 가장 근접한 신호를 추출할 수 있다. 여기서, 진폭비는 하기의 수학식 2와 같이 나타날 수 있다. When the impact signal analysis is performed using the cross-correlation function 50 and the impact signal database 30, the signal analysis unit 120 includes a signal acquisition unit 110 among various impact signals previously stored in the impact signal database 30. Each of the cross-correlation function and amplitude ratio with the impulse signal obtained through) may extract a signal closest to a predetermined value (eg, 1.0). Here, the amplitude ratio may be expressed as Equation 2 below.

Figure 112019034391093-pat00002
Figure 112019034391093-pat00002

수학식 2에서, Aratio는 충격 신호 데이터베이스(30)에 기저장된 충격 신호와 신호 획득부(110)를 통해 획득된 충격 신호와의 진폭비, ADB는 충격 신호 데이터베이스(30)에 기저장된 충격 신호의 진폭, AM은 신호 획득부(110)를 통해 획득된 충격 신호의 진폭일 수 있다. In Equation 2, A ratio is the amplitude ratio between the shock signal previously stored in the shock signal database 30 and the shock signal acquired through the signal acquisition unit 110, and A DB is the shock signal previously stored in the shock signal database 30. The amplitude of, A M may be the amplitude of the shock signal obtained through the signal acquisition unit 110.

상술한 상호상관함수 및 진폭비 각각이 소정 값(예: 1.0)에 가장 근접한 신호는, 충격 신호 데이터베이스(30)에 기저장된 다양한 충격 신호 중 하기의 수학식 3의 값이 최소인 신호일 수 있다. The signal in which each of the above-described cross-correlation function and amplitude ratio is closest to a predetermined value (eg, 1.0) may be a signal having a minimum value of Equation 3 below among various shock signals previously stored in the shock signal database 30.

Figure 112019034391093-pat00003
Figure 112019034391093-pat00003

수학식 3에서, XC는 상호상관함수 값일 수 있다. In Equation 3, XC may be a cross-correlation function value.

이와 같이 수학식 3의 값이 최소인 신호를 충격 신호 데이터베이스(30)에서 추출하면, 충격 신호 데이터베이스(30)에는 이미 신호 별 충격 위치, 학습용 대상체의 질량, 학습용 대상체의 속도가 저장되어 있기 때문에, 추출된 신호를 발생시킨 학습용 대상체를 대상체(20)에 대응시켜 최종적으로 충격 신호의 충격 위치, 대상체(20)의 질량, 대상체(20)의 속도로 결정할 수 있다. When the signal with the minimum value of Equation 3 is extracted from the shock signal database 30, the shock position for each signal, the mass of the object for learning, and the speed of the object for learning are already stored in the shock signal database 30. The object for learning that generated the extracted signal may correspond to the object 20 and finally determine the impact position of the shock signal, the mass of the object 20, and the speed of the object 20.

예를 들어, 수학식 3의 값이 최소인 신호의 충격 위치가 a이고, 해당 학습용 대상체의 질량이 b이고, 해당 학습용 대상체의 속도가 c이면, 신호 획득부(110)에 의해 획득된 충격 신호에 이를 대응시켜, 충격 신호의 충격 위치를 a, 대상체(20)의 질량을 b, 대상체(20)의 속도를 c로 결정할 수 있다. For example, if the impact position of the signal with the minimum value of Equation 3 is a, the mass of the learning object is b, and the speed of the learning object is c, the impact signal obtained by the signal acquisition unit 110 In response to this, the impact position of the impact signal may be determined as a, the mass of the object 20 may be determined as b, and the speed of the object 20 may be determined as c.

도 5는 본 발명의 일 실시예에 따른 충격 신호 분석 방법의 각 단계의 흐름을 도시한다. 또한, 도 5에 도시된 방법의 각 단계는 경우에 따라 도면에 도시된 바와 그 순서를 달리하여 수행될 수 있음은 물론이다. 5 shows the flow of each step of the method for analyzing an impact signal according to an embodiment of the present invention. In addition, it goes without saying that each step of the method illustrated in FIG. 5 may be performed in a different order as illustrated in the drawings depending on the case.

