• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.291-295
• /
• 2022

본 논문은 시민들의 Life Style 변화에 대응하고 송산그린시티의 미래상을 달성하기 위해 기술과 주거, 산업, 관광레저 등 기능이 상호 효율적으로 융합된 환경친화적 첨단도시를 건설하기 위하여 스마트도시에 적용한 u-상수도 관로파손감지시스템 구축기술에 대하여 기술하기로 한다. 관로파손감지시스템은 송산그린시티 동측지구내 상수도관 상부에 설치되는 스마트예방시트, 관로파손감지기, 관파손감지 소프트웨어, 서버 등으로 구성되며 중앙제어부(관파손감지소프트웨어, 서버)는 화성시 맑은물사업소내에 설치되어 SKT의 WCDMA방식의 무선통신망을 통하여 현장에서 화성시로 데이터를 전송하고 있다. 본 시스템은 굴착공사중 시설물 파손을 예방하고 관로 손상여부를 실시간으로 감지하여 이벤트 발생위치를 관리자에게 알려주여 누수손실을 예방하여 시설물의 수명연장을 도모한다.

• 국제학술발표논문집
• /
• The 8th International Conference on Construction Engineering and Project Management
• /
• pp.463-481
• /
• 2020

Cutter suction dredgers (CSDs) are widely used in various dredging constructions such as channel excavation, wharf construction, and reef construction. During a CSD construction, the main operation is to control the swing speed of cutter to keep the slurry concentration in a proper range. However, the slurry concentration cannot be monitored in real-time, i.e., there is a "time-lag effect" in the log of slurry concentration, making it difficult for operators to make the optimal decision on controlling. Concerning this issue, a solution scheme that using real-time monitored indicators to predict current slurry concentration is proposed in this research. The characteristics of the CSD monitoring data are first studied, and a set of preprocessing methods are presented. Then we put forward the concept of "index class" to select the important indices. Finally, an ensemble learning algorithm is set up to fit the relationship between the slurry concentration and the indices of the index classes. In the experiment, log data over seven days of a practical dredging construction is collected. For comparison, the Deep Neural Network (DNN), Long Short Time Memory (LSTM), Support Vector Machine (SVM), Random Forest (RF), Gradient Boosting Decision Tree (GBDT), and the Bayesian Ridge algorithm are tried. The results show that our method has the best performance with an R² of 0.886 and a mean square error (MSE) of 5.538. This research provides an effective way for real-time predicting the slurry concentration of CSDs and can help to improve the stationarity and production efficiency of dredging construction.

• 터널과지하공간
• /
• 제33권5호
• /
• pp.339-347
• /
• 2023

TBM 추진잭이 경사면에 접촉하거나 편심하중이 발생할 때 추진잭의 페데스탈 및 로드 부위에 횡하중에 의한 휨변형이 발생할 수 있다. 이는 추진잭 모듈의 고장을 유발할 우려가 있으므로, 추진잭 모듈 전체에 대한 좌굴 안정성을 검증할 필요가 있다. 본 연구는 추진잭 좌굴 안정성 분석을 위한 좌굴 압축시험방법을 조사하고, 압축시험 시스템을 구성하였다. 추진잭의 전체 부품을 모델링하여 수치해석을 통해 응력집중 파트를 분석하였다. 경사도 0도 조건에서 최대하중을 가압하여 압축시험을 수행하였다. 로드의 변형과 씰의 누유는 관측되지 않아서 0도 조건에서 추진잭의 좌굴 안정성을 검증하였다.

• 한국지반공학회논문집
• /
• 제39권12호
• /
• pp.103-114
• /
• 2023

흙막이 현장에서 계측은 굴착으로 인한 지보재와 지반의 안정성 확인을 위해 필수적으로 수행해야 하는 중요한 요소이다. 특히, 굴착지반에서 전달되는 버팀대의 하중 전달 추이를 확인하는 하중계는 정확도 유지가 필수적이다. 그러나, 건설 현장에서는 하중계의 정확도를 파악할 수 있는 검증 방법, 규정 등의 연구가 부족하여 제대로 된 성능검사 없이 설치됨에 따라 문제가 되고 있다. 본 연구에서는 국내 현장에 사용되는 하중계를 전수조사하여 성능검사를 실시하고 외국 제품과의 비교를 통해 불량 원인을 파악하였다. 하중계의 성능검증을 통해 성능검사 기준을 제시하였으므로 본 연구 결과는 신뢰성 높은 하중계를 선택하는 데 도움이 될 것으로 판단된다.

