• 한국전산구조공학회논문집
• /
• 제14권1호
• /
• pp.77-85
• /
• 2001

본 연구에서는 차량하중에 의한 상시진동기록을 이용한 교량의 손상추정기법을 연구하였다. 즉, 차량진행 중 측정된 신호로부터 구조물의 모드특성을 구하고, 이를 이용하여 손상위치 및 손상정도를 추정하는 알고리즘을 제안하였다. 제안기법의 검증을 위하여 차량하중을 재하할 수 있는 모형교량을 제작하여 손상실험을 수행하였다. 차량진행 중 교량의 수직가속도를 계측하였으며, 측정된 가속도시계열로부터 random decrement(RD) 기법을 사용하여 자유진동신호를 구한 후, 이로부터 구조물의 모드특성을 추정하였다. 추정된 모드특성을 기초로 신경망기법을 적용하여 손상위치 및 손상정도를 추정하였으며, 추정된 결과는 실제 손상과 비교적 잘 일치하였다.

• 대한토목학회논문집
• /
• 제40권2호
• /
• pp.233-238
• /
• 2020

구조물 건전도 모니터링 시스템을 기반하는 교량 딥러닝 손상 추정 기법들은 대부분 지도학습을 기반으로 하고 있다. 지도학습의 특성상 손상 위치 추정 딥러닝 모델의 학습을 위해 교량의 손상 위치를 나타내는 라벨(Label) 데이터와 이에 따른 교량의 거동 데이터가 필요하다. 하지만 실제 현장에서 손상 위치 라벨 데이터를 정확히 얻어내는 것은 매우 어려운 일이므로, 지도학습 기반 딥러닝은 현장 적용성이 떨어진다는 한계가 있다. 반면에, 비지도학습 기반 딥러닝은 이러한 라벨 데이터 없이도 학습이 가능하다는 장점이 있다. 이러한 점에 착안하여 본 연구에서는 비지도 학습의 대표적인 딥러닝 기법인 Variational Autoencoder를 활용한 교량 손상 위치 추정의 방법을 제안하고 검증하였으며, 그 결과, 교량 손상 위치 추정을 위한 VAE의 적용 가능성을 보였다.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2011년도 정기 학술대회
• /
• pp.357-361
• /
• 2011

본 논문에서는 확률적 불확실성을 포함한 손상 장에서 강성저감 효과를 추정하는 방법을 제안하였다. 실제 교량 구조물에 분포된 손상 장은 매우 불확실하며 손상의 위치와 형상 또한 정확히 알 수 없는 경우가 많다. 그러나 대부분의 손상 추정 문제는 균열이나 손상의 위치와 형상을 기지의 주어진 정보로 가정하고 손상을 추정한다. 제안 기법에서는 이러한 손상의 위치와 형태가 본질적으로 불확실하다는 가정 하에 이 불확실성을 수정 가우스 강성 저감 분포 함수를 도입하여 기술한다. 교량에 국부적으로 발생된 손상은 교량의 요소강성의 저감 분포로 변환되어 손상이 발생한 전체 시스템의 강성을 표현하고 이를 통해 손상이 발생한 시스템의 전체 응답을 해석할 수 있게 된다. 수정 가우스 강성 저감 분포 함수는 손상 분포의 개략적 중심을 표현하는 평균 변수와 강성 저감의 비국소적 분포 특성을 묘사하는 표준편차 변수, 손상 중심의 손상 정도를 표현하는 강성저감 변수로 구성된다. 본 논문에서는 손상 장에서 손상의 위치나 형태에 대한 확률적 불확실성을 기술하는 수정 가우스 강성 저감 분포 함수를 포함한 유한요소모델을 정식화하여 제시한다. 또한 단일 또는 복합 균열로 인해 교량 구조물에 국부적인 손상이 야기된 경우에 대한 수치 예제를 통하여 균열 등에 대한 정보가 불확실하더라도 수정 가우스 강성 저감 분포 함수를 통해 강성 저감 효과가 분석될 수 있음을 확인하였다.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2009년도 정기 학술대회
• /
• pp.296-299
• /
• 2009

