• Computers and Concrete
• /
• 제5권4호
• /
• pp.343-358
• /
• 2008

This article focuses on concrete structures submitted to impact loading and is aimed at predicting local damage in the vicinity of an impact zone as well as the global response of the structure. The Discrete Element Method (DEM) seems particularly well suited in this context for modeling fractures. An identification process of DEM material parameters from macroscopic data (Young's modulus, compressive and tensile strength, fracture energy, etc.) will first be presented for the purpose of enhancing reproducibility and reliability of the simulation results with DE samples of various sizes. The modeling of a large structure by means of DEM may lead to prohibitive computation times. A refined discretization becomes required in the vicinity of the impact, while the structure may be modeled using a coarse FE mesh further from the impact area, where the material behaves elastically. A coupled discrete-finite element approach is thus proposed: the impact zone is modeled by means of DE and elastic FE are used on the rest of the structure. The proposed approach is then applied to a rock impact on a concrete slab in order to validate the coupled method and compare computation times.

• Composites Research
• /
• 제15권6호
• /
• pp.30-37
• /
• 2002

꼰 섬유(twisted yarn)로 이루어진 복합재료의 탄성계수를 예측하기 위한 강성모델을 제시하였다. 이 모델은 단위 셀 구조를 바탕으로 하여 좌표변환과 구성 재료의 연성 상수를 체적 평균함으로써 복합재료의 탄성계수를 예측하는 방법이다. 해석적인 결과와 실험치와의 비교를 위하여 두 종류의 꼬임 각을 가지는 섬유로 구성된 복합재료에 대한 시험을 하였으며 인장, 압축, 전단 강도와 탄성계수를 구하였다. 이 시험편은 유리섬유 및 에폭시 수지를 사용한 RTM 성형법으로 제조하였다. 탄성계수에 대한 비교 곁과 예측치와 실험치는 비교적 잘 일치하였다. 이 모델에 의해 구해진 3차원적인 탄성계수 값은, 꼬인 섬유로 이루어진 직조형 복합재료 구조물의 구조해석을 위한 기본 물성치 입력값으로 사용될 수 있다.

• International Journal of Concrete Structures and Materials
• /
• 제10권3호
• /
• pp.373-381
• /
• 2016

As part of this study, has been developed a numerical method which allows to establish abacuses connecting the normal force with bending moment for a circular section and therefore to predict the rupture of this type of section. This may be for reinforced concrete (traditional steel) or concrete reinforced with steel fibers. The numerical simulation was performed in nonlinear elasticity up to exhaustion of the bearing capacity of the section. The rupture modes considered occur by plasticization of the steel or rupture of the concrete (under compressive stresses or tensile stresses). Regarding the fiber-reinforced concrete, the rupture occurs, usually, by tearing of the fibers. The behavior laws of the different materials (concrete and steel) correspond to the real behavior. The influence of several parameters was investigated, namely; diameter of the section, concrete strength, type of steel, percentage of reinforcement and contribution of concrete in tension between two successive cracks of bending. A comparison was made with the behavior of a section considering the conventional diagrams of materials; provided by the BAEL rules. A second comparative study was performed for fibers reinforced section.

• 터널과지하공간
• /
• 제22권4호
• /
• pp.284-295
• /
• 2012

본 연구에서는 암석 절삭 장비의 마모에 직접적인 영향을 주는 인자인 암석의 마모도(abrasiveness) 측정에 관한 연구를 수행하였다. 몇 가지 방법 중 세르샤 마모 시험(Cerchar abrasiveness test)을 통하여 암석의 마모도에 영향을 미치는 인자를 확인하고 효율적인 시험을 수행하기 위한 조건들을 연구하였다. 국내 19종 암석에 대한 시험 결과를 통하여, 세르샤 마모 지수(CAI, Cerchar Abrasiveness Index)에 영향을 미치는 암석의 역학적 물성(단축압축강도, 간접인장강도, 탄성계수, 포아송비, 공극률, 쇼어경도)과의 상관관계를 찾아보았고 X선 회절 분석을 통하여 암석의 구성 광물 중 마모도에 가장 큰 영향을 미치는 석영 함량, 등가 석영 함량과의 관계도 확인하였다. 그 결과로 암석의 입자 결합 특성보다 광물의 특성이 CAI에 영향을 더 미치는 것으로 관찰되었고, 단축압축강도와 등가 석영함량의 함수로 CAI를 예측하는 모델을 제시하였으며 핀의 경도가 커질수록 CAI값이 선형적으로 작아짐을 확인하였다. 수치해석적 연구를 통해 세르샤 마모 시험을 모사한 결과 초기 긁힘 거리에서 대부분의 마모가 발생함을 확인하였고 하중이 증가할수록 CAI값이 증가함을 확인하였다.

