허광희
(Gwang Hee Heo)
1iD
이재훈
(Jae Hoon Lee)
2†iD
방건혁
(Geon Hyeok Bang)
3iD
전승곤
(Seung Gon Jeon)
4iD
-
종신회원․건양대학교 해외건설플랜트학과 교수, 공학박사
(Konyang University․Heo@konyang.ac.kr)
-
정회원․교신저자․건양대학교 재난안전공학과, 박사과정
(Corresponding Author․Konyang University․hoon141@naver.com)
-
정회원․건양대학교 재난안전공학과, 박사과정
(Konyang University․27817@naver.com)
-
종신회원․충남도립대학교 건설안전방재학과 교수, 공학박사
(Chungnam State University․Jeon@cnsu.ac.kr)
-
종신회원․건양대학교 재난안전공학과, 박사과정
(Konyang University․leelou@hanmail.net)
Copyright © 2021 by the Korean Society of Civil Engineers
키워드
구조물 모니터링, 무선계측 시스템, MANTiS, 다중모듈
Key words
Structural monitoring, Wireless measurement, MANTiS, Multi-Module
1. 서 론
구조물 모니터링 시스템은 구조물의 응답을 실시간으로 측정하여 교량 유지관리에 필요한 기초적인 데이터를 획득하여 구조물의 성능을 파악하기 위한 중요한
역할을 하지만 시스템 구축과 유지관리에 많은 비용과 시간이 소요된다. 이러한 이유로 인하여 IoT(Internet of Thing) 기술을 접목한
무선계측 시스템이 구조물 모니터링을 위한 대안으로 제시되고 있다(Lynch and Loh, 2006). 무선계측 시스템은 유선계측 시스템과 비교하였을 때 설치가 간편하고 비용이 저렴하다는 등 여러 가지 장점이 있다(Sofi et al., 2022). 또한, 구조물 모니터링 시스템의 센서를 연결하지 않고 무선으로 통신하기 때문에 센서의 추가, 이동 및 교체가 용이하다. Popvic et al.(2017)은 기존의 이벤트 계측 시스템에서 발생되는 센서의 전자회로에 커패시터가 충전되는 과정에서 발생되는 가열이나 전압 변화에 따른 문제점을 보완한 새로운
이벤트 트리거 매커니즘을 도입한 무선 센서 네트워크를 제안하였다. Sarwar et al.(2020)은 사용자가 지정 가능한 이벤트 감지 메커니즘을 갖춘 초저전력 마이크로컨트롤러를 사용하여 장기적인 운영중에도 중단 없이 모니터링을 가능하게 하는 이벤트
기반 감지 시스템 설계를 도입하였다. 그러나 두 방법 모두 응답 지연으로 인하여 데이터가 누락되는 문제가 발생하였으며, 일시적인 구조 응답의 경우
데이터 누락 현상이 더욱 심하였다. Fu et al.(2022)는 초저전력 이벤트 트리거 무선 센서를 개발하고 예측할 수 없는 충격 이벤트를 고감도 센싱을 가능하게 하는 지능형 무선 모니터링 시스템을 개발하였다.
Lawal et al.(2024)는 과속 차량이 노후화된 철도 교량에 미치는 영향을 파악하기 위하여 xnode 플랫폼과 Edge Computing 장치인 OpenMV 모듈을 통합하여
무선 스마트 센서 플랫폼에서 머신러닝을 통한 예측을 가능하게 하는 새로운 인공지능 지원 무선 스마트 센서 프레임워크를 제안하였다. 그러나 앞선 연구에서
사용한 xnode 플랫폼은 하드웨어, 네트워크 구성 등에 많은 비용이 소요되며, 다른 센서 플랫폼과의 통합이 복잡하여 범용성이 떨어진다는 문제점이
있다. 또한, 센서노드에 무선통신모듈을 결합한 형태이기 때문에 센서노드와 싱크노드의 수가 증가하게 되면, 센서노드와 싱크노드의 통신거리 문제, 노드
수에 따른 네트워크 혼잡이 발생하여 데이터 손실(Data Loss)이나 시간 지연(Time Delay)이 발생하는 문제점이 있다.
