• 한국강구조학회 논문집
• /
• 제14권5호통권60호
• /
• pp.641-646
• /
• 2002

본 논문에서는 정적 처짐데이터를 이용한 교량의 강성추정에 관한 기법을 개발하였다. 제안된 기법은 주기적으로 교량의 자중에 의한 처짐을 계측하여 이들 처짐값의 변화량을 이용하여 손상의 진행정도를 규명하는 기법으로써 재하시험이 필요하지 않으며, 최근 활발히 진행되고 있는 계측모니터링 시스템으로부터 획득된 계측데이터를 정량적으로 분석하는 기법으로 활용이 가능하리라 판단된다. 손상평가를 위한 정식화과정에서 부재의 손상은 강성의 저감으로 표현하였으며, 부재의 질량과 초기강성은 실측 또는 도면을 통하여 획득이 가능하다고 가정하였다. 제안된 기법의 타당성 검증을 위하여 수치모형을 통한 손상도 추정결과를 제시하였으며, 기존의 손상도 추정기법 중 비교적 손상에 대한 민감도가 높은 모드형상을 이용한 기법과 손상도 추정결과를 비교하였다. 또한, 손상추정결과를 정확도를 감소시키는 노이즈의 영향을 분석하기 위하여 정적응답자료에 백색잡음을 추가하여 손상도를 추정하였으며, 손상부재의 수가 손상추정 결과에 미치는 영향을 검토하였다.

• Structural Engineering and Mechanics
• /
• 제86권6호
• /
• pp.715-730
• /
• 2023

Broad studies have addressed the issue of structural element damage identification, however, rubber bearing, as a key component of load transmission between the superstructure and substructure, is essential to the operational safety of a bridge, which should be paid more attention to its health condition. However, regarding the limitations of the traditional bearing damage detection methods as well as few studies have been conducted on this topic, in this paper, inspired by the model updating-based structural damage identification, a two-stage bearing damage identification method has been proposed. In the first stage, we deduce a novel bearing damage localization indicator, called element relative MSE, to accurately determine the bearing damage location. In the second one, the prior knowledge of bearing damage localization is combined with sailfish optimization (SFO) to perform the bearing damage estimation. In order to validate the feasibility, a numerical example of a 5-span continuous beam is introduced, also the noise robustness has been investigated. Meanwhile, the effectiveness and engineering applicability are further verified based on an experimental simply supported beam and actual engineering of the I-40 Bridge. The obtained results are good, which indicate that the proposed method is not only suitable for simple structures but also can accurately locate the bearing damage site and identify its severity for complex structure. To summarize, the proposed method provides a good guideline for the issue of bridge bearing detection, which could be used to reduce the difficulty of the traditional bearing failure detection approach, further saving labor costs and economic expenses.

• 대한토목학회논문집
• /
• 제42권1호
• /
• pp.117-126
• /
• 2022

현재 국내 교량 구조물은 지속적으로 증가 및 대형화되고 있으며 그에 따라 공용된 지 30년 이상 된 노후 교량도 꾸준히 늘어나고 있다. 교량 노후화 문제는 국내뿐 아니라 전 세계적으로도 심각한 사회 문제로 다루어지고 있으며, 기존 인력 위주의 점검 방식은 그 한계점을 드러내고 있다. 최근 들어 딥러닝 기반의 영상처리 알고리즘을 활용한 각종 교량 손상탐지 연구가 이루어지고 있지만 교량 손상 데이터 세트의 한계로 인하여 주로 균열 1종에 국한된 교량 손상탐지 연구가 대부분이고, 이 또한 Close set 분류모델 기반 탐지방식으로서 실제 교량 촬영 영상에 적용했을 시 배경이나 기타 객체 등 학습되지 않은 클래스의 입력 이미지들로 인하여 심각한 오인식 문제가 발생할 수 있다. 본 연구에서는 균열 포함 5종의 교량 손상을 정의 및 데이터 세트를 구축해서 딥러닝 모델로 학습시키고, OpenMax 알고리즘을 적용한 Open set 인식 기반 교량 다중손상 인식 모델을 개발했다. 그리고 학습되지 않은 이미지들을 포함하고 있는 Open set에 대한 분류 및 인식 성능평가를 수행한 후 그 결과를 분석했다.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2000년도 봄 학술발표회논문집
• /
• pp.297-303
• /
• 2000

Damage estimation of a bridge structure is presented using ambient vibration data caused by the traffic loadings. The procedure consists of identification of the modal properties and assessment of the damage locations and severities. An experimental study is carried out on the bridge model subjected to vehicle loadings. Vertical accelerations of the bridge deck are measured at a limited number of locations. The modal parameters are identified from the free vibration signals extracted using the random decrement method. Then, the damage assessment is carried out based on the estimated modal parameters using the neural networks technique. The identified damage locations and severities agree reasonably well with the inflicted damages on the structure.

