KR20090005999A - 구조물 건전성 감시용 손상 예측 시스템 및 그 방법 - Google Patents

Abstract

본 발명은 구조물 상태를 예측하기 위한 시스템, 방법 및 기록가능한 매체를 제공한다. 복수의 진단 네트워크 패치(DNP)를 구비하는 네트워크를 사용하여 구조물 상태를 예측하기 위한 컴퓨터 실행방법에 있어서, 상기 진단 네트워크의 각각은 송신기 패치와 센서 패치의 적어도 하나로서 동작하며,(a) 컴퓨터 프로세서를 사용하여, 상기 패치의 적어도 하나가 송신기 신호를 방출하게 하고, 나머지 패치의 일부가 어느 시점에 센서 신호의 세트를 수신하도록 하는 단계; (b) 다중 시점에서 다중 세트의 센서신호를 수신하도록 단계 (a)를 반복하는 단계; 및 (c) 상기 다중 세트의 센서신호에 기초하여 목표 시점에서 상기 네트워크의 주 구조물의 구조물 상태를 예측하는 단계를 포함하는 것을 특징으로 한다.

Description

구조물 건전성 감시용 손상 예측 시스템 및 그 방법{SYSTEMS AND METHODS OF PROGNOSTICATING DAMAGE FOR STRUCTURAL HEALTH MONITORING}

본 발명은 구조물의 진단학, 특히 구조물의 건전상태 감시방법에 관한 것이다. 본 출원은 2004년 9월 16일자로 출원된 "구조물의 건전상태를 감시하기 위한 방법"이라는 명칭의 미국 출원 제10/942,714의 분할출원이며, 상기 미국 출원은 2003 년 9월 22일자로 출원된 "구조물의 건전성 감시용 센서 및 시스템"이란 명칭의 미국 가출원 60/505,120 의 이익을 청구하며, 참고로 그 전체가 본 명세서에 포함된다.

사용중인 모든 구조물(교량, 항공, 우주, 무인기, 정유/화학시설, 선박, 차량, 고층건물 등의 구조물)은 적절한 검사와 유지보수가 필요하므로, 그 수명을 연장하거나 돌발적인 파손을 방지하기 위해 구조물의 완전 상태 및 건전성을 감시해 주어야 한다. 최근 들어 구조물의 건전성 감시가 중요한 화제가 되고 있는 것은 분명하다. 현재까지 구조물의 결점이나 손상을 확인하기 위해, 전통적인 외관검사 및 초음파 및 와전류 스캐닝, 어쿠스틱 에미션(acoustic emission) 및 X선 검사와 같은 비파괴법을 포함하는 수많은 검사방법이 이용되어 왔다. 이들 종래의 검사방법에 있어서는 검사를 위해 구조물을 적어도 일시적으로 사용상태로부터 분리해야할 필요가 있다. 상기 종래의 방법들은 고립된 장소의 감시용으로 여전히 사용되고 있긴 하지만, 많은 시간과 비용을 요한다.

센서기술의 진보에 따라, 구조물의 완전상태 현장감시를 위한 새로운 진단기법이 상당히 향상되어왔다. 통상, 이들 새로운 진단기법은 적절한 센서로 이루어지는 센서시스템 및 주요 구조물에 장착된 액츄에이터를 이용하고 있다. 그러나, 이들 문제 해결법은 여러 가지 결점이 있고, 최소의 인력으로 구조물의 상태를 진단, 분류 및 예측할 수 있는 신뢰성 있는 센서네트워크 시스템 및/또는 정밀감시방법을 제공하는 효과적인 온라인 진단방법을 제공하지 못한다. 예로써, 우(Wu) 등에 허여된 미국특허 5,814,729에는 구조물 내의 적층복합구조물 내의 판상균열 영역을 찾아내기 위해 그 구조물 내에서의 진동파의 감쇄특성 변화를 검출하는 방법이 개시되어 있다. 상기 진동파를 생성하는 액츄에이터로서 압전세라믹(Piezoceramic) 장치가 사용되고, 상기 파신호를 수신하기 위한 센서로서 다른 격자위치(different grating locations)를 가지는 광섬유 케이블이 사용된다. 이 시스템의 결점은 다수의 액츄에이터 배열(array)을 수용할 수 없으므로 각 액츄에이터 및 센서를 개별적으로 장착해야 한다는 것이다. 상기 결함부 검출은 액츄에이터와 센서 사이의 직결통로를 따라 이동하는 진동파의 변화에 기초하여 이루어지므로, 이 검출방법은 상기 직결통로의 외측에 존재하는 결함 및/또는 구조물의 경계부의 주위에 존재하는 결함은 검출할 수 없다.

다른 결함검출방법은 블라직(Blazic) 등에 허여된 미국특허 5,184,516에서 발견할 수 있다. 이 특허는 구조물의 건전성 감시 및 평가를 위한 내장형 정각회로(conformal circuit)를 개시한다. 이 정각회로는 일련의 스트레인 센서의 적층체로 구성되고, 각 센서는 정각구조의 결함을 확인하기 위해 대응하는 위치의 스트레인 변화를 측정한다. 상기 정각회로는 수동적인 시스템으로서, 예를 들어, 신호발행을 위한 액츄에이터를 가지고 있지 않다. 이와 유사한 수동적인 센서네트워크 시스템은 매너제이(Mannur, J.) 등에게 허여된 미국특허 6,399,939에서 발견할 수 있다. 이 특허에서는 압전세라믹-파이버 센서시스템이 복합구조체에 내장된 플래너파이버(planner fibers)를 구비하는 것에 대하여 개시하고 있다. 이들 수동적인 방법의 결점은 센서와 센서 사이의 층간박리 및 손상을 감시할 수 없다는 것이다. 또, 이들 방법은 상기 내장된 회로 및 압전파이버가 부착된 국부영역에서만 그 주 구조물의 상태를 검출할 수 있다.

창(Chang) 등에 허여된 미국특허 6,370,964는 구조물 내의 손상을 검출하기 위한 하나의 방법을 개시하고 있다. 이 특허는 스탠포드 멀티-액츄에이터-리시버 트랜스덕션 층(Stanford Multi-Actuator-Receiver Transduction (SMART) Layer)이라 불리는 센서네트워크층을 개시하고 있다. 상기 SMART층^®은 압전세라믹 센서/액츄에이터(또는, 간단히, 압전세라믹)를 등간격으로 배치하고, 가요성 유전체 필름을 상기 압전세라믹 센서/액츄에이터에 개재시켜 접착시킨 압전세라믹 센서/액츄에이터를 구비한다. 상기 액츄에이터는 음파(acoustic waves)를 발생하고, 센서는 그 음파를 수신하여 전기신호로 변환시킨다. 상기 압전세라믹을 전자장치에 접속하기 위해, 도금된 와이어를 종래의 가요성 회로기술을 이용하여 에칭시키고 복수의 회로기판 사이에 적층시킨다. 결과적으로 도금와이어 영역을 피복하기 위한 상당량의 가요성 회로기판면적이 필요해진다. 또, 상기 SMART층^®은 적층복합체층으로 제작된 주 구조물에 고착되어야 한다. 고착공정시의 고온사이클에 기인된 내부응력에 의해 상기 SMART층^® 내의 압전세라믹은 미세파괴를 일으킬 수 있다. 또, 상기 SMART층^®의 기층은 주 구조물로부터 쉽게 분리될 수 있다. 또, 상기 SMART층^®을 고착부를 가지는 주 구조물에 삽입하거나 부착하기가 매우 어려우므로 그 고착부에 가해지는 압축부하에 의해 도금와이어가 절곡되기 쉽다. 파괴된 압전세라믹 및 절곡된 와이어는 전자기 간섭 노이즈에 민감하여 전기신호의 유도불량의 원인이 될 수 있다. 열응력, 전장쇼크 및 진동과 같은 가혹조건에서 상기 SMART층^®은 강고하지 않으므로 구조물의 건전성을 감시하는 도구로서 신뢰성이 없을 수도 있다. 또, 손상 및/또는 결함이 있는 액츄에이터/센서를 교환할 때 주 구조물을 해체해야 하므로 비용이 많이 든다.

다른 구조물의 결함검출법은 라이트(Light) 등에게 허여된 미국특허 6,396,262에 개시되어 있다. 이 특허는 구조물의 손상을 조사하기 위한 자외센서(magnetostrictive sensor)를 개시하고 있는데, 상기 센서는 강자성체 스트립 및 이 스트립에 근접 배치된 코일을 구비한다. 이 시스템의 주요 결점은 센서배열을 수용하도록 설계할 수 없으므로 센서와 센서 사이의 내부손상은 검출할 수 없다는 것이다.

전술한 단점들 때문에 종래의 감시 시스템에 사용된 데이터 분석방법론은 주 구조물을 정확하고 효율적으로 감시하는데는 한계가 있다. 따라서, 구조물의 상태결정 및 고장의 예측을 위해 주 구조물 시스템으로부터 얻은 데이터를 분석하고 해석하기 위한 새롭고 효율적인 방법론이 요구된다.

따라서, 본 발명의 목적은 네트워크 경로의 이분할, 교차 및 적응성 뉴럴 퍼지 추론 위치결정(adaptive-neural-fuzzy-inference positioning)과 같은 상이한 방법을 이용하여 구조물의 상태를 결정하기 위한 정확한 방법을 제공하기 위한 것이다. 이러한 방법은 볼록집합 보간(convex-set interpolation)과 함께 통합된다.

본 발명의 다른 목적은 상이한 구조물 상태의 인덱스에 대한 계산된 단층촬영 알고리즘(tomography algorithm)을 통합함으로써 구조물 상태를 결정하기 위한 신뢰성 있는 방법을 제공하기 위한 것이다.

본 발명의 또 다른 목적은 하이퍼스펙트럴 단층촬영 큐브(hyperspectral tomography cube)와 구조물 상태 매니폴드(manifold)를 사용하여 구조물 상태를 해석하는 방법을 제공하기 위한 것이다.

본 발명의 또 다른 목적은 코드북-템플릿 기반의 분류자(codebook-template based classifier)를 이용하여 구조물 상태를 분류하는 기술을 제공하기 위한 것이다. 이 방법은 표면의 단층촬영에 대한 멀티레이어 퍼셉션(multilayer perception)과 함께 통합된다.

본 발명의 또 다른 목적은 진단 네트워크 시스템을 모델화하고 그 파라미터를 갱신함으로써 구조물 상태를 예측하기 위한 예측방법을 제공하기 위한 것이다. 이 방법은 시스템 식별 및 감시 학습 알고리즘과 함께 통합된다.

이들 목적 및 기타의 목적과 효과는 주 합성 구조물 및/또는 주 금속 구조물에 부착된 진단 네트워크 패치(DNP) 시스템으로부터의 심문, 처리, 분류 및 예측 모듈과 분석 데이터를 포함하는 구조물 건전성 감시 소프트웨어에 의해 달성된다. 상기 DNP 시스템은 액튜에이터 복수의 액츄에이터/센서를 포함하고, 이들 복수의 액츄에이터/센서 사이에서 음향파 펄스(또는 등가의 램파)를 송신함으로써 주 구조물 내의 내부 웨이브레이(wave-ray) 통신 네트워크를 제공한다.

본 발명의 일 관점에 따르면, 복수의 진단 네트워크 패치(DNP)를 구비하는 네트워크를 사용하여 구조물 상태를 예측하기 위한 컴퓨터 실행방법은, 상기 진단 네트워크의 각각은 송신기 패치와 센서 패치의 적어도 하나로서 동작하며, (a) 컴퓨터 프로세서를 사용하여, 상기 패치의 적어도 하나가 송신기 신호를 방출하게 하고, 나머지 패치의 일부가 어느 시점에 센서 신호의 세트를 수신하도록 하는 단계; (b) 다중 시점에서 다중 세트의 센서신호를 수신하도록 단계 (a)를 반복하는 단계; 및 (c) 상기 다중 세트의 센서신호에 기초하여 목표 시점에서 상기 네트워크의 주 구조물의 구조물 상태를 예측하는 단계를 포함한다.

본 발명의 다른 관점에 따르면, 복수의 센서를 구비하는 네트워크를 사용하 여 구조물 상태를 에측하는 컴퓨터 실행방법은, 상기 센서들로부터 다중 세트의 센서신호를 취득하는 단계, 상기 다중 세트의 센서신호의 각각은 어느 시점에서 수신됨; 상기 다중 세트의 신호에 기초하여 목표시점에서 상기 네트워크의 주 구조물의 구조물 상태를 예측하는 단계를 포함한다.

본 발명의 또 다른 관점에 따르면, 복수의 진단 네트워크 패치(Diagnostic Network Patches, DNP)를 갖는 네트워크를 이용하여 구조물 상태를 예측하는 하나 이상의 시퀀스 명령(sequence of instruction)을 수행하는 컴퓨터 판독가능한 매체는, 상기 패치의 각각은 적어도 하나의 트랜스미터 패치와 센서 패치로서 동작할 수 있으며, 하나 이상의 프로세서에 의한 상기 하나 이상의 시퀀스 명령의 실행은 상기 하나 이상의 프로세서가, (a) 컴퓨터 프로세서를 사용하여, 상기 패치의 적어도 하나가 트랜스미터 신호를 방출하게 하고, 나머지 패치의 일부가 어느 시점에서 센서 신호의 세트를 수신하도록 하는 단계; (b) 다중 시점에서 다중 세트의 센서신호를 각각 수신하도록 단계 (a)를 반복하는 단계; 및 (c) 상기 다중 세트의 센서신호에 기초하여 목표 시점에서 상기 네트워크의 주 구조물의 구조물 상태를 예측하는 단계를 포함한다.

본 발명의 또 다른 관점에 따르면, 복수의 센서를 갖는 네트워크를 사용하여 구조물 상태를 예측하는 하나 이상의 시퀀스 명령을 수행하는 컴퓨터 판독가능한 매체는, 하나 이상의 프로세서에 의한 하나 이상의 시퀀스 명령의 실행은 상기 하나 이상의 프로세서가, 상기 센서로부터 다중세트의 센서신호를 취득하는 단계, 여기에서, 상기 다중 세트의 신호 각각은 어느 시점에서 수신됨; 상기 다중 세트의 신호에 기초하여 목표시점에서 상기 네트워크의 주 구조물의 구조물 상태를 예측하는 단계를 수행하도록 한다.

본 발명의 또 다른 관점에 따르면, 구조물 상태 예측 시스템은 주 구조물에 결합되고, 복수의 진단 네트워크 패치(DNP)를 구비하는 네트워크, 여기에서, 상기 진단 네트워크 패치의 각각은 트랜스미터 패치와 센서 패치의 적어도 하나로서 동작가능함; 상기 패치의 적어도 하나가 트랜스미터 신호를 방출하고, 다중 세트의 센서신호가 다중 시점에서 각각 수신되도록 나머지 패치의 일부가 어느 시점에서 센서신호의 세트를 수신하도록 하는 수단; 및 상기 다중 세트의 신호에 기초하여 목표시점에서 상기 주 구조물의 구조물 상태를 예측하는 수단을 포함한다.

본 발명의 구성에 따르면 구조물의 상태결정 및 고장의 예측을 위해 주 구조물 시스템으로부터 얻은 데이터를 용이하고 편리하게 분석하고 해석할 수 있기 때때문에 구조물을 정확하고 효율적으로 감시할 수 있게 되는 효과를 얻을 수 있다.

이상과 같은 본 발명의 장점 및 특징은 이하에 기술한 본 발명의 상세한 설명에 기초하여 당업자에게 자명해 질 것이다.

아래의 설명은 예시를 위해 많은 상세설명을 포함하고 있으나 당업자라면 본 발명의 범위 내에서 하기의 상세부에 대한 많은 다양한 변경 및 개조가 가능함을 알 수 있을 것이다. 따라서, 이하의 본 발명의 실시예는 청구범위의 일반성을 손실하지 않고, 또 청구범위에 제한을 가함이 없이 제시한다.

상기 공개문헌들은 본원의 출원일 이전의 기술내용을 위해 제공된 것으로서, 이들 종래의 발명에 의해 본 발명이 선행기술의 자격이 없는 것으로 해석되지는 않는다. 또 제공된 공개일자가 실제의 공개일자와 다를 수도 있는데, 이들은 독자적으로 확인할 필요가 있다.

도 1a는 본 발명의 일실시예에 따른 패치센서(100)의 개략적인 일부절제 평면도이다. 도 1b는 도 1a의 A-A 방향을 따라 취한 패치센서(100)의 개략적 단면도이다. 도 1a-1b에 도시된 바와 같이, 상기 패치센서(100)는, 주 구조물에 부착되도록 구성된 기판(102); 후프층(104); 신호(특히, 램파(Lamb wave))의 생성용 및/또는 수신용 압전장치(108); 기계적 임피던스 매칭을 제공함과 동시에 기판(102)과 압전장치(108) 사이의 열응력 부정합의 감소를 위한 버퍼층(110); 압전장치(108)에 접속된 2개의 전선(118a-b); 상기 압전장치(108)를 기판(102)에 고착하기 위한 몰딩층(120); 상기 몰딩층(120)의 보호 및 시일(sealing)용 피복층(106)을 구비한다. 상기 압전장치(108)는, 압전층(116), 상기 전선(118b)에 접속된 하측 도전체(112) 및 상기 전선(118a)에 접속된 상측 도전체(114)를 구비한다. 상기 압전장치(108)는 소정의 전기신호가 상기 전선(118a-b)을 통해 가해지는 경우 액츄에이터(또는, 등가적으로, 신호발생기)로서 동작할 수 있다. 전기신호의 인가시, 상기 압전층(116)은 변형됨으로써 램파를 생성한다. 또, 상기 압전장치(108)는, 진동신호의 감지, 상기 압전층(116)에 가해진 상기 진동신호를 전기신호로의 변환, 및 상기 전 선(118a-b)을 통한 전기신호의 전송을 위한 수신기로서 동작할 수 있다.

상기 기판(102)은 부티랄테놀릭(butyralthenolic), 아크릴 폴리이미드, 나이트랄 페놀릭(nitriale phenolic) 또는 아라미드와 같은 통상적인 캐스팅제 열경화성 에폭시와 같은 구조물 접착제를 이용하여 주 구조물에 부착될 수 있다. 상기 기판(102)은 이것에 부착된 압전장치(108)를 보호하는, 열 및 전자기 간섭에 대한 절연층으로 구성할 수 있다. 경우에 따라, 상기 유전체 기판(102)은 250℃ 이상의 온도에 대처할 필요가 있다. 또, 신호전달지연 및 압전장치(108)와 주 구조물 사이의 크로스토크를 최소화하기 위한 유전상수, 및 고주파에서의 파워로스의 감소를 위한 고임피던스를 가지는 것으로 할 수 있다.

