• Geomechanics and Engineering
• /
• 제33권3호
• /
• pp.279-289
• /
• 2023

Brittleness index (BI) is an important property of rocks because it is a good index to predict rockburst. Due to its importance, several empirical and soft computing (SC) models have been proposed in the literature based on the punch penetration test (PPT) results. These models are very important as there is no clear-cut experimental means for measuring BI asides the PPT which is very costly and time consuming to perform. This study used a novel Multivariate Adaptive regression spline (MARS), M5P, and white-box ANN to predict the BI of rocks using the available data in the literature for an improved BI prediction. The rock density, uniaxial compressive strength (σ_c) and tensile strength (σ_t) were used as the input parameters into the models while the BI was the targeted output. The models were implemented in the MATLAB software. The results of the proposed models were compared with those from existing multilinear regression, linear and nonlinear particle swarm optimization (PSO) and genetic algorithm (GA) based models using similar datasets. The coefficient of determination (R²), adjusted R² (Adj R²), root-mean squared error (RMSE) and mean absolute percentage error (MAPE) were the indices used for the comparison. The outcomes of the comparison revealed that the proposed ANN and MARS models performed better than the other models with R² and Adj R² values above 0.9 and least error values while the M5P gave similar performance to those of the existing models. Weight partitioning method was also used to examine the percentage contribution of model predictors to the predicted BI and tensile strength was found to have the highest influence on the predicted BI.

• Smart Structures and Systems
• /
• 제31권1호
• /
• pp.57-68
• /
• 2023

Bridge hangers, such as those in suspension and cable-stayed bridges, suffer from cumulative fatigue damage caused by dynamic loads (e.g., cyclic traffic and wind loads) in their service condition. Thus, the identification of damage to hangers is important in preserving the service life of the bridge structure. This study develops a new method for condition assessment of bridge hangers. The tension force of the bridge and the damages in the element level can be identified using the Bayesian optimization method. To improve the number of observed data, the additional mass method is combined the Bayesian optimization method. Numerical studies are presented to verify the accuracy and efficiency of the proposed method. The influence of different acquisition functions, which include expected improvement (EI), probability-of-improvement (PI), lower confidence bound (LCB), and expected improvement per second (EIPC), on the identification of damage to the bridge hanger is studied. Results show that the errors identified by the EI acquisition function are smaller than those identified by the other acquisition functions. The identification of the damage to the bridge hanger with various types of boundary conditions and different levels of measurement noise are also studied. Results show that both the severity of the damage and the tension force can be identified via the proposed method, thereby verifying the robustness of the proposed method. Compared to the genetic algorithm (GA), particle swarm optimization (PSO), and nonlinear least-square method (NLS), the Bayesian optimization (BO) performs best in identifying the structural damage and tension force.

• 한국지반공학회논문집
• /
• 제35권4호
• /
• pp.27-35
• /
• 2019

역해석 수행 시 상대적으로 복잡한 공간 및 목표 설계 변수가 많은 경우, 지반공학 분야에 적용하기 위한 연구를 수행하였다. 지반공학 다변수 문제에 대한 모델로 터널 분야 및 흙막이벽체에 대해서 Sharan 공식 및 Blum 방법을 사용하였다. 최적화 방법은 크게 결정론적인 방법 및 확률론적인 방법으로 구분된다. 본 연구에서는 전자 중 모의강화법(SA), 후자 중 차분진화 알고리즘(DEA), 입자 군집 최적화 알고리즘(PSO)을 선택하여 다변수 모델을 적용해서 비교하였다. 지반공학 다변수 역해석 문제에서 결정론적인 방법은 문제가 있음을 확인하였고, 차분진화 알고리즘의 우수성을 확인하였다. DEA는 Sharan의 이론 해에 대한 문제에서 평균 3.12%, Blum 문제에 대해서 평균 2.23% 오차율을 보였고, 반복 탐색 회수도 가장 작은 것으로 파악되었다. DEA 대비해서 SA는 117.39~167.13배, PSO는 2.43~6.91배의 탐색시간이 소요되었다. 지반공학 문제의 다변수 역해석에 차분진화 알고리즘을 적용하면, 계산속도 및 정확도가 향상될 것으로 기대된다.