• Smart Structures and Systems
• /
• 제13권5호
• /
• pp.731-753
• /
• 2014

In this study, an indirect approach is developed for assessing the state of a bridge on the basis of mode shapes estimated by the responses of passing vehicles. Two types of damages, i.e., immobilization of a support and decrease in beam stiffness at the center, are evaluated with varying degrees of road roughness and measurement noise. The assessment theory's feasibility is verified through numerical simulations of interactive vibration between a two-dimensional beam and passing vehicles modeled simply as sprung mass. It is determined that the damage state can be recognized by the estimated mode shapes when the beam incurs severe damage, such as immobilization of rotational support, and the responses contain no noise. However, the developed theory has low robustness against noise. Therefore, numerous measurements are needed for damage identification when the measurement is contaminated with noise.

• Smart Structures and Systems
• /
• 제13권5호
• /
• pp.849-868
• /
• 2014

An indirect approach is explored for structural health bridge monitoring allowing for wide, yet cost-effective, bridge stock coverage. The detection capability of the approach is tested in a laboratory setting for three different reversible proxy types of damage scenarios: changes in the support conditions (rotational restraint), additional damping, and an added mass at the midspan. A set of frequency features is used in conjunction with a support vector machine classifier on data measured from a passing vehicle at the wheel and suspension levels, and directly from the bridge structure for comparison. For each type of damage, four levels of severity were explored. The results show that for each damage type, the classification accuracy based on data measured from the passing vehicle is, on average, as good as or better than the classification accuracy based on data measured from the bridge. Classification accuracy showed a steady trend for low (1-1.75 m/s) and high vehicle speeds (2-2.75 m/s), with a decrease of about 7% for the latter. These results show promise towards a highly mobile structural health bridge monitoring system for wide and cost-effective bridge stock coverage.

• Structural Engineering and Mechanics
• /
• 제17권3_4호
• /
• pp.483-492
• /
• 2004

This paper presents an efficient algorithm for the estimation of damage location and severity in bridge structures using Probabilistic Neural Network (PNN). Generally, the Back Propagation Neural Network (BPNN)-based damage detection methods need a lot of training patterns for neural network learning process and the optimum architecture of a BPNN is selected by trial and error. In this paper, the PNN instead of the conventional BPNN is used as a pattern classifier. The modal properties of damaged structure are somewhat different from those of undamaged one. The basic idea of proposed algorithm is that the PNN classifies a test pattern which consists of the modal characteristics from damaged structure, how close it is to each training pattern which is composed of the modal characteristics from various structural damage cases. In this algorithm, two PNNs are sequentially used. The first PNN estimates the damage location using mode shape and the results of the first PNN are put into the second PNN for the damage severity estimation using natural frequency. The proposed damage assessment algorithm using the PNN is applied to a cable-stayed bridge to verify its applicability.