상기 기판(102)은 다양한 물질로 제조될 수 있다. 듀퐁사(델라웨어주, 윌밍턴시 소재)에 의해 제조된 Kapton^® 폴리이미드는 일반 용도에 사용하는 것이 바람직하고, 다른 3종의 물질인 테플론 퍼플루오로알콕시 (Teflon perfluoroalkoxy (PFA)), 폴리 p-자일릴렌(poly p-xylylene (PPX)), 및 폴리벤지미다졸(polybenzimidazole (PBI))은 특수용도에 사용할 수 있다.

예를 들면, PFA필름은 양호한 유전특성과, 저전압 및 고온에 적합한 저유전손실을 가질 수 있다. PPX와 PBI는 고온에서 안정적인 유전력(dielectric strength)를 제공할 수 있다.

상기 압전층(116)은 압전세라믹, 압전결정, 또는 압전폴리머로 제조할 수 있다. 펜실베니아 주립대의 TRS 세라믹사(TRS Ceramics, Inc.)에 의해 제조된 PZN- PT 결정과 같은 압전결정은 높은 스트레인 에너지 밀도 및 낮은 스트레인 히스테리시스로 인해 압전장치(108)의 설계에 채용하는 것이 바람직하다. 소형의 패치센서를 위해서는, 일본국 도쿄에 소재하는 후지세라믹사(Fuji Ceramic Corporation) 또는 펜실베니아 맥키빌(Mackeyville)에 소재하는 APC 인터내쇼날사(APC International, Ltd.)에 의해 제조된 PZT 세라믹과 같은 압전세라믹을 압전층(116)용으로 사용할 수 있다. 상하측 도전체(112)(114)는 크롬이나 금과 같은 금속으로 제조할 수 있고, 종래의 스퍼터링법(sputtering process)에 의해 상기 압전층(116)에 부착할 수 있다. 도 1b에서 압전장치(108)는 한 쌍의 도전체만을 구비하는 것으로 도시되어 있다. 그러나, 당업자에게 있어서는 압전장치(108)가 신호파의 생성/검출에 있어서 압전층(116)의 성능을 최적화하기 위한 다양한 두께를 가지는 복수층의 도전체를 구비할 수 있다는 것이 자명한 사실이다. 각 도전체의 두께는 패치센서(100)가 부착되는 특정의 주 구조물에 가해지는 열적 한계 및 기계적 부하에 의해 결정될 수 있다.

온도사이클을 지속하기 위해, 압전장치(108)의 각 층은 다른 층의 열팽창계수와 유사한 열팽창계수를 가질 필요가 있다. 또, 기판(102)을 포함하는 통상의 폴리이미드의 열팽창계수는 대략 4-6×10^-5K^-1이고, 압전층(116)을 포함하는 통상의 압전세라믹/결정의 열팽창계수는 대략 3×10^-6K^-1이다. 이와 같은 열팽창의 불일치는 압전장치(108)의 고장의 최대원인이 될 수 있다. 압전장치(108)가 고장나면 주 구조물의 패치센서(100)를 교체해 주어야 한다. 전술한 바와 같이, 버퍼층(110)은 압전층(116)과 기판(102) 사이의 열팽창계수의 불일치의 악영향을 감소하기 위해 사용할 수 있다.

상기 버퍼층(110)은 도전성 폴리머 또는 금속, 특히 열팽창계수가 2×10^-5K^-1인 알루미늄으로 제조하는 것이 바람직하다. 상기 버퍼층(110)은 알루미나, 실리콘 또는 그래파이트로 제조한 하나 이상의 버퍼층으로 대체되거나 추가될 수 있다. 일실시예에 있어서, 알루미늄제 버퍼층(110)의 두께는 각각 약 0.05mm 두께인 2개의 도전체(112)(114)를 포함하여 약 0.25mm의 두께인 압전층(116)의 두께와 거의 동일하게 할 수 있다. 대체로, 버퍼층(110)의 두께는 인접층의 재료특성과 두께에 의해 결정될 수 있다. 상기 버퍼층(11)은 압전장치(108)의 열적부하에 대한 내구성의 향상 및 이중기능을 제공할 수 있다. 타실시예에 있어서, 상기 압전장치(108)는 그 상측 도전체(114)의 상측에 다른 버퍼층을 적층할 수 있다.

상기 버퍼층(110)의 다른 기능은 기판(102)에 의해 수신된 신호의 증폭작용이다. 패치센서(100)에 의해 발생된 램파 신호가 주 구조물을 따라 전파됨에 따라, 주 구조물에 부착된 다른 패치센서(100)에 의해 수신된 신호의 강도는 두 패치센서 사이의 거리가 증가함에 다라 감소한다. 하나의 램신호(Lamb signal)가 패치센서(100)가 설치된 위치의 도달하면, 기판(102)이 그 신호를 수신하게 된다. 다음에, 버퍼층(110)의 재료 및 두께에 따라 수신된 신호의 강도는 특정주파수로 증폭될 수 있다. 다음에, 상기 압전장치(108)는 증폭된 신호를 전기신호로 변환시킨다.

습기, 이동 이온(mobile ions) 및 불량한 환경조건은 패치센서(100)의 성능을 악화시키고, 수명을 감소시키므로 2개 층의 보호코팅층, 즉 몰딩층(120)과 피복층(106)을 사용할 수 있다. 상기 몰딩층(120)은 에폭시, 폴리이미드 또는 실리콘-폴리이미드를 이용하여 통상의 제조법으로 제조할 수 있다. 또한, 상기 몰딩층(120)은 저열팽창성 폴리이미드로 제조되며, 압전장치(108) 및 기판(102) 상에 침착시킬 수 있다. 상기 몰딩층(120)의 부동태화는 정각밀봉시일(conformal hermetic seal)을 형성하지 않으므로, 피복층(106)을 밀봉시일하도록 몰딩층(120) 상에 적층시킬 수 있다. 상기 피복층(120)은 니켈, 크롬 또는 은과 같은 금속으로 제조되며, 전기분해법 또는 e-비임 증착법 및 스퍼터링법과 같은 종래기법으로 적층시킬 수 있다. 일실시예에 있어서, 스크래칭 및 균열에 대한 보호층을 제공하기 위해 상기 피복층(106) 상에 에폭시 필름 또는 폴리이미드 필름을 추가로 피복시킬 수 있다.

상기 후프층(104)은 실리콘 나이트라이드 또는 글라스와 같은 유전성 절연물질로 제조될 수 있고, 압전장치(108)의 도전성 부품이 전기적으로 단락되지 않도록 기판(102) 상의 압전장치(108)를 둘러싼다.

도 1c는 본 기술분야에 공지된 종래 형식의 것으로서, 상기 압전장치(108)의 대용으로 할 수 있는 압전장치(130)의 개략적 평면도이다. 도 1d는 도 1c의 B-B방향을 따라 취한 압전장치(130)의 개략적인 단면도이다. 도 1c-d에 도시된 바와 같이, 상기 압전장치(130)는, 하측 도전체(134); 압전층(136); 전선(138b)에 접속된 상측 도전체(132); 전선(138a)에 접속된 접속체(142); 및 상기 접속체(142)를 하측 도전체(134)에 접속하기 위한 도전편(144)을 구비한다.

도 1e는 본 발명의 타실시예에 따른 패치센서(150)의 개략적 일부절제 평면도이다. 도 1f는 도 1e에 도시된 패치센서(150)의 개략적 측단면도이다. 도 1e-f에 도시된 바와 같이, 상기 패치센서(150)는, 하측기판(151); 상측기판(152); 후프층(154); 압전장치(156); 상하측 버퍼층(160a-b); 및 상기 압전장치(108)에 접속된 2개의 전선(158a-b)을 구비한다. 상기 압전장치(156)는, 압전층(164); 전선(158b)에 접속된 하측 도전체(166); 및 전선(158a)에 접속된 상측 도전체(162)를 구비한다. 상기 패치센서(150)의 기능과 재료는 패치센서(100)의 대응부의 것과 유사하다. 상기 각 버퍼층(160a-b)은 하나 이상의 하부층을 포함할 수 있고, 각 하부층은 폴리머 또는 금속으로 구성할 수 있다. 상기 상측기판(152)은 기판(102)의 재료와 동일한 재료로 제조할 수 있다.

상기 패치센서(150)는 구조물의 건전상태를 감시하기 위해 주 구조물에 부착할 수 있다. 또한, 상기 패치센서(150)는 적층체 내에 삽입할 수도 있다. 도 1g는 패치센서(150)를 개재하고 있는 복합적층체(170)의 개략적 단면도이다. 도 1g에 도시된 바와 같이, 상기 주 구조물은, 복수의 적층(172); 및 이 복수의 적층(172)에 고착된 적어도 하나의 패치센서(150)를 구비한다. 일실시예에 있어서, 상기 적층(172)의 내부에는 그 경화처리 이전에 에폭시 수지와 같은 접착물질을 함유시킬 수 있다. 경화처리 중에, 상기 적층(172)으로부터 나온 접착물질은 공동부(174)를 충만시킨다. 이와 같은 접착물질의 축적을 예방하기 위해 후프층(154)이 상기 공동부(174)를 충만하는 구조로 할 수 있다.

도 1h는 도 1e의 패치센서(150)의 타실시예(180)의 개략적 측단면도이다. 도시된 바와 같이, 상기 패치센서(180)는, 하측기판(182), 상측기판(184), 후프층(198); 압전장치(190); 상하측 버퍼층(192, 194); 및 압전장치(196)를 구비한다. 간단히 하기 위해, 압전장치(190)에 접속된 한 쌍의 전선은 도 1h에는 도시되어 있지 않다. 상기 압전장치(190)는, 압전층(196); 하측 도전체(194); 및 상측 도전체(192)를 구비한다. 상기 패치센서(180)의 구성부품의 기능과 재료는 패치센서(150)의 대응부의 것과 유사하다.

상기 후프층(198)은 그 외측의 윤곽이 공동부(174)의 형상에 일치하도록 하나 이상의 다양한 치수의 하부층(197)을 구비할 수 있다. 하부층(197)으로 공동부(74)를 충진시킴에 의해 적층체(170)의 경화처리 중에 접착물질이 축적되지 않게 된다.

도 2a는 본 발명의 일실시예에 따른 하이브리드 패치센서(200)의 개략적 일부절제 평면도이다. 도 2b는 도 2a의 C-C방향을 따라 취한 하이브리드 패치센서(200)의 개략적 단면도이다. 도 2a-b에 도시된 바와 같이, 상기 하이브리드 패치센서(200)는, 주 구조물에 부착하도록 구성된 기판(202); 후프층(204); 압전장치(208); 양단부(214a-b)를 구비하는 광섬유 코일(210); 버퍼층(216); 상기 압전장치(208)에 접속된 2개의 전선(212a-b); 몰딩층(228); 및 피복층(206)을 구비한다. 상기 압전장치(208)는, 압전층(222); 상기 전선(212b)에 접속된 하측 도전체(220); 및 상기 전선(212a)에 접속된 상측 도전체(218)를 구비한다. 타실시예에 있어서, 상기 압전장치(208)는 도 1c의 압전장치(130)와 동일한 것으로 할 수 있다. 상기 광섬유 코일(210)은, 광섬유 케이블 권선체(224); 및 코팅층(226)을 구비한다. 상기 하이브리드 패치센서(200)의 구성부품은 패치센서(100)의 대응부의 것과 유사하게 할 수 있다.

상기 광섬유 코일(210)은 새낙 간섭계(Sagnac interferometer)로 구성하여 램파 신호를 수신하도록 할 수 있다. 램파에 의해 유발된 주 구조물의 표면 상의 탄성 스트레인은 굽힘 및 신장에 의해 유발된 광섬유 케이블(224)의 기존의 스트레인 상에 부가될 수 있다. 그 결과, 광섬유 케이블(224)을 통한 빛의 운동시의 주파수/위상 변화량은 광섬유 케이블(224)의 총 길이에 의존한다. 일실시예에 있어서, 전자기 간섭 및 진동 노이즈에 대한 영향을 받지 않는 점을 고려하여 광섬유 코일(210)을 주 센서로서 사용하고 압전장치(208)를 보조 센서로서 사용할 수 있다.

상기 광섬유 코일(210)은 도플러효과를 광섬유 케이블 권선체(224)를 통한 빛의 운동의 주파수에 이용한다. 상기 각 광섬유 코일(210)에 있어서, 광섬유 권선의 내측은 압축력 하에 있고, 외측은 인장력 하에 있게 된다. 이들 압축력과 인장력은 광섬유 케이블(224) 상에 스트레인을 유발한다. 램파에 의해 유발되는 주 구조물의 진동변위 또는 스트레인은 광섬유 케이블(224)의 스트레인에 부가된다. 복굴절식(birefringence equation)에 따르면, 광섬유 케이블(224)의 피복표면 상에서의 반사각은 상기 압축력 및/또는 인장력에 의해 유발되는 스트레인의 함수이다. 따라서, 각 광섬유 권선의 내외측은 직선상의 광섬유의 내외측과 상이한 반사각을 만들어내고, 따라서, 빛의 주파수는 빛이 광섬유 코일(210)을 통해 전송될 때 램파 의 상대굴절변위(relative flexural displacement)에 따라 중심의 입력주파수로부터 변위하게 된다.

일실시예에 있어서, 상기 광섬유 코일(210)은 10 내지 30회선의 광섬유 케이블(224)을 포함하고, 적어도 10 mm의 최소 권선직경 (236)(di)을 가진다. 상기 광섬유 코일(210)의 최내측 권선과 압전장치(208)의 외부둘레 사이에는 갭(234)(dg)이 존재할 수 있다. 이 갭(234)은 최소 권선직경(236)과 압전장치(208)의 직경(232)(dp)에 의존하고, 광섬유 케이블(224)의 직경(230)(df)의 약 2배 또는 3배만큼 직경(232) 보다 치수가 큰 것이 바람직하다.

코팅층(226)은 주 구조물에 의해 안내되는 램파의 굴절변위 또는 스트레인에 대한 광섬유 코일(210)의 민감도를 증가시키기 위해 금속 또는 폴리머 물질, 특히 에폭시로 구성되는 것이 바람직하다. 또, 상기 광섬유 케이블(224)의 권선공정 중에 인장응력을 추가하기 위해 광섬유 케이블(224)에 제어된 인장력을 부가할 수 있다. 상기 코팅층(226)은 광섬유 케이블 권선체(224)의 내부응력을 유지시킴과 동시에, 각 광섬유 권선에 대해 램파의 굴절변위에 대한 균일한 면내변위(in-plane displacement)를 허용할 수 있다.

상기 코팅층(226)은 폴리이미드, 알루미늄, 구리, 금 또는 은과 같은 다른 물질로 구성할 수도 있고, 그 두께는 직경(230)의 약 30% 내지 2배의 범위로 할 수 있다. 상기 폴리머 물질로 구성된 코팅층(226)은 2가지 방법으로 형성할 수 있다. 일실시예는 광섬유 케이블 권선체(224)를 기판(202) 상에 설치한 다음, 바이오도트 스프레이 코팅기(Biodot spay-coater)와 같은 장치로 분사하여 형성하는 것이고, 타실시예는 광섬유 케이블 권선체(224)를 코팅물질의 용융욕 내에 침지시켜 형성하는 것이다.

금속으로 구성되는 코팅층(226)은 전기분해법 뿐 아니라 마그네트론 반응 스퍼터링법 또는 플라즈마 스퍼터링법과 같은 종래의 금속코팅법으로 형성할 수 있다. 특히, 산화아연은 코팅층(226)에 압전특성을 제공하기 위한 코팅층(226)의 코팅물질로서 사용할 수 있다. 산화아연을 광섬유 케이블 권선체(224)의 상하측면에 코팅하면 광섬유 코일(210)은 전기신호에 대응하는 반경방향으로 동심적으로(radically) 수축하거나 팽창한다. 또, 산화규소 또는 산화탄탈륨 코팅물질도 광섬유 케이블 권선체(224)의 굴절율을 제어하기 위해 사용할 수 있다.

산화규소 또는 산화탄탈륨은 직접/간접 이온빔 침착법 또는 전자빔 증기침착법을 이용하여 침착시킬 수 있다. 본 발명으로부터 벗어나지 않는 다른 방법을 이용하여 광섬유 케이블(224)에 코팅층(226)을 형성할 수 있는 것도 알려져 있다.

상기 압전장치(208) 및 광섬유 코일(210)은 보통의 폴리머 대신 물리적 응고형 접착제를 이용하여 기판(202)에 부착할 수 있다. 상기 물리적 응고형 접착제에는 부틸아크릴레이트-에틸아크릴레이트 공중합체, 스티렌-부타디엔-이소프렌 삼원중합체 및 폴리우레탄 알키드 수지 등이 포함되지만 이에 한정되는 것은 아니다. 이들 물질의 접착특성은 중합체 구조의 가교결합의 결여에 기인되어 코팅공정 중 및 코팅공정 후에 일정하게 유지될 수 있다. 또, 이들 접착제는 종래의 폴리머에 비해, 다양한 피분석물질에 대한 민감도를 희생하지 않고도 기판(202)의 광범위한 웨팅(wetting)에 대해 최적화될 수 있다.

도 2c는 본 발명의 타실시예에 따른 하이브리드 패치센서(240)의 개략적 일부절제 평면도이다. 도 2d는 도 2c에 도시된 하이브리드 패치센서(240)의 개략적 측단면도이다. 도 2c-d에 도시된 바와 같이, 상기 하이브리드 패치센서(240)는, 하측기판(254); 상측기판(242); 권선층(244); 압전장치(248); 양단부(250a-b)를 구비하는 광섬유 코일(246); 상하측 버퍼층(260a-b); 및 상기 압전장치(248)에 접속된 2개의 전선(252a-b)을 구비한다. 상기 압전장치(248)는, 압전층(264); 상기 전선(252b)에 접속된 하측 도전체(262); 및 상기 전선(252a)에 접속된 상측 도전체(266)를 구비한다. 상기 광섬유 코일(246)은, 광섬유 케이블 권선체(258); 및 코팅층(256)을 구비한다. 상기 하이브리드 패치센서(240)의 부품은 상기 하이브리드 패치센서(200)의 대응부의 것과 유사하다.

상기 패치센서(150)의 경우와 같이, 하이브리드 패치센서(240)는 주 구조물에의 부착 및/또는 복합적층체 내에의 내장이 가능하다. 일실시예에 있어서, 상기 권선층(244)은 패치센서(240) 및 복합적층체에 의해 형성된 공동부를 충만하기 위해 권선층(198)과 유사하게 구성할 수 있다.

