부산대학교 도서관

25 년에 상용화 예정인 UAM(Urban Air Mobility)의 가장 큰 화두는 안전이다. EASA(European Union Aviation Safety Agency)에서 실시한 설문조사에서도 대중들이 UAM 의 상용화에 가장 부정적인 영향을 미치는 요인이라고 생각하는 것 중 하나가 안전이라는 결과를 확인할 수 있다. 도심의 하늘을 나는 UAM 은 이용자 뿐만 아니라 지상의 보행자들 에게도 위협이 될 수 있기 때문이다. 하지만 UAM 의 필요성 측면에서는 모두가 UAM 은 미래교통의 나아갈 방향이라는 것을 인정할 것이다. 도시의 거대화와 인구집중은 교통문제를 유발하고 이로 인한 손실은 점점 커지고 있기 때문이다. 이런 배경에서 UAM 의 안정적인 운영을 위해서 는 인공지능을 활용한 정비 시스템 구축은 필수적이다. 본 논문에서는 그 중 기체의 가장 중요한 부품인 프로펠러의 균열을 비파괴 방식으로 탐지할 수 있는 방법론을 드론 프로펠러의 소리 데이터셋을 통해 제시했다. 프로펠러의 정상적인 동작소리를 녹음하고, 비정상 동작소리를 찢어짐과 절단으로 구분하여 마이크로 녹음했다. 이때 마이크와 프로펠러 사이의 각도와 Throttle Power 를 변수로 하여 데이터의 구성을 다양화했다. 이렇게 구축한 ADCP(Anomaly Detection on Crack of drone Propeller) 데이터셋을 통해 소리를 통한 프로펠러 크랙 이상탐지 가능성을 확인하고 향후 UAM 정비로의 적용을 위한 발판을 마련했다.