• Geomechanics and Engineering
• /
• 제37권1호
• /
• pp.49-64
• /
• 2024

Rocks undergoing repeated loading and unloading over an extended period, such as due to earthquakes, human excavation, and blasting, may result in the gradual accumulation of stress and deformation within the rock mass, eventually reaching an unstable state. In this study, a CNN-CCM is proposed to address the mechanical behavior. The structure and hyperparameters of CNN-CCM include Conv2D layers × 5; Max pooling2D layers × 4; Dense layers × 4; learning rate=0.001; Epoch=50; Batch size=64; Dropout=0.5. Training and validation data for deep learning include 71 rock samples and 122,152 data points. The AI Rock Constitutive Model learned by CNN-CCM can predict strain values(ε₁) using Mass (M), Axial stress (σ₁), Density (ρ), Cyclic number (N), Confining pressure (σ₃), and Young's modulus (E). Five evaluation indicators R², MAPE, RMSE, MSE, and MAE yield respective values of 0.929, 16.44%, 0.954, 0.913, and 0.542, illustrating good predictive performance and generalization ability of model. Finally, interpreting the AI Rock Constitutive Model using the SHAP explaining method reveals that feature importance follows the order N > M > σ₁ > E > ρ > σ₃.Positive SHAP values indicate positive effects on predicting strain ε₁ for N, M, σ₁, and σ₃, while negative SHAP values have negative effects. For E, a positive value has a negative effect on predicting strain ε₁, consistent with the influence patterns of conventional physical rock constitutive equations. The present study offers a novel approach to the investigation of the mechanical constitutive model of rocks under cyclic loading and unloading conditions.

• 헤리티지:역사와 과학
• /
• 제55권4호
• /
• pp.6-22
• /
• 2022

본고에서는 서·남해안에서 출수된 닻돌 228점의 유형을 분류하고, 유형별 결합 방식 상정, 출수 위치를 통한 항로 및 묘박지 추정 등을 시도하였다. 유형 분류에 앞서 닻돌의 무게, 두께, 너비, 길이를 측정하였는데, 묘박(錨泊)에서 가장 큰 영향을 끼치는 무게를 I~V군으로, 닻돌의 형태는 1~6형으로 구분하였다. 이러한 무게와 형태의 상관 관계를 통해 모두 17개의 유형으로 분류하였다. 유형별 결합 방식은 출수된 닻돌의 기준값 형태적 특징에 따라 무게가 180kg 이하이면서, 형태가 1·2형인 것은 닻장에 결합하여 사용하는 닻으로, 무게가 180kg 이상이며 형태가 3~6형인 것은 닻채에 결합하여 사용하는 닻으로 상정하였다. 이와 함께 과거 기록과 지역 주민의 증언을 통해 항로와 묘박지(錨泊地)를 파악하고 이를 실물자료와 대조하였다. 항로는 대체로 과거 기록과 그 위치가 일치했지만, 새로운 항로가 섬 인근이나 내륙 인접 해역에서 확인되기도 하였다. 묘박지의 경우 닻돌 집중 분포지인 태안 마도 해역과 진도 벽파진 해역(珍島 碧波津 海域)에서 소형, 대형 닻돌들이 출수되는 양상을 볼 때, 여러 크기의 선박이 두 해역에 묘박하였다는 증언과 일치하였다.

• 한국지반공학회논문집
• /
• 제15권4호
• /
• pp.99-112
• /
• 1999

막장 전방에 파쇄대 등의 불연속면이 존재할 경우, 이를 미리 예측하지 못한채로 굴진을 하게 되면 파쇄대로 인해 터널 굴진에 따라 발생된 종방향 아칭에 영향을 주어 막장면 전방에 응력이 집중하게 된다. 터널 및 지하공간의 설계시에는 불확실한 설계요소를 과다하게 내포하고 있으므로 경제적이고 안정성이 확보된 터널 시공을 위해서는 터널 막장면에서의 정확한 계측으로 막장 전방의 파쇄대를 예측하여 터널 지보체계에 신속히 대비함이 필요하다. 최근의 연구결과에 의하면 3차원 절대변위계측에 의해 터널의 시공 시 굴진에 따라 지반의 강도차이로 인해 발생된 종방향 변위의 변화를 측정하여 막장 전방의 불연속면을 미리 예측할 수 있다고 하였다. 본 연구는 혼합법을 사용한 3차원 수치해석으로부터 얻어지는 변위로부터 L/C (천단부의 종방향 변위[L]와 천단부의 침하량[C]의 비 )와 S/C (측벽의 수평방향 변위[S]와 천단부의 침하량[C]의 비), (Ll-Lr)/C (좌측벽의 종방향변위[Ll]와 우측벽의 종방향변위[Lr]의 차와 천단부의 침하량[C]의 비), 평사투영법을 중심으로 지반에 파쇄대가 존재할 경우에 대해 여러 가지 초기 지중응력조건에서 터널 굴착에 따른 3차원 절대 변위를 분석하여 그 존재를 예측할 수 있는 기법을 제시하였다.