도 3a는 본 발명의 일실시예에 따른 광섬유 패치센서(300)의 개략적 일부절제 평면도이다. 도 3b는 도 3a의 D-D방향을 따라 취한 광섬유 패치센서(300)의 개략적 측단면도이다. 도 3a-b에 도시된 바와 같이, 상기 광섬유 패치센서(300)는, 기판(302); 후프층(304); 양단부(310a-b)를 구비하는 광섬유 코일(308); 몰딩층(316); 및 피복층(306)을 구비한다. 상기 광섬유 코일(308)은, 광섬유 케이블 권선체(312); 및 코팅층(314)을 구비한다. 상기 광섬유 패치센서(300)의 각 요소의 물질과 기능은 도 2a의 하이브리드 패치센서(200)의 대응부의 것과 유사하다. 광섬유 케이블(312)의 최내측 권선의 직경(313)은 광섬유 케이블(312)의 물질특성에 의해 결정될 수 있다.

도 3c는 광섬유 케이블(312)의 권선방법을 설명하는, 도 3a의 광섬유 패치센서 내에 수용된 광섬유 코일(308)의 개략적 일부절제 평면도이다. 도 3c에 도시된 바와 같이, 광섬유 코일(308)의 최외측 권선은 일단부(310a)에서 출발하고, 그 최내측 권선은 타단부(310b)에서 종료한다. 도 3d는 도 3c에 도시된 광섬유 코일(308)의 타실시예(318)의 개략적 일부절제 평면도이다. 도 3d에 도시된 바와 같이, 광섬유 케이블(322)은 그 최외측 권선이 양단부(320a-b)에서 출발하는 형태가 되도록 절첩 및 권선된다. 상기 광섬유 케이블 권선체(322)는 코팅층(319)으로 피복할 수 있다.

도 3c-d에 도시된 광섬유 코일(308 및 318)은 주 구조물에 직접 부착하여 광섬유 코일센서로서 이용할 수 있다. 이러한 이유로, 이하에서는 "광섬유 코일" 및 "광섬유 코일 센서" 라는 용어를 동의적으로 사용할 것이다. 도 3e-f는 광섬유 코일(308)의 타실시예이다. 도 3e에 도시된 바와 같이, 광섬유 코일(330)은, 양단부(338a-b)를 구비함과 동시에 케이블(312)과 동일한 형태로 권선된 광섬유 케이블(334); 및 코팅층(332)을 구비한다. 상기 코일(330)은 후술하는 패스너를 수용하기 위한 홀(336)을 구비할 수 있다. 마찬가지로, 도 3f의 광섬유 코일(340)은, 양단부(348A-B)를 구비함과 동시에 케이블(322)과 동일한 형태로 권선된 광섬유 케 이블(344); 및 코팅층(342)을 구비한다. 상기 코일(340)은 패스너를 수용하기 위한 홀(346)을 구비할 수 있다. 도 3g는 도 3e의 D-D방향을 따라 취한 광섬유 코일(330)의 개략적 측단면도이다.

도 3a-g에 도시된 센서는 도 1g에 도시된 것과 유사한 형태로 적층체에 내장시킬 수 있음에 주목해야 한다.

도 4a는 본 발명의 일실시예에 따른 진단용 패치와셔(400)의 개략적 일부절제 평면도이다. 도 4b는 도 4a의 E-E방향을 따라 취한 진단용 패치센서(400)의 개략적 측단면도이다. 도 4a-b에 도시된 바와 같이, 상기 진단용 패치센서(400)는, 양단부(410a-b)를 구비하는 광섬유 코일(404); 압전장치(406); 광섬유 코일(404)과 압전장치(406)를 접착물질로 접착시켜 수용하는 지지요소(402); 상기 압전장치(406)에 접속된 한 쌍의 전선(408a-b); 및 상기 광섬유 코일(404)과 압전장치(406)를 피복하도록 구성된 피복디스크(414)를 구비한다.

상기 광섬유 코일(404)과 압전장치(406)의 물질 및 기능은 하이브리드 패치센서(200)의 광섬유 코일(210) 및 압전장치(208)의 그것과 유사하다. 일실시예에 있어서, 상기 압전장치(406)는 홀(403)이 없는 점 외에는 압전장치(130)와 유사하다. 상기 광섬유 코일(404)과 압전장치(406)는 종래의 에폭시를 이용하여 지지요소(402)에 부착할 수 있다. 상기 지지요소(402)는 광섬유 코일(404)의 양단부(410a-b)와 한 쌍의 전선(408a-b)이 통과할 수 있는 노치(412)를 구비할 수 있다.

도 4a-b에 있어서, 진단용 패치센서(400)는 액츄에이터/센서로서 작용할 수 있고, 광섬유 코일(404) 및 압전장치(406)를 구비할 수 있다. 타실시예에 있어서, 상기 진단용 패치와셔(400)는 센서로서 작용할 수 있고, 광섬유 코일(404)만 구비할 수 있다. 타실시예에 있어서, 상기 진단용 패치와셔(400)는 액츄에이터/센서로서 작용할 수 있고, 압전장치(406)만 구비할 수 있다.

도 4a-b에 도시된 바와 같이, 진단용 패치와셔(400)는 볼트 또는 리벳과 같은 다른 체결장치를 수용하기 위한 공동부(403)를 구비할 수 있다. 도 4c는 본 발명의 일실시예에 따른 진단용 패치와셔(400)를 이용하는 예시적인 볼트결합된 구조물(420)의 개략도이다. 상기 볼트결합된 구조물(420)에 있어서, 종래의 볼트(424), 너트(426) 및 와셔(428)를 이용하여 플레이트와 같은 한 쌍의 구조물(422a-b)을 고정할 수 있다. 구조물의 응력은 볼트결합부(429)에 집중되어 구조물을 손상시키는 경향이 있다는 것은 주지의 사실이다. 상기 진단용 패치센서(400)는 볼트결합된 구조물(420)에 내장되어 상기와 같은 손상을 검출해내는 데 이용될 수 있다.

도 4d는 본 발명의 타실시예에 따른 진단용 패치와셔(400)를 이용하는 예시적인 볼트결합된 구조물(430)의 개략적 단면도이다. 상기 볼트결합된 구조물(430)에 있어서, 종래의 볼트(432), 너트(434) 및 한 쌍의 와셔(436 및 438)를 이용하여 하니콤/적층 구조물(440)을 고정할 수 있다. 상기 하니콤 및 적층체 구조물(440)은, 복합체 적층(422) 및 하니콤부(448)를 구비한다. 상기 볼트결합영역 부근의 구조물의 손상을 검출하기 위해, 한 쌍의 진단용 패치와셔(400a-b)를, 도 4d에 도시한 바와 같이, 하니콤부(448)에 삽입할 수 있다. 상기 상하측 패치와셔(400a-b) 를 복합체 적층(442)에 대해 지지하기 위해 슬리이브(446)가 필요하다. 또한, 상기 와셔(400b)를 파괴적인 열전달로부터 보호하기 위해 상기 복합체 적층(422)과 진단용 패치와셔(400b) 사이에 열차단용 환상 디스크(444)를 개재시킬 수 있다.

도 4b에 도시된 바와 같이, 피복디스크(414)는 외주부(415)는 볼트(424) 및 너트(426)에 가해지는 토오크에 의한 과도한 접촉하중으로부터 광섬유 코일(404)과 압전장치(406)를 보호할 수 있는 잠금기구(locking mechanism)를 형성하기 위해 경사각을 가질 수 있다.

도 5a는 본 발명의 일실시예에 따른 센서/액츄에이터를 구비하는 진단시스템(500)의 개략도이다. 도 5a에 도시된 바와 같이, 상기 진단시스템(500)은, 램파신호의 발생 및/또는 수신을 위한 센서/액츄에이터 장치(502); 2개의 도전체 전선(516); 상기 장치(502)에 의해 수신된 신호를 처리하기 위한 조절장치(508); 아날로그 신호를 디지털 신호로 변환하기 위한 아날로그-디지털(A/D) 컨버터(504); 시스템(500) 전체요소를 관리하기 위한 컴퓨터(514); 증폭기(506); 디지털 신호를 아날로그 램파신호로 변환하는 파형생성기(510); 및 상기 장치(502)와 컴퓨터(514) 사이의 접속상태를 절환하도록 구성된 릴레이 스위치 모듈(512)을 구비한다. 일반적으로 하나 이상의 장치(502)가 릴레이 스위치(512)에 접속될 수 있다.

상기 장치(502)는 램파(517)를 발생함과 동시에 타 장치에서 발생된 램파를 수신하는 압전장치를 포함하는, 도 1a-2d 및 도 4a-d에 도시된 센서들 중의 하나로 구성할 수 있다. 램파(517)를 발생하기 위해, 파형생성기(510)는 상기 릴레이 스위치 모듈(512)을 통해 컴퓨터(514)(특히, 컴퓨터(514)에 포함된 아날로그 출력카 드)로부터 여기된 파형의 디지털 신호를 수신할 수 있다. 일실시예에 있어서, 상기 파형생성기(510)는 아날로그 출력카드로 구성할 수 있다.

상기 릴레이 스위치 모듈(512)은 종래의 플러그인 릴레이 보드로 구성할 수 있다. 상기 액츄에이터 및 센서들 사이의 크로스토크 링커("cross-talks" linker)에 의해, 상기 릴레이 스위치 모듈(512)에 포함된 릴레이 스위치는 컴퓨터(514)와 협동하여 특정순서로 각 릴레이 스위치를 선택할 수 있다. 일실시예에 있어서, 파형발생기(510)에 의해 발생된 아날로그 신호는 분기하는 전선(515)을 통해 다른 액츄에이터(들)로 전송될 수 있다.

상기 장치(502)는 램파를 수신하기 위한 센서로서 기능할 수 있다. 수신된 신호는 신호전압을 조절할 수 있고 적절한 주파수대역 내에서 의미있는 신호를 선택하기 위해 전기노이즈를 필터링할 수 있는 조절기(508)로 송신된다. 다음에, 필터링된 신호는 디지털 입력카드로 구성할 수 있는 아날로그-디지털 변환기(504)로 송신된다.

도 5b는 본 발명의 타실시예에 따른 센서를 구비하는 진단시스템(520)의 개략도이다. 상기 진단시스템(520)은, 광섬유 코일을 구비하는 센서(522); 접속용 광섬유 케이블(525); 반송파 입력신호를 제공하기 위한 레이저 광원(528); 한 쌍의 모듈레이터(526 및 534); 음향 광학 모듈레이터(AOM)(530); 한 쌍의 커플러(534 및 532); 광섬유 케이블(525)을 통해 전송된 광신호를 검출하기 위한 광검출기(536); A/D컨버터(538); 릴레이 스위치(540); 및 컴퓨터(542)를 구비한다. 상기 센서(522)는 광섬유 코일을 구비하는 도 2a-4d에 도시된 센서들 중의 하나로 구성할 수 있다. 일실시예에 있어서, 커플러(524)는 광섬유 케이블(525)을 다른 센서(523)에 접속될 수 있는 다른 광섬유(527)에 연결할 수 있다.

상기 센서(522), 특히 센서(522)에 포함된 광섬유 코일은 레이저 도플러 속도계(laser Doppler velocitimeter (LDV))로서 작동할 수 있다. 상기 레이저광원(528), 바람직하게는 다이오드 레이저는 모듈레이터(526)에 입력 반송파 광신호를 방사할 수 있다. 상기 모듈레이터(526)는 헤테로다인 모듈레이터(heterodyne modulator)로 구성할 수 있고, 반송파 입력신호를 2개의 신호, 즉 센서(522)를 위한 하나의 신호와 AOM(530)을 위한 다른 하나의 신호로 분할한다. 상기 센서(522)는 램파에 대응하는 도플러 주파수에 의해 입력 반송파 신호를 변위시키고, 이것을 헤테로다인 싱크로나이저(heterodyne synchronizer)로 구성할 수 있는 모듈레이터(534)에 전송한다. 상기 모듈레이터(534)는 광의 반송주파수를 제거하기 위해 전송된 광을 복조시킬 수 있다. 상기 광검출기(536), 바람직하게는 광다이오드는 복조된 광신호를 전기신호로 변환시킨다. 다음에 상기 A/D컨버터(538)는 상기 전기신호를 디지털화하여 릴레이 스위치 모듈(540)을 경유하여 컴퓨터(542)로 송신한다. 일실시예에 있어서, 상기 커플러(532)는 다른 센서(544)에 접속된 광섬유 케이블(546)을 연결할 수 있다.

도 6a는 본 발명의 일실시예에 따른 주 구조물(610)에 설치된 진단용 네트워크 패치시스템(DNP)(600)의 개략도이다. 도 6a에 도시된 바와 같이, 상기 시스템(600)은, 패치(602); 전송링크(612); 상기 전송링크(612)에 접속된 적어도 하나의 브릿지 박스(604); 데이타 수집 시스템(606); 및 상기 DNP시스템(600)을 관리하 기 위한 컴퓨터(608)를 구비한다. 상기 패치(602)는 장치(502) 또는 센서(522)로 구성할 수 있고, 여기서 전송링크(612)의 형식은 패치(602)의 형식에 의해 결정될 수 있고, 전선, 광섬유 케이블, 또는 이들 양자를 포함한다. 통상, 주 구조물(610)은 복합체 또는 금속으로 제조될 수 있다.

전송링크(612)는 브릿지 박스(604)에서 종결한다. 상기 브릿지 박스(604)는 복수의 패치(602)를 연결하여 외부의 파형발생기(510)로부터의 신호를 수신하고, 수신된 신호를 외부의 A/D컨버터(504)로 전송한다. 상기 브릿지 박스(604)는 전기/광케이블을 통해 접속됨과 동시에, 작동신호의 조절, 수신된 신호의 필터링, 및 광섬유 신호의 전기신호로의 변환을 위한 전자조절기(508)를 수용할 수 있다. 릴레이 스위치 모듈(512)을 이용하여, 상기 브릿지 박스(604)에 연결된 데이터 수집시스템(606)은 복수의 패치(602)를 릴레이함과 동시에 상기 패치(602)로부터 수신된 신호를 소정의 순서에 따라 채널 내로 다중전송(multiplex)한다.

램파의 발생 및 검출은 주 구조물 상의 액츄에이터 및 센서의 설치위치에 의해 영향을 받는다는 것은 주지의 사실이다. 따라서, 상기 패치(602)는 손상부의 확인을 위한 램파의 사용도를 최대화하기 위해 네트워크 구조 내에서 적절히 쌍을 이루게 해야 한다.

도 6b는 본 발명의 일실시예에 따른 스트립 네트워크 구조를 구비하는 진단용 네트워크 패치시스템(620)의 개략도이다. 도 6b에 도시된 바와 같이, 상기 패치시스템(620)은 주 구조물(621)에 부착될 수 있고, 패치(622); 컴퓨터(626)에 접속된 브릿지 박스(624); 및 전송링크(632)를 구비할 수 있다. 상기 복수의 패 치(622)는 장치(502) 또는 센서(522)로 구성할 수 있고, 전송링크(632)의 형식은 패치(622)의 형식에 의해 결정될 수 있다. 상기 전송링크(632)는 전선, 광섬유 케이블, 또는 이들 양자로 구성할 수 있다.

상기 컴퓨터(626)는 액츄에이터 및/또는 센서의 기능을 할 수 있는 패치(622)의 동작을 조정할 수 있다. 화살표(630)는 패치(622)에 의해 발생된 램파의 전파(propagation)를 표시한다. 일반적으로, 주 구조물(621) 내의 결함(628)은 파동산란, 회절 및 램파의 전송손실과 같은 형태로 전송패턴에 영향을 줄 수 있다. 상기 결함(628)은 손상, 균열, 및 복합구조물의 박리 등을 포함한다. 상기 결함(628)은 상기 패치(622)에 의해 포획된 램파의 전송패턴의 변화를 검출함에 의해 감시할 수 있다.

상기 DNP시스템의 네트워크 구조는 램파에 기초한 구조물의 건전성 감시시스템에 있어서 중요하다. 상기 DNP시스템(620)의 네트워크 구조에 있어서, 파선(wave-ray) 통신경로는 균일하게 랜덤화되어야 한다. 통신경로의 균일화 및 패치들(622) 사이의 거리에 의해 주 구조물(621) 내의 결함(628)의 최소검출가능한 치수를 결정할 수 있다. 적절한 경로구조를 구비하는 최적화된 네트워크 구조에 의해 패치(622)의 수를 증가시키지 않고도 손상부의 확인정밀도를 향상시킬 수 있다.

패치들 사이에 크로스토크 경로를 형성하기 위한 다른 구조는 도 6c에 도시된 오각형 네트워크로 구성할 수 있다. 도 6c는 본 발명의 타실시예에 따른 오각형 네트워크 구조를 구비하는 진단용 네트워크 패치시스템(640)의 개략도이다. 상 기 시스템(640)은 주 구조물(652)에 설치될 수 있고, 패치(642); 컴퓨터(646)에 접속된 브릿지 박스(644); 및 전송링크(654)를 구비한다. 상기 복수의 패치(642)는 장치(502) 또는 센서(522)로 구성할 수 있다. 상기 시스템(630)에 있어서, 패치(642)는 화살표(648)로 표시된 램파를 송수신함에 의해 결함(650)을 검출할 수 있다.

도 6d는 본 발명의 타실시예에 따른 리벳/볼트결합된 복합적층체(666 및 668)에 설치된 진단용 네트워크 패치시스템(660)의 개략적인 사시도이다. 도 6d에 도시된 바와 같이, 상기 시스템(660)은, 패치(662); 및 진단용 패치와셔(664)를 구비하고, 각 와셔는 한 쌍의 볼트 및 너트로 연결되어 있다. 도 6d에는 간단히 하기 위해 브릿지 박스와 전송링크가 도시되어 있지 않다. 상기 복수의 패치(662)는 장치(502) 또는 센서(522)로 구성할 수 있다. 상기 시스템(660)에 있어서, 상기 패치(662) 및 진단용 패치와셔(664)는 화살표(670)로 표시된 바와 같은 램파의 송수신에 의해 결함(672)을 검출할 수 있다. 통상, 결함(672)은 패스너용 홀의 근방에서 발생한다. 상기 진단용 패치와셔(664)는 도 6d에 도시된 바와 같이, 스트립 네트워크 구조에 배치된 다른 인접하는 진단용 패치(662)와 통신할 수 있다. 일실시예에 있어서, 광섬유 코일센서(330 및 340)는 진단용 패치와셔(664)의 대용으로 사용할 수 있다.

도 6e는 본 발명의 일실시예에 따른 접착패치(686)에 의해 보수될 수 있는 복합적층체(682)에 설치된 진단용 네트워크 패치시스템(680)의 개략적 사시도이다. 도 6e에 도시된 바와 같이, 상기 시스템(680)은 장치(502) 또는 센서(522)로 구성 할 수 있는 복수의 패치(684)를 구비한다. 도 6e에는 간단히 하기 위해 브릿지 박스 및 전송링크가 도시되어 있지 않다. 상기 시스템(680)에 있어서, 패치(684)는 화살표(687)로 표시된 램파의 송수신에 의해 보수 패치(repair patch)(686)와 복합적층(682) 사이에 위치하는 결함(688)을 검출할 수 있다.

