Principle for a strain-based detection of damage in timber components as distinct from linear elastic strain

나무는 나이테와 옹이를 통해 자신의 역사를 기억하며 성장하는 살아있는 재료로, 모든 조각을 고유하게 만듭니다. 엔지니어들이 목재를 사용하여 건축할 때, 그들은 나무가 정상적인 하중 아래에서 예측 가능하게 작동하며, 부러지기 전까지 직선 형태로 늘어나거나 압축된다는 사실에 의존합니다. 이러한 예측 가능한 늘어남은 선형 탄성 변형(linear elastic way)이라고 불리며, 하중이 제거되면 원래의 모양으로 돌아오는 상태를 의미합니다. 그러나 나무 보(beam)가 마침내 부러지기 훨씬 전부터, 종종 미세하고 눈에 보이지 않는 균열과 내부적 약점이 발생하곤 합니다. 이러한 초기 손상 징후는 나무가 늘어나는 방식을 변화시켜, 하중과 늘어남 사이의 관계를 더 이상 직선이 아니게 만듭니다. 안전 엔지니어들의 과제는 나무가 매우 가변적이어서—어떤 부분은 단단하고, 어떤 부분은 약하며, 어떤 부분은 숨겨진 옹이가 있는 등—보가 얼마나 늘어날지에 대한 단일한 "안전 한계"를 설정하는 것이 불가능하다는 점입니다. 완벽해 보이는 보가 낮은 하중에서 파손될 수도 있고, 옹이가 많은 보가 훨씬 더 많은 하중을 견딜 수도 있습니다. 이러한 불확실성은 구조물이 진정으로 안전한지, 혹은 소리 없이 파괴되고 있는지를 알기 어렵게 만듭니다.

작센 주립 대학교와 드레스덴 공과대학교의 연구진은 단순히 한계를 추측하는 대신, 나무의 거동을 '듣는' 방법을 개발함으로써 이 문제를 해결하고자 했습니다. 건물 내에서 가해지는 정확한 힘을 측정하는 대신(이는 실제 건물에서는 알 수 없는 경우가 많습니다), 그들은 오로지 나무 표면이 어떻게 늘어나는지에만 집중했습니다. 그들은 디지털 이미지 상관법(digital image correlation)이라는 기술을 사용했는데, 이는 나무 위의 점무늬 패턴을 고해상도 사진으로 찍고 하중이 가해짐에 따라 그 점들이 어떻게 움직이는지를 추적하는 방식입니다. 이를 통해 그들은 보의 모든 작은 구역에서 발생하는 늘어남을 동시에 관찰할 수 있습니다. 그들의 목표는 정상적이고 건강한 나무의 늘어남과, 손상이 시작될 때 발생하는 기이한 비선형적 늘어남을 구별할 수 있는 신호를 찾는 것이었습니다. 그들은 전체적인 늘어남 자체를 보는 것보다, 늘어나는 속도, 즉 변형률(strain rate)을 관찰하는 것이 훨씬 더 명확한 그림을 제공한다는 것을 발견했습니다.

실험에서 연구팀은 독일 건설 현장에서 가장 흔히 쓰이는 목재인 가문비나무 시편을 사용하여 인장력과 굽힘 힘을 모두 테스트했습니다. 그들은 각 목재를 작은 구역으로 나누고, 하중을 높임에 따라 각 구역이 얼마나 빨리 늘어나는지를 모니터링했습니다. 건강한 나무의 경우, 서로 다른 구역들이 일정한 비율로 늘어납니다. 즉, 한 부분이 조금 더 빨리 늘어나면 다른 부분들도 마찬가지로 늘어나며 일정한 관계를 유지합니다. 연구진은 손상이 시작될 때 이 관계가 무너진다는 것을 발견했습니다. 특정 구역이 나머지 부분보다 훨씬 더 빠르게 늘어나거나 혹은 더 느리게 늘어나면서 패턴을 깨뜨리는 것입니다. 이 노이즈가 섞인 데이터를 해석하기 위해, 그들은 통계적 방법을 사용하여 현재의 거동을 나무 자체의 과거 이력과 비교했습니다. 그들은 테스트 초기 단계에서 정상적인 거동의 기준선(baseline)을 설정한 다음, 이로부터 발생하는 유의미한 편차를 관찰했습니다. 그들은 오보를 방지하기 위해 엄격한 임계값을 설정했는데, 특정 구역이 단순히 잠시 궤도를 벗어나는 것이 아니라 지속적으로 정상 범위를 벗어난 상태를 유지할 때만 "손상된" 것으로 간주하기로 했습니다.

