• 제목/요약/키워드: 통계적 에너지 해석법

검색결과 62건 처리시간 0.018초

환경하중을 고려한 Jack-up rig의 내하력 설계 기준에 대한 연구 (A Study on Load-carrying Capacity Design Criteria of Jack-up Rigs under Environmental Loading Conditions)

  • 박주신;하연철;서정관
    • 해양환경안전학회지
    • /
    • 제26권1호
    • /
    • pp.103-113
    • /
    • 2020
  • 잭업 드릴링 리그 (Jack-up drilling rigs)는 해양자원개발 분야 중 석유 및 가스 탐사 산업에서 널리 사용되는 대표적인 해양구조물이다. 이러한 잭업 구조물은 대체로 얕은 수심에서 사용하도록 설계되었지만 에너지 산업의 추세로 대수심 및 가혹한 환경 조건에서도 사용이 가능한 설계가 요구되고 있다. 이러한 잭업구조물의 운영환경 확장에 따라서 과도한 설계를 최소화하고 신뢰성 반영된 설계법이 요구되었다. 기존의 해양구조물 산업에서 잭업 구조물의 설계법은 사용(혹은 허용)응력 설계 (WSD: Working (or Allowable) Stress Design) 방법을 사용하여 설계가 되고 있었다. 이러한 설치환경변화에 따라서 충분한 신뢰성을 확보가 가능한 하중 및 저항계수 (LRFD: Load and Resistance Factored Design) 방법을 최근 개발되었고 규정화가 되었다. LRFD 방법은 통계적 기반으로 한 한계상태설계 개념으로 잭업구조물의 구성구조부재의 하중과 전산수치해석을 이용한 강도의 불확성을 하중 및 저항 계수로 표현하는 설계법이다. 개발된 LRFD 방법은 실제 잭업구조물 설계의 적합성 판단을 위하여 기존의 WSD 방법과의 정량적인 비교 분석이 반드시 필요하다. 따라서 본 연구는 기존의 WSD와 LRFD 방법으로 이용하여 실 잭업 구조물의 레그 구조를 대상으로 상용유한요소해석코드를 이용하여 정량적인 UC (Unity Check)값을 기반으로 비교 분석하였다. 분석된 결과로 다양한 환경하중조건 하에서 LRFD 방법을 사용하여 잭업구조물의 레그(Leg) 설계에서 상당히 합리적인 UC 값을 가지고 기존 대표적인 WSD기법 중에 하나인 API-RP 코드 대비 약 31 % 차이가 분석되었다. 따라서 LRFD 설계 방법이 WSD 방법에 비해 구조 최적화 및 합리적인 설계에 더 유리하다는 것을 확인할 수 있었다.

주성분 회귀분석 및 인공신경망을 이용한 AE변수와 응력확대계수와의 상관관계 해석 (Analysis on Correlation between AE Parameters and Stress Intensity Factor using Principal Component Regression and Artificial Neural Network)

  • 김기복;윤동진;정중채;박휘립;이승석
    • 비파괴검사학회지
    • /
    • 제21권1호
    • /
    • pp.80-90
    • /
    • 2001
  • AE 신호와 재료의 기계적 물성과의 관계를 정량적으로 제시할 수 있는 방법을 개발하였다. 재료의 여러 가지 기계적 성질들 중 피로균열 거동에 관련된 응력확대계수를 중심으로 AE 신호와 같은 다변량 데이터의 처리에 많이 사용되고 있는 주성분 회귀분석과 비선형적 문제 해결에 적합한 신경회로망 기법을 이용하였다. 이를 위하여 강교량 부재인 SWS490B 강에 대한 피로균열전파 실험을 수행하였으며 표준 CT 시편에 대한 피로균열진전 시 발생하는 AE 신호의 각 변수와 응력확대계수와의 관계를 고찰하였다. 통계분석 방법인 변수선택법을 적용한 결과 AE 카운트(RC), 에너지(EN), 신호지속시간(ED)의 각각에 대한 유의성이 높은 것으로 나타났으나 전반적으로 전체 AE 변수를 모두 이용할 경우 통계적 유의성이 높은 것으로 나타났다. 부재의 반복하중 시 발생하는 피로균열진전을 정량적으로 도출할 수 있는 응력확대계수 추정모델을 개발하고 평가하였다. 미지 시료에 대하여 개발된 모델의 응력확대계수 예측 성능을 분석한 결과 주성분 회귀모델과 인공신경망 모델 모두 우수한 예측성능을 나타내었으나 전반적으로 인공신경망 모델이 주성분 회귀모델보다 다소 양호한 것으로 분석되었다.

  • PDF