• Journal of the Korean Wood Science and Technology
• /
• 제38권3호
• /
• pp.170-177
• /
• 2010

구조용 목재부재의 성능 예측에 가장 큰 영향을 끼치는 옹이를 활용하여 유한요소 수치해석을 실시하였다. 다른 구조용 재료와 달리 목재의 경우 직교이방성을 나타내기 때문에 이를 적용하였고 옹이를 실린더 형태, 원추형 형태, 육면체 형태로 모델화 하였다. 목재 부재에 대해 실제 압축강도실험을 실시하여 그 파괴형태를 파악하고 최대강도값을 계산하였으며, 각 부재의 치수와 옹이의 크기, 위치, 개수를 반영한 수치해석 모델을 제작하여 유한요소해석을 실시하였다. 실험에서 얻어진 최대압축강도를 적용한 수치해석을 실시하여 옹이자료에 따른 각 부재의 응력분포형태를 파악하고 이를 실제 부재의 파괴형태와 비교 분석하였다. 수치해석에 소요되는 시간이나 요수 분할의 어려움, 옹이 주위의 응력 전달의 유사성 등에 기준했을 때 실린더 형태의 요소가 가장 타당하다고 판단되었다. 또한 응력 분포 모양과 변형 분포 모양을 비교한 경우 유한 요소 수치해석의 결과에서 응력이 가장 집중되는 부분과 변형이 가장 심하게 발생한 주위에서 실제 시편의 파괴나 균열이 발생함을 알 수 있었다. 이를 기초로 유한요소 수치해석법을 직교이방성과 옹이 모델링을 적절히 적용할 경우 휨응력을 받는 부재와 인장 응력을 받는 부재 등의 성능 해석에 유용한 수단으로 활용될 수 있을 것으로 판단된다.

• 한국터널지하공간학회 논문집
• /
• 제26권1호
• /
• pp.39-58
• /
• 2024

TBM (Tunnel boring machine)은 터널 굴착 과정에서 여러 디스크 커터를 이용하여 암석을 절삭한다. 디스크 커터는 암석과의 지속적인 접촉과 마찰로 인해 마모된다. 디스크 커터의 표면이 마모되면 절삭 능력이 감소하고 굴착 효율이 떨어진다. 암석의 마모성은 디스크 커터 마모에 큰 영향을 미친다. 높은 마모도를 가진 암석은 커터에 더 큰 마모를 일으키며, 이는 디스크 커터의 수명을 단축시킨다. 세르샤 마모지수(Cerchar abrasivity index, CAI)는 암석의 마모성을 평가하는데 널리 사용되는 지표로 CAI는 암석의 마모특성을 나타내며, 디스크 커터의 수명과 성능 예측에 필수적인 요소로 인식되고 있다. 본 연구의 목적은 암석의 강도, 암석학적 특성과 선형회귀, 머신러닝 기법을 이용하여 CAI를 효과적으로 추정하는 새로운 방법을 개발하는 것이다. 문헌 조사를 통해 CAI, 일축압축강도, 압열인장강도, 등가석영함량이 포함된 데이터베이스를 구축하고 파생변수를 추가하였다. 통계적 유의성과 다중공선성을 고려하여 다중선형회귀분석을 위한 입력변수를 선정하였고, 머신러닝 모델의 입력변수는 변수중요도 분석을 통해 선정하였다. 머신러닝 예측모델 중 Gradient Boosting 모델의 예측 성능이 가장 높게 나타나 최적의 CAI 예측 모델로 선정되었다. 마지막으로 본 연구에서 도출한 다중선형회귀분석과 Gradient Boosting 모델의 예측 성능을 선행연구들의 CAI 예측모델과 비교하여 연구 결과의 타당성을 확인하였다.

• Geomechanics and Engineering
• /
• 제30권3호
• /
• pp.259-272
• /
• 2022

Rockburst is a dynamic, multivariate, and non-linear phenomenon that occurs in underground mining and civil engineering structures. Predicting rockburst is challenging since conventional models are not standardized. Hence, machine learning techniques would improve the prediction accuracies. This study describes decision based uncertainty models to predict rockburst in underground engineering structures using gradient boosting algorithms (GBM). The model input variables were uniaxial compressive strength (UCS), uniaxial tensile strength (UTS), maximum tangential stress (MTS), excavation depth (D), stress ratio (SR), and brittleness coefficient (BC). Several models were trained using different combinations of the input variables and a 3-fold cross-validation resampling procedure. The hyperparameters comprising learning rate, number of boosting iterations, tree depth, and number of minimum observations were tuned to attain the optimum models. The performance of the models was tested using classification accuracy, Cohen's kappa coefficient (k), sensitivity and specificity. The best-performing model showed a classification accuracy, k, sensitivity and specificity values of 98%, 93%, 1.00 and 0.957 respectively by optimizing model ROC metrics. The most and least influential input variables were MTS and BC, respectively. The partial dependence plots revealed the relationship between the changes in the input variables and model predictions. The findings reveal that GBM can be used to anticipate rockburst and guide decisions about support requirements before mining development.