결과는 이 방법이 나무가 실제로 부러지기 훨씬 전부터 손상을 감지할 수 있음을 보여주었습니다. 나무를 부러질 때까지 의도적으로 구부린 테스트에서, 시스템은 하중이 최종 파괴에 필요한 힘의 25%에서 83% 사이일 때 비선형 거동의 시작을 식별해 냈습니다. 6개의 시편 중 4개에서, 경고는 보를 부러뜨리는 데 필요한 힘의 절반도 되지 않는 지점에서 나타났습니다. 손상은 주로 옹이가 있는 구역이나 그 주변, 즉 자연적으로 더 약하고 균열이 생기기 쉬운 곳에서 시작되었습니다. 흥낼 만하게도, 손상은 항상 최종 파괴가 일어나는 지점에서 정확히 발생하지는 않았습니다. 때때로 경고 신호가 다른 지점에서 나타났는데, 이는 나무가 약해지면서 하중을 재분배하고 있음을 나타냅니다. 이는 이 방법이 비록 미래의 파쇄 위치를 정확히 짚어내지는 못할지라도, 무언가 잘못되었다는 것을 포착하는 데 매우 탁월하다는 것을 시사합니다.

또한 본 연구는 나무가 얼마나 늘어났는지(변위)를 측정하는 것과 얼마나 빨리 늘어나는지(변형률)를 측정하는 것 사이의 결정적인 차이를 강조했습니다. 전체적인 늘어남을 측정하는 것은 수치가 매우 작고 측정 노이즈에 의해 혼동되기 쉬워 오류가 발생하기 쉽습니다. 그러나 변화율, 즉 하중이 가해지는 과정 동안 늘어남이 얼마나 빠르게 일어나는지를 측정하는 것은 이러한 노이즈를 걸러내어 훨씬 더 신뢰할 수 있는 신호를 제공했습니다. 연구진은 이 시스템이 실험실에서는 잘 작동했지만, 나무의 자연적인 가변성과 카메라의 정밀도 문제로 여전히 과제가 남아 있다고 언급했습니다. 일부 사례에서는 손상이 없는데도 손상이라고 판정하는 오보가 비파괴 테스트의 약 절반 정도에서 발생했습니다. 이는 원리는 타당하지만, 실제 건물에 적용할 만큼 견고해지려면 기술적 개선이 필요함을 나타냅니다. 연구팀은 향-후 연구에서 카메라 기반 시스템보다 더 높은 정밀도를 제공할 수 있는 광섬유 센서와 같은 다른 측정 도구를 탐구해야 한다고 제안했습니다.

궁극적으로, 이 연구는 구조적 안전성을 생각하는 새로운 방식을 제시합니다. 엔지니어들이 보가 이론적인 파괴점에 도달하기를 기다리는 대신, 나무의 거동을 실시간으로 모니터링하여 실패의 첫 번째 속삭임을 포착할 수 있습니다. 변형의 속도에 집중하고 이를 재료 자체의 확립된 패턴과 비교함으로써, 파멸적인 붕괴가 일어나기 훨씬 전부터 손상이 형성되는 과정을 볼 수 있습니다. 현재 시스템은 아직 프로토타입 단계이며 오보를 줄이기 위한 더 나은 데이터 처리가 필요하지만, '나무는 늘어나는 속도를 통해 이야기를 들려준다'는 핵심 아이디어는 더 스마트하고 안전한 목조 구조물을 향한 길을 열어줍니다. 이 연구는 복잡하고 가변적인 나무라는 재료 안에서도, 이해될 수 있는 일관된 패턴이 존재하며 그것이 건물의 숨겨진 건강 상태를 드러낼 수 있음을 확인시켜 줍니다.