Analysis of Dominant Factors in Active Infrared Thermography Defect Detection Based on Physics-Constrained Surrogate Models

기술 요약: 물리 제약 기반 대리 모델을 이용한 능동형 적외선 열화상 결함 탐지의 지배적 요인 분석

문제 정의
능동형 적외선 열화상(Active Infrared Thermography, IRT)은 박리(delamination)나 공극(void)과 같은 재료 결함을 탐지하는 데 널리 사용되는 비파괴 검사(NDT) 방법이다. 그러나 실제 적용 시 테스트 파라미터를 최적화하는 과정의 복잡성으로 인해 어려움을 겪고 있다. 열 응답 신호는 모재의 열물리적 특성, 결함의 기하학적 파라미터(깊이 및 두께), 여기 파형(excitation waveform)의 특성, 그리고 환경적 열 교환 조건 등 여러 변수가 밀접하게 결합된 시스템에 의해 결정된다. 현재의 연구들은 파라미터 설정에 대한 표준화된 가이드라인이 부족하며, 변수 간의 강한 결합 관계로 인해 최적화 우선순위를 명확히 설정하기 어려워 종종 운영자의 경험적 판단에 의존해야 하는 실정이다.

연구 방법론
이러한 과제를 해결하기 위해 저자들은 차원 해석, 수치 시뮬레이션, 그리고 머신러닝을 결합한 체계적인 프레임워크를 개발하였다:

1. 물리 기반 차원 축소: 본 연구는 3차원 과도 열전도 문제를 두께 방향을 따르는 1차원 모델로 단순화하였다(가로 길이가 두께보다 큰 박판 가정). 버킹엄 파이 정리(Buckingham $\pi$ theorem)를 사용하여 10개 이상의 변수를 포함하던 기존의 파라미터 공간을 9차원의 무차원 공간으로 축소하였다. 주요 무차원 군에는 푸리에 수($Fo$), 비오 수($Bi$), 열전도율 및 확산율의 비($k_1/k_0$, $\alpha_1/\alpha_0$), 그리고 여기 파라미터가 포함된다.
2. 수치 시뮬레이션 및 검증: 지배 방정식을 풀기 위해 명시적 시간 진행 방식(explicit time-marching scheme)을 사용하는 유한체적법(Finite Volume Method, FVM)을 채택하였다. 계면 연속성은 유효 열전도율을 위한 조화 평균(Harmonic Mean) 방법을 통해 처리되었다. 모델은 접착 테이프, PVC 폼, 종이 등의 결함이 포함된 GFRP 시편의 실험 데이터와 비교 검증되었으며, 상관계수 0.91 및 0.5% 미만의 상대 오차를 나타냈다.
3. 민감도 및 파라미터 분석: 자동화된 파라메트릭 스윕(parametric sweeps)과 라틴 하이퍼큐브 샘플링(Latin Hypercube Sampling, LHS)을 사용하여 응답 곡선을 생성하였다. 본 연구는 소볼(Sobol) 기반 민감도 분석을 활용하여 다양한 무차원 파라미터에 대한 최대 표면 온도 차($\Delta\theta_{max}$)의 정규화된 민감도를 정량화하였다.
4. 대리 모델 개발: 편미분 방정식(PDE)을 반복적으로 풀어야 하는 계산적 병목 현상을 극려하기 위해, 물리 제약 신경망(Physics-Constrained Neural Network, PCNN) 대리 모델을 구축하였다. 이 피드포워드 신경망(10-5-5 구조)은 물리적 제약 조건을 손실 함수(loss function)에 내장하여 과적합을 방지하고 작은 데이터셋에서의 일반화 성능을 높이도록 100개의 샘플(80/20 분할)로 학습되었다.

주요 결과

• 지배적 메커니즘: 민감도 분석 결과, 결함 탐지 능력은 다음 두 가지 요인에 의해 주로 결정되며, 이들이 전체 영향력의 80% 이상을 차지하는 것으로 나타났다:
  1. 계면 열 임피던스 불일치: 결함과 모재 사이의 열적 특성 비($k_1/k_0$ 및 $\alpha_1/\alpha_0$)가 가장 결정적인 요인이며, 이는 열파의 반사와 투과를 결정한다.
  2. 여기 에너지 입력: 여기원으로부터 전달되는 총 에너지(주로 DC 성분 $q_0$와 지속 시간 $t_p$에 의해 결정됨)가 두 번째로 중요한 요인이다.
• 무시 가능한 요인: 일반적인 운용 조건 하에서, 대류 열전달 조건(Biot 수)과 결함 두께($\delta/L$)는 최대 열 응답에 미치는 영향이 제한적인 것으로 확인되었다.
• 저역 통과 필터링 특성: 본 연구는 과도 열전도가 저역 통과 필터(low-pass filter) 역할을 한다는 점을 확인하였다. 즉, 여기 파형의 고주파 성분은 빠르게 감쇠하므로, 고주파 변조보다는 총 에너지 적분값(저주파 성분)이 결함 탐지에 더 효과적이다.
• 대리 모델 성능: 물리 제약 신경망은 테스트 세트에서 0.929의 결정 계수($R^2$)와 6.71%의 평균 상대 오차를 달성하였다.
• 계산 효율성: 대리 모델은 단일 평가에 소요되는 예측 시간을 기존의 수백 초(전통적인 PDE 시뮬레이션)에서 밀리초 단위로 단축하였으며, 이는 $10^5$ 배의 계산 가속을 의미한다.

의의 및 주장
본 논문은 물리 기반 최적화를 위한 이론적 토대와 효율적인 계산 도구를 모두 제공한다고 주장한다. 문제를 무차원 프레임워크로 축소함으로써, 본 연구는 서로 다른 NDT 시나리오(다양한 재료, 크기 및 전력 수준)를 단일 분석 구조로 통합하였다. 제안된 대리 모델은 빠른 순방향 솔버(forward solver) 역할을 하여, 반복적이고 비용이 많이 드는 수치 시뮬레이션 없이도 탐지 능력 및 민감 구간에 대한 효율적인 분석을 가능하게 한다.

저자들은 이 모델이 결함 파라미터를 직접 역산하는 것은 아니지만, 여기 파라미터 및 검사 전략의 최적화를 용이하게 한다고 강조한다. 구체적으로, 본 연구는 실무적인 공학 가이드라인을 제공한다: 고전도율 재료는 더 높은 전력 밀도가 필요하며, 저전도율 재료(GFRP와 같은)는 손상을 방지하기 위해 더 긴 여기 시간이 유리하다. 반대로, 대형 구조물의 신속한 스크리닝에는 고출력, 단시간 여기를 활용할 수 있다. 본 연구의 목적은 IRT 파라미터 설정을 경험적 판단에서 데이터 기반 최적화로 전환하여 표준화를 지원하는 데 있다.