본 논문에서는 MEMS(Micro-Electromechanical System)센서와 WiFi 무선통신이 가능한 ESP32 마이크로컨트롤러를 이용하여
경제성이 높고, 범용성이 우수하며 안정적인 데이터 송수신이 가능하도록 네트워크의 혼잡을 최소화할 수 있는 무선 계측 시스템에 대한 연구를 수행하였다.
이를 위하여 MEMS 센서의 가속도
측정 범위 및 주파수 응답 범위 성능을 검증하기 위한 실험을 수행하여 교량 계측에 대한 적합성 여부를 판단하였다. 또한, 무선통신 품질을 검증하기
위한 실험으로써 통신거리에 따른 데이터 전송 성능을 검증하기 위한 통신 실험을 수행하였으며, 캔틸레버보를 이용하여 상용 유선계측시스템과의 계측 성능을
평가하였다.
2. MANTiS 계측 시스템
2.1 MANTiS 무선계측 시스템 구성
MANTiS(Multi Acquisition Networks Telemetry Intergartion System)는 가속도와 각속도 계측이 가능한
센서모듈과 32Bit 마이크로컨트롤러, GPS 모듈, 보조용 마이크로컨트롤러를 결합한 통신모듈로 구성하였다. 센서모듈은 MEMS 타입의 6축 센서로
자이로스코프(3축)과 가속도(3축)을 동시에 측정할 수 있는 InvenSense 사의 MPU-6050을 사용하였고, 통신모듈은 WiFi와 블루투스
무선통신이 가능하고 무선계측 시스템을 제어하기 위하여 Espressif Systems 사의 32bit 마이크로컨트롤인 ESP32-3C를 사용하였다.
다중 통신모듈을 사용할 때 각각의 통신모듈의 계측 시간을 동기화하기 위하여 NEO-6M GPS 수신모듈을 사용하였다. 또한, Microchip 사의
PIC16F15344를 센서모듈과 통신모듈에 내장하여 센서모듈에서는 통신모듈에서부터 전달되는 상태 설정, 동기신호에 맞추어서 센서모듈을 제어 수행하며,
통신모듈에서는 보조 CPU 역할을 담당하여 처리시간의 정확도가 중요한 동기신호 발생 및 RS485 양방향 통신, 센서신호 전달, GPS 수신모듈 제어
등 무선통신과 데이터 처리 외에 변수 제어 등을 담당하여 시스템의 과부화가 발생하는 것을 최소화하였다. 통신모듈은 AP(Acess Point)로 지정한
무선 중계기를 이용하여 각각의 통신모듈 IP 주소를 할당하고 Port 번호에 의해 구분된다. 데이터 획득 관련 제어는 계측 제어 프로그램에서 설정한
후 무선통신을 통하여 통신모듈에서 센서모듈을 제어하는 방식으로 획득 데이터의 채널(Channel) 수 및 샘플링율(sampling rate), 그리고
전송하는 패킷의 크기(Packet Size)를 설정할 수 있다. 데이터 획득 방식은 수동측정 방식(Manual Record)과 이벤트 측정 방식(Event
Record), 특정 시간에 데이터를 획득하는 방식(Time Record) 중 하나를 선택하여 사용할 수 있도록 개발하였다. 개발한 MANTiS 무선계측
시스템의 시제품은 Fig. 1과 같이 센서모듈과 통신모듈로 구분하여 개발하였으며, Table 1에 보이는 바와 같이 해상도는 16bit, 센서모듈과 통신모듈의 사이지는 각각 42×42×16 mm과 62×62×33 mm로 경량화하여 개발하였다.
