• 콘크리트학회논문집
• /
• 제24권3호
• /
• pp.293-303
• /
• 2012

최근 건설기술의 발전에 따라 구조물이 대형화, 고층화, 장대화되고 있으며, 동시에 다양한 기능을 수행하고 있다. 그러나 요즘 들어 그 빈도수가 증가하고 있는 충돌 사고나 테러에 의한 폭발, 화재 등에 의한 극한하중이 상기의 구조물에 작용할 경우, 구조물의 손상뿐만 아니라 인명과 재산의 피해 정도가 상당히 커질 수 있다. 특히, 충격이나 폭발하중은 구조물에 작용하는 압력 또는 하중이 매우 짧은 시간에 발생하게 되고, 이러한 하중을 받는 구조물은 준-정적(quasi-static) 하중을 받는 구조물과는 다른 응답을 나타내게 되며 반드시 변형률 속도와 손상 효과를 고려해서 설계가 이루어져야 한다. 그러므로 이 연구에서는 콘크리트 슬래브의 충격저항성능 향상을 위해서 강섬유를 전체 부피의 0%에서 1.5%까지 혼입하고, 두 가지 종류의 FRP 시트를 인장부에 보강하여 저속 충격하중에서의 휨 실험을 수행하였다. 실험 결과 FRP 시트를 인장부에 보강할 경우에 최대 충격하중 및 소산에너지, 파괴 시의 타격 횟수가 증가하였으며, 최대 처짐 및 회전각은 감소하여 충격저항성능이 크게 향상되는 것으로 나타났다. 이러한 결과는 추후 극한하중에 노출될 수 있는 주요 시설물의 설계 시 유용하게 사용될 수 있을 것으로 판단된다. 또한, 이 논문에서는 두 가지 종류의 FRP 시트로 보강된 강섬유 보강 콘크리트 슬래브의 저속 충격하중에서의 동적응답을 해석하기 위하여 외연적 시간적분에 기초한 유한요소해석 프로그램인 LS-DYNA를 사용하였으며, 해석 결과 오차율 5% 이내로 비교적 정확하게 최대 처짐을 예측하는 것으로 나타났다.

• 한국측량학회지
• /
• 제37권3호
• /
• pp.199-208
• /
• 2019

운용 가능한 위성의 수가 증가하고 기술이 진보함에 따라 영상정보의 성과물이 다양해지고 많은 양의 자료가 축적되고 있다. 본 연구에서는 기구축된 영상정보를 활용하여 부족한 훈련자료의 문제를 극복하고 딥러닝(deep learning) 기법의 장점을 활용하고자 전이학습과 변화탐지 네트워크를 활용한 고해상도 위성영상의 변화탐지를 수행하였다. 본 연구에서 활용한 딥러닝 네트워크는 공간 및 분광 정보를 추출하는 합성곱 레이어(convolutional layer)와 시계열 정보를 분석하는 합성곱 장단기 메모리 레이어(convolutional long short term memory layer)로 구성되었으며, 고해상도 다중분광 영상에 최적화된 정보를 추출하기 위하여 커널(kernel)의 차원에 따른 정확도를 비교하였다. 또한, 학습된 커널 정보를 활용하기 위하여 변화탐지 네트워크의 초기 합성곱 레이어를 고해상도 항공영상인 ISPRS (International Society for Photogrammetry and Remote Sensing) 데이터셋에서 추출된 40,000개의 패치로 학습된 값으로 초기화하였다. 다시기 KOMPSAT-3A (KOrean Multi-Purpose SATllite-3A) 영상에 대한 실험 결과, 전이학습과 딥러닝 네트워크를 활용할 경우 기복 변위 및 그림자 등으로 인한 변화에 덜 민감하게 반응하며 분류 항목이 달라진 지역의 변화를 보다 효과적으로 추출할 수 있었으며, 2차원 커널보다 3차원 커널을 사용할 때 변화탐지의 정확도가 높았다. 3차원 커널은 공간 및 분광정보를 모두 고려하여 특징 맵(feature map)을 추출하기 때문에 고해상도 영상의 분류뿐만 아니라 변화탐지에도 효과적인 것을 확인하였다. 본 연구에서는 고해상도 위성영상의 변화탐지를 위한 전이학습과 딥러닝 기법의 활용 가능성을 제시하였으며, 추후 훈련된 변화탐지 네트워크를 새롭게 취득된 영상에 적용하는 연구를 수행하여 제안기법의 활용범위를 확장할 예정이다.