UAM Propeller 결함 탐지를 위한 데이터셋 구축 및 Acoustic Anomaly Detection Model 적용 방법 연구
- 주제(키워드) UAM , Drone , Acoustic , Anomaly Detection , Maintenance , Propeller , Transportation
- 발행기관 고려대학교 컴퓨터정보통신대학원
- 지도교수 김현철
- 발행년도 2024
- 학위수여년월 2024. 2
- 학위명 석사
- 학과 컴퓨터정보통신대학원 인공지능융합학과
- 원문페이지 44 p
- 실제URI http://www.dcollection.net/handler/korea/000000279078
- UCI I804:11009-000000279078
- DOI 10.23186/korea.000000279078.11009.0000389
- 본문언어 한국어
초록/요약
25 년에 상용화 예정인 UAM(Urban Air Mobility)의 가장 큰 화두는 안전이다. EASA(European Union Aviation Safety Agency)에서 실시한 설문조사에서도 대중들이 UAM 의 상용화에 가장 부정적인 영향을 미치는 요인이라고 생각하는 것 중 하나가 안전이라는 결과를 확인할 수 있다. 도심의 하늘을 나는 UAM 은 이용자 뿐만 아니라 지상의 보행자들 에게도 위협이 될 수 있기 때문이다. 하지만 UAM 의 필요성 측면에서는 모두가 UAM 은 미래교통의 나아갈 방향이라는 것을 인정할 것이다. 도시의 거대화와 인구집중은 교통문제를 유발하고 이로 인한 손실은 점점 커지고 있기 때문이다. 이런 배경에서 UAM 의 안정적인 운영을 위해서 는 인공지능을 활용한 정비 시스템 구축은 필수적이다. 본 논문에서는 그 중 기체의 가장 중요한 부품인 프로펠러의 균열을 비파괴 방식으로 탐지할 수 있는 방법론을 드론 프로펠러의 소리 데이터셋을 통해 제시했다. 프로펠러의 정상적인 동작소리를 녹음하고, 비정상 동작소리를 찢어짐과 절단으로 구분하여 마이크로 녹음했다. 이때 마이크와 프로펠러 사 이의 각도와 Throttle Power 를 변수로 하여 데이터의 구성을 다양화했다. 이렇게 구축한 ADCP(Anomaly Detection on Crack of drone Propeller) 데이터셋을 통해 소리를 통한 프로펠러 크랙 이상탐지 가능성을 확인하고 향후 UAM 정비로의 적용을 위한 발판을 마련했다.
more목차
초록 i
ABSTRACT iii
목차 v
1 장. 서론 1
2 장. 선행 연구 3
2.1 UAM(Urban Air Mobility) 3
2.1.1 UAM 의 정의 3
2.1.2 UAM 기체의 종류 5
2.1.3 UAM 의 정비 5
2.2 Anomaly Detection 7
2.2.1 Anomaly Detection 의 종류 8
2.2.2 Acoustic Anomaly Detection 9
3 장. 연구방법 11
3.1 연구 개요 11
3.2 연구 절차 13
3.3 데이터 생성 13
3.2.1 녹음 환경 및 설치 14
3.2.2 데이터셋 구성 16
4 장. 실험 18
4.1 데이터 전처리 18
4.2 Model 22
4.3 Evaluation 24
5 장. 실험결과 26
5.1 Degree 에 의해 분류된 데이터셋을 학습한 모델 26
5.2 Throttle Power 에 의해 분류된 데이터셋을 학습한 모델 29
5.3 모든 데이터를 학습한 모델 31
6 장. 결론 32
참고문헌 34