Fig. 1. The Prototype of MANTiS. (a) Sensor Module, (b) Communication Module
Table 1. Specification of MANTiS
Resolution
|
16 bit
|
Range
|
100 m
|
Sampling Rate
|
Max : 1000 Hz
|
Accuracy for Timpulse signal
|
30 ns
|
Size (Sensor Module)
|
42×42×16 mm
|
Size (Communication Module)
|
62×62×33 mm
|
Acceleration Range
|
2~16 g
|
GPS Navigation Update rate
|
5 Hz
|
3. MANTiS 계측 시스템 성능 분석 실험
3.1 센서모듈 계측 성능 분석
센서모듈에서 획득한 데이터의 품질을 평가하기 위한 실험은 전자식 진동시험기를 이용하여 가진 조건(Excitation Condition)에 따른 계측
데이터 성능을 분석하였다. 센서모듈의 계측 성능은 3축 별 계측 성능과 3축 동시 계측 성능을 분석하고자 Sonic Dynamics 사의 전자식 진동시험기를
이용하여 Table 2와 같이 가진 조건을 설정하여 축별 계측 성능 분석 실험을 진행하였다. 가진 조건은 실 구조물에서 주요 가진 주파수가 확인되는 5~20 Hz 범위
내의 가진주파수와 0.1 g~2.0 g 사이의 진폭으로 설정하였다.
Fig. 2. Experimental of Response Signal Performance by 3-Axis
무선계측 시스템은 Fig. 2와 같이 진동시험기 측면에 통신모듈을 설치하였으며, 통신모듈로부터 6 m 떨어진 곳에 AP를 설치하고, 데이터 획득 PC는 AP로부터 4 m 떨어진
곳에 설치하였다. 샘플링율은 나이퀴스트 샘플링 이론에 근거하여 입력 신호 최고 주파수의 2배 이상이 되어야 한다. 따라서 스펙트럼의 해상도를 고려하여
입력 신호 최고 주파수인 20 Hz의 5배인 100 Hz로 설정하고 실시간으로 60초 동안 획득하였다.
계측 데이터를 확인하기 위하여 계측 결과와 가진 조건과의 오차율을 산정하였다. 분석 결과 Table 3과 같이 계측한 동적 범위와 가진 조건의 동적 범위와 비교하였을 때 평균 0.90 % 차이가 발생하였으며, 가진 주파수는 평균 0.40 %의 차이가
발생하였다. 따라서 측정 결과와 가진 조건을 비교하였을 때 유사한 계측 결과를 확인하여 구조물에 적용하는 데 문제가 없을 것으로 판단하였다.
Table 2. Excitation Condition of Experimental
Division
|
Amplitude
|
Excitation Frequency
|
Sensor No.
|
Axis
|
Sensor 1
|
$x$
|
0.1 g
|
5.0 Hz
|
$y$
|
0.7 g
|
8.0 Hz
|
$z$
|
1.3 g
|
11.0 Hz
|
Sensor 2
|
$x$
|
0.2 g
|
5.5 Hz
|
$y$
|
0.8 g
|
8.5 Hz
|
$z$
|
1.4 g
|
11.5 Hz
|
Sensor 3
|
$x$
|
0.3 g
|
6.0 Hz
|
$y$
|
0.9 g
|
9.0 Hz
|
$z$
|
1.5 g
|
12.0 Hz
|
Sensor 4
|
$x$
|
0.4 g
|
6.5 Hz
|
$y$
|
1.0 g
|
9.5 Hz
|
$z$
|
1.6 g
|
12.5 Hz
|
Sensor 5
|
$x$
|
0.5 g
|
7.0 Hz
|
$y$
|
1.1 g
|
10.0 Hz
|
$z$
|
1.7 g
|
13.0 Hz
|
Sensor 6
|
$x$
|
0.6 g
|
7.5 Hz
|
$y$
|
1.2 g
|
10.5 Hz
|
$z$
|
1.8 g
|
13.5 Hz
|
Table 3. Measurement Result of Experimental
Division
|
Excitation Condition
|
Measurement Result
|
Sensor No.
|
Axis
|
Excitation
Amplitude
|
Excitation Frequency
|
Mea.