본 논문은 차분진화 알고리즘을 이용한 다중 손상된 RC 슬라브 교량에 대한 시스템 인식(System Identification)기법을 소개한다. 제안된 기법을 이용하여 이동하중에 의한 교량의 동적응답을 기반으로 손상유무, 위치, 크기가 추정된다. ABAQUS를 이용한 손상된 3차원 슬라브 모델을 실험대상으로 하여, 모델로부터 동적응답을 찾아내었다. 차분진화 알고리즘(Differential Evolutioinary algorithm)을 기반으로 동적응답과 Bi-variate Gaussian 함수로 강성저하된 2차원 유한요소 MZC모델을 이용하여 손상된 위치와 크기, 이동하중의 크기와 속도가 추정되었다. 차분진화 알고리즘을 이용한 RC교량의 손상위치와 이동하중에 대한 추정은 3%이내의 오차를 보였고, 이로부터 제안된 방법의 효율성과 정확성이 검증되었다.

• 한국강구조학회 논문집
• /
• 제15권6호통권67호
• /
• pp.603-610
• /
• 2003

본 논문에서는 공액보이론을 이용한 교량의 손상추정 기법을 제시하였다. 정적처짐과 강성과의 관계식으로부터 최적화기법을 도입하여 손상 위치 및 정도을 추정하였다. 제안된 기법의 타당성 검정을 위하여 수치모형을 통한 손상도 추정을 수행하였으며, 일반적으로 손상추 정결과의 정확도를 감소시키는 노이즈의 영향을 분석하기 위하여 정적응답자료에 백색잡음을 추가하여 손상도 평가를 수행하였다. 또한, 개발된 기법의 현장적용성을 검토하기 위하여 실내실험을 실시하고, 실험데이터를 이용하여 손상도 추정을 수행하였다 또한, 손상의 정도 및 손상 폭이 손상 추정결과에 미치는 영향을 검토하기 위하여 다양한 손상 폭을 갖는 경우에 대하여 손상을 추정하였으며, 이들 결과를 바탕으로 제시된 기법의 적용성과 한계에 대하여 기술하였다

• 한국산학기술학회논문지
• /
• 제16권1호
• /
• pp.769-777
• /
• 2015

본 논문에서는 교량 구조의 유지관리에서 계측정보 부족 문제를 극복하기 위하여 주행하중 시험법과 광변위 계측을 이용하는 손상도 추정기법에 대한 연구를 수행하였다. 이 방법을 통한 연속적 계측 변위는 손상 추정을 보다 간단하며 실제적이도록 할 수 있다. 제안된 기법에 의한 대형 사회기간시설물에 대한 보다 현실적인 손상 추정 방법으로의 가능성과 이 방법의 효율성과 정확도를 보이기 위하여 수치모의실험과 실험적 연구가 수행되었다. 예제해석 결과는 실험적 방법에서도 구해진 손상도들이 충분한 정확도를 가지고 있고 특히 실제 손상위치에서는 정확한 값과 거의 같음을 나타내고 있다. 이는 제안된 방법이 손상위치 추정이나 손상정도 추정에 모두 유용하고 실제 현장에서 구현 가능한 실용성이 충분하다는 의미로 해석된다.

