원전 격납건물 라이너 플레이트 배면 결함 감지 및 자동 분류를 위한 충격-응답 기법 개발
Development of an Impact-Response Technique for Automated Detection and Classification of Backside Defects in Nuclear Containment Liner Plates
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구에서는 원자력 발전소 격납건물 라이너 플레이트(containment liner plate, CLP) 배면에서 발생할 수 있는 주요 결함을 효과적으로 감지하고 자동으로 분류하기 위한 기법을 개발하였다. 이를 위해 충격-응답 기법을 적용하여 시험체 표면에 충격을 가하고 가속도계를이용해 진동 응답을 계측하였다. 계측된 시간 및 주파수 영역 신호를 분석한 결과, 주파수 영역에서는 결함 유형 간 특성이 뚜렷하게 구분되지않았으나, 시간 영역에서는 정상부와 결함부 뿐만 아니라 결함 유형 간의 차이가 명확히 드러났다. 이에 따라 시간 영역 신호를 딥러닝 입력 데이터로 활용하여 1차원 합성곱 신경망(1-D CNN) 모델을 개발하였으며, 이를 통해 공극(void), 접촉 불량(kissing bond), 감육 손상(wall-thinning)을 포함한 CLP 배면 결함을 분류하였다. 모델은 검증 데이터세트에서 약 98%의 정확도를, 테스트 데이터세트에서 100%의 정확도를 달성하였다. 제안된 기법은 기존 비파괴검사 기법의 한계를 보완하며, 원전 격납건물의 건전성 평가와 안전성 확보에 기여할 수 있을것으로 기대된다.
Abstract
This study developed a method to effectively detect and automatically classify major defects that may occur behind the containment liner plate (CLP) of nuclear power plant containments. For this purpose, the impact-response technique was applied by striking the specimen surface and measuring the vibration response using an accelerometer. Analysis of the acquired signals revealed that defect characteristics were not clearly distinguished in the frequency domain, whereas the time-domain signals clearly differentiated not only between sound and defective regions but also among defect types. Accordingly, the time-domain signals were employed as input data for a one-dimensional convolutional neural network (1-D CNN) model, which classified CLP backside defects including voids, kissing bonds, and wall-thinning. The proposed model achieved an accuracy of approximately 98% on the validation dataset and 100% on the test dataset. These results suggest that the proposed approach can complement existing nondestructive evaluation techniques and is expected to contribute to the structural integrity assessment and safety assurance of nuclear power plant containments.