Amplitude
|
Error Rate
|
Mea.
Frequency
|
Error Rate
|
Sensor 1
|
$x$
|
0.1 g
|
5.0 Hz
|
0.10 g
|
0.0 %
|
4.97 Hz
|
0.60 %
|
$y$
|
0.7 g
|
8.0 Hz
|
0.69 g
|
1.4 %
|
7.97 Hz
|
0.38 %
|
$z$
|
1.3 g
|
11.0 Hz
|
1.28 g
|
1.5 %
|
10.95 Hz
|
0.46 %
|
Sensor 2
|
$x$
|
0.2 g
|
5.5 Hz
|
0.20 g
|
0.0 %
|
5.48 Hz
|
0.36 %
|
$y$
|
0.8 g
|
8.5 Hz
|
0.80 g
|
0.0 %
|
8.45 Hz
|
0.59 %
|
$z$
|
1.4 g
|
11.5 Hz
|
1.38 g
|
1.4 %
|
11.47 Hz
|
0.26 %
|
Sensor 3
|
$x$
|
0.3 g
|
6.0 Hz
|
0.30 g
|
0.0 %
|
5.98 Hz
|
0.33 %
|
$y$
|
0.9 g
|
9.0 Hz
|
0.89 g
|
1.1 %
|
8.97 Hz
|
0.33 %
|
$z$
|
1.5 g
|
12.0 Hz
|
1.48 g
|
1.3 %
|
11.95 Hz
|
0.42 %
|
Sensor 4
|
$x$
|
0.4 g
|
6.5 Hz
|
0.40 g
|
0.0 %
|
6.48 Hz
|
0.31 %
|
$y$
|
1.0 g
|
9.5 Hz
|
0.99 g
|
1.0 %
|
9.45 Hz
|
0.53 %
|
$z$
|
1.6 g
|
12.5 Hz
|
1.58 g
|
1.3 %
|
12.45 Hz
|
0.40 %
|
Sensor 5
|
$x$
|
0.5 g
|
7.0 Hz
|
0.5 g
|
0.0 %
|
6.97 Hz
|
0.43 %
|
$y$
|
1.1 g
|
10.0 Hz
|
1.09 g
|
0.9 %
|
9.95 Hz
|
0.50 %
|
$z$
|
1.7 g
|
13.0 Hz
|
1.67 g
|
1.8 %
|
12.95 Hz
|
0.39 %
|
Sensor 6
|
$x$
|
0.6 g
|
7.5 Hz
|
0.59 g
|
1.7 %
|
7.49 Hz
|
0.13 %
|
$y$
|
1.2 g
|
10.5 Hz
|
1.19 g
|
0.8 %
|
10.45 Hz
|
0.48 %
|
$z$
|
1.8 g
|
13.5 Hz
|
1.76 g
|
2.2 %
|
13.45 Hz
|
0.37 %
|
3.2 통신거리별 데이터 송수신 실험
무선계측 시스템에서 데이터 송수신 거리와 샘플링율은 중요한 특징 중에 하나이다. 무선통신은 통신거리가 멀어짐에 따라 통신 강도가 약해지고, 샘플링율이
높아질수록 데이터 패킷의 전송 지연이나 손실이 심해진다. MANTiS는 최대 6개의 센서모듈을 한 개의 통신모듈에 연결하여 획득한 데이터를 무선 송신하기
때문에 샘플링율이 높아질수록 통신모듈에서 송수신되는 데이터가 비교적 많게 된다. 이에 따라 본 실험에서는 통신거리와 샘플링율에 따라 다중모듈에서 계측되는
데이터가 병목현상 없이 원활히 전송되는지를 확인하기 위하여 통신모듈과 데이터획득 PC의 사이에 가벽을 설치하고 장애물이 있는 조건에서 통신강도와 샘플링율에
따른 데이터 획득율을 확인하였다. 가진 조건은 진폭 0.1 g, 가진주파수 5.0 Hz의 정현파를 전자식 진동시험기를 이용하여 발생시켰다. 실험 결과는
Table 4와 같이 통신거리 80 m까지는 모든 샘플링 주파수 데이터의 손실 없이 모두 획득하였다. 그러나 80 m 이상에서는 통신강도가 20 % 이하로 저감되면서
연결 상태가 불안정하여 데이터 송수신이 이루어지지 않았다.