도 5를 참조하면, 신호 획득부(110)는 충격 신호를 획득할 수 있다(S110). 보다 구체적으로, 신호 획득부(110)는 구조물(10)에 설치된 복수의 센서를 통해 충격 신호를 획득할 수 있다. 복수의 센서 각각은 충격 신호를 감지할 수 있고, 결과적으로 하나의 충격 신호에 대해 복수의 센서 각각으로부터 충격 신호에 대한 4가지 데이터가 획득될 수 있다. Referring to FIG. 5, the signal acquisition unit 110 may acquire an impact signal (S110). More specifically, the signal acquisition unit 110 may acquire an impact signal through a plurality of sensors installed on the structure 10. Each of the plurality of sensors may detect the shock signal, and as a result, four types of data on the shock signal may be obtained from each of the plurality of sensors for one shock signal.

신호 분석부(120)는 획득된 충격 신호를 분석하여 충격 신호가 발생된 위치, 충격 신호를 발생시킨 대상체(20)의 질량, 및 충격 신호를 발생시킨 대상체(20)의 속도를 추정할 수 있다. The signal analysis unit 120 may analyze the acquired shock signal to estimate the location where the shock signal is generated, the mass of the object 20 generating the shock signal, and the speed of the object 20 generating the shock signal. .

일 예로. 신호 분석부(120)는 복수의 센서 각각으로부터 획득된 충격 신호를 기계학습 알고리즘(40)에 입력시켜, 충격 신호의 충격 위치, 대상체(20)의 질량, 대상체(20)의 속도를 추정할 수 있다. For example. The signal analysis unit 120 can estimate the impact position of the impact signal, the mass of the object 20, and the speed of the object 20 by inputting the impact signal obtained from each of the plurality of sensors into the machine learning algorithm 40. have.

다른 일 예로, 신호 분석부(120)는, 충격 신호 데이터베이스(30) 내에서, 복수의 센서 각각으로부터 획득된 충격 신호와 상호상관함수 값 및 진폭비 각각이 소정 값에 가장 근접한 기저장된 신호를 추출할 수 있다. 추출된 신호의 정보는 충격 신호 데이터베이스(30)에 저장되어 있을 수 있고, 추출된 신호의 정보에 기초하여 획득된 충격 신호의 충격 신호가 발생된 위치, 충격 신호를 발생시킨 대상체(20)의 질량, 및 충격 신호를 발생시킨 대상체(20)의 속도를 추정할 수 있다. 즉, 충격 신호 데이터베이스(30)에서 추출된 신호의 충격 위치, 학습용 대상체의 질량, 학습용 대상체의 속도를 분석하고자 하는 대상인 충격 신호의 충격 위치, 대상체(20)의 질량, 대상체(20)의 속도로 결정할 수 있다. As another example, the signal analysis unit 120 extracts a pre-stored signal in the shock signal database 30 in which the shock signal obtained from each of the plurality of sensors, the cross-correlation function value, and the amplitude ratio are each closest to a predetermined value. I can. The information of the extracted signal may be stored in the shock signal database 30, and the location of the shock signal obtained based on the information of the extracted signal, and the mass of the object 20 that generated the shock signal. , And the speed of the object 20 that generated the impact signal may be estimated. That is, the impact location of the signal extracted from the impact signal database 30, the mass of the learning object, the impact location of the impact signal that is the target to be analyzed, the mass of the object 20, and the velocity of the object 20 You can decide.

본 발명의 일 실시예에 따른 충격 신호 분석 장치(100) 및 방법은, 센서에 의해 검출된 충격 신호에 유한요소해석을 통해 구조물(10)의 특징을 반영하여 분석함으로써, 보다 정확하게 충격 신호의 충격 위치, 대상체(20)의 질량, 대상체(20)의 속도에 대한 정보를 추정할 수 있다. The impact signal analysis apparatus 100 and method according to an embodiment of the present invention reflects the characteristics of the structure 10 through finite element analysis to the impact signal detected by the sensor and analyzes the impact of the impact signal more accurately. Information about the location, the mass of the object 20, and the speed of the object 20 may be estimated.