• 정보처리학회논문지B
• /
• 제15B권4호
• /
• pp.331-340
• /
• 2008

특징 선택은 기계 학습에서 분류의 성능을 높이기 위해 사용되는 방법이다. 여러 방법들이 개발되고 사용되어 오고 있으나, 전체 데이터에서 최적화된 특징 부분집합을 구성하는 문제는 여전히 어려운 문제로 남아있다. 생태계 모방 알고리즘은 생물체들의 행동 원리 등을 기반으로하여 만들어진 진화적 알고리즘으로, 최적화된 해를 찾는 문제에서 매우 유용하게 사용되는 방법이다. 특징 선택 문제에서도 생태계 모방 알고리즘을 이용한 해결방법들이 제시되어 오고 있으며, 이에 본 논문에서는 생태계 모방 알고리즘을 이용한 특징 선택 방법을 개선하는 방안을 제시한다. 이를 위해 잘 알려진 생태계 모방 알고리즘인 유전자 알고리즘(GA)과 파티클 집단 최적화 알고리즘(PSO)을 이용하여 데이터에서 가장분류 성능이 우수한 특징 부분집합을 만들어 내도록 하고, 최종적으로 개별 특징의 사전 중요도를 설정하여 생태계 모방 알고리즘을 개선하는 방법을 제안하였다. 이를 위해 개별 특징의 우수도를 구할 수 있는 mRMR이라는 방법을 이용하였다. 이렇게 설정한 사전 중요도를 이용하여 GA와 PSO의 진화 연산을 수정하였다. 데이터를 이용한 실험을 통하여 제안한 방법들의 성능을 검증하였다. GA와 PSO를 이용한 특징 선택 방법은 그 분류 정확도에 있어서 뛰어난 성능을 보여주었다. 그리고 최종적으로 제시한 사전 중요도를 이용해 개선된 방법은 그 진화 속도와 분류 정확도 면에서 기존의 GA와 PSO 방법보다 더 나아진 성능을 보여주는 것을 확인하였다.

• 대한전자공학회논문지TC
• /
• 제46권5호
• /
• pp.26-35
• /
• 2009

OFDM (Orthogonal Frequency Division Multiplexing) 시스템은 주파수 선택적 페이딩 (frequency selective fading)과 협대역 간섭 (narrowband interference)에 강한 전송 방식으로 대용량 데이터 통신에 적합하다. 하지만 독립적으로 변조된 다수의 부반송파들이 동위상으로 중첩되면서 신호의 진폭이 증가하여 PAPR (Peak-to-Average Power Ratio)이 증가하는 문제가 발생한다. PAPR 문제를 해결하기 위해 제안된 위상회전 기법은 OFDM 신호에 위상 가중치를 곱하여 신호의 비선형 왜곡 없이 PAPR을 감소시킬 수 있지만, 위상 가중치를 탐색하는 과정에서 계산의 복잡도가 부블록 수에 따라 지수적으로 증가하는 단점이 있다. 따라서 위상회전 기법의 위상 탐색 과정에 계산의 복잡도를 감소시키면서 효율적으로 위상 가중치를 구할 수 있는 기술의 연구가 필요하다. 본 논문에서는 최적해를 구하기 위하여 사용되는 Metaheuristic 알고리즘을 위상탐색 과정에 적용하기 위한 모델링 과정을 제시하고 PTS 기법에 최적화함으로써 PAPR을 감소시키는 구조를 제안한다. 이 구조는 PTS 기법의 위상 탐색 과정에서 계산 복잡도가 지수적으로 증가하는 문제를 해결하고 PAPR 감소 성능도 보장할 수 있다. 제안하는 알고리즘을 통신 시스템에 적용하였을 때 PAPR 감소 효율을 시뮬레이션을 통해 분석했다.

• Steel and Composite Structures
• /
• 제34권5호
• /
• pp.681-698
• /
• 2020

The paper addresses contribution to the modeling and optimization of major machinability parameters (cutting force, surface roughness, and tool wear) in finish dry hard turning (FDHT) for machinability evaluation of hardened AISI grade die steel D₃ with PVD-TiN coated (Al₂O₃-TiCN) mixed ceramic tool insert. The turning trials are performed based on Taguchi's L₁₈ orthogonal array design of experiments for the development of regression model as well as adequate model prediction by considering tool approach angle, nose radius, cutting speed, feed rate, and depth of cut as major machining parameters. The models or correlations are developed by employing multiple regression analysis (MRA). In addition, statistical technique (response surface methodology) followed by computational approaches (genetic algorithm and particle swarm optimization) have been employed for multiple response optimization. Thereafter, the effectiveness of proposed three (RSM, GA, PSO) optimization techniques are evaluated by confirmation test and subsequently the best optimization results have been used for estimation of energy consumption which includes savings of carbon footprint towards green machining and for tool life estimation followed by cost analysis to justify the economic feasibility of PVD-TiN coated Al₂O₃+TiCN mixed ceramic tool in FDHT operation. Finally, estimation of energy savings, economic analysis, and sustainability assessment are performed by employing carbon footprint analysis, Gilbert approach, and Pugh matrix, respectively. Novelty aspects, the present work: (i) contributes to practical industrial application of finish hard turning for the shaft and die makers to select the optimum cutting conditions in a range of hardness of 45-60 HRC, (ii) demonstrates the replacement of expensive, time-consuming conventional cylindrical grinding process and proposes the alternative of costlier CBN tool by utilizing ceramic tool in hard turning processes considering technological, economical and ecological aspects, which are helpful and efficient from industrial point of view, (iii) provides environment friendliness, cleaner production for machining of hardened steels, (iv) helps to improve the desirable machinability characteristics, and (v) serves as a knowledge for the development of a common language for sustainable manufacturing in both research field and industrial practice.