도 6f는 본 발명의 일실시예에 따른 원격 진단용 네트워크 패치시스템을 제어하는 무선 데이터통신 시스템(690)의 일실시예를 도시하는 개략도이다. 도 6f에 도시된 바와 같이, 상기 시스템(690)은, 브릿지 박스(698); 및 지상통제기(692)에 의해 작동될 수 있는 지상 통신시스템(694)을 구비한다. 상기 브릿지 박스(698)는 광범위한 구조적 건전성 감시가 요구되는 항공기(696)와 같은 주 구조물에 구현된 진단용 네트워크 패치시스템에 접속될 수 있다.

상기 브릿지 박스(698)는 2가지 방법으로 작동할 수 있다. 일실시예에 있어서, 상기 브릿지 박스(698)는 신호발신기로서 작동할 수 있다. 이 실시예에 있어서, 상기 브릿지 박스(698)는 마이크로 미니어처 트랜스듀서(micro miniature transducers)와, 구조물의 건전성 감시정보를 무선신호(693)를 통해 지상 통신시스템(694)에 전송할 수 있는 RF 원격측정 시스템의 마이크로프로세서를 구비할 수 있다. 타실시예에 있어서, 상기 브릿지 박스(698)는 전자기파의 수신기로서 작동할 수 있다. 이 실시예에 있어서, 상기 브릿지 박스(698)는 무선신호(693)를 통해 지상 통신시스템(694)으로부터 전력을 수신하기 위한 조립체를 구비할 수 있다. 수신된 전력은 구조물(696)에 설치된 DNP시스템을 작동하는데 이용될 수 있다. 상기 조립체는 자극전극(stimulating electrode), 상보성 산화금속 반도 체(complementary metal oxide semiconductor (CMOS)), 쌍극 전력조절회로, 하이브리드 칩 커패시터, 및 수신안테나 코일을 구비하는 미세 기계 가공된 실리콘 기판을 포함할 수 있다.

상기 브릿지 박스(698)의 구조는 주 구조물(696)의 외층과 유사하게 구성할 수 있다. 일실시예에 있어서, 상기 브릿지 박스(698)는 복수층의 하니콤 적층구조를 가질 수 있다. 여기서, 복수층의 하니콤 적층구조의 외면에는 복수의 마이크로 스트립 안테나가 매설되고, 이 안테나는 정각부하 안테나로서 작동한다. 상기 복수층의 하니콤 적층구조는 하니콤 코어와, e-글라스/에폭시, 케블라/에폭시, 그래파이트/에폭시, 알루미늄 또는 강(stell)과 같은 유기물질 및/또는 무기물질로 제조된 복수층의 유전성 적층체를 구비할 수 있다. 통합된 미세 기계가공기술이 급속히 발전함에 따라, 마이크로 스트립 안테나의 치수와 생산비용이 더욱 감소될 수 있으므로, 이는 기능상의 훼손 없이도 브릿지 박스(698)의 작동/생산비의 절감으로 이어질 수 있다.

본 발명의 범위는 표준 와이어리스 어플리케이션 프로토콜 (standard Wireless Application Protocol (WAP)) 및 구조물 건전성 무선감시 시스템용 무선 마크업 언어(wireless markup languages)를 사용하는 것에 한정되는 것은 아니다. 모바일 인터넷 툴킷(mobile Internet toolkit)을 이용함으로써, 상기 시스템은 WAP이 가능한 셀폰, HTML 브라우저를 갖춘 포켓PC, 또는 다른 HTML이 가능한 장치가 구조물 상태감시 또는 하부구조 관리에 정확하게 접근할 수 있는 안정된 사이트를 구출할 수 있다.

마이크로폰 배열이 이동원(moving source)의 방향을 색출하는데 이용될 수 있듯이, 센서 집합체 배열은 신호 도착시간의 차이를 측정함으로써 손상부를 색출하는데 이용될 수 있다. 도 7a는 본 발명의 일실시예에 따른 스트립 네트워크 구조 내의 센서집합체를 구비하는 진단용 네트워크 패치시스템(700)의 개략도이다. 도 7a에 도시된 바와 같이, 상기 시스템(700)은 주 구조물(702)에 설치될 수 있고, 센서집합체(704) 및 전송링크(706)를 구비한다. 각 센서집합체(704)는 2개의 수신기(708 및 712)와 하나의 액츄에이터/수신기 장치(710)를 구비한다. 상기 각 수신기(708 및 712)는 도 1a-4d에 도시된 센서들 중의 하나로 구성할 수 있고, 상기 액츄에이터/수신기 장치(710)는 도 1a-2d 및 도 4a-d에 도시된 센서들 중의 하나로 구성할 수 있음과 동시에, 램파 발생용 압전장치를 구비한다. 상기 센서집합체(704)의 액츄에이터/수신기(710)가 램파를 송신할 때, 인접하는 센서집합체(704)는 3개의 요소 모두, 즉 액츄에이터/수신기 장치(710) 및 수신기(708 및 712)를 이용하여 램파를 수신할 수 있다. 3개의 요소 모두를 수신유닛으로 이용함으로써, 각 센서집합체(704)는 보다 정제된 램파를 수신할 수 있다. 또, 3개의 요소 사이의 도착시간차를 측정함으로써 결함(714)의 방향을 높은 정확도로 색출해낼 수 있다.

도 7b는 본 발명의 타실시예에 따른 오각형 네트워크 구조 내에 센서집합체를 구비하는 진단용 네트워크 패치시스템(720)의 개략도이다. 도 7b에 도시된 바와 같이, 상기 시스템(720)은 결함(734)을 검출하기 위해 주 구조물(722)에 설치할 수 있고, 센서집합체(724) 및 전송링크(726)를 구비한다. 각 센서집합체(724)는 상기 센서집합체(704)와 유사하다.

도 8a는 본 발명의 일실시예에 따른 직렬접속의 광섬유 코일을 구비하는 센서집합체(800)의 개략도이다. 상기 센서집합체(800)는 도 7a의 센서집합체(704)와 유사하고, 2개의 센서(804 및 808)와 하나의 액츄에이터/센서(806)를 구비한다. 본 구조에 있어서, 입력신호는 일단부(810a)를 통해 센서로 진입할 수 있고, 타단부(810b)로부터 나오는 출력신호는 입력신호 및 3개의 센서(804, 806 및 808)의 기여분(contribution)의 합계가 될 수 있다. 일실시예에 있어서, 각 센서로부터 출력된 신호는 파장에 기초한 역다중화(de-multiplex) 기법을 이용하여 다른 신호로 부터 분리해 낼 수 있다.

도 8b는 본 발명의 일실시예에 따른 병렬 접속된 광섬유 코일을 구비하는 센서집합체(820)의 개략도이다. 상기 센서집합체(820)는 도 7a의 센서집합체(704)와 유사하고, 2개의 센서(824 및 828)와 하나의 액츄에이터/센서(826)를 구비한다. 이 구조에 있어서, 입력신호는 3개의 단부(830a, 832a 및 834a)를 통해 각각 3개의 센서 내로 진입할 수 있고, 타단부(830b, 832b 및 834b)로부터 나오는 출력신호는 입력신호 및 3개의 센서(824, 826 및 828)의 기여분의 합계가 될 수 있다.

도 8a-b에 있어서, 센서들(804, 808, 824 및 828)은 광섬유 코일 센서(308)로서 도시되어 있다. 그러나, 당업자에게는 각 센서(804, 808, 824 및 828)가 도 1a-4d에 도시된 센서들 중의 하나로 구성될 수 있고, 중간센서(806 및 826)는 도 1a-2d 및 4a-d에 도시된 센서들 중의 하나로 구성할 수 있고, 램파발생용 압전장치를 구비한다는 것은 자명한 사실이다. 또, 센서집합체(800 및 820)는 도 1g에 도 시된 것과 동일한 형태로 복합적층체 내에 개재시킬 수 있다.

도 9는 본 발명의 일실시예에 따른 액츄에이터 및 센서신호의 곡선도(900)이다. 램파를 발생시키기 위해, 액츄에이터 신호(904)를 패치센서(100)와 같은 액츄에이터에 인가할 수 있다. 상기 액츄에이터 신호(904)는 파형의 중간부에 최고진폭부를 가지는 복수의 웨이브피크(wave peaks)를 구비하는 톤버스트 신호(toneburst signal)로 구성할 수 있다. 상기 액츄에이터 신호(904)는 다양한 파형에 해닝함수(Hanning function)를 사용함으로써 설계될 수 있고, 0.01 MHz 내지 1.0 MHz의 그 중간주파수를 구비한다. 상기 액츄에이터는 액츄에이터 신호(904)를 수신하여 특정의 여진주파수(excitation frequency)를 가지는 램파를 발생한다.

신호(912a-n)는 복수의 센서에 의해 수신된 센서신호를 나타낸다. 제시된 바와 같이, 각 신호(912)는 각각 신호추출창(signal extracting windows) (또는, 신호추출 인벨롭(envelop))(920, 922 및 924)에 의해 분리된 파속(wave packets)(926, 928 및 930)을 구비한다. 이들 파속들(926, 928 및 930)은 센서의 위치에서의 분산모드에 기인되어 서로 다른 주파수를 가질 수 있다. 상기 신호분리창(916)은 램파신호를 각 센서신호로부터 식별해 내기 위해 적용한 것이다. 상기 파속들(926, 928 및 930)은 기본적인 대칭모드(S₀), 반사모드(S_{0 _ ref}) 및 기본적인 비대칭모드(A₀)에 각각 대응한다. 상기 반사모드(S_{0_ref})는 주 구조물의 경계로부터 나온 램파 반사를 나타낸다. 기본적인 전단모드(shear mode)(S₀'), 및 그 외의 높은 모드(higher mode)가 관찰될 수 있다. 그러나, 이들은 간단히 하기 위해 도 9 에 도시되어 있지 않다.

센서신호 (912)의 부분들(914)은 톤버스트 액츄에이터 신호(904)에 기인되는 전기 노이즈이다. 센서신호(12)로부터 부분(914)을 분리하기 위해, 동작시간 중에 연기되는 시그모이드 함수(sigmoid function)인 마스킹창(masking windows)(918)을 한계함수(threshold function)로서 센서신호(912)에 적용할 수 있다. 다음에, 각 센서신호의 시계열을 따라 동파 인벨롭 윈도우(moving wave-envelope windows)(920, 922 및 924)를 이용하여 912의 센서신호로부터 파속(926, 928 및 930)을 추출해 낼 수 있다. 상기 인벨롭 윈도우(920, 922 및 924)는 센서신호(912)의 정점과 저점(peaks and valleys)을 탐색하는 힐클라이밍 알고리즘(hill-climbing algorithm)을 적용하고, 탐색된 데이터 포인트를 시간축에 보간(interpolating)함으로써 결정될 수 있다. 전후방향으로의 파의 크기비교가 파신호의 모든 데이터 포인트에 대해 계속적으로 이루어질 때까지 최근접 데이터 포인트의 크기가 현재 데이터 포인트의 크기보다 작은 경우에는 상기 파신호(wave signal) 내의 데이터 포인트의 크기와 위치가 저장될 수 있다. 파신호의 인벨롭이 얻어지면, 각 인벨롭은 램파 모드의 것에 대응하는 시간간격으로 서브 인벨롭 윈도우(920, 922 및 924)로 분할된다. 상기 서버 인벨롭 윈도우(920, 922 및 924)는 각 측정된 센서신호(912)의 전체 시계열(time history)을 따라 이동함으로써 파속(926, 928 및 930)을 추출하는데 적용할 수 있다.

주 구조물에 DNP 시스템을 적용하면, 구조물 건전성 감시 소프트웨어는 DNP 시스템의 처리를 개시한다. 상기 감시 소프트웨어는 조사 모듈, 처리 모듈, 분류 모듈 및 진단 모듈을 포함할 수 있다. 도 10은 본 발명의 일실시예에 따른 조사 모듈의 예시적인 처리과정을 도시한 흐름도(1000)이다. 상기 조사 모듈은 결함부의 색출, 충격의 식별 및 주 구조물의 리페어드 본딩 패치 수행(repaired-bonding-patch performance)을 감시를 한다. 단계 1002에서, 상기 조사 모듈은 상기 DNP 시스템의 진단패치를 복수의 서브그룹 세트로 분할하고, 각 서브그룹에 대해 1개의 액츄에이터를 지정한다. 상기 각 진단패치는 일시적으로 액츄에이터로 기능한 후에 센서로서 기능하도록 절환될 수 있다. 도 11a는 본 발명의 일실시예에 따라 조사 모듈에 의해 분할된 복수의 서브그룹을 포함하는 액츄에이터 네트워크 구조(1100)의 일례를 도시한 것이다. 각 액츄에이터(1102, 1104, 1106 및 1108)는 또한 센서로서 기능할 수 있으므로, 다양한 조합의 서브그룹은 그 액츄에이터를 구성할 수 있게 된다. 화살표(1110)은 액츄에이터(1102, 1104, 1106 및 1108) 사이의 램파 신호의 전파를 표시한다. 표 1은 가능한 서브그룹들을 보여주는 것으로서, 각 그룹은 하나의 액츄에이터를 가진다. 예를 들면, 서브그룹1은 1개의 액츄에이터A1(1102) 및 2개의 센서A2(1104) 및 A4(1108)를 가진다.

도 11a의 4개의 패치에 의해 형성된 서브그룹

서브그룹 번호	액츄에이터	센서
1	A1	A2, A4
2	A2	A1, A3, A4
3	A3	A2, A4
4	A4	A1, A2, A3

도 11b는 본 발명의 다른 실시예에 따른 조사 모듈에 의해 분할된 서브그룹을 포함하는 액츄에이터/센서 네트워크 구조(1120)의 다른 예를 도시한 것이다. 도 11b에 도시된 바와 같이, 4개의 서브그룹(1122, 1124, 1126 및 1128)은 4개의 액츄에이터/센서(1132a-1132d) 및 13개의 센서(1130a-1130m)를 이용하여 생성될 수 있다. 표 2는 도 11b의 패치에 의해 형성된 각 서브그룹의 요소들을 보여준다.

도 11b의 17개의 패치에 의해 형성된 서브그룹

서브그룹 번호	액츄에이터	센서
5	A1	A2, S1, S2, S3, S4
6	A2	A1, A4, S3, S4, S5, S6, S7
7	A3	A2, S6, S7, S8, S9, S10
8	A4	A2, S11, S12, S13

도 11b의 13개의 센서(1130a-1130m)는 또한 액츄에이터로서 기능할 수 있다. 그러나, 각 서브그룹의 1개의 패치만 일시적으로 액츄에이터로서 기능하는 동안 다른 패치들은 센서로서 동작하도록 동기된다. 도 11b의 경우에서와 같이, 하나의 센서(예를 들면, s3)는 하나 이상의 서브그룹(그룹5 및 그룹6)에 소속된다. 도 11a-B은 간단히 하기 위해 4개의 액츄에이터/센서 및 13개의 센서만을 도시한다. 그러나, 패치의 수를 제한하지 않고 본 발명을 실시할 수 있다는 것은 당업자에게 명백한 사실이다.

도 11a-b에 도시된 바와 같은 진단패치 시스템의 네트워크 구조는 최소의 액츄에이터 및 센서로 전체 네트워크의 성능을 최대화하도록 구성될 수 있다. 상기 진단 네트워크는 무향그래프(undirected graph) G = (N, E)로 표시할 수 있다. 여기서, 노드 N과 에지 E는 각각 패치위치 및 파통신경로(wave-communication paths)를 나타낸다. 상기 그래프 G는 진단 네트워크 통신 관계도로 구성할 수 있고, 도 11a의 노드 점(1102, 1104, 1006, 1108)은 액츄에이터 및 센서 세트의 요소들을 나타내고, 도 11a의 에지(1110)인 실선은 표 1의 액츄에이터 세트 및 센서 세트의 관련성의 순서쌍(ordered pairs)을 나타낸다. 그래프 G는 모든 노드쌍(i 및 j) 사이에 적어도 하나의 경로가 존재하면 연결된다. 네트워크 경로의 균일성을 위한 예시적인 최적설계에 있어서, 다음과 같이 정의된 기호를 사용한다. n은 노드의 수; x _ij ∈{0, l}은 노드(i 및 j) 사이의 경로를 나타내는 결정변수(decision variable); 및 x(={x ₁₂ ,x ₁₃ ,..., x _{n -1,n} })는 네트워크 디자인의 위상 구조이다. R(x)는 패치의 수와 같은 네트워크 디자인의 제약조건(constraint); c _ij 는 램파의 전파거리와 같은 네트워크 디자인의 가치변수이고, 각 네트워크 경로 상의 교차점의 수를 다른 네트워크 경로 또는 여기 주파수(excitation frequency)에 대한 감도인자(sensitivity factor)로 곱한다. 진단 네트워크의 최적 설계는 arg max

로 나타낼 수 있다. 여기서, 최적의 문제는 제한 R _min 을 만족시키는 한편 네트워크 경로의 균일성을 나타내는 목적함수 Z(x)를 최소화하는 변수 x(={x ₁₂ ,x ₁₃ ,..., x _{n -1,n} }) 의 값에 대해 풀어야 한다.

최적 그룹 디자인의 다른 예에 있어서, 네트워크 서브그룹의 각 센서는 도 11b에 도시된 바와 같이 그 그룹의 하나의 액츄에이터와 관련된다. 그 네트워크의 성능은 각 서브그룹의 액츄에이터 및 센서의 위치 및 갯수에 의존한다. 이 패치의 그룹 배치에 대해, 액츄에이터/센서의 매트릭스가 고려된다. 여기서, 매트릭스의 각 요소(i, k)는 i번째 센서가 k번째 엑츄에이터와 관련되면 1이고, 그렇지 않으면 0이다. 이와 같은 그룹 디자인에 있어서, 다음의 다양한 표시 및 제한의 할당으로 이루어진 공동정수 프로그래밍 포뮬레이션이 적용될 수 있다. 각 액츄에이터는 하나의 서브그룹에만 할당된다. 여기서, 각 센서는 하나 이상의 서브그룹에 할당될 수 있다. x _ic 는 i번째 액츄에이터가 서브그룹 c에 할당되면 1이고, 그렇지 않으면 0이고; y _ic 는 j번째 센서가 서브그룹 c에 할당되면 1이고, 그렇지 않으면 0이다. 2개의 제한조건은

으로 표시할 수 있으며, 여기서 k는 특정된 서브그룹의 갯수이고, m,n은 각각 액츄에이터 및 센서의 갯수이다.