• 한국터널지하공간학회 논문집
• /
• 제6권4호
• /
• pp.327-343
• /
• 2004

터널 시공 도중이나 터널 굴착 직후 주지보재에 의한 보강 전에 터널막장 전방에 존재하는 연약암반 혹은 단층파쇄대로 인해 유발되는 터널막장의 붕괴사고가 빈번이 일어나고 있다. 기존의 지반탐사방법으로는 터널막장부근에 있는 연약암반이나 단층파쇄대를 찾기 어렵다. 본 연구에서는 이러한 문제점들을 극복하고 기존의 탐사방법들을 보완하기 위해 전자기파를 이용한 터널전방 예측방법을 제안하였다. 전기장의 특성을 고려한 Coulomb 및 Gauss 법칙을 이용하여 절리를 가지는 암반에서의 전기장을 해석하였다. 이를 바탕으로 터널막장 전방에 구형연약암반과 단층파쇄대가 존재하는 경우에 대하여 각각 전기장해석을 수행하여 이론식을 도출하였다. 또한 개발된 해석기법을 작용하여 터널 전방에 구형연약이역과 단층파쇄대가 존재하는 경우에 대하여 예제해석을 수행하였다. 해석결과는 터널 전방에 부착된 몇 개의 전극에서 측정된 암반의 저항으로부터 역함수기법을 이용하여 터널 전방에 존재하는 연약지역의 등가 크기, 위치 및 성질을 정확하게 예측할 수 있음을 보여주었다. 암반에서의 전기저항 가탐심도는 터널막장의 크기, 자연전위 및 기타 전기적 신호에 의해 영향을 받음을 알 수 있었다. 제시된 해석기법은 실내시험을 통하여 검증하였다. 가로, 세로, 높이가 각각 5cm인 콘크리트 블록 1800여 개를 가지고서 3방향 절리를 가진 암반상태를 구현하였고 터널 전방에 전기전도도가 콘크리트 블록보다 상대적으로 높은 물질을 이용하여 연약지반을 구현하였다. 모델링을 통한 실험결과는 해석결과와 거의 일치함을 보여주었다.

• 한국지반환경공학회 논문집
• /
• 제19권3호
• /
• pp.35-45
• /
• 2018

터널을 굴착할 때 터널 막장 전방의 지반 상태를 예측하는 것은 중요하다. 따라서 국내외에서 TBM 현장에 적용 가능한 터널 막장 전방의 지반조건을 예측할 수 있는 기법에 대한 다양한 연구가 수행되었다. 본 연구에서는 TBM 현장에서 적용되는 막장전방 예측기법에 대한 사례를 조사하였다. TBM 현장에서 필요한 막장전방 예측기법과 탐사심도에 대한 요구사항을 결정하기 위하여 10년 경력 이상의 TBM 오퍼레이터들을 대상으로 설문조사를 수행하였다. 설문조사 결과를 바탕으로 TBM 현장에 적용 가능한 막장전방 예측기법들을 제안하였다. 그중 TBM 현장에 적용 가능한 막장전방 예측기법 중 한 가지는 커터헤드에 위치한 디스크 커터를 전극으로 이용하여 전기비저항 탐사를 수행하는 것이다. 따라서 본 연구에서는 TBM 현장에서 전기비저항 탐사를 통한 막장전방 예측기법의 적용성을 평가하기 위해 실내 시험을 수행하였다. 그 결과, TBM 직경의 0.3배까지 막장 전방의 지반상태를 예측할 수 있는 것으로 나타났다.

• 한국터널지하공간학회 논문집
• /
• 제10권1호
• /
• pp.69-79
• /
• 2008

터널 막장 전방의 암반 물성 변화의 예측은 터널 시공 시 붕괴를 막을 수 있는 중요한 요소이다. 본 연구에서는 표면파에 대한 웨이블렛 변환을 이용한 모형 암반의 위상속도를 예측하는 비파괴 시험법을 제안함으로써 터널 막장 전방의 암반 물성 변화를 예측하고자 한다. 실내 실험에서는 암반을 모사하기 위하여 강도가 각각 틀린 두 층으로 이루어진 석고 모형을 사용하였다. 가진윈은 진동 발생 가능한 주파수 대역이 150 Hz에서 5 kHz인 액츄에이터를 사용하였으며, 감지기는 두 개의 가속도계가 사용되었다. 분산곡선을 계산하기 위하여 웨이블렛 변환 해석을 수행하였다. 실내 실험 결과, 근접장 효과를 없애기 위한 최소 감지기 간격이 탐측 가능 깊이의 3배 이상으로 나타났다. 정규 분포 곡선에 기초한 가중치를 이용한 간단한 역산을 제안하였고, 파장 반영계수가 0.2일 때 예측치와 실측치가 잘 일치하였다. 표면파의 전파 깊이는 파장의 $0.42{\sim}0.63$배로 나타났으며, 분산곡선에서 파장에 따라 위상속도가 변하는 구간이 역산을 통해 계산된 구간과 잘 일치하였다. 표면파에 대한 웨이블렛 변환을 이용한 위상속도의 예측은 기존의 표면파 시험법에 비해 실험 구성 및 실험 방법, 역산과정이 간단하므로 터널 막장 전방의 암반 물성 변화를 예측하는데 효율적인 적용이 가능할 것으로 판단된다.