• Steel and Composite Structures
• /
• 제34권5호
• /
• pp.743-767
• /
• 2020

Due to the impressive flexural performance, enhanced compressive strength and more constrained crack propagation, Fibre-reinforced concrete (FRC) have been widely employed in the construction application. Majority of experimental studies have focused on the seismic behavior of FRC columns. Based on the valid experimental data obtained from the previous studies, the current study has evaluated the seismic response and compressive strength of FRC rectangular columns while following hybrid metaheuristic techniques. Due to the non-linearity of seismic data, Adaptive neuro-fuzzy inference system (ANFIS) has been incorporated with metaheuristic algorithms. 317 different datasets from FRC column tests has been applied as one database in order to determine the most influential factor on the ultimate strengths of FRC rectangular columns subjected to the simulated seismic loading. ANFIS has been used with the incorporation of Particle Swarm Optimization (PSO) and Genetic algorithm (GA). For the analysis of the attained results, Extreme learning machine (ELM) as an authentic prediction method has been concurrently used. The variable selection procedure is to choose the most dominant parameters affecting the ultimate strengths of FRC rectangular columns subjected to simulated seismic loading. Accordingly, the results have shown that ANFIS-PSO has successfully predicted the seismic lateral load with R² = 0.857 and 0.902 for the test and train phase, respectively, nominated as the lateral load prediction estimator. On the other hand, in case of compressive strength prediction, ELM is to predict the compressive strength with R² = 0.657 and 0.862 for test and train phase, respectively. The results have shown that the seismic lateral force trend is more predictable than the compressive strength of FRC rectangular columns, in which the best results belong to the lateral force prediction. Compressive strength prediction has illustrated a significant deviation above 40 Mpa which could be related to the considerable non-linearity and possible empirical shortcomings. Finally, employing ANFIS-GA and ANFIS-PSO techniques to evaluate the seismic response of FRC are a promising reliable approach to be replaced for high cost and time-consuming experimental tests.

• 지능정보연구
• /
• 제23권1호
• /
• pp.47-67
• /
• 2017

강판 표면 결함은 강판의 품질과 가격을 결정하는 중요한 요인 중 하나로, 많은 철강 업체는 그동안 검사자의 육안으로 강판 표면 결함을 확인해왔다. 그러나 시각에 의존한 검사는 통상 30% 이상의 판단 오류가 발생함에 따라 검사 신뢰도가 낮은 문제점을 갖고 있다. 따라서 본 연구는 Simultaneous MTS (S-MTS) 알고리즘을 적용하여 보다 지능적이고 높은 정확도를 갖는 새로운 강판 표면 결함 진단 시스템을 제안하였다. S-MTS 알고리즘은 단일 클래스 분류에는 효과적이지만 다중 클래스 분류에서 정확도가 떨어지는 기존 마할라노비스 다구찌시스템 알고리즘(Mahalanobis Taguchi System; MTS)의 문제점을 해결한 새로운 알고리즘이다. 강판 표면 결함 진단은 대표적인 다중 클래스 분류 문제에 해당하므로, 강판 표면 결함 진단 시스템 구축을 위해 본 연구에서는 S-MTS 알고리즘을 채택하였다. 강판 표면 결함 진단 시스템 개발은 S-MTS 알고리즘에 따라 다음과 같이 진행하였다. 첫째, 각 강판 표면 결함 별로 개별적인 참조 그룹 마할라노비스 공간(Mahalanobis Space; MS)을 구축하였다. 둘째, 구축된 참조 그룹 MS를 기반으로 비교 그룹 마할라노비스 거리(Mahalanobis Distance; MD)를 계산한 후 최소 MD를 갖는 강판 표면 결함을 비교 그룹의 강판 표면 결함으로 판단하였다. 셋째, 강판 표면 결함을 분류하는 데 있어 결함 간의 차이점을 명확하게 해주는 예측 능력이 높은 변수를 파악하였다. 넷째, 예측 능력이 높은 변수만을 이용해 강판 표면 결함 분류를 재수행함으로써 최종적인 강판 표면 결함 진단 시스템을 구축한다. 이와 같은 과정을 통해 구축한 S-MTS 기반 강판 표면 결함 진단 시스템의 정확도는 90.79%로, 이는 기존 검사 방법에 비해 매우 높은 정확도를 갖는 유용한 방법임을 보여준다. 추후 연구에서는 본 연구를 통해 개발된 시스템을 현장 적용하여, 실제 효과성을 검증할 필요가 있다.