Ensuring operational safety and reliability in Unmanned Aerial Vehicles (UAVs) necessitates advanced onboard fault detection. This paper presents a novel, mobility-aware multi-sensor health monitoring framework, uniquely fusing visual (camera) and vibration (IMU) data for enhanced near real-time inference of rotor and structural faults. Our approach is tailored for resource-constrained flight controllers (e.g., Pixhawk) without auxiliary hardware, utilizing standard flight logs. Validated on a 40 kg-class UAV with induced rotor damage (10% blade loss) over 100+ minutes of flight, the system demonstrated strong performance: a Multi-Layer Perceptron (MLP) achieved an RMSE of 0.1414 and R² of 0.92 for rotor imbalance, while a Convolutional Neural Network (CNN) detected visual anomalies. Significantly, incorporating UAV mobility context reduced false positives by over 30%. This work demonstrates a practical pathway to deploying sophisticated, lightweight diagnostic models on standard UAV hardware, supporting real-time onboard fault inference and paving the way for more autonomous and resilient health-aware aerial systems.

본 논문에서는 다목적 구조물인 다중연결 해양부유체를 대상으로 변형 기반 모드 차수축소법을 적용하고 차수축소모델의 구조응 답 예측 성능을 향상시키기 위해 유전 알고리즘 기반의 센서 배치 최적화를 수행하였다. 다중연결 해양부유체의 차수축소모델 생성 에 필요한 변형 기반 모드 데이터를 얻기 위해 다양한 규칙파랑하중조건에 대한 유체-구조 연성 수치해석을 수행하고 변형 기반 모드 의 직교성, 자기상관계수를 이용하여 주요 변형 기반 모드를 선정하였다. 다중연결 해양부유체의 경우 차수축소모델의 구조응답 예 측 성능이 계측 및 예측 구조응답 위치에 따라 민감하기 때문에 유전 알고리즘 기반의 최적화를 수행하여 최적의 센서 배치를 도출하 였다. 최적화 결과, 모든 센서 배치 조합에 대한 차수축소모델 생성 및 예측 성능 평가 대비 약 8배의 계산 비용을 절감하였으며, 예측 성능 평가 지표인 평균 제곱근 오차가 초기 센서 배치보다 84% 감소하였다. 또한, 다중연결 해양부유체 모형시험 결과를 이용하여 불 규칙파랑하중에 대한 최적화된 센서 배치의 차수축소모델의 구조응답 예측 성능을 평가 및 검증하였다.

본 연구에서는 다채널 자속누설 센서를 이용하여 강케이블의 국부손상을 검색하였다. 먼저 자속누설 기법을 고정된 케 이블 구조물에 적용하기 위해 프로토타입의 8채널 자속누설 센서헤드를 제작하였고, 국부손상이 발생한 케이블을 구현하 기 위하여 PVC 파이프에 강케이블을 채워 강케이블 다발 시편을 제작하였고, 케이블 시편 외부 및 내부에 다양한 크기 및 방향을 가지는 국부손상을 단계적으로 발생시켰다. 이와 같이 제작된 강케이블 시편을 대상으로 각 손상단계에서 자속누설 센서헤드를 이용하여 자속신호를 스캔하고 출력전압으로 표현하였다. 이어서 일반극치분포를 이용해 손상유무를 판단할 수 있는 기준이 되어줄 임계값을 설정하였고, 이를 각 채널에서 계측된 자속신호와 비교하여 객관적인 손상판단을 수행하 였다. 또한 케이블 모니터링에 있어 가장 중요한 정보인 손상의 길이방향 위치를 효과적으로 검색하기 위해 모든 채널의 자속값을 합하여 총합값의 형태로 임계값과 함께 나타내었다. 최종적으로 임계값을 초과한 부분의 길이방향 및 원주방향 위치를 실제 손상과 비교함으로써 본 기법의 국부손상 검색 가능성을 살펴보았다.

CdTe 멀티에너지 X선 영상센서와 ROIC를 패키징 하기 위한 flip chip bump bonding, Au wire bonding 및 encapsulation 공정조건을 개발하였으며 성공적으로 모듈화 하였다. 최적 flip chip bonding 공정 조건은 접합온도 CdTe 센서 150℃, ROIC 270℃, 접합압력 24.5N, 접합시간 30s일 때이다. ROIC에 형성된 SnAg bump의 bonding이 용이하도록 CdTe 센서에 비하여 상대적으로 높은 접합온도를 설정하였으며, CdTe센서가 실리콘 센서에 비하여 쉽게 파손되는 것을 고려하여 접합압력을 최소화하였다. 패키징 완료된 CdTe 멀티에너지 X선 모듈의 각각 픽셀들은 단락이나 합선 등의 전기적인 문제점이 없는 것을 X선 3D computed tomography를 통해 확인할 수 있었다. 또한 Flip chip bump bonding후 전단력은 2.45kgf/mm2 로 측정되었으며, 이는 기준치인 2kgf/mm2 이상으로 충분한 접합강도를 가짐을 확인하였다.

본 연구에서는 불특정 분포하중에 대한 다경간 연속 보 구조물의 변형률 분포를 추정하는 기법을 제시하였다. 본 추정 기법은 해석적 방법이 아닌 계측한 변형률 데이터로부터 최소제곱법을 이용한 커브 피팅을 통해 변형률 분포를 추정하였다. 제시한 다경간 보 연속 구조물의 변형률 추정 기법은 멀티플렉싱이 가능한 FBG센서를 이용하여 다경간 연속 강재 보 정적 가력 실험을 통해 검증하였다. 실험을 통해서 분포 하중과 집중하중에 의한 변형률 분포의 추정 정확성 및 변형률 추정에 사용되는 계측점 수에 따른 추정 오차에 대한 검토를 수행하였다. 5.89 (하중 step1), 6.26% (하중 step2) 오차로 최대 변형률 지점에서의 변형률을 추정할 수 있었다. 추정을 위한 변형률 계측 센서 수를 감소시킨 경우 오차가 증가 (0.26~0.37%)하는 것 또한, 확인할 수 있었다. 회귀분석적 기법을 통해 다경간 보의 변형률 분포를추정함으로써 특정 형상의 분포 하중에 대해서만 적용이 가능한 해석적 변형률 추정 기법의 한계를 넘어 불특정 분포 하중에 대한 변형률분포 추정이 가능해졌고 추정 변형률 분포를 통해 최대변형률 발생 위치까지 확인할 수 있게 되었다.

This paper describes an algorithm that improves 3D reconstruction result using a multi-sensor fusion disparity map. We can project LRF (Laser Range Finder) 3D points onto image pixel coordinates using extrinsic calibration matrixes of a camera-LRF ( ) and a camera calibration matrix ( ). The LRF disparity map can be generated by interpolating projected LRF points. In the stereo reconstruction, we can compensate invalid points caused by repeated pattern and textureless region using the LRF disparity map. The result disparity map of compensation process is the multi-sensor fusion disparity map. We can refine the multi-sensor 3D reconstruction based on stereo vision and LRF using the multi-sensor fusion disparity map. The refinement algorithm of multi-sensor based 3D reconstruction is specified in four subsections dealing with virtual LRF stereo image generation, LRF disparity map generation, multi-sensor fusion disparity map generation, and 3D reconstruction process. It has been tested by synchronized stereo image pair and LRF 3D scan data.