Table 4. Rate of Data Acqusition with Communication Distance and Sampling Rate (%)
Distance
(m)
|
WiFi Signal Strength(%)
|
Sampling Rate(Hz)
|
20
|
50
|
100
|
200
|
20
|
89
|
100 %
|
100 %
|
100 %
|
100 %
|
40
|
83
|
100 %
|
100 %
|
100 %
|
100 %
|
60
|
43
|
100 %
|
100 %
|
100 %
|
100 %
|
80
|
22
|
100 %
|
100 %
|
100 %
|
100 %
|
100
|
9
|
-
|
-
|
-
|
-
|
3.3 캔틸레버보를 이용한 다중계측 성능 실험
다중모듈 Multi-sensing 데이터 획득 성능을 분석하기 위하여 자체 제작한 길이 600 mm, 폭 60 mm, 두께 5 mm의 캔틸레버보를
이용하여 자유진동 신호의 획득 실험을 실시하였다. 실험은 Fig. 4에서 보여주는 바와 같이 강재로 제작한 캔틸레버보의 센서모듈 6개를 설치하였으며, 하단에 iOtech사의 650U 데이터로거와 연결된 Dytran사의
3055B3 단축 가속도계를 설치하고 샘플링율은 200 Hz, 계측 시간은 총 16초 동안 수행하였다.
계측한 캔틸레버보의 자유진동실험 결과는 Fig. 4(a)와 Fig. 5(a)에 보여주는 바와 같이 MANTiS와 상용 유선계측 시스템으로 계측한 가속도 응답을 이용하여 Fig. 4(b)와 Fig. 5(b)와 같이 스펙트럼 분석을 하였다. MANTiS에서 측정된 모드들은 8.69 Hz, 56.45 Hz이고, 상용 유선계측 시스템에서 측정된 모드는 8.75
Hz, 56.50 Hz이다. MANTiS를 사용하여 계측된 모드의 주파수들은 상용 유선계측 시스템을 사용하여 계측한 모드의 주파수를 기준으로 1차
모드, 0.69 %, 2차 모드 0.09 %의 차이를 보이며 매우 우수한 계측 성능을 보였다. 또한, 6개의 지점에서 계측한 데이터를 이용하여 모드형상을
비교하였다. 상용 유선계측 시스템으로 계측한 데이터는 상용 분석 프로그램인 MEscope를 이용하여 모드형상을 추출하였으며, MANTiS는 MATLAB을
이용하여 모드형상을 추출하였다. 비교 결과 1차 모드와 2차모드의 모드형상은 서로 일치하는 것을 확인하였다.
Fig. 3. Multi-Sensing Experimental Using Cantilever Beam
Fig. 4. Results of Free Vibration Experiment Using Commercial Wire Measurement System(iOtech).
