• 한국구조물진단유지관리공학회 논문집
• /
• 제27권4호
• /
• pp.62-69
• /
• 2023

본 연구에서는 제강 슬래그 (fine steel slag aggregates, FSSAs) 혼입량에 따른 스마트 보수재료 (smart repair materials, SRMs)의 전기역학적 거동을 조사하였다. SRMs는 보수 품질을 스스로 진단하고 보수 부위의 손상을 자체적으로 감지할 수 있다. FSSAs는 SRMs에 모래 중량 대비 0% (FSSA00), 25% (FSSA25), 그리고 50% (FSSA50) 치환되어 혼입되었다. SRMs의 전기저항률은 일반적으로 압축 응력이 증가함에 따라 감소하였다: 재령 7시간 기준 FSSA25의 전기저항률은 압축 응력이 0에서 22.57 MPa로 증가함에 따라 78.16에서 63.68 kΩ-cm으로 감소하였다. FSSAs의 모래 중량 대비 치환율이 0%에서 25%로 증가함에 따라 재령 7시간 기준 응력 민감도 (stress sensitivity coefficient, SSC)는 매트릭스 내 부분적인 전도성 경로 수의 증가로 인해 0.471에서 0.828 %/MPa로 증가하였다. 하지만, 치환율이 50%까지 증가함에 따라 부분적인 전도성 경로들의 일부가 연속적인 전도성 경로로 변화하여 SSC는 0.828에서 0.649 %/MPa로 감소하였다. SRMs는 보수 부위의 전기저항률만을 측정하는 것으로 보수 품질을 진단하고 보수 부위의 추가 손상을 스스로 감지할 수 있을 뿐만 아니라 구조물의 역학적 성능을 빠르게 회복시킬 수 있을 것으로 기대한다.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2011년도 정기 학술대회
• /
• pp.425-428
• /
• 2011

국내외적으로 수주량이 증가하고 있는 대형 구조물의 건설 시 보다 정밀한 시공 및 유지관리 기술이 요구된다. 그 중 콘크리트의 강도는 대표적인 설계변수 중 하나로 정확한 강도 값의 측정 및 이력관리는 건설 프로세스에서의 비용절감과 효율적인 시공관리를 위해 매우 중요한 요구사항이다. 이에 본 논문에서는 최근 개발된 임베디드 자율감지형 콘크리트 강도 모니터링 기술을 유비쿼터스 시대에 적합한 건설 기술로의 향상을 위해 QR코드와 연동시킨 강도 라벨링을 개발하고 이를 통하여 콘크리트의 강도이력 DB를 언제 어디서나 실시간으로 확인 및 관리할 수 있는 콘크리트 Life-Cycle 품질관리 시스템을 제안한다.

• 한국건설순환자원학회논문집
• /
• 제10권3호
• /
• pp.235-242
• /
• 2022

CNT 보강 시멘트 페이스트의 침투 임계점은 자기감지 콘크리트의 감지 성능 극대화를 위한 최적 CNT 혼입량과 밀접한 관련이 있다. 하지만 침투임계점은 사용된 시멘트, CNT 그리고 물 시멘트 비에 따라 다양한 값을 가지며, 이를 얻기 위해서는 실험기반의 다수의 시행착오가 불가피하다. 이 연구는 CNT 보강 시멘트 페이스트의 침투 임계점 예측을 위한 침투 시뮬레이션 모델을 제안하였다. 제안된 모델은 CNT 그리고 시멘트 특성을 사용하여 CNT 혼입량에 따른 침투를 시뮬레이션할 수 있으며, 이를 위해 응집된 CNT 입자 수 개념이 사용되었다. 침투 시뮬레이션 과정은 미수화 시멘트 페이스트 모델 형성, CNT 랜덤분산, 그리고 침투 조사의 순서로 구성된다. 시뮬레이션에는 물 시멘트 비가 0.4-0.6인 CNT 보강 시멘트 페이스트가 사용되었으며, 시뮬레이션 된 침투 임계점은 문헌 결과 대비 최대 7.5 %의 시뮬레이션 잔차율로 높은 정확도를 보였다.

• Nuclear Engineering and Technology
• /
• 제55권8호
• /
• pp.3030-3038
• /
• 2023

Nowadays, mobile robots have been used to search for uncontrolled radioactive source in indoor environments to avoid radiation exposure for technicians. However, in the indoor environments, especially in the presence of obstacles, how to make the robots with limited sensing capabilities automatically search for the radioactive source remains a major challenge. Also, the source search efficiency of robots needs to be further improved to meet practical scenarios such as limited exploration time. This paper proposes an automatic source search strategy, abbreviated as ACA: the location of source is estimated by a convolutional neural network (CNN), and the path is planned by the A-star algorithm. First, the search area is represented as an occupancy grid map. Then, the radiation dose distribution of the radioactive source in the occupancy grid map is obtained by Monte Carlo (MC) method simulation, and multiple sets of radiation data are collected through the eight neighborhood self-avoiding random walk (ENSAW) algorithm as the radiation data set. Further, the radiation data set is fed into the designed CNN architecture to train the network model in advance. When the searcher enters the search area where the radioactive source exists, the location of source is estimated by the network model and the search path is planned by the A-star algorithm, and this process is iterated continuously until the searcher reaches the location of radioactive source. The experimental results show that the average number of radiometric measurements and the average number of moving steps of the ACA algorithm are only 2.1% and 33.2% of those of the gradient search (GS) algorithm in the indoor environment without obstacles. In the indoor environment shielded by concrete walls, the GS algorithm fails to search for the source, while the ACA algorithm successfully searches for the source with fewer moving steps and sparse radiometric data.