• 한국전통조경학회지
• /
• 제28권3호
• /
• pp.105-113
• /
• 2010

본 연구는 전통공간에 대한 보존계획에 있어서, 대상물의 가치평가를 위하여 수행되는 훼손상태조사에 대한 연구이다. 특히, 전통공간에 위치해 있는 전통 건조물의 보존에 대한 관심과 흥미를 체계화하고 있는 전문가 집단에서 가치평가의 주된 요소로써 대상물의 훼손상태는 어떠한 과정과 방법에 의해서 분석될 수 있는가? 에 대한 과정과 방법론에 관한 실험적인 연구이다. 이를 위하여 본 연구에서는 문화재 '진단학(Diagnostic)'에 대한 이해를 바탕으로 수표교에 대한 물리적 특성과 대상지 환경여건에 대한 이해를 바탕으로 수행하였다. 한편, 본 연구는 그 특성상 수표교의 훼손상태를 기록하기 위하여 작성되는 훼손상태 분포도는 사진측량 기법을 적용한 실측도면을 활용하였고, 대상물의 훼손상태를 조사하기 위한 '평가지침'은 이탈리아 정부의 건축문화재 관리지침이라 할 수 있는 'Raccomandazioni Normal'을 기준으로 하였다. 이러한 연구접근은 국외 건축문화재의 훼손상태 조사에 사용되는 표준지침의 국내 문화재로의 적용 가능성에 대한 실험적인 차원에서 이루어졌음을 밝혀둔다. 그 결과, 수표교의 각 부분별 훼손상태는 침전물에 의한 훼손과 부식 등이 주를 이루고 있었으며, 부식을 비롯한 9가지의 훼손유형의 경우에는 그 구성성분의 물리 화학적 특성과 분포상태를 고려할 때, 수표교의 안전성과 관련하여 위협적인 요소로는 작용하지 않는 것으로 판단하였다. 반면에, 경관 향상을 위하여 상판마루와 멍에석, 그리고 교각부분에서 관찰되는 'Thermoclastism(열전화)' 현상의 경우, 교각을 중심으로 넓게 분포하고 있음을 감안할 때, 훼손부위의 제거와 함께 표면강화 작업의 조속한 처리가 요구될 것으로 판단하였다.

• 대한토목학회논문집
• /
• 제43권2호
• /
• pp.165-173
• /
• 2023

교량에 발생하는 손상에 대한 관리 및 평가는 정기적인 점검으로 작성된 보고서와 외관조사망도 및 손상물량표를 포함한 점검 및 진단자료에 기초한다. 이러한 자료 대부분은 2D 기반의 문서형식으로 작성되어 있고, 표준화된 방식으로 디지털화하기 어려워 정해진 목적 외의 활용이 쉽지 않다. 이에 본 연구에서는 점검자료를 기반으로 손상을 포함한 BIM 기반 교량모델을 구축하는 방법을 제시하고, BIM 표준을 준용하는 유지관리용 건설정보교환표준인 COBie (Construction Operations Building Information Exchange)를 사용하여 모델로부터 도출한 스프레드시트 데이터 형식의 손상정보들을 교량모델과 연계하여 관리하고 활용하는 방법을 제시하였다. 또한 전술한 방법들을 이용해 손상이 발생한 교량 상부구조 각 부위별 상태등급을 디지털 데이터 기반으로 자동화된 방법으로 평가하는 방법을 제안하였다. 본 연구에서 제안된 방법들은 PSC I형 콘크리트 교량의 상부구조를 대상으로 검증이 이루어졌으며 그 실효성이 검증되었다.

• Smart Structures and Systems
• /
• 제31권4호
• /
• pp.335-349
• /
• 2023

Bridges constantly undergo deterioration and damage, the most common ones being concrete damage and exposed rebar. Periodic inspection of bridges to identify damages can aid in their quick remediation. Likewise, identifying components can provide context for damage assessment and help gauge a bridge's state of interaction with its surroundings. Current inspection techniques rely on manual site visits, which can be time-consuming and costly. More recently, robotic inspection assisted by autonomous data analytics based on Computer Vision (CV) and Artificial Intelligence (AI) has been viewed as a suitable alternative to manual inspection because of its efficiency and accuracy. To aid research in this avenue, this study performs a comparative assessment of different architectures, loss functions, and ensembling strategies for the autonomous segmentation of bridge components and damages. The experiments lead to several interesting discoveries. Nested Reg-UNet architecture is found to outperform five other state-of-the-art architectures in both damage and component segmentation tasks. The architecture is built by combining a Nested UNet style dense configuration with a pretrained RegNet encoder. In terms of the mean Intersection over Union (mIoU) metric, the Nested Reg-UNet architecture provides an improvement of 2.86% on the damage segmentation task and 1.66% on the component segmentation task compared to the state-of-the-art UNet architecture. Furthermore, it is demonstrated that incorporating the Lovasz-Softmax loss function to counter class imbalance can boost performance by 3.44% in the component segmentation task over the most employed alternative, weighted Cross Entropy (wCE). Finally, weighted softmax ensembling is found to be quite effective when used synchronously with the Nested Reg-UNet architecture by providing mIoU improvement of 0.74% in the component segmentation task and 1.14% in the damage segmentation task over a single-architecture baseline. Overall, the best mIoU of 92.50% for the component segmentation task and 84.19% for the damage segmentation task validate the feasibility of these techniques for autonomous bridge component and damage segmentation using RGB images.