(a) Time Domain, (b) Frequency Domain
Fig. 5. Results of Free Vibration Experiment Using MANTiS. (a) Time Domain, (b) Frequency
Domain
Fig. 6. Comparison of Mode Shape
4. 결 론
본 연구에서는 32bit 마이크로컨트롤러인 ESP32와 6축 센서인 MPU-6050을 이용하여 구조물 성능기반 모니터링을 위한 MANTiS 무선계측
시스템의 다중모듈 Multi-Sensing 성능 검증에 대한 연구를 수행하였다. 이를 위하여 센서모듈의 가속도 및 주파수 응답 범위 성능을 검증하기
위한 실험을 수행하였고, 구조물 계측에 적합성을 판단하였다. 최종적으로 개발한 MANTiS의 다중모듈 Multi-Sensing 성능을 검증하기 위하여
캔틸레버보를 이용하여 상용 유선계측 시스템과 비교 검증을 하였다. 계측 결과는 각각의 유무선 시스템에서 계측한 데이터를 고유진동수와 모드형상을 추출하여
비교하여 계측 성능을 평가하였다. 연구 결과 다음과 같은 결론을 도출하였다.
(1) 전자식 진동시험기를 이용하여 센서모듈의 축별 계측 성능을 검증한 결과 가진기에서 가진되는 진폭과 가진주파수는 평균 1 % 이내의 오차를 보이며
현장 적용에 문제가 없을 것으로 판단된다.
(2) 통신모듈의 경우 장애물이 있는 상태에서 80 m 거리까지 20∼200 Hz의 샘플링율을 설정하여도 데이터 패킷의 손실 없이 안정적인 무선 데이터
송수신이 이루어졌지만, 100 m 이상에서는 통신강도의 저하로 인하여 불안정한 데이터 획득이 확인되었다. 이는 추후 고품질의 안테나로 교체하면 100
m 이상의 거리에서도 안정적인 통신 거리를 확보할 수 있을 것으로 판단된다.
(3) 캔틸레버보를 이용한 MANTiS 다중모듈 Multi-Sensing 성능 검증은 상용 유선계측 시스템과 비교하였다. MANTiS에서 측정한 고유진동수는
상용 유선계측 시스템과 비교하여 1차 모드는 0.79 %, 2차 모드는 0.09 %의 오차를 보였으며, Multi-Sensing을 통하여 계측한 결과를
통하여 추출한 모드형상도 유사한 형태를 보이는 것을 확인하였다.
Acknowledgement
Much appreciation and acknowledgement goes to the National Research Foundation who
made this research possible.
This paper has been written by modifying and supplementing the KSCE 2024 CONVENTION
paper.
References
"Fu, Y., Zhu, Y., Hoang, T., Mechitov, K. and Spencer Jr., B. F. (2022). “xImpact:
intelligent wireless system for cost-effective rapid condition assessment of bridge
under impacts.” ISensors, Vol. 22, No. 15, 5701, https://doi.org/10.3390/s22155701."
"Lawal, O., Shajihan, S. A. V., Mechitov, K. and Spencer, Jr., B. F. (2024). “Edge
integration of artificial intelligence into wireless smart sensor platforms for railroad
bridge impact detection.” ISensors, Vol. 24, No. 17, 5633, https://doi.org/10.3390/s24175633."
"Lynch, J. P. and Loh, K. J. (2006). “A summary review of wireless sensors and sensor
networks for structural health monitoring.” Shock & Vibration Digest, Vol. 38, No.
2, pp. 91-130."
"Popovic, N., Feltrin, G., Jalsan, K. E. and Wojtera, M. (2017). “Event-driven strain
cycle monitoring of railway bridge using a wireless sensor network with sentinel nodes.”
Structural Control and Health Monitoring, Vol. 24, No. 7, e1934, https://doi.org/10.1002/stc.1934."
"Sarwar, M. Z., Saleem, M. R., Park, J. W., Moon, D. S. and Kim, D. J. (2020). “Multimetric
event-driven system for long-term wireless sensor operation for SHM applications.”
IEEE Sensor, Vol. 20, No. 10, pp. 5350-5359, https://doi.org/10.1109/JSEN.2020.2970710."
"Sofi, A., Regita, J. J., Rane, B. and Lau, H. H. (2022). “Structural health monitoring
using wireless smart sensor network-An overview.” Mechanical Systems and Signal Processing,
Vol. 163, 108113, https://doi.org/10.1016/j.ymssp.2021.108113."