본 명세서에 첨부된 블록도의 각 블록과 흐름도의 각 단계의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수도 있다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록 또는 흐름도 각 단계에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 블록도의 각 블록 및 흐름도의 각 단계에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.Combinations of each block of the block diagram attached to the present specification and each step of the flowchart may be performed by computer program instructions. Since these computer program instructions can be mounted on a processor of a general purpose computer, special purpose computer, or other programmable data processing equipment, the instructions executed by the processor of the computer or other programmable data processing equipment are shown in each block or flow chart of the block diagram. Each step creates a means to perform the functions described. These computer program instructions can also be stored in computer-usable or computer-readable memory that can be directed to a computer or other programmable data processing equipment to implement a function in a particular way, so that the computer-usable or computer-readable memory It is also possible to produce an article of manufacture in which the instructions stored in the block diagram contain instruction means for performing the functions described in each block of the block diagram or each step of the flowchart. Computer program instructions can also be mounted on a computer or other programmable data processing equipment, so that a series of operating steps are performed on a computer or other programmable data processing equipment to create a computer-executable process to create a computer or other programmable data processing equipment. It is also possible for the instructions to perform the processing equipment to provide steps for performing the functions described in each block of the block diagram and each step of the flowchart.

또한, 각 블록 또는 각 단계는 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실시예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.In addition, each block or each step may represent a module, segment, or part of code comprising one or more executable instructions for executing the specified logical function(s). It should also be noted that in some alternative embodiments, functions mentioned in blocks or steps may occur out of order. For example, two blocks or steps shown in succession may in fact be performed substantially simultaneously, or the blocks or steps may sometimes be performed in the reverse order depending on the corresponding function.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 품질에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 명세서에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely illustrative of the technical idea of the present invention, and those of ordinary skill in the art to which the present invention pertains will be able to make various modifications and variations without departing from the essential quality of the present invention. Accordingly, the embodiments disclosed in the present specification are not intended to limit the technical idea of the present disclosure, but to explain the technical idea, and the scope of the technical idea of the present disclosure is not limited by these embodiments. The scope of protection of the present invention should be interpreted by the following claims, and all technical ideas within the scope equivalent thereto should be construed as being included in the scope of the present invention.

100: 충격 신호 분석 장치
110: 신호 획득부
120: 신호 분석부
10: 구조물
20: 대상체
30: 충격 신호 데이터베이스
40: 기계학습 알고리즘
50: 상호상관함수100: shock signal analysis device
110: signal acquisition unit
120: signal analysis unit
10: structure
20: object
30: shock signal database
40: machine learning algorithm
50: cross-correlation function

Claims (9)