도 10으로 되돌아가서, 조사 모듈에 실시된 유전자 알고리즘(genetic algorithm)은 단계 1004에서 네트워크 및 신호경로를 디자인한다. 결함을 시뮬레이션하기 위해 착탈가능한 패치와 같은 하나 이상의 인공 결함을 주 구조물에 적용한다. 다음, 각 액츄에이터는 분할된 서브그룹의 하나 이상의 센서에 신호를 보낸다. 센서에 의해 수신된 신호에 기초하여, 상기 유전자 알고리즘은 상기 인공 결함의 위치 및 형식을 정확하게 검출하도록 최적의 네트워크, 신호경로 및 액츄에이터의 동작순서를 결정한다. 주 구조물의 기하학적 형태 및 재료에 따라, 서브그룹 세트의 결정은 통신 네트워크의 액츄에이터/센서의 갯수를 조절하는 단계를 포함할 수 있다.

단계 1006에서, i번째 서브그룹 내의 액츄에이터는 릴레이 스위치 어레이 모듈(512)(도 5a 참조)로부터의 동작순서에 따라 램파 신호를 발생하도록 작동한다. 다음, 단계 1008에서 j번째 서브그룹의 센서에 의해 구조물의 상태정보를 운반하는 신호(SCI)가 측정된다. 여기서 j번째 서브그룹은 i번째 서브그룹을 포함한다. 단계 1010에서, 상기 질문 모듈은 기준신호로부터의 측정신호의 편차를 연산한다. 여기서, 기준신호는 인공 결함이 없는 상태에서 단계 1004 및 1006을 실행함으로써 형성된다. 다음, 단계 1012에서 상기 조사 모듈은 상기 편차와 측정신호를 적절한 신호 데이터베이스 저장장치(예로서, 컴퓨터(514))에 익스텐시블 마크업 랭기지(eXtensible Markup Language(XML))로 포맷된 문서로서 저장한다. 또한, 상기 조사 모듈은 액츄에이터 및 센서의 좌표와, 동작주기, 액츄에이터 및 센서의 갯수, 전압수준, 패치의 형식 및 작동상의 고장상태를 포함하는 설정정보 데이터를 저장할 수 있다. 단계 1014에서 조사 모듈의 조사처리가 끝난다.

상기 조사 모듈은 불연속적인 여기 주파수(excitation frequencies) 세트에서 단계 1006, 1008, 1010 및 1012를 수행할 수 있다. 여기서, DNP 시스템의 액츄에이터는 여기 주파수로 동작되어 램파를 발생한다. 다음, 상기 처리 모듈은 여기 주파수에서 각 네트워크 경로에 대한 구조물의 상태지수(SCI)를 결정하기 위해 저장된 센서신호를 처리한다. 한 쌍의 액츄에이터와 센서 사이의 네트워크 경로의 SCI는 주 구조물의 결함이 주는 영향의 양적 상태, 따라서 주 구조물의 내부에 위치하는 구조물의 상태변화의 정도를 나타낸다. 상기 SCI는 램파 모드의 도달시간, 시간-주파수 범위에 분포된 램파 모드의 스펙트럼 에너지, 또는 센서신호의 최고진폭을 포함할 수 있다. 그러나, 상기 SCI의 포함 대상이 이것에 제한되는 것은 아니다. 도 12는 본 발명의 일실시예 따른 램파 모드의 도달시간의 확인 및 결정을 위한 예시적인 처리순서 1200을 도시한 것이다. 단계 1202에서, 상기 처리 모듈은 컴퓨터(514)와 같은 신호 데이터베이스 저장장치로부터 한 세트의 센서신호 데이터를 로드(load)한다. 여기서, 각 센서신호 데이터는 하나의 여기 주파수에서 측정될 수 있다. 다음, 상기 여기 주파수는 상기 DNP 시스템의 액츄에이터가 램파를 발생하도록 동작하는 주파수를 나타낸다. 상기 네트워트 패치 시스템의 저장된 설정정보 데이터를 체크하고, 상기 네트워크 경로의 수를 확인하여 각 네트워크 링크의 경로에 적절한 액츄에이터 및 센서가 할당되었는지의 여부를 체크한다. 다음, 단계 1204에서 상기 처리 모듈은 비정지(non-stationary) 신호성분을 제거하기 위해 각 로드된 센서 신호 데이터를 디트렌드(detrend)한다. 다음, 단계 1206에서, 톤버스트 신호(904)에 기인된 전기 노이즈(914)를 디트렌드된 각 신호데이터에 마스킹 윈도우(918)를 가하여 제거한다. 다음, 단계 1208에서 시간축을 따르는 중심 여기 주파수 대역폭에 대한 시간-주파수 신호 에너지 분포를 얻기 위해 노이즈가 제거된 신호에 대해 단시간 푸리에 변환 또는 웨이브렛(wavelet) 변환을 수행한다.

단계 1210에서, 상기 처리 모듈은 전체 세트의 시간-주파수 신호 에너지를 적산하여 시간-주파수 평면 상에 다중대역폭의 에너지 분포를 생성한다. 다음, 단계 1212에서, 상기 처리 모듈은 시간-주파수 평면 상의 다중대역폭 에너지로부터 돌출곡선을 추출한다. 이 에너지 분포로부터 추출된 돌출곡선은 각 웨이브 모드의 궤도곡선을 보여줄 수 있고, 주파수 축을 따라서 국부적인 최대치를 제공한다. 돌출곡선의 추출에 있어서, 국부적인 최대치의 조사는 시간축의 고정값에 대해 실시될 수 있다. 여기서, 분포 데이터 열의 최대치를 양 방향으로 1단계 변위시킴으로써 주어지는 새로운 2개의 열과 비교하고, 그 값이 새로이 정해진 임계값보다 크면 이 최대값을 저장한다. 단계 1214에서, 돌출곡선에 기초하여, 상기 처리 모듈은 시간-주파수 평면 상의 S₀, S_{0 _ ref} 및 A₀ 모드 파(도 9의 926,928 및 930)의 궤도를 확인하다. 다음, 단계 1216에서 상기 처리 모듈의 확인 처리는 종료한다.

후술하는 바와 같이, 단계 1214에서 결정된 S₀, S_{0 _ ref} 및 A₀ 모드 파는 그 모드 파에 대한 다양한 시간 간격의 이동하는 인벨롭 윈도우(envelope windows)를 디자인하는데 사용할 수 있다. 상기 돌출곡선 추출방법에 의해 구조물의 분산곡선식을 사용하지 않고 위상속도 및 이들 모드 사이의 도달시간차를 정확하게 연산할 수 있도록 각 모드 파의 도달시간을 정확하게 결정할 수 있다. 본 발명의 범위는 시간-주파수 해석방법에서 웨이브렛 변환을 사용하는 것에 제한되지 않는다.

도 13a-b는 본 발명의 일실시예에 따른 SCI값(또는, 등가의 결함 지수값)을 연산하기 위한 예시적인 처리순서를 도시한 흐름도(1300)이다. SCI값을 연산하기 위해, 상기 처리 모듈은 한 세트의 여기 주파수에서 측정한 센서신호 데이터세트를 이용할 수 있다. 단계 1302에서, 상기 처리 모듈은 복수의 센서신호 데이터세트를 로드(load)한다. 여기서, 각 센서신호 데이터세트는 하나의 여기 주파수에서 측정된 것이고, 신호(912)와 같은 데이터세트의 각 센서신호는 상기 DNP 시스템의 네트워크 경로에 대응한다. 다음, 단계 1304에서, 복수의 센서신호 데이터세트 중에서 하나를 선택한다. 다음, 단계 1306에서, 상기 선택된 센서신호 데이터세트로부터 센서신호를 선택한다. 단계 1308에서, 상기 선택된 센서신호를 이동평균필터(moving-average filter)를 적용하여 디트렌드시킴과 동시에 마스킹 윈도우(918)을 적용하여 작동부(914)와 수용부(916)로 분할한다. 단계 1310에서, 상기 센서신호는 다우베치스 웨이브렛 필터 계수(Daubechies wavelet filter coefficient)를 사용하는 웨이브렛 분해필터에 의해 복수의 하위 대역폭 웨이브 패킷(926,928 및 930)으로 분해된다. 하위 대역폭 웨이브 패킷 분해를 위해, 고분해 및 저분해, 및 고복원필터 및 저복원필터를 제공하기 위해 다우베치스 웨이브렛 필터 계수용 2진필터가 설계된다. 상기 분해필터는 디트랜드된 신호를 다중분해수준을 위해 웨이브렛 계수로 분해한다. 다음, 단계 1312에서, 상기 처리 모듈은 관련되는 주파수 범위 내에서 새로운 하위 대역폭 웨이브 패킷을 합성한다. 여기서, 램파 신호는 상기 주파수 대역폭 내에서 S₀, S_{0 _ ref} 및 A₀ 모드의 파를 포함한다. 상기 합성신호의 주파수 범위는 상기 복원필터가 S₀, S_{0 _ ref} and A₀모드의 파신호를 포함하는 합성신호의 대역폭에 대응하도록 각 파신호의 하위 대역폭 변화의 범위를 포함하도록 돌출곡선 추출법을 이용하여 결정한다. 다음, 복원필터 및 신호분해의 웨이브렛 계수를 이용하여 상기 합성신호를 생성한다. 다음, 단계 1314에서, 상기 처리 모듈은 독립된 파형으로서 상기 S₀, S_{0 _ ref} 및 A₀ 모드 파(926,928 및 930)를 추출하기 위해 합성된 램파신호에 신호추출 윈도우(또는 등가의 이동 인벨롭 윈도우)(920,922 및 924)을 적용한다. 각 S₀, S_{0 _ ref} 및 A₀ 모드 파(926,928 및 930)는 각 파 모드의 인벨롭에 일치한다. 단계 1316에서, 상기 처리 모듈은 시간축에서 상기 각 인벨롭 윈도우(920,922 및 924)의 최대폭, 중간위치의 폭 및 구간폭을 결정한다. 다음, 단계 1318에서, 선택된 센서신호에 대한 SCI를 연산한다. 일실시예에서, 상기 SCI는 상기 S₀, S_{0 _ ref} 및 A₀ 모드의 각 파의 스펙트럼 에너지 변화에 기초한다. 본 실시예에서, 상기 처리 모듈이 S₀, S_{0 _ ref} 및 A₀ 모드의 각 파의 스펙트럼 에너지를 결정한다. 다음, 상기 처리 모듈은 S₀, S_{0 _ ref} 및 A₀ 모드의 스펙트럼 에너지의 합을 연산하고, 기준과 주 구조물의 결함상태 사이의 합산된 에너지 차를 산정한다. 그 결과, 상기 스펙트럼 에너지 차이는 선택된 센서신호의 SCI값으로서 이용된다. 다른 실시예에서, 상기 처리 모듈은 SCI값으로서 인벨롭 윈도우의 최대위치 및 중간위치에서의 변화를 선택한다.

또, 상기 진단계측 시스템이 가속도계, 변위 트랜스듀서 또는 스트레인 게이지와 같은 전통적인 진동센서를 사용하면, 상기 처리 모듈은 복수의 진동센서 위치에서 얻어진 진동신호 데이터세트로부터 고유진동수, 감쇄비 또는 모드형상과 같은 구조물의 동적 파라미터를 연산할 수 있다. 다른 실시예로서, 상기 처리 모듈은 램파신호 대신 전통적인 진동센서 신호를 사용할 때 구조물의 동적 파라미터의 변화를 SCI값으로서 이용한다.

상기 처리 모듈이 모든 네트워크 경로에 대한 SCI데이터를 연산한 후, 기준과 결함된 상태의 주 구조물의 센서신호의 2개의 데이터세트에 포함될 수 있는 비정상적인 센서신호를 제거한다. 이를 위해, 상기 처리 모듈은 각 센서신호가 합리적인 신호진폭 분포를 구비하는지를 확률로서 연산한다. 단계 1320에서, 상기 처리 모듈은 신호진폭의 이산 확률 밀도함수(discrete probability density function (DPDF))를 결정하고, 진폭분포 p( x _i )에 대한

의 2번째, 3번째, 및 4번째 모멘트를 추정한다. 단계 1322에서, 상기 진폭분포의 추정치로부터 각 센서신호의 정상상태 상수 α를 산정하기 위해 상기 DPDF의 공분산 δ, 외곡도 인자(skewness factor) η, 및 평탄도 인자κ를 이용한다. 상기 정상상태 인자는 지수를 가지는 이들 인자의 곱 α=δ ^3/2 η ^-2 κ ^3/4으로 정의된다. 단계 1324에서, 상기 처리 모듈은 선택된 센서신호 데이터세트에 포함된 모든 센서신호가 고려되었는지를 조사한다. 도 13과 같이, 판단단계 1324에 대한 답이 부정이면 단계 1306으로 진행되고, 긍정이면 단계 1326으로 진행된다.

단계 1326에서, 상기 처리 모듈은 선택된 센서신호 데이터세트 내에 포함된 센서신호의 SCI값을 포함하는 SCI 데이터세트의 제2 PDF를 연산한다. 다음, 단계 1328에서 상기 제2 PDF에 기초하여 상기 SCI분포의 3-시스마의 외측의 SCI값의 비정상치를 색출한다. 상기 SCI 비정상치의 정상상태 상수를 조사함으로써, 상기 처리 모듈은 보다 신뢰할 수 있는 구조물의 건전성 감시를 위해 상기 SCI 데이터세트로부터 비정상치의 SCI값을 제거한다.

센서신호의 계측 중의 온도변화는 램파의 센서신호에 영향을 줄 수 있으므로, 상기 램파 센서신호로부터 얻어진 SCI값은 기준과 결함된 구조물 상태 사이의 온도차를 보상하도록 수정해야 한다. 상기 처리 모듈은 기준의 계측온도가 결함된 구조물 상태의 계측온도와 다른지를 조사한다. 상기 처리 모듈은 램파의 온도기준표를 작성한다. 상기 온도기준표를 작성하기 위해, 기준 구조물의 모든 네트워크 경로의 S₀-모드 인벨롭의 시간폭과 최대값을 연산하고, 상기 인벨롭 최대분포 내의 95%의 네트워크 경로에 대한 시간폭의 평균을 산정한다. 상기 온도기준표를 이용하여, 상기 처리 모듈은 기준 구조물의 시간폭과 결함된 구조물의 시간에 대응하는 온도기준표의 값의 평균율로서 온도조정 파라미터를 연산할 수 있다. 단계 1330에서, 상기 처리 모듈은 상기 결함된 구조물의 SCI 데이터를 온도조정 파라미터를 이용하여 조절함으로써 센서신호의 온도변화의 영향을 보상한다. 다음, 단계 1332에서 상기 처리 모듈은 SCI 데이터세트를 익스텐시블 마크업 랭기지(XML) 포맷된 문서로서 저장한다. 다음, 판단단계 1334에서 상기 처리 모듈은 각 여기 주파수의 SCI 데이터세트가 생성되었는지의 여부를 조사한다. 판단단계 1334에 대한 답이 부정이면 단계 1304로 진행하고, 긍정이면 단계 1336으로 진행한다.

도 14a는 본 발명의 일실시예에 따른 구조물의 상태 또는 결함에서 변화가 생기는 영역을 확인하는 단층화상(tomographic image)을 생성하는 예시적인 순서를 도시하는 흐름도(1400)이다. 단계 1402에서, 상기 처리 모듈은 진단패치용 좌표 데이터, 및 진단패치에 의해 결정되는 네트워크 경로의 SCI값을 로드한다. 단계 1404에서, 임의의 i번째 네트워크 경로선에 대하여, 구조물의 표면에 접하는 경로선의 최소거리의 1/2인, 액츄에이터 및 센서의 좌표({

} 및 {

})로부터 네트워크 경로의 이분점을 연산한다. 다음, i번째 네트워크 경로의 이분점에 i번째 네트워크 경로의 SCI값이 지정된다. 다음, 단계 1406에서 상기 처리 모듈은 네트워크 경로의 교차점들을 연산한다. 상기 처리 모듈은

의 기울기, 그것의 역수

, 및 i번째 경로에 대한

및

의 상수를 연산한다. 다음, 상기 처리 모듈은 기울기 m _i 가

에 부합하는 상태에서 상기 i번째 경로선을 교차하는 모든 다른 k번째 경로선에 대한 i번째 경로선 상의 좌표

를 산정한다. 단계 1408에서, 상기 처리 모듈은 각 교차점 상에 새로운 SCI를 할당하기 위해 i번째 및 k번째 네트워크 경로의 SCI값의 곱을 연산한다. 교차점이 없는 경우, 지정된 SCI는 i번째 경로선의 SCI값의 반이 되고, 상기 교차점은 이분점과 동일해 진다. 따라서, 상기 네트워크 경로의 액츄에이터 및 센서의 좌표평면 상의 z축 데이터로서 고려되는 SCI값은 모든 이분점 및 교차점에 할당된다. 일실시예에서, 상기 모든 이분점 및 교차점의 SCI데이터는 익스텐시블 마크업 랭기지 (XML) 포맷된 문서로서 SCI 데이터 저장장치 내에 저장된다.

임의의 i번째 경로선에 대해, 상기 처리 모듈은 가우스 함수의 중앙에서의 최대값이 상기 경로의 SCI값이 되도록 상기 경로선 방향에 수직한 평면에서 z축 가우스 함수 또는 범용 벨함수(generalized bell function)를 설정한다. 단계 1410에서, 이 z축 함수는 상기 가우스 함수의 단면이 상기 경로선의 시점으로부터 종점에 이르기까지 상기 경로선에 평행하게 연장하도록 네트워크 경로 좌표평면 상에 3차원 블록을 형성하는데 이용된다. 실제로, 상기 i번째 경로선의 3차원 함수는 임의의 다른 k번째 경로선의 3차원 함수와 상호 중첩됨으로써 교차한다. 상기 교차영역에서의 SCI값은 상기 네트워크 경로 좌표평면 상의 교차하는 가우스 SCI 함수들의 곱에 의해 산정된다. 상기 단면 평면에서의 3차원 함수의 폭은 모든 경로선에서 최단거리가 되고, 이 값은 상기 최단거리의 경로선에 대한 i번째 경로의 SCI값의 비율과 곱셈한다. 상기 처리 모듈은 모든 네트워크 경로에 대한 네트워크 평면상의 SCI값을 연산한다. 단계 1412에서, 상기 처리 모듈은 각 이분점, 교차점, 및 구조물의 전체 영역을 작은 격자요소로 분할하여 형성한 망상 격자점 상의 3차원 가우스 함수 중첩점에 대해 상기 SCI 데이터세트를 보간(interpolate)한다. 상기 보간에서, 상기 처리 모듈은 SCI값의 격자 데이터를 위해 철포(convex-hull)의 들로네 삼각분할법(Delaunay triangulation)을 이용한다.