• 한국강구조학회 논문집
• /
• 제10권2호통권35호
• /
• pp.279-290
• /
• 1998

소수의 진동특성치가 실측된 삼차원 트러스 교량을 대상으로 기존의 손상추정법이 실험되었다. 첫 번째 단계로 진동모드 민감도 해석과 패턴인식기법을 사용하여 초기구조모델(baseline model)이 구성되었고, 다음 단계로 수개의 손상시나리오 수치 예를 초기구조물에 시뮬레이션하고 이를 손상지수와 패턴인식기법을 이용하여 손상위치를 예측하였다. 총 211개 요소에 11개의 부 구조계를 갖는 트러스 구조에 대하여 진동모드가 2개인 경우에 한하여 분석 검토한 결과 손상발견 알고리즘의 적합성이 입증되었다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제23권5호
• /
• pp.13-22
• /
• 2019

본 연구는 지진계측시스템이 설치되지 않은 중소형 교량의 지진손상 수준을 평가하기 위하여 대상 중소형 교량 인근에 위치한 지진관측소의 지진관측 데이터를 이용하여 대상 교량위치에서의 지반응답스펙트럼을 추정하기 위한 알고리즘을 제시하였다. 일반적으로 중소형 교량의 내진설계 및 성능평가는 동적해석법 중 응답스펙트럼해석법이 가장 널리 활용되고 있으므로 대상 중소형 교량에 대한 평가 지진력으로 지반응답스펙트럼을 적용할 수 있는 알고리즘을 제시하였으며, 제안된 알고리즘을 이용한 프로그램 알고리즘도 제안하고 제안된 알고리즘을 통하여 실제 지진계측데이터를 이용하여 특정 위치에서의 지반응답스펙트럼 추정 예를 나타내었다.

• 한국BIM학회 논문집
• /
• 제10권2호
• /
• pp.21-28
• /
• 2020

As the number of aging bridges increases, more studies are being conducted on developing effective and reliable methods for the assessment and maintenance of bridges. With the advancement in new sensing systems and data learning techniques through AI technology, there is growing interests in how to evaluate bridges using these advanced techniques. This paper presents a CNN(Convolution Neural Network) deep learning based technique for evaluating the damage existence and for estimating the damage location in PSC bridges using static strain data. Simulation studies were conducted to investigate the proposed method with error analysis. Damage was simulated as the reduction in the stiffness of a finite element. A data learning model was constructed by applying the CNN technique as a type of deep learning. The damage status and its location were estimated using data set built through simulation. It was assumed that the strain gauges were installed in a regular interval under the PSC bridge girders. In order to increase the accuracy in evaluating damage, the squared error between the intact and measured strains are computed and applied for training the data model. Considering the damage occurring near the supports, the results of error analysis were compared according to whether strain data near the supports were included.

• 한국구조물진단유지관리공학회 논문집
• /
• 제24권6호
• /
• pp.206-216
• /
• 2020

국내의 노후 철도교량이 증가함에 따라 노후화로 인한 유지관리비가 점점 증가하고 있으며, 지속적인 관리가 더욱 더 중요해지고 있다. 하지만 관리해야하는 노후 시설물은 증가하지만, 노후 시설물을 점검 및 진단을 할 수 있는 전문 인력은 부족해지고 있다. 이러한 문제를 해결하기 위해 본 연구는 정적 변형률 응답 데이터를 적용하여 AI 기술의 머신러닝 기법으로 구조물의 국부적인 손상을 탐지하는 개선된 학습모델을 제시하고자 한다. 손상탐지 머신러닝 학습 모델을 구성하기 위해 우선 무도상 철도 판형교의 설계도면을 참고하여 교량의 해석모델을 설정하였으며, 설정된 해석모델로 손상시나리오에 따른 정적변형률 데이터를 추출하여 통계적 기법을 이용해 교량의 신뢰도 기반의 Local 손상 지수를 제시하였다. 손상 탐지는 손상 유무 탐지, 크기 탐지, 위치 탐지 3단계의 과정을 수행하여 손상 크기 탐지에서 선형 회귀 모델을 추가로 고려해 임의의 손상을 탐지하였으며, 최종적으로 손상 탐지 머신러닝 분류 학습 모델과 회귀 모델을 이용한 임의의 손상 위치를 추정 및 검증하였다.