충격 신호를 획득하는 단계와,
충격 신호 데이터베이스를 이용하여 상기 충격 신호가 발생된 위치, 상기 충격 신호를 발생시킨 대상체의 질량, 및 상기 대상체의 속도 중 적어도 하나를 추정하는 단계를 포함하고,
상기 충격 신호 데이터베이스는,
유한요소해석(finite element analysis, FEA)에 기초하여 생성된 충격 신호 데이터를 포함하고,
상기 추정하는 단계는,
상기 충격 신호 데이터베이스와 상호상관함수(cross-correlation function)를 이용하여 상기 획득된 충격 신호가 발생된 위치, 상기 획득된 충격 신호를 발생시킨 대상체의 질량, 및 상기 획득된 충격 신호를 발생시킨 대상체의 속도 중 적어도 하나를 추정하는 단계; 및
상기 충격 신호 데이터베이스에서 상기 획득된 충격 신호와의 진폭비 및 상호상관함수 값 각각이 소정 값에 가장 가까운 신호를 판별하는 단계를 포함하는
충격 신호 분석 방법.Acquiring a shock signal, and
Including the step of estimating at least one of the location where the impact signal is generated, the mass of the object that generated the impact signal, and the velocity of the object using an impact signal database,
The shock signal database,
Includes shock signal data generated based on finite element analysis (FEA),
The estimating step,
Using the impact signal database and a cross-correlation function, the location where the acquired impact signal was generated, the mass of the object that generated the acquired impact signal, and the object that generated the acquired impact signal. Estimating at least one of the speeds; And
In the impact signal database, the amplitude ratio and the cross-correlation function value with the obtained impact signal each comprising the step of determining a signal closest to a predetermined value.
Impact signal analysis method. 제1항에 있어서,
상기 충격 신호 데이터는,
학습용 대상체와 원전 기기의 구조물의 충돌 위치, 상기 학습용 대상체의 질량, 상기 학습용 대상체의 속도가 지정되면, 상기 유한요소해석에 기초하여 추정되는 상기 학습용 대상체에 의해 발생되는 충격 신호에 대한 데이터 및 상기 학습용 대상체의 지정된 충돌 위치, 질량 및 속도 중 적어도 하나를 포함하는
충격 신호 분석 방법.The method of claim 1,
The shock signal data,
When the collision position between the learning object and the structure of the nuclear power plant, the mass of the learning object, and the speed of the learning object are specified, data on the impact signal generated by the learning object estimated based on the finite element analysis and the learning Including at least one of the object's designated impact location, mass, and velocity
Impact signal analysis method. 제2항에 있어서,
상기 학습용 대상체에 의해 발생되는 충격 신호에 대한 데이터는,
상기 학습용 대상체에 의해 발생되는 충격 신호의 특성 벡터를 포함하고,
상기 특성 벡터는,
상기 학습용 대상체에 의해 발생되는 충격 신호의 진폭, 중심주파수, 가속도 및 충격 신호를 인식하는 센서들 사이의 신호 도달 시간 차 중 적어도 하나에 대한 정보를 포함하는
충격 신호 분석 방법.The method of claim 2,
Data on the shock signal generated by the learning object is,
It includes a characteristic vector of the shock signal generated by the learning object,
The feature vector is,
Including information on at least one of the amplitude of the shock signal generated by the learning object, the center frequency, the acceleration, and a signal arrival time difference between sensors that recognize the shock signal
Impact signal analysis method. 제3항에 있어서,
상기 추정하는 단계는,
상기 특성 벡터를 이용하여 학습된 기계학습 알고리즘에 상기 충격 신호를 입력하여 얻어지는 결과로 상기 충격 신호가 발생된 위치, 상기 충격 신호를 발생시킨 대상체의 질량, 및 상기 충격 신호를 발생시킨 대상체의 속도 중 적어도 하나를 추정하는 단계를 포함하는
충격 신호 분석 방법.The method of claim 3,
The estimating step,
As a result obtained by inputting the shock signal to the machine learning algorithm learned using the feature vector, one of the location where the shock signal was generated, the mass of the object generating the shock signal, and the speed of the object generating the shock signal Estimating at least one
Impact signal analysis method. 삭제delete 제1항에 있어서,
상기 추정하는 단계는,
상기 충격 신호 데이터베이스에서 상기 판별된 신호와 관련된 충돌 위치를 식별하여 상기 충격 신호가 발생된 위치로 추정하고, 상기 충격 신호 데이터베이스에서 상기 판별된 신호와 관련된 학습용 대상체의 질량을 식별하여 상기 대상체의 질량으로 추정하는 단계를 더 포함하는
충격 신호 분석 방법.The method of claim 1,
The estimating step,
In the impact signal database, a collision location related to the determined signal is identified to estimate the location where the impact signal is generated, and the mass of the object for learning related to the determined signal is identified in the impact signal database as the mass of the object. Further comprising the step of estimating
Impact signal analysis method. 제1항에 있어서,
상기 충격 신호는,
원전 기기의 구조물 내에서 상기 원전 기기의 구조물과 상기 대상체의 충격에 의해 발생된 신호인
충격 신호 분석 방법.The method of claim 1,
The shock signal is,
Signal generated by the impact of the structure of the nuclear power plant and the object within the structure of the nuclear power plant
Impact signal analysis method. 제4항에 있어서,
상기 기계학습 알고리즘은,
인공 신경망을 포함하는
충격 신호 분석 방법.The method of claim 4,
The machine learning algorithm,
Including artificial neural networks
Impact signal analysis method. 충격 신호를 획득하는 신호 획득부와,
충격 신호 데이터베이스를 이용하여 상기 충격 신호가 발생된 위치, 상기 충격 신호를 발생시킨 대상체의 질량, 및 상기 대상체의 속도 중 적어도 하나를 추정하는 신호 분석부를 포함하고,
상기 충격 신호 데이터베이스는,
유한요소해석(finite element analysis, FEA)에 기초하여 생성된 충격 신호 데이터를 포함하고,
상기 신호 분석부는,
상기 충격 신호 데이터베이스와 상호상관함수(cross-correlation function)를 이용하여 상기 획득된 충격 신호가 발생된 위치, 상기 획득된 충격 신호를 발생시킨 대상체의 질량, 및 상기 획득된 충격 신호를 발생시킨 대상체의 속도 중 적어도 하나를 추정하고,
상기 충격 신호 데이터베이스에서 상기 획득된 충격 신호와의 진폭비 및 상호상관함수 값 각각이 소정 값에 가장 가까운 신호를 판별하여 상기 추정을 수행하는
충격 신호 분석 장치.A signal acquisition unit for acquiring an impact signal,
A signal analysis unit for estimating at least one of a location at which the impact signal is generated, a mass of an object generating the impact signal, and a velocity of the object using an impact signal database,
The shock signal database,
Includes shock signal data generated based on finite element analysis (FEA),
The signal analysis unit,
Using the impact signal database and a cross-correlation function, the location where the acquired impact signal was generated, the mass of the object that generated the acquired impact signal, and the object that generated the acquired impact signal. Estimate at least one of the speeds,
In the impact signal database, each of the amplitude ratio and the cross-correlation function value with the acquired impact signal determines a signal closest to a predetermined value to perform the estimation.
Shock signal analysis device.
KR1020190039140A 2019-04-03 2019-04-03 Method and apparatus for analyzing of shock signal KR102205961B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190039140A KR102205961B1 (en) 2019-04-03 2019-04-03 Method and apparatus for analyzing of shock signal