상기 처리 모듈은 주 구조물의 결함부위를 정확하게 색출하기 위해 유전성 알고리즘을 적용하여 상기 네트워크 경로 평면 상의 SCI분포를 더욱 세밀화한다. 단계 1414에서, 상기 처리 모듈은 크로모섬(chromosome)의 초기 모집단(initial population)을 설정함과 동시에 각 크로모섬를 대응하는 망상 격자점 중의 하나에 할당한다. 다음, 단계 1416에서 상기 처리 모듈은 인접하는 망상 격자점의 SCI 분포 데이터와의 상관관계에 의해 크로모섬를 평가하여 그 순위를 부여한다. 단계 1418에서, 상기 처리 모듈은 최고의 평가를 구비하는 페어런트(parent)가 가장 재생할 가능성이 높아지도록 고려된 무작위 추출법을 이용하여 모집단으로부터 페어런트를 선택한다. 또, 상기 처리 모듈은 칠드런(children)의 가능한 무작위 돌연변이가 발생하도록 페어런트의 조합으로부터 칠드런을 재생한다. 다음, 단계 1420에서, 상기 페어런트 크로모섬는 칠드런 크로모섬으로 대체된다. 단계 1416-1420은 단계 1422에서 새로운 칠드런 모집단이 형성될 때까지 수 세대에 걸쳐 반복된다. 단계 1422에서 상기 칠드런은 평가되고, 페어런트의 전체 모집단은 페어런트 자신이 되도록 대체된다. 다음, 단계 1424에서, 상기 처리 모듈은 크로모섬의 최종 모집단의 구성을 가지는 격자점 상의 세분된 SCI를 취한다.

상기 최종 크로모섬에 대응하는 망상 격자점 상의 SCI분포는 주 구조물의 구조적 상태변화의 정도를 나타낸다. 상기 주 구조물의 구조적인 상태변화 또는 결함발생 영역은 상기 세분된 SCI분포로부터 정확하게 확인할 수 있다. 단계 1426에서, 주 구조물의 구조적 상태나 결함을 확인하기 위해, 상기 처리 모듈은 상기 보간된 SCI분포를 이용하는 유전학적 단층화상을 제공할 수 있다. 또, 일 세트의 여기 주파수에서 상기 단계 1402-1426을 반복 실시함에 의해 일 세트의 단층화상이 얻어진다.

도 14b는 본 발명의 다른 실시예에 따라 구조물의 상태변화 또는 결함을 가지는 영역을 확인하기 위한 단층화상을 생성하는 예시적인 순서를 도시한 플로차트(1430)이다. 단계 1432에서, 상기 처리 모듈은 S₀ 모드와 같은 램파 모드의 도달시간 데이터세트를 로드한다. 전술한 바와 같이, 램파 모드의 도달시간은 SCI로서 사용할 수 있다. 단계 1212에서, 상기 처리 모듈은 추출된 돌출곡선을 이용하여 모든 네트워크 경로에 대한 램파 모드들 사이의 도달시간차를 정확하게 산정한다. 다음, 단계 1434에서 주 구조물의 결함의 광범위한 조사를 위해 로드된 도달시간 데이터세트에 종래의 대수적 재구성법(algebraic reconstruction technique)을 적용한다. 다음, 단계 1436에서 재구성된 도달시간 데이터에 기초하여 주 구조물의 전 영역의 단층화상을 생성한다. 일실시예에서는, 전체 영역의 단층화상을 생성하기 위해 상기 단계 1432-1436을 반복 실시한다. 여기서 각 단층화상은 상이한 여기 주파수에서 계측된 도달시간 데이터세트에 기초한 것이다. 상기 단층화상들을 적층함으로써, 전체 영역의 하이퍼스펙트럴(hyperspectral) 단층육면체가 얻어진다.

또, 상기 처리 모듈은 주 구조물의 결함의 가능성이 있는 부위의 결함의 특징을 조사하기 위해 동시 반복 복원기법을 이용할 수 있다. 단계 1438에서, 결함의 가능성이 있는 부위에 초점을 맞추기 위해 상기 네트워크 경로를 재배치한다. 다음, 단계 1440에서 상기 처리 모듈은 결함의 가능성이 있는 영역의 결함의 특징을 조사하기 위해 로드된 도달시간 데이터세트에 동시 반복 복원기법을 적용할 수 있다. 다음, 단계 1442에서 복원된 데이터세트에 기초하여 결함의 가능성이 있는 영역의 단층화상을 생성한다. 일실시예에서는 결함의 가능성이 있는 영역의 일 세트의 단층화상을 생성하기 위해 상기 단계 1432-1442를 반복 실시한다. 여기서, 각 단층화상은 상이한 여기 주파수에서 계측된 도달시간 데이터세트에 기초한다. 상기 단층화상들을 적층함으로써 결함의 가능성이 있는 영역의 하이퍼스펙트럴 단층육면체가 얻어진다.

다른 실시예에 있어서, 또 센서신호의 단시간 푸리에 변환(short-time-Fourier-transformation; STFT)을 위한 돌출곡선 추출방법과 통합된 상기 네트워크 경로의 도달시간 데이터세트 상의 유전학적 분포를 사용하여 SCI분포를 산정하고, 단층화상을 생성한다. 이 실시예에서, 상기 단층화상은 단계 1436 또는 1442의 단층화상과 다른 것이다. 램파의 도달시간 데이터세트를 위한 돌출곡선의 추출 및 유전학적 분포 방법으로서 주지의 산란 연산자 고유함수(scattering-operator-eigenfunction)에 기초한 단층화상 생성법을 사용할 수 있다.

상기 처리 모듈이 컬러 단층화상을 표시할 때, 결함부가 존재하는 핫스팟(hot-spot)의 배경색에 대한 시인도를 향상시키도록 컬러의 범위를 조절한다. 또, 상기 단층화상은 액츄에이터 및 센서의 위치 및 구조물의 형태의 2차원 또는 3차원 화상에 표시되는 네트워크 경로선을 표시하는 컬러마크 및 컬러 점선을 포함할 수 있다. 상기 처리 모듈은 단층화상과 그 색상의 범위를 단층화상 데이터베이스 저장장치에 저장한다. 도 14c는 단계 1426에서 얻어진 그레이 스케일(gray scale)로 표현된 단층화상(1450)의 일예를 도시한 것으로서, 영역(1452)은 결함부를 나타낸다.

도 14d는 본 발명의 일실시예에 따른 하이퍼스펙트럴 단층육면체(1460)를 도시한 것이다. 도 14d에 도시된 바와 같이, 상기 하이퍼스펙트럴 단층육면체(1460)는 복수층의 2차원 단층화상(1462,1464 및 1466)을 포함한다. 여기서, 각 화상은 여기 주파수에서 생성되며, 상기 z축은 여기 주파수를 나타낸다. 단순히 하기 위해, 도 14d는 3개의 레이어(1462,1464 및 1466)만 도시하고 있다. 그러나, 당업자에게는 하이퍼스펙트럴 단층육면체(1460)는 연속 여기 주파수 범위에서 생성되는 복수의 단층화상 층을 포함할 수 있다는 것이 분명히 알려져 있다.

도 14e는 본 발명의 일실시예에 따른 구조물의 상태변화를 도시하는 3차원 결함부 발생 매니폴드(1470)를 도시한 것이다. 하이퍼스펙트럴 단층육면체(1460)와 같이, 상기 매니폴드(1470)는 z방향으로 적층된 복수의 2차원 단층화상을 포함한다. 여기서, 각 화상은 z값에 대응하는 복수의 진동반복 사이클을 주 구조물에 적용하여 생성한 것이다. 또, 각 단층화상은 구조물의 상태변화를 보여주는 부분만을 표시하고 있다. 따라서, 3차원 결함부 발생 매니폴드(1470)의 각 슬라이스(slice)는 구조물 내의 상태변화 또는 결함발생을 표현한다.

전술한 바와 같이, 도 14a의 단계 1410에서 상기 처리 모듈은 네트워크 경로의 교차점 부근의 SCI값을 산정한다. 또, 뉴로퍼지추론(neuro-fuzzy inference)시스템을 포함하는 분류 모듈도 상기 교차점에서의 SCI값을 산정할 수 있다. 도 15는 본 발명의 일실시예에 따른 네트워크 경로의 교차점에서의 구조화 시스템 상태지수(SCI)를 제공하기 위한 뉴로퍼지추론 시스템의 순서를 도시한 개략도(1500)이다. 단계 1408에서 설명한 바와 같이, 네트워크 경로의 각 교차점은 그 SCI값과 거리를 구비하는 2개의 횡단경로선을 가진다. 상기 교차점에서의 구조화된 SCI값을 얻기 위해, 2개의 횡단경로선의 거리는 뉴럴 네트워크와 협동하는 퍼지 이프덴 룰(if-then rule) 시스템에 이용된다. 그러면, 이 익스퍼트 시스템(expert system)은 교차경로의 SCI값의 출력을 생성한다.

임의의 n개의 교차점(P1-Pn; 1502)에 대하여, 각 2개의 횡단경로선 거리(1504)는 단거리, 중거리, 및 장거리를 조건으로 하는 3개의 퍼지 멤버쉽 함수(1506)(A ₁ /B ₁ , A ₂ /B ₂ , A ₃ /B ₃ )에 입력될 수 있다. 상기 멤버쉽 함수에 대해, 일반화된 벨 함수

은 구조물의 규격에 표준화된 경로선 거리의 입력영역을 포괄할 수 있도록 조절 파라미터(a, c)와 함께 이용된다. 레이어(1508)에 있어서, 모든 노드는 ∏ 으로 표시된 고정노드이고, 이들은 입력신호

:

의 곱이다. 각 노드 출력은 논리규칙의 파이어링 스트랭스(firing strength)를 나타낸다. 레이어(1510)의 임의의 i번째 노드(N)은 그 층(1510)의 출력

이 정규화된 파이어링 스트랭스가 되도록 i번째 논리규칙의 파이어링 스트랭스 대 모든 논리규칙의 파이어링 스트랭스의 비율(

)을 연산한다. 또, 레이어(1512)의 교차경로의 단계 1408의 SCI값은 멀티레이어 퍼셉션(multilayer perception) 또는 뉴로 네트워크에 입력된다. 레이어(1514)에서, 각 노드는 노드 함수

에 적용된다. 여기서,

는 단순 후진전파 멀티레이어 퍼셉션과 입력층(1512)의 SCI값

과 비교될 수 있는 네트워크 레이어로 이루어진 표현(representation)의 결과부분이다. 여기서,

는 입력으로서 교차경로선의 2개의 SCI값이 필요하다. 3개의 뉴런(1514)과 1개의 뉴런(1516)이 모두 도 15a의 항등함수를 가지면, 제시된 뉴로퍼지는 선형 퍼지 이프덴 논리규칙을 수행하는 스게노(TSK) 퍼지추론 시스템과 등가이다. 에러 디스턴스에 따른 뉴럴 네트워크 링크상의 관련 커넥션 강도(relevant connection strengths) 또는 웨이팅 인자(weighting factors)를 조절하면 뉴럴 네트워크의 적응(adaptation)이 개시된다. 일실시예에서, 시그모이달 함수(sigmoidal function)는 결과층(1514)의 뉴런함수로서 이용할 수 있다. 다른 실시예에서, 뉴런 네트워크 레이어는 후진전파 멀티레이어 퍼셉션 및 레이디얼 베이시스 함수 네트워크를 이용할 수 있다. 레이어(1516)에서 결과층(1514)의 출력으로서 노드는

와 같은 입력신호의 합을 연산하여 교차점에서의 SCI값을 포함하는 출력(1518)을 생성한다.

도 15b는 본 발명의 일실시예에 따른 교차점 상의 SCI분포로부터 구조물의 망상 격자점(또는, 등가의 격자점) 상의 SCI분포를 시뮬레이팅하기 위한 협동성 하이브리드 익스퍼트 시스템의 예시적인 처리순서를 도시한 개략도(1519)이다. 구조물 상에 결함의 위치 및 결함의 범위에 대한 기지의 정보를 가지는 다양한 치수의 고무패치를 부착한 인공 결함에 대해서, 상기 분류 모듈은 단계 1418-1426 후의 격자점 상의 제1 SCI 크로모섬

인 출력(1528)을 생성한다. 상기 협동적 하이브리드 익스퍼트 시스템에의 입력(1518)이 고무패치의 좌표 및 치수로 주어지는 교차점 상의 SCI분포인 경우, 상기 협동적 하이브리드 익스퍼트 시스템의 최종출력(1540)은 단계(1534, 1536 및 1538)에서 유도된 적응 SCI 크로모섬 세트(1524)를 이용함에 의해 다양한 치수의 고무패치에 대한 핫스팟의 SCI 분포가 된다. 또, 도 15a의 뉴로퍼지 추론 시스템은 또 상기 교차점, 및 인공 결함의 SCI값(1518)에 적용되고, 적응된 SCI 크로모섬

(1524)는 도 15a의 뉴로퍼지 추론 시스템의 출력

으로부터 단계 1418-1426을 사용하여 얻는다. 단계 1534에서, 2개의 크로모섬 사이의 차이를 연산하여 이승평균 평방근 표준(root mean square norm)

,j=1,...,n×m을 얻는다. 여기서, n×m는 격자점의 치수이다. 단계 1536에서 각 크로모섬의 적응값(fitness value)은 계산된 차이(fitness = exp (-E))에 따라 산정된다. 다음, 단계 1538에서 크로모섬의 크로스오버 및 돌연변이를 위해 유전조작이 실시된다. 여기서 분류 모듈의 조작계획은 유전학적 알고리즘을 이용한다. 다음, 상기 분류 모듈은 상기 인공의 결함에 최적합된 상기 격자점 상의 SCI크로모섬 분포(1524)를 제공한다. 이들 SCI크로모섬에 의해, 단계 1526에서 언슈퍼바이즈드(unsupervised) 뉴럴 네트워크는 격자점 상의 SCI분포 세트의 클러스터링 또는 분류를 달성하도록 훈련된다. 그러나, 상기 분류 모듈은 상기 하이브리드 익스퍼트 시스템에 적응하도록 반복실시되는 한편 상기 처리 모듈은 각 여기 주파수에 대한 SCI분포를 갱신하기 위한 처리를 실시한다.

상기 분류 모듈은 상기 격자점 상의 SCI분포(1540)로부터 결함의 형식(또는 등가의 핫스팟 영역)을 분류작업을 계속 실행한다. 도 16a는 본 발명의 일실시예에 따른 핫스팟 영역에 적용된 가버 젯(Gabor jets)을 도시한 개략도(1600)이다. 도 16에 도시된 바와 같이, 핫스팟 영역(1610)은 격자점 상의 배경 SCI분포(1602)으로부터 인식되어 분절된다. 대체로, 상기 핫스팟 영역(1610)의 형상 및 위치는 여기 주파수 및 네트워크 경로의 수에 따라 변한다. 또, 구조물의 물리적 특성 및 형태가 다양해 지면 결함의 분류시의 난이도를 증가시킨다. 본 발명의 일실시예에 있어서, 상기 분류 모듈은 구조물의 핫스팟 영역(1610)의 결함을 분류하기 위해 멀티레이어 퍼셉션(MLP) 또는 전진 뉴럴 네트워크를 사용한다. 상기 분류 모듈은 가버 웨이브렛 특징(1606)을 이용하여 그 특징을 MLP 내에 중합한다. 상기 가버 웨이브렛 특징(1606)은 상이한 오리엔테이션(1608) 및 다중해상도(1604)를 가지는 SCI분포의 가버 웨이브렛 변환으로부터 얻는다. 상기 가버 웨이브렛 함수는

로 정의되며, 여기서

는 선택영역에 대한 웨이브렛의 위치를 지정하는 위치 파라미터,

는 선택방향에서 웨이브렛을 배향시키는 모듈레이션 파라미터, 및

는 척도 파라미터이다. 가버 젯이라 칭하는 일련의 계수를 이용하여 상기 분류 모듈은 주어진 핫스팟 영역(1610)에서의 멀티플 오리엔테이션(multiple orientations) 및 해상도를 위해 가버 프로젝트를 연산한다. 각 가버 젯은 오리엔테이션 및 상이한 스케일의 로그온(logon)으로 구성되도록 복수의 오리엔테이션 및 해상도에 대응하는 복수의 계수를 포함한다. 상기 분류 모듈은 입력 특징을 획득하게 위해 핫스팟 영역의 복수의 지점에서 일련의 가버 젯을 연산함으로써 각 핫스팟 영역의 국부 SCI 분포 구조를 캡처할 수 있다.

도 16b는 본 발명의 일실시예에 따른 결함의 형식을 분류하기 위한 멀티레이어 퍼셉션 (MLP)을 도시하는 개략도(1620)이다. 도 16b에 도시된 바와 같이, 상기 MLP(1624)는 3개의 레이어, 즉 가버 젯을 수신하는 입력 특징 레이어(1628); 히든 레이어(1630); 및 핫스팟(1610)의 결함의 형식을 결정하기 위한 출력 분류 레이어(1632)를 포함한다. 상기 출력 분류 레이어(1632)의 복수의 뉴런은 구조물의 상태의 형식을 표시하는 노드가 될 수 있다.

도 16c는 본 발명의 일실시예에 따른 구조물의 상태를 분류하는 완전접속상태의 분류기를 도시하는 개략도(1640)이다. 도 16c에 도시된 바와 같이, 3개의 핫스팟 영역(1641)을 포함하는 SCI분포(1643)을 이용하여 일련의 가버 젯(1642)을 생성한다. MLP(1644)는 상기 MPL(1624)와 유사하고, 핫스팟 영역(1641)의 결함의 형식을 범주(CO-C5; 1646) 중의 하나로서 분류한다. 간단히 하기 위해, 도 16c는 3개의 핫스팟 영역(1641)과 6개의 범주만을 도시하였으나, 당업자에게는 상기 핫스팟 영역과 범주의 갯수에 제한이 없음이 명백한 사실이다.

도 16d는 본 발명의 일실시예에 따른 구조물의 상태를 분류하는 모듈화된 네트워크 분류기를 도시한 개략도(1650)이다. 도 16d에 도시된 바와 같이, SCI 분포(1643)의 각 핫스팟 영역(1641)에 대한 일련의 가버 젯(1652)이 생성된다. 각 MLP(1654)는 상기 MPL(1624)와 유사하고, 각 핫스팟 영역(1641)의 결함의 형식을 분류한다. 다음, 상기 결함을 분류하기 전에 상기 MLP(1654)의 결과에 비선형 변환 및 혼합처리(1655)를 적용한다. 상기 구조물의 상태는 출력 노드의 최고치가 구조물의 상태의 형식 중의 하나로 취해지도록 구조물의 상이한 조건 또는 상이한 결함에 대해 트레인(train)된다.

