구조건전성모니터링 (Structural Health Monitoring)

한 줄 정의: 센서를 이용해 다리, 건물, 항공기 같은 구조물의 손상이나 이상 징후를 실시간으로 감지하는 기술입니다.

쉽게 풀면

사람이 정기 건강검진을 받아 몸속 이상을 미리 발견하듯, 다리나 댐, 대형 건물 같은 구조물도 겉으로는 멀쩡해 보여도 내부에 미세한 균열이나 변형이 쌓이고 있을 수 있습니다. 구조건전성모니터링(SHM)은 진동 센서, 변형률 센서, 가속도계 같은 장치를 구조물 곳곳에 부착해 두고, 이 센서들이 보내오는 데이터를 지속적으로 분석해 "정상 범위를 벗어난 변화가 있는지"를 자동으로 감시하는 기술입니다. 사람이 매번 눈으로 점검하러 다니지 않아도, 구조물이 스스로 "나 지금 좀 이상해"라고 신호를 보내주는 셈입니다.

왜 중요한가

구조건전성모니터링은 노후 인프라의 유지관리 비용을 줄이면서도 안전사고를 예방할 수 있는 방법으로 주목받고 있어, 토목공학, 항공우주공학, 디지털트윈 연구 전반에서 핵심 응용 분야로 다뤄집니다. 정기 육안점검이나 비파괴검사에 의존하던 기존 방식과 달리 실시간·연속적인 데이터를 확보할 수 있다는 점에서, 최근에는 센서 데이터에 머신러닝을 결합해 손상을 자동으로 진단하려는 연구도 활발히 이루어지고 있습니다.

논문에서는 이렇게 쓰입니다

"교량에 설치된 가속도 센서 데이터를 기반으로 구조건전성모니터링 시스템을 구축하였으며, 고유진동수 변화를 통해 손상 위치를 추정하였다."

다리에 부착한 센서로 진동 패턴을 계속 측정하다가, 그 패턴이 평소와 달라지는 지점을 찾아 손상이 어디에서 발생했는지 추정했다는 뜻입니다.

"항공기 복합재 날개 구조물에 부착된 광섬유 센서를 이용해 비행 중 실시간으로 변형률 분포를 측정하고 이상 신호를 탐지하는 SHM 프레임워크를 제안하였다."

항공우주 분야에서는 무게에 민감한 구조물에 가벼운 광섬유 센서를 심어, 운항 중에도 구조 이상을 실시간으로 감지하려는 시도가 이루어진다는 뜻이다.

"딥러닝 기반 이상탐지 모델을 SHM 센서 데이터에 적용한 결과, 기존 임계값 기반 방법보다 초기 손상 탐지 정확도가 향상되었다."

단순히 정해진 기준값을 벗어나는지만 보는 방식보다, 데이터 패턴을 학습한 인공지능 모델이 미세한 손상 징후를 더 잘 잡아냈다는 뜻이다.

조금 더 깊게 보면

SHM 연구는 크게 센서로부터 데이터를 수집하는 단계, 손상과 관련된 특징을 추출하는 단계, 그 특징을 이용해 손상 여부·위치·정도를 판별하는 단계로 나뉘며, 이 중 손상 판별 단계에서는 손상 전 정상 상태의 데이터를 기준으로 삼아 편차를 비교하는 방식이 흔히 쓰입니다. 최근에는 물리 기반 모델과 데이터 기반 학습 모델을 결합하거나, 디지털트윈과 SHM 데이터를 연동해 구조물의 잔여 수명을 예측하려는 연구도 늘어나고 있습니다.

주의할 점

SHM은 센서가 설치된 위치와 개수에 따라 감지할 수 있는 손상의 종류와 정밀도가 크게 달라집니다. 센서가 닿지 않는 곳의 손상은 애초에 감지가 불가능하므로, 논문에서 센서 배치가 어떤 손상 유형을 전제로 설계되었는지, 그리고 오탐지(false alarm)를 줄이기 위한 검증 절차가 있었는지 확인해야 합니다. 피로파괴처럼 서서히 진행되는 손상을 조기에 잡아내는 것이 SHM의 핵심 목적 중 하나입니다.