• Structural Engineering and Mechanics
• /
• 제87권3호
• /
• pp.221-229
• /
• 2023

Urbanization and industrialization have significantly increased the amount of solid waste produced in recent decades, posing considerable disposal problems and environmental burdens. The practice of waste utilization in concrete has gained popularity among construction practitioners and researchers for the efficient use of resources and the transition to the circular economy in construction. This study employed Lytag aggregate, an environmentally friendly pulverized fuel ash-based lightweight aggregate, as a substitute for natural coarse aggregate. At the same time, fly ash, an industrial by-product, was used as a partial substitute for cement. Concrete mix M20 was experimented with using fly ash and Lytag lightweight aggregate. The percentages of fly ash that make up the replacements were 5%, 10%, 15%, 20%, and 25%. The Compressive Strength (CS), Split Tensile Strength (STS), and deflection were discovered at these percentages after 56 days of testing. The concrete cube, cylinder, and beam specimens were examined in the explorations, as mentioned earlier. The results indicate that a 10% substitution of cement with fly ash and a replacement of coarse aggregate with Lytag lightweight aggregate produced concrete that performed well in terms of mechanical properties and deflection. The cementitious composites have varying characteristics as the environment changes. Therefore, understanding their mechanical properties are crucial for safety reasons. CS, STS, and deflection are the essential property of concrete. Machine learning (ML) approaches have been necessary to predict the CS of concrete. The Artificial Fish Swarm Optimization (AFSO), Particle Swarm Optimization (PSO), and Harmony Search (HS) algorithms were investigated for the prediction of outcomes. This work deftly explains the tremendous AFSO technique, which achieves the precise ideal values of the weights in the model to crown the mathematical modeling technique. This has been proved by the minimum, maximum, and sample median, and the first and third quartiles were used as the basis for a boxplot through the standardized method of showing the dataset. It graphically displays the quantitative value distribution of a field. The correlation matrix and confidence interval were represented graphically using the corrupt method.

• Geomechanics and Engineering
• /
• 제37권3호
• /
• pp.223-241
• /
• 2024

Evaluating the performance of Tunnel Boring Machines (TBMs) stands as a pivotal juncture in the domain of hard rock mechanized tunneling, essential for achieving both a dependable construction timeline and utilization rate. In this investigation, three advanced artificial neural networks namely, gated recurrent unit (GRU), back propagation neural network (BPNN), and simple recurrent neural network (SRNN) were crafted to prognosticate TBM-rate of penetration (ROP). Drawing from a dataset comprising 1125 data points amassed during the construction of the Alborze Service Tunnel, the study commenced. Initially, five geomechanical parameters were scrutinized for their impact on TBM-ROP efficiency. Subsequent statistical analyses narrowed down the effective parameters to three, including uniaxial compressive strength (UCS), peak slope index (PSI), and Brazilian tensile strength (BTS). Among the methodologies employed, GRU emerged as the most robust model, demonstrating exceptional predictive prowess for TBM-ROP with staggering accuracy metrics on the testing subset (R² = 0.87, NRMSE = 6.76E-04, MAD = 2.85E-05). The proposed models present viable solutions for analogous ground and TBM tunneling scenarios, particularly beneficial in routes predominantly composed of volcanic and sedimentary rock formations. Leveraging forecasted parameters holds the promise of enhancing both machine efficiency and construction safety within TBM tunneling endeavors.

• 대한토목학회논문집
• /
• 제38권2호
• /
• pp.193-202
• /
• 2018

이 연구는 철근콘크리트 부재에서 사용한계상태 검증 및 내구성능 평가의 요소인 균열폭을 계산하는데 중요한 변수가 되는 균열간격 계산식을 제안한 것이다. 철근콘크리트 부재의 균열거동 해석을 위한 지배방정식이 되는 부착특성을 반영하여 평균균열간격 기본식을 유도하고, 피복두께와 콘크리트 강도의 영향을 고려할 수 있도록 여러 연구자들이 수행한 124개의 직접인장실험에서 측정된 균열간격을 분석하여 각각의 계수를 제안하였다. 그리고, 최대 및 평균 균열간격이 동시에 측정된 80개의 실험체 자료로부터 상관관계 분석을 실시하여 평균균열간격으로부터 최대 균열간격을 간편하게 예측할 수 있는 상관계수를 제안하였다. 제안된 평균균열간격 계산식 및 최대균열간격 상관식에 대해서 현행 설계기준의 규정과 비교를 실시하였다. 비교 결과, 평균균열간격 및 최대균열간격에 대한 제안식은 콘크리트구조기준 및 도로교설계기준(한계상태설계법)의 해당 규정과 비교하여 예측의 정확성 및 신뢰도가 개선됨을 확인하였다.