본 발명의 일실시예에 따라, 상기 진단 분류 모듈은 각 형식의 구조물의 상태 또는 결함에 대해 코드북으로서 레퍼런스 템플리트(reference templates)를 설정한다. 각 결함 형식에 대한 상기 코드북은 도 17b에서 설명되는 상이한 버전의 SCI분포의 클러스터 포인트로 된 데이터세트 또는 SCI분포의 웨이브렛 변환계수의 데이터세트로 구성된다. 상기 핫스팟 영역의 템플리트 또는 SCI분포는 K평균법(K-mean) 및 학습 벡터 양자화(learning vector quantization; LVQ) 클러스터링 알고리즘에 의해 집합된다. 상기 K평균법 알고리즘은 n개의 벡터 집합을 c개의 그룹(G _i , i=1,...,c)으로 분할하고, 비유사 측정(dissimilarity measure)의 비용함수가 최소화되도록 각 그룹의 클러스터 중심을 검출한다. 이 알고리즘은 분류정보를 사용하지 않고 복수의 클러스터의 위치를 지정하기 위해 언수퍼바이즈드 학습 데이터 클러스터링 방법을 사용한다. 일단, 상기 K평균법 알고리즘에 의해 격자점 상의 핫스팟 영역의 SCI분포의 클러스터가 결정되면, 집합된 데이터에 복수의 클러스터 중심의 위치를 결정하기 위해 제2단계의 수퍼바이즈드 학습으로 이행하기 전에 표식을 부여한다. 상기 수퍼바이즈드 학습 중에, 상기 클러스터 중심은 소망의 디시전 하이퍼서피스(decision hypersurface)에 접근하도록 미세조정된다. 상기 학습방법은 간단하다. 먼저, 상기 입력 벡터(x)에 최근접하는 클러스터 중심(c)을 찾아야 한다. 다음, x 및 c가 동일한 분류에 속하면, c는 x를 향해 이동되고; 속하지 않으면 입력 벡터 x를 형성하도록 이동된다. 상기 LVQ 알고리즘은 입력벡터를 입력벡터에 가장 근접하는 웨이트 벡터(weight vector)를 가지는 출력유닛과 동일한 분류로 할당함으로써 입력벡터를 분류할 수 있다. 따라서, 상기 LVQ 네트워크는 오분류를 최소화하기 위해 상기 클러스터 중심을 미세조정하도록 SCI값의 분류정보를 이용한다.

도 17a는 본 발명의 일실시예에 따른 집합된 '코드북(codebook)'을 개발하기 위한 K평균법/LVQ 알고리즘의 예시적인 처리순서를 도시한 플로차트(1700)이다. 상기 분류 모듈은 단계 1702에서 언수퍼바이즈드 학습 데이터 클러스터링법으로서의 제1 K평균법 클러스터링 처리를 개시한다. 여기서, 상기 클러스터 중심

은 핫스팟 영역의 SCI데이터로부터 c점을 무작위 선택함으로써 초기화된다. 단계 1704에서, 상기 분류 모듈은 식

에 의해, 아니면 0으로 멤버쉽 매트릭스 S를 산정한다. 여기서, 상기 2진 멤버쉽 매트릭스 S는

의 c 분할 그룹을 정의하고, x는 무작위 선택된 입력 벡터이다. 다음, 단계 1706에서 상기 분류 모듈은 비용함수

및

를 연산한다. 여기서, 상기 SCI 벡터

및 대응하는 클러스터 중심

사이의 비유사도 측정으로서 유클리드 거리가 선택된다. 다음, 단계 1780에서, 상기 클러스터 중심은 식

에 따라 갱신되고, 상기 비용이 특정 허용치 이하인지의 여부를 조사하기 위해 판단단계 1710으로 진행한다. 단계 1710의 답이 YES이면 단계 1714로 진행하고, 아니면 새로 계산된 비용이 전의 것보다 작은지를 결정하기 위해 다른 판단단계 1712로 진행한다. 단계 1712의 답이 NO이면 단계 1714로 진행하고, 아니면 단계 1704로 진행한다. 다음, 단계 1714에서, 상기 분류 모듈은 오분류를 최소화하기 위해 클러스터 중심을 미세조정하도록 제2 LVQ 클러스터링 처리를 개시한다. 여기서, 상기 단계 1702-1708로부터 얻은 클러스터는 투표법(voting method)(즉, 클러스터가 클러스터 내의 다수로서 분류 i에 속하는 데이터 포인트를 가지는 경우 분류 i의 표지를 부여한다.)에 의해 표지를 부여한다. 단계 1716에서, 상기 분류 모듈은 트레이닝 입력 벡터 (x)를 무작위 추출하고,

가 최소로 되는 i를 색출한다. 다음, 단계 1718에서, 상기 분류 모듈은

및

이 동일한 분류에 속하는 경우

를

만큼 갱신하고, 아니면

만큼 갱신한다. 여기서,

는 학습율 및 반복시마다 감소하는 양의 소정수(positive small constant)이다. 단계 1720에서, 상기 분류 모듈은 격자점의 핫스팟 영역의 SCI분포의 SCI클러스터 중심을 포함하는 코드북을 생성할 수 있다.

도 17b는 본 발명의 일실시예에 따른 도 17a의 처리단계에 의해 생성된 코드북을 이용하는 결함 분류기를 구축하기 위해 분류 모듈의 예시적인 처리순서를 도시하는 개략도(1730)이다. 상기 결함은 진단 네트워크 경로의 격자점 상의 핫스팟 영역에 위치시킨다. 각 구조물의 상태에 대한 핫스팟 영역의 SCI 분포(1734)는 구조물의 상태 또는 결함에 대한 코드벡터(codevector)를 설계하는데 이용된다. 각 SCI분포(1734)는 동작 주파수에서 얻어진다. 상이한 여기 주파수에서 측정된 상기 네트워크 신호에 대해, 상기 핫스팟 영역의 SCI분포 상의 수집(1734)으로부터 다른 블록 템플리트(block template; 1738)를 얻을 수 있다. 상기 코드벡터는 핫스팟 영역의 SCI분포의 블록 템플리트의 일련의 클러스터 중심으로 주어진다. 다음, 동작 주파수를 미분하여 각 구조물의 상태 또는 결함기준에 따른 일련의 최적화 블록 템플리트를 포함하는 분류 코드북(1738)을 얻는다. 상기 동작 주파수를 고려하는 코드북에 기초한 분류기를 확립하기 위해, 주파수 멀티레이어 퍼셉션(multilayer perception; 1740)은 일련의 동작 주파수에 대응하는 코드북(1738)의 코드벡터로 주어져야 한다. 상기 주파수 멀티레이어 퍼셉션(1740)의 출력은 뉴럴 네트워크 입력 레이어(1741)에 입력된다. 다음, 뉴럴 네트워크 입력 레이어(1741)로부터의 출력을 이용하여, 다른 멀티레이어 퍼셉션(1742)은 또 주파수 멀티레이어 퍼셉션의 출력을 중합하기 위해 구조물의 상태 또는 결함을 분류한다. 본 발명의 일실시예에 있어서, 핫스팟 영역의 SCI값 대신 푸리에 계수 및 SCI값의 웨이브렛 변환을 도 17a의 K평균법 알고리즘의 입력으로서 사용할 수 있다. 본 발명의 다른 실시예에 있어서, 피셔 선형판별분석(Fisher linear discriminant analysis) 또는 고유공간 분리변환(eigenspace separation transformation)과 통합된 주요 구성요소 분석은 결함의 형식에 대해 민감도가 높은 상이한 코드북을 제공하도록 SCI분포 또는 웨이브렛 변형된 SCI분포에 대해 PCA에 기초한 LVQ 클러스터링법에서 이용될 수 있다.

구조물은 노후, 결함, 마모 및 그 작동/서비스 능력 및 신뢰성의 열화와 같은 손상을 입게 된다. 그래서, 구조물의 수명은 정밀한 가공상태로부터 노후폐기 상태에 이르는 다양한 단계를 가지는 것을 전체적으로 살펴볼 필요가 있다. 주어진 네트워크 패치 시스템에 있어서, 그 네트워크 패치 시스템의 현재의 웨이브 전송 구조물의 시간변화 특성의 구조에 대해 조사하기 위해 결함형성 중에 상이한 시간척도에 복종한다. 도 18a는 본 발명의 일실시예에 따른 구조물의 작동불능/사용, 네트워크 패치의 동력학, 및 네트워크 시스템 매트릭스의 3가지 발생영역의 개략도(1800)이다. 도 18a에 도시된 바와 같이, 구조물 결함 발생을 나타내는 슬로타임(slow-time) 좌표 τ가 도입되고, 또 웨이브 변환에 대한 현재의 네트워크 동력학을 기술하는 패스트타임(fast-time) 좌표 n이 도입된다.

장수명(long-term lifetime)에 네스팅된 패스트 타임프레임에 있어서, 입력 작동신호 및 출력검출신호로부터 식별되는 블랙박스 모델로서, 진단 네트워크 패치 시스템의 동적 시스템은 상태공간 모델 또는 외인성 입력을 갖는 자기회기 이동평균(autoregressive moving average with exogenous input, ARMAX) 모델에 의해 기술될 수 있다. 내장 시스템의 구성성분의 기능성에 대해 조사하기 위한 폴트 진단 시스템(fault diagnostic system)에 병합될 수 있는 ARMAX 모델을 이용하는 대신, 고정된 수명(τ)에서의 네트워크 패치 시스템의 상태공간 동력학을 이용할 수 있다. 설명의 편의를 위해 비분포 영역에서 고려된 상태공간 동력모델은

로 표시되며, 여기서 상태벡터

은 네트워크 시스템의 웨이브 변환 상태벡터이고,

은 네트워크 패치에서의 액츄에이터의 입력 힘 벡터이다.

는 각각 시스템 매트릭스 및 입력 매트릭스이다. 모든 네트워크 패치에서의 램파 발생을 위한 가진력(excitation force)은

의 수명 동안 변하지 않는 것으로 간주한다. 상기 네트워크 센서의 측정식은

로 쓰며, 여기서,

은 센서신호 벡터이고,

는 시스템 관찰 매트릭스이다. 상기 진단 네트워크 패치 시스템의 시스템 매트릭스

는 패스트타임 좌표에 독립되는 것으로 고려된다.

상기 진단 패치 시스템의 네트워크 동력학을 모델링하기 위해, 상기 진단 모듈은 네트워크 패치의 측정된 액츄에이터/센서신호로부터 동적 시스템을 재구성하는 서브스페이스 시스템 인식법을 이용하여 시스템 매트릭스(

)를 연산한다. 본 명세서에 참고로서 전체 내용을 인용한, 김 등이 복합체 구조 2001에서 발표한 "복합적층 플레이트의 정상 모드 및 다른 시스템 파라미터의 평가" 및 DSMC 보고서, ASME, 2003에서 발표한 "진동구조물의 구조적 동적 시스템 재구축 방법"은 센서 네트워크 시스템의 다중 입력 및 출력을 이용하는 재구축된 동적 시스템 모델을 확립하는데 채용할 수 있다.

감시 및 진단을 위한 기본량은 시간변화 시스템으로부터 측정된 센서신호에 포함된 하나의 징후이다. 구조물의 상태변화 또는 결함은 본질적으로 복수의 센서 및 액츄에이터로 이루어지는 네트워크를 포함하는 구조시스템의 웨이브 변환 또는 동적 특성의 변화를 나타낸다. 상기 시스템 매트릭스

는 관찰가능하고 구조물의 상태변화에 민감하므로 하나의 징후로서 고려될 수 있다. 하나의 징후로서의 상기 시스템 매트릭스는 일례로서 구조물의 결함/충격/노후화에 대한 민감한 양으로서의 구조물의 상태변화를 나타내는 고유진동, 완충비율 및 진동모드 형상인 적절한 손상에 관련된 동적 특성 중의 하나로서 고려될 수 있다. 따라서, 진단 네트워크 패치 상의 구조물의 상태지수

는 수명에서의 시스템 매트릭스

의 변수를 가지는 비선형 함수(

)로 기술될 수 있다. 유사한 접근방법의 예로써 김에 의해 음향과 진동 저널, 2003에 발표된 "재구축된 잔류 주파수 감응 함수를 이용하는 손상 확인", 김에 의해 복합구조물, 2002에 발표된 "접합해체된 하니콤 샌드위치 비임의 굽힘강성 및 고유주파수", 및 문 등에 의해 복합구조물, 2003에 발표된 "복합적층체의 매트릭스가 지배하는 피로손상의 고유주파수 감소모델"이 있는데, 이들은 본 명세서에 전체 내용이 참고로서 조입되었다.

결함발생 영역에서의 가까운 장래의 구조물의 상태를 결정하기 위해, 상기 진단 모듈은 주 구조물의 결함/충격에 관련된 일시적 징후로서 시스템 매트릭스의 현재의 경향을 이용한다. 일시적 징후가 시간τ에 따라 증가하는 결함/충격에 관련된 징후의 변화와 같은 열화의 조짐을 나타내면, 상기 진단 모듈은 구조물의 잔존수명에 대해 핫스팟 영역의 거동을 예측하고, 조기경보를 작동시킨다. 따라서, 구조물의 램파 전송의 네트워크 동력학에 의해 생성된 시스템 매트릭스

의 미래의 동향은 구조물의 결함/충격 상태를 예측할 수 있게 한다. 미래의 시스템 매트릭스

를 평가하기 위해, 상기 진단 모듈은, SCI벡터

의 비선형 특성이 높기 때문에, 시뮬레이션된 센서신호로부터 결정된 이전의 동적 재구축 모델를 가지는 재귀 뉴럴 네트워크(RNN)의 트레이닝법을 이용하는 것이 바람직하다. 다른 실시예에서, 피드포워드 뉴럴 네트워크(FFN)를 사용할 수 있다. 곡선(1802 및 1810)은 각각 SCI벡터(

) 및 매트릭스(

)의 발생을 나타내는 것으로서, 구조물의 수명종료시간(

; 1804) 까지 연장된다. 센서신호(1808)는 시간(

; 1806)에서의 구조물의 상태에 접근하기 위해 측정된다.

도 18b는 본 발명의 일실시예에 따른 미래 시스템 매트릭스를 예측하기 위한 재귀 뉴럴 네트워크(1830)의 구조를 개략적으로 도시한 것이다. 도 18b에 도시된 바와 같이, 상기 RNN(1830)의 구조는 4개의 입력노드(1836)와 추가의 피드백 경로 노드(1838), 4개의 히든 노드(1834) 및 하나의 출력노드(1832)를 구비한다. 상기 입력 데이터세트는 일련의 불연속 시간지연된 시스템 매트릭스 시리즈의 요소들로 이루어진다. 상기 출력 레이어는 미래의 제1시간 설정에서 예측되는 시스템 매트릭스 요소들에 대응하는 하나의 뉴런(1832)으로 구성된다. 상기 RNN(1830)에서, 출력의 현재 동작상태는 현재의 입력 뿐 아니라 이전의 동작상태의 함수이다. 시간 τ에서, 상기 출력노드(τ+1에서의 출력신호)는 이전 시간단계

에서의 히든 노드(1834)의 동작에 의해 계산된다. 따라서, 각 트레이닝 패턴은 현재의

, 이전의 3개의 시간지연 값

, 및 추가의 피드백 루프(1840)로부터 추가의 입력을 포함하고, 상기 출력

는 일단계 선행하는 예측치이다. 상기 네트워크는 현재 및 이전의 시스템 매트릭스 값에 기초한 다음의 미래 시스템 매트릭스의 평가치를 제공할 수 있다. 히든 레이어 및 출력 레이어에 포함된 노드의 동작함수로서

로 이루어지는 시그모이드 함수(sigmoid function)가 이용된다. 상기 노드들은 동작함수의 범위 내에서 동작해야 하고, 동작상태의 시스템 매트릭스 내의 모든 요소 데이터는 [-0.5 0.5]의 간격으로 눈금이 결정된다. 상기 RNN의 학습수준은 상기 네트워크의 실제 출력과 입력 데이터세트에 대응하는 목표 출력 사이의 예측오류에 의해 결정된다. 예측 오류는 상기 실제 출력이 목표값에 일치할 때까지 가중치(weight)를 조절하는데 이용된다. 상기 진단 모듈의 RNN은 트레이닝의 반복회수가 설정회수에 도달하고 오류가 허용치 내에 있는 경우 학습과정을 종료한다.

미래 시스템 매트릭스

의 상태공간 모델을 이용하여, 상기 진단 모듈은 동일한 액츄에이터 신호의 입력으로부터 구조물의 핫스팟 영역의 진단센서 신호를 생성한다. 다음, 일단계 선행하는 SCI 벡터

를 연산하기 위해 상기 진단 센서신호에, 도 9-18B에서 설명한 인식 및 분류방법을 적용할 수 있다. 마지막으로 상기 진단 모듈은 진단 단층화상을 표시하고, 진단 단층화상 저장장치에 그것을 저장한다.

전술한 바와 같이, 상기 감시 소프트웨어는 조사 모듈, 처리 모듈, 분류 모듈, 및 진단 모듈을 포함한다. 이들 모듈들은 익스텐시블 마크업 랭기지(XML)을 사용하여 그 처리 데이터 및/또는 화상을 구조화된 쿼리 랭기지(structured-query-language; SQL)에 기초한 데이터베이스에 저장하고, 구조물의 상태감시 시스템의 장치위치, 네트워크 경로 및 파라미터를 위한 기준 및 시스템 데이터를 독출한다. 각 XML포맷된 문서는 구조물의 감시시스템에 의해 작성된 데이터 및 태그에 의해 기술된다. 또, 각 모듈은 다른 모듈에 입력되는 데이터를 독출하기 위해 XML 문서를 해석할 수 있다. XML 문서 내의 태그는 최외측 노드 내의 루트 엘리먼트(root element) 및 네스티드(nested) 노드 내의 차일드 엘리먼트로 구성되고, 상기 태그의 네임에 후속하는 네임/밸류 쌍으로서 나타나는 속성(attributes)을 가진다.

상기 구조물의 건전성 감시 소프트웨어는 또한 심플 오브젝트 억세스 프로토콜(Simple Object Access Protocol; SOAP) 또는 RPC(Remote Procedure Call)-XML를 구비할 수 있다. 이들은 구조물의 상태감시를 위한 분산된 구조물 연산시스템 내에서 SCI 데이터 및 화상을 교환하기 위한 경량의 프로토콜이다. 상기 분산 서버 시스템에 있어서, 모든 모듈은 또한 모든 정리된 구조물 시스템용 구조물 상태정보의 개방표준 SOAP, 또는 XML포맷된 문서를 구비하는 XML-RPC를 이용하는 네트워크 간의 통신 및 원격연산이 가능한 XML 웹서비스로 구성할 수 있다. 구조물의 건전상태 감시용 XML 웹서비스를 제공하기 위해, 상기 모듈들은 커먼 오브젝트 모듈(Common Object Module; COM)에 컴파일링함으로써 전체가 초록화된 다음, 마이크로소프트사의 SOAP Toolkit^TM과 같은 SOAP 래퍼(wrapper)를 적용하여 래핑된다. 상기 모듈들은 COM 오브젝트용의 SOAP 프로세스에 직접 실행하는 콘트롤을 위해 로우레벨 어플리케이션 프로그래밍 인터페이스(low-level Application Programming Interface; API)를 사용할 수 있다.

