응답 전용 1차원 CNN을 활용한 모델 클래스 자동 선택 및 칼만 필터 기반 물리 강화 기법

본 논문은 구조 동적 시스템의 모델 클래스를 선택하는 문제에 대해, 전통적인 베이지안 모델 증거 기반 방법이 갖는 계산 복잡도와 파라미터 추정 의존성을 극복하고자 한다. 저자는 ‘응답 전용’ 접근법을 채택하여, 시스템 입력이나 전체 모델 파라미터를 알 필요 없이 단일 자유도(예: 특정 지점의 가속도 또는 변위) 응답 신호만으로 모델 클래스를 구분하는 1차원 합성곱 신경망(1D‑CNN) 구조를 설계한다. 1. **문제 정의 및 기존 방법** 베이지안 모델 선택은 사전 확률과 증거(p(y|Mi))를 이용해 사후 확률을 계산하지만, 증거는 고차원 적분으로 인해 MCMC 등 복잡한 샘플링이 필요하다. 또한, 입력‑출력 관계와 파라미터 추정이 전제되어 있어, 입력이 불명확하거나 시스템이 부분적으로 관측되는 경우 적용이 어려웠다. 2. **1D‑CNN 설계** - **입력**: 시간 도메인 1차원 시계열(가속도·변위). - **컨볼루션 층**: 여러 필터 크기와 수를 사용해 로컬 패턴을 자동 추출. - **배치 정규화 및 풀링**: 학습 안정성 및 연산량 감소. - **전결합 층 + 소프트맥스**: 다중 클래스 확률 출력. - **학습**: 교차 엔트로피 손실, 확률적 경사 하강법(SGD)으로 에포크 수만큼 전체 데이터셋을 반복 학습. 3. **물리‑강화 칼만 필터** 가속도와 변위 데이터를 물리적 운동 방정식(위치·속도·가속도 관계)으로 결합한 칼만 필터를 전처리 단계에 삽입한다. 필터는 상태 추정값(위치·속도)을 제공하고, 이 추정값을 CNN 입력으로 사용함으로써 잡음에 대한 강인성을 확보한다. 시스템 파라미터나 외부 입력을 알 필요 없으며, 순수히 측정값과 기본 운동 법칙만으로 구현된다. 4. **실험 설정** - **선형·비선형 진동 시스템**: 감쇠 비선형성, 히스테리시스 등 두 가지 변형을 포함한 4가지 모델 클래스. - **3차원 건물 유한요소 모델**: 실제 건물 구조를 FEM으로 구현, 여러 모드와 비선형 경계 조건을 포함. - **데이터 생성**: 각 모델에 대해 다양한 초기 조건·노이즈 수준으로 시뮬레이션, 훈련/검증/테스트 셋으로 분할. - **비교 방법**: 기존 베이지안 증거 계산, 마르코프 체인 몬테카를로(MCMC), 그리고 순수 1D‑CNN vs. 칼만‑전처리 1D‑CNN. 5. **결과** - 순수 1D‑CNN는 평균 96 % 이상의 정확도로 모델 클래스를 구분했으며, 칼만‑전처리 버전은 98 % 이상으로 소폭 향상. - 베이지안·MCMC 기반 방법은 계산 시간(수시간~수일) 대비 정확도는 85 % 수준에 머물렀다. - 특히, 감쇠 비선형성이나 히스테리시스와 같이 미세한 신호 변동을 포함한 경우, 칼만‑전처리 CNN이 잡음에 강인하게 작동해 오분류율을 크게 낮추었다. - 3차원 건물 모델에서도 동일한 패턴 인식 능력을 보여, 다중 자유도·다중 모드 상황에서도 1D‑CNN이 충분히 일반화 가능함을 입증했다. 6. **민감도 분석 및 실용성** - **데이터 다양성**: 노이즈 레벨, 시간 스케일 변형, 데이터 증강을 통해 과적합을 방지하고 일반화 성능을 확보. - **하이퍼파라미터**: 필터 수(16~64), 커널 크기(3~9), 배치 크기(32~128) 등 변화에 대해 정확도 변동이 2 % 이내로 안정적. - **실시간 추론**: 경량화된 1D‑CNN 모델은 GPU 없이도 초당 수천 샘플 처리 가능, 현장 구조 건강 모니터링에 적용 가능. 7. **의의 및 향후 연구** - 입력이 제한된 상황(예: 센서 고장, 부분 관측)에서도 모델 클래스를 빠르게 식별할 수 있어, 구조물의 손상 초기 탐지와 유지보수 계획에 직접 활용 가능. - 향후 다중 자유도·다중 센서 융합, 전이 학습을 통한 다른 구조물에 대한 즉시 적용, 그리고 물리‑강화 기법을 더 복잡한 비선형 동역학 모델에 확장하는 연구가 제안된다. 종합적으로, 이 연구는 베이지안 기반 모델 선택의 계산적·이론적 한계를 딥러닝과 물리‑강화 필터링을 결합함으로써 극복하고, 구조 동역학 분야에서 실시간, 저비용, 고정밀 모델 클래스 식별 도구를 제공한다.