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190039140A KR102205961B1 (en) 2019-04-03 2019-04-03 Method and apparatus for analyzing of shock signal

Publications (2)

Publication Number Publication Date
KR20200117262A KR20200117262A (en) 2020-10-14
KR102205961B1 true KR102205961B1 (en) 2021-01-21

Family

ID=72846916

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190039140A KR102205961B1 (en) 2019-04-03 2019-04-03 Method and apparatus for analyzing of shock signal

Country Status (1)

Country Link
KR (1) KR102205961B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102563375B1 (en) * 2020-12-23 2023-08-04 한국과학기술원 Method and apparatus for estimating position and inpulse of collision with submerged floating tunnel

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101734837B1 (en) 2016-04-27 2017-05-15 한국원자력연구원 Visible device for tracking loose part in a nuclear power plant and method there of

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100798007B1 (en) 2006-08-21 2008-01-24 한국원자력연구원 Mass estimation method for foreign substances of nuclear equipment and estimation device using the same
KR101777103B1 (en) * 2015-10-13 2017-09-13 한국과학기술원 Impact location learning device, method of learning impact location and method of estimating impact location

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101734837B1 (en) 2016-04-27 2017-05-15 한국원자력연구원 Visible device for tracking loose part in a nuclear power plant and method there of

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
박진호 외 5명, "원전 핵심기기의 구조건전성 향상 기술 개발", 원자력 안전 사업, KAERI/RR-3965/2014*

Also Published As

Publication number Publication date
KR20200117262A (en) 2020-10-14

Similar Documents

Publication Publication Date Title
Kang et al. Novel leakage detection by ensemble CNN-SVM and graph-based localization in water distribution systems
CN106503642B (en) A kind of model of vibration method for building up applied to optical fiber sensing system
KR102003206B1 (en) Control and adjustment of robot actuator considering contact with surrounding environment
Widynski et al. A multiscale particle filter framework for contour detection
KR102205961B1 (en) Method and apparatus for analyzing of shock signal
CN111695461B (en) Radar clutter intelligent classification method based on image frequency characteristics
KR101282742B1 (en) Apparatus and method for detecting object using 3d image
CN105940608A (en) Evaluation method for sensor signals
AU656871B2 (en) Improvements to dipole detection and localisation processing
CN109973251A (en) A kind of blind source separation method for solid propellant rocket vibration signal noise reduction
CN109946085A (en) A kind of method of solid propellant rocket vibration signal sound and vibration noise reduction
Phillips et al. Seismic time-lapse image registration using amplitude-adjusted plane-wave destruction
Kim et al. Two-dimensional scattering center extraction based on multiple elastic modules network
CN109166132B (en) Side-scan sonar image target identification method with variable initial distance symbolic function
KR101724151B1 (en) Estimating method for impact position and mass of metal piece using ambiguity pattern recognition
CN105960614A (en) System identification device
Lundberg Infrared land mine detection by parametric modeling
CN113920547A (en) Glove detection method and system based on neural network
KR20210024872A (en) Method for evaluating test fitness of input data for neural network and apparatus thereof
Truong et al. Bio-inspired underwater electrolocation through adaptive system identification
Ribeiro-Fonseca et al. Identification of underwater acoustic noise
KR102620260B1 (en) Method and device for recogniting object based on graph
CN108627237A (en) A kind of autocorrelation analysis signal processing method based on distributed optical fiber sensing system
JP6282121B2 (en) Image recognition apparatus, image recognition method, and program
Zhang et al. Research on target detection and segmentation in forward looking multi-beam sonar images

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right