이상, 본 발명은 특정 실시예에 대해서 설명하였으나, 상기 설명은 본 발명의 바람직한 실시예에 관련된 것이며, 본 발명은 첨부하는 청구범위에 기재된 본 발명의 사상과 범주로부터 벗어나지 않는 한도 내에서 다양한 변경이 가능함을 이해해야 한다.

도 1a는 본 발명의 일실시예에 따른 패치센서의 일부절제 개략 평면도이다.

도 1b는 도 1a에 도시된 패치센서의 개략 측단면도이다.

도 1c는 도 1a의 패치센서에 사용될 수 있는 전형적인 압전장치의 개략 평면도이다.

도 1d는 도 1c의 전형적인 압전장치의 개략 측단면도이다.

도 1e는 본 발명의 다른 실시예에 따른 패치센서의 일부절제 개략 평면도이다.

도 1f는 도 1e에 도시된 패치센서의 개략 측단면도이다.

도 1g는 도 1e의 패치센서를 포함하는 복합적층체의 개략 단면도이다.

도 1h는 도 1e의 패치센서의 다른 실시예의 개략 측단면도이다.

도 2a는 본 발명의 일실시예에 따른 하이브리드 패치센서의 일부절제 개략 평면도이다.

도 2b는 도 2a에 도시된 하이브리드 패치센서의 개략 측단면도이다.

도 2c는 본 발명의 다른 실시예에 따른 하이브리드 패치센서의 일부절제 개략 평면도이다.

도 2d는 도 2c에 도시된 하이브리드 패치센서의 개략 측단면도이다.

도 3a는 본 발명의 일실시예에 따른 광섬유 패치센서의 일부절제 개략 평면도이다.

도 3b는 도 3a에 도시된 광섬유 패치센서의 개략 측단면도이다.

도 3c는 도 3a의 광섬유 패치센서 내에 수용된 광섬유 코일의 일부절제 개략 평면도이다.

도 3d는 도 3c에 도시된 광섬유 코일의 다른 실시예의 일부절제 개략 평면도이다.

도 3e-3f는 도 3c의 광섬유 코일의 다른 실시예의 일부절제 개략 평면도이다.

도 3g는 도 3e의 광섬유 코일의 개략 측단면도이다.

도 4a는 본 발명의 일실시예에 따른 진단용 패치와셔의 일부절제 개략 평면도이다.

도 4b는 도 4a에 도시된 진단용 패치와셔의 개략 측단면도이다.

도 4c는 본 발명의 일실시예에 따른 도 4a의 진단용 패치와셔를 이용한 예시적인 볼트결합 구조물의 개략도이다.

도 4d는 본 발명의 다른 실시예에 따른 도 4a의 진단용 패치와셔를 이용한 예시적인 볼트결합 구조물의 개략도이다.

도 5a는 본 발명의 일실시예에 따른 센서/액츄에이터장치를 구비하는 진단시스템의 개략도이다.

도 5b는 본 발명의 일실시예에 따른 센서를 구비하는 진단시스템의 개략도이다.

도 6a는 본 발명의 일실시예에 따른 주 구조물에 적용된 진단용 네트워크 패치시스템의 개략도이다.

도 6b는 본 발명의 일실시예에 따른 스트립 네트워크 구조를 구비하는 진단용 네트워크 패치시스템의 개략도이다.

도 6c는 본 발명의 일실시예에 따른 오각형 네트워크 구조를 구비하는 진단용 네트워크 패치시스템의 개략도이다.

도 6d는 본 발명의 일실시예에 따른 리벳/볼트결합된 복합적층체 내에 장착된 진단용 네트워크 패치시스템의 개략 사시도이다.

도 6e는 본 발명의 다른 실시예에 따른 접착패치로 보수한 복합적층체 내에 장착된 진단용 네트워크 패치시스템의 개략 사시도이다.

도 6f는 본 발명의 일실시예에 따른 원격진단용 네트워크 패치시스템을 제어하는 무선통신시스템의 일실시예를 도시한 개략도이다.

도 7a는 본 발명의 일실시예에 따른 스트립 네트워크 구조 내의 센서집합체를 구비한 진단용 네트워크 패치시스템의 개략도이다.

도 7b는 본 발명의 다른 실시예에 따른 오각형 네트워크 구조 내의 센서집합체를 구비하는 진단용 네트워크 패치시스템의 개략도이다.

도 8a는 본 발명의 일실시예에 따른 직렬접속의 광섬유 코일을 구비하는 센서집합체의 개략도이다.

도 8b는 본 발명의 다른 실시예에 따른 병렬접속의 광섬유 코일을 구비하는 센서집합체의 개략도이다.

도 9는 본 발명의 일실시예에 따른 액츄에이터 및 센서신호의 곡선도이다.

도 10은 본 발명의 일실시예에 따른 조사 모듈의 예시적인 처리순서를 도시 한 흐름도이다.

도 11a는 본 발명의 일실시예에 따른 서브그룹을 포함하는 예시적인 액츄에이터 네트워크 구조의 개략도이다.

도 11b는 본 발명의 다른 실시예에 따른 액츄에이터/센서 서브그룹을 가지는 네트워크 구조의 개략도이다.

도 12는 본 발명의 일실시예에 따른 램파 모드를 식별하기 위한 예시적인 처리순서를 도시한 흐름도이다.

도 13a-b는 본 발명의 일실시예에 따른 SCI값을 연산하기 위한 예시적인 처리순서를 도시한 흐름도이다.

도 14a는 본 발명의 일실시예에 따른 구조물의 상태변화 또는 결함을 구비하는 영역을 식별하기 위해 단층화상을 생성하는 예시적인 처리순서를 도시한 흐름도이다.

도 14b는 본 발명의 다른 실시예에 따른 구조물의 상태변화 또는 결함을 구비하는 영역을 식별하기 위해 단층화상을 생성하는 예시적인 처리순서를 도시한 흐름도이다.

도 14c는 도 14a의 처리순서에 의해 생성된 단층화상이다.

도 14d는 본 발명의 일실시예에 따른 하이퍼스펙트럴 단층육면체이다.

도 14e는 본 발명의 일실시예에 따른 구조물의 상태변화를 도시하는 3차원 결함 발생 매니폴드이다.

도 15a는 본 발명의 일실시예에 따른 네트워크 경로의 교차점에서의 구조화 된 시스템의 상태지수(SCI) 분포를 제공하기 위한 뉴로퍼지 추론시스템의 예시적인 처리순서를 보여주는 개략도이다.

도 15b는 본 발명의 일실시예에 따른 구조물의 격자점 상의 SCI 분포를 시뮬레이션하기 위한 협동적 하이브리드 익스퍼트 시스템의 예시적인 처리순서를 보여주는 개략도이다.

도 16a는 본 발명의 일실시예에 따른 핫스팟 영역에 적용된 가버 제트를 보여주는 개략도이다.

도 16b는 본 발명의 일실시예에 따른 결함의 형식을 분류하기 위한 멀티레이어 퍼셉션(MLP)을 보여주는 개략도이다.

도 16c는 본 발명의 일실시예에 따른 구조물의 상태를 분류하기 위한 완전접속상태의 네트워크 분류기를 보여주는 개략도이다.

도 16d는 본 발명의 일실시예에 따른 구조물의 상태를 분류하기 위한 모듈형 네트워크 분류기를 보여주는 개략도이다.

도 17a는 본 발명의 일실시예에 따른 코드북을 작성하기 위한 K평균법/학습벡터 양자화(LVQ) 알고리즘의 예시적인 처리순서를 보여주는 흐름도이다.

도 17b는 본 발명의 일실시예에 따른 도 17a의 단계들에 의해 생성된 코드북을 이용하여 결함 분류기를 구축하기 위한 분류 모듈의 예시적인 처리순서를 보여주는 개략도이다.

도 18a는 본 발명의 일실시예에 따른 구조물의 작동불능/사용, 센서 네트워크 시스템의 동력학, 및 네트워크 시스템 매트릭스의 3가지 발생영역의 개략도이 다.

도 18b는 본 발명의 일실시예에 따른 미래 시스템 매트릭스를 예측하기 위한 재발성 뉴럴 네트워크의 구조를 보여주는 개략도이다.

Claims (23)

1. 복수의 진단 네트워크 패치(DNP)를 구비하는 네트워크를 사용하여 구조물 상태를 예측하기 위한 컴퓨터 실행방법에 있어서,

   상기 진단 네트워크의 각각은 송신기 패치와 센서 패치의 적어도 하나로서 동작하며,

   (a) 컴퓨터 프로세서를 사용하여, 상기 패치의 적어도 하나가 송신기 신호를 방출하게 하고, 나머지 패치의 일부가 어느 시점에 센서 신호의 세트를 수신하도록 하는 단계;

   (b) 다중 시점에서 다중 세트의 센서신호를 수신하도록 단계 (a)를 반복하는 단계; 및

   (c) 상기 다중 세트의 센서신호에 기초하여 목표 시점에서 상기 네트워크의 주 구조물의 구조물 상태를 예측하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 실행방법.
2. 제 1 항에 있어서, 상기 구조물 상태를 예측하는 단계는,

   적어도 하나의 시스템 파라미터를 갖는, 상기 네트워크의 동적 시스템 모델을 구축하는 단계;

   상기 다중 세트의 센서신호의 각각에 대하여 상기 시스템 파라미터를 결정하 는 단계;

   상기 다중 세트의 센서 신호에 대한 상기 결정된 시스템 파라미터에 기초하여 상기 목표 시점에서 상기 시스템 파라미터를 평가하는 단계;

   상기 평가된 시스템 파라미터를 사용하여 상기 구조물 상태를 예측하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 실행방법.
3. 제 2 항에 있어서,

   상기 평가된 시스템 파라미터를 이용하여 센서 신호의 세트를 생성하는 단계를 더 포함하는 것을 특징으로 하는 컴퓨터 실행방법.
4. 제 3 항에 있어서,

   상기 생성된 센서 신호의 세트를 상기 다중 세트의 센서 신호에 더하여 상기 다중 세트의 신호를 갱신하는 단계; 및

   상기 갱신된 다중 세트의 신호에 기초하여 목표 시점에서의 상기 구조물 상태를 예측하는 단계를 더 포함하는 것을 특징으로 하는 컴퓨터 실행방법.
5. 제 2 항에 있어서, 상기 동적 시스템 모델은 상태공간 모델 또는 외인성 입 력을 갖는 자기회기 이동평균(autoregressive moving average with exogenous input, ARMAX) 모델인 것을 특징으로 하는 컴퓨터 실행방법.
6. 제 2 항에 있어서, 상기 시스템 파리미터를 결정하는 단계는 서브스페이스 시스템 확인법(subspace system identification mehtod)에 의해 수행되는 것을 특징으로 하는 컴퓨터 실행방법.
7. 제 2 항에 있어서, 상기 시스템 파라미터를 평가하는 단계는,

   상기 결정된 시스템 파라미터로 뉴럴 네트워크(neural network)를 트레이닝하는 단계; 및

   상기 트레이닝된 뉴럴 네트워크가 상기 평가된 시스템 파라미터를 생성하도록 하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 실행방법.
8. 제 7 항에 있어서, 상기 뉴럴 네트워크는 재귀 뉴럴 네트워크(recurrent neural network) 또는 피드포워드 뉴럴 네트워크(feedforward neural network)인 것을 특징으로 하는 컴퓨터 실행방법.
9. 복수의 센서를 구비하는 네트워크를 사용하여 구조물 상태를 예측하는 컴퓨터 실행방법에 있어서,

   상기 센서들로부터 다중 세트의 센서신호를 취득하는 단계, 상기 다중 세트의 센서신호의 각각은 어느 시점에서 수신됨;

   상기 다중 세트의 신호에 기초하여 목표시점에서 상기 네트워크의 주 구조물의 구조물 상태를 예측하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 실행방법.
10. 제 9 항에 있어서, 상기 구조물 상태를 예측하는 단계는,

    상기 취득된 다중세트의 센서신호로 뉴럴 네트워크를 트레이닝하는 단계; 및

    상기 트레이닝된 뉴럴 네트워트가 목표 시점에서 센서신호의 세트를 생성하게 하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 실행방법.
11. 제 10 항에 있어서, 상기 뉴럴 네트워크는 재귀 뉴럴 네트워크 또는 피드포워드 뉴럴 네트워크인 것을 특징으로 하는 컴퓨터 실행방법.
12. 제 11 항에 있어서,

    상기 네트워크의 동적 시스템 모델을 구축하는 단계를 더 포함하며, 상기 동적 시스템 모델은 적어도 하나의 시스템 파라미터를 갖는 것을 특징으로 하는 컴퓨터 실행방법.
13. 제 12 항에 있어서, 상기 동적 시스템 모델은 상태공간 모델 또는 외인성 입력을 갖는 자기회기 이동평균(ARMAX) 모델인 것을 특징으로 하는 컴퓨터 실행방법.
14. 제 12 항에 있어서, 상기 구조물 상태를 예측하는 단계는 상기 시스템 파라미터를 사용하여 상기 네트워크의 주 구조물의 구조물 상태를 예측하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 실행방법.
15. 제 14 항에 있어서, 상기 구조물 상태는 상기 주 구조물에 대한 충격에 의해 영향을 받는 것을 특징으로 하는 컴퓨터 실행방법.
16. 복수의 진단 네트워크 패치(Diagnostic Network Patches, DNP)를 갖는 네트워크를 이용하여 구조물 상태를 예측하는 하나 이상의 시퀀스 명령(sequence of instruction)을 수행하는 컴퓨터 판독가능한 매체에 있어서,

    상기 패치의 각각은 적어도 하나의 트랜스미터 패치와 센서 패치로서 동작할 수 있으며, 하나 이상의 프로세서에 의한 상기 하나 이상의 시퀀스 명령의 실행은 상기 하나 이상의 프로세서가,

    (a) 컴퓨터 프로세서를 사용하여, 상기 패치의 적어도 하나가 트랜스미터 신호를 방출하게 하고, 나머지 패치의 일부가 어느 시점에서 센서 신호의 세트를 수신하도록 하는 단계;

    (b) 다중 시점에서 다중 세트의 센서신호를 각각 수신하도록 단계 (a)를 반복하는 단계; 및

    (c) 상기 다중 세트의 센서신호에 기초하여 목표 시점에서 상기 네트워크의 주 구조물의 구조물 상태를 예측하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 실행방법.
17. 제 16 항에 있어서, 상기 구조물 상태를 예측하는 단계는,

    적어도 하나의 시스템 파라미터를 갖는, 상기 네트워크의 동적 시스템 모델을 구축하는 단계;

    상기 다중 세트의 센서신호의 각각에 대하여 상기 시스템 파라미터를 결정하는 단계;

    상기 다중 세트의 센서 신호에 대한 상기 결정된 시스템 파라미터에 기초하 여 상기 목표 시점에서의 상기 시스템 파라미터를 평가하는 단계;

    상기 평가된 시스템 파라미터를 사용하여 상기 구조물 상태를 예측하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 판독가능한 매체.
18. 제 16 항에 있어서, 상기 하나 이상의 시퀀스 명령은, 무선 어플리케이션 프로토콜(Wireless Application Portocol, WAP)을 가능하게 해주는 셀룰러 폰, HTML 브라우저를 갖는 포켓 피시(Porket PC), 또는 HTML 을 가능하게 해주는 다른 디바이스의 인터넷 웹 액세스(Internet Web Access)를 위한 WAP 또는 무선 마크업 랭기지(Wireless Markup Language, WML)의 무선통신방법을 실행하는 것을 특징으로 하컴퓨터 판독가능한 매체.
19. 제 16 항에 있어서, 하나 이상의 프로세서에 의한 하나 이상의 시퀀스 명령의 실행은 상기 하나 이상의 프로세서가, 상기 다중 세트의 센서신호의 각각을 익스텐시블 마크업 랭기지(XML) 포맷의 문서로 변환하는 단계를 더 수행하도록 하는 것을 특징으로 하는 컴퓨터 판독가능한 매체.
20. 복수의 센서를 갖는 네트워크를 사용하여 구조물 상태를 예측하는 하나 이상 의 시퀀스 명령을 수행하는 컴퓨터 판독가능한 매체에 있어서,

    하나 이상의 프로세서에 의한 하나 이상의 시퀀스 명령의 실행은 상기 하나 이상의 프로세서가,

    상기 센서로부터 다중세트의 센서신호를 취득하는 단계, 여기에서, 상기 다중 세트의 신호 각각은 어느 시점에서 수신됨;

    상기 다중 세트의 신호에 기초하여 목표시점에서 상기 네트워크의 주 구조물의 구조물 상태를 예측하는 단계를 수행하도록 하는 것을 특징으로 하는 검퓨터 판독가능한 매체.
21. 제 20 항에 있어서, 상기 구조물 상태를 예측하는 단계는,

    상기 취득된 다중세트의 신호로 뉴럴 네트워크를 트레이닝 하는 단계; 및

    상기 트레이닝된 뉴트럴 네트워크가 상기 목표시점에서 센서신호의 세트를 생성하는 단계를 포함하는 것을 특징으로 하는 검퓨터 판독가능한 매체.
22. 구조물 상태 예측 시스템에 있어서,

    주 구조물에 결합되고, 복수의 진단 네트워크 패치(DNP)를 구비하는 네트워크, 여기에서, 상기 진단 네트워크 패치의 각각은 트랜스미터 패치와 센서 패치의 적어도 하나로서 동작가능함;

    상기 패치의 적어도 하나가 트랜스미터 신호를 방출하고, 다중 세트의 센서신호가 다중 시점에서 각각 수신되도록 나머지 패치의 일부가 어느 시점에서 센서신호의 세트를 수신하도록 하는 수단; 및

    상기 다중 세트의 신호에 기초하여 목표시점에서 상기 주 구조물의 구조물 상태를 예측하는 수단을 포함하는 것을 특징으로 하는 시스템.
23. 제 22 항에 있어서, 상기 구조물 상태를 예측하는 수단은,

    적어도 하나의 시스템 파라미터를 갖는, 상기 네트워크의 동적 시스템 모델을 구축하는 수단;

    상기 다중세트의 센서신호의 각각에 대한 시스템 파라미터를 결정하는 수단;

    상기 다중 세트의 센서신호에 대한 상기 결정된 시스템 파라미터에 기초하여 상기 목표 시점에 상기 시스템 파라미터를 평가하는 수단; 및

    상기 평가된 시스템 파라미터를 이용하여 상기 구조물 상태를 예측하는 수단을 포함하는 것을 특징으로 하는 시스템.

Images