• Structural Engineering and Mechanics
• /
• 제23권1호
• /
• pp.75-95
• /
• 2006

Two-step identification approaches for effective bridge health monitoring are proposed to alleviate the issues associated with many unknown parameters faced in real structures and to improve the accuracy in the estimate results. It is suitable for on-line monitoring scheme, since the damage assessment is not always needed to be carried out whereas the alarming for damages is to be continuously monitored. In the first step for screening potentially damaged members, a damage indicator method based on modal strain energy, probabilistic neural networks and the conventional neural networks using grouping technique are utilized and then the conventional neural networks technique is utilized for damage assessment on the screened members in the second step. The effectiveness of the proposed methods is investigated through a field test on the northern-most span of the old Hannam Grand Bridge over the Han River in Seoul, Korea.

• 대한토목학회논문집
• /
• 제43권4호
• /
• pp.511-523
• /
• 2023

철근콘크리트 손상 감지를 위한 무인항공기와 딥러닝 연계에 대한 연구가 활발히 진행 중이다. 컨볼루션 신경망은 객체 분류, 검출, 분할 모델의 백본으로 모델 성능에 높은 영향을 준다. 사전학습 컨볼루션 신경망인 모바일넷은 적은 연산량으로 충분한 정확도가 확보 될 수 있어 무인항공기 기반 실시간 손상 감지 백본으로 효율적이다. 바닐라 컨볼루션 신경망과 모바일넷을 분석 한 결과 모바일넷이 바닐라 컨볼루션 신경망의 15.9~22.9% 수준의 낮은 연산량으로도 6.0~9.0% 높은 검증 정확도를 가지는 것으로 평가되었다. 모바일넷V2, 모바일넷V3Large, 모바일넷 V3Small은 거의 동일한 최대 검증 정확도를 가지는 것으로 나타났으며 모바일넷의 철근콘트리트 손상 이미지 특성 추출 최적 조건은 옵티마이저 RMSprop, 드롭아웃 미적용, 평균풀링인 것으로 분석되었다. 본 연구에서 도출된 모바일넷V2 기반 7가지 손상 감지 최대 검증 정확도 75.49%는 이미지 축적과 지속적 학습으로 향상 될 수 있다.

• Structural Monitoring and Maintenance
• /
• 제2권1호
• /
• pp.77-93
• /
• 2015

The idea of using measured dynamic characteristics for damage detection is attractive because it allows for a global evaluation of the structural health and condition. However, vibration-based damage detection for complex structures such as long-span cable-supported bridges still remains a challenge. As a suspension or cable-stayed bridge involves in general thousands of structural components, the conventional damage detection methods based on model updating and/or parameter identification might result in ill-conditioning and non-uniqueness in the solution of inverse problems. Alternatively, methods that utilize, to the utmost extent, information from forward problems and avoid direct solution to inverse problems would be more suitable for vibration-based damage detection of long-span cable-supported bridges. The auto-associative neural network (ANN) technique and the probabilistic neural network (PNN) technique, that both eschew inverse problems, have been proposed for identifying and locating damage in suspension and cable-stayed bridges. Without the help of a structural model, ANNs with appropriate configuration can be trained using only the measured modal frequencies from healthy structure under varying environmental conditions, and a new set of modal frequency data acquired from an unknown state of the structure is then fed into the trained ANNs for damage presence identification. With the help of a structural model, PNNs can be configured using the relative changes of modal frequencies before and after damage by assuming damage at different locations, and then the measured modal frequencies from the structure can be presented to locate the damage. However, such formulated ANNs and PNNs may still be incompetent to identify damage occurring at the deck members of a cable-supported bridge because of very low modal sensitivity to the damage. The present study endeavors to enhance the damage identification capability of ANNs and PNNs when being applied for identification of damage incurred at deck members. Effort is first made to construct combined modal parameters which are synthesized from measured modal frequencies and modal shape components to train ANNs for damage alarming. With the purpose of improving identification accuracy, effort is then made to configure PNNs for damage localization by adapting the smoothing parameter in the Bayesian classifier to different values for different pattern classes. The performance of the ANNs with their input being modal frequencies and the combined modal parameters respectively and the PNNs with constant and adaptive smoothing parameters respectively is evaluated through simulation studies of identifying damage inflicted on different deck members of the double-deck suspension Tsing Ma Bridge.

• 한국전산구조공학회논문집
• /
• 제16권3호
• /
• pp.229-236
• /
• 2003

손상평가를 위해 많은 연구자들에 의해 인공신경망이 이용되어 왔다. 그러나, 인공신경망을 이용한 손상평가에 있어 정확성과 능률성을 제고하기 위해서는 몇가지 문제점이 있다. 기존의 인공신경망 특히 역전파신경망(BPNN)의 경우 신경망 학습을 위해 많은 수의 학습패턴을 필요로 하며, 또한 신경망의 구조와 해의 수렴간에 어떤 확정적인 관계가 존재하지 않는다. 따라서 신경망의 은닉층의 수와 한 은닉층에서의 노드수는 시행착오적으로 결정되게 된다. 이러한 많은 훈련패턴의 준비와 최적의 신경망 구조 결정을 위해서는 많은 시간이 필요하다. 본 논문에서는 이러한 단점들을 극복하기 위해 확률신경망을 패턴분류기로 사용하였다. 이를 판형철도교의 손상평가에 수치해석적으로 검증하였다. 또한 확률신경망을 이용한 철도판형교 손상평가시 적절한 훈련패턴 선택을 위해 모드형상과 고유진동수를 사용한 경우의 적용성에 대해 검토하였다.

• 한국자동차공학회논문집
• /
• 제7권6호
• /
• pp.258-269
• /
• 1999

It is important to evaluate fatigue damage of in-service material in respect to assure safety and remaining fatigue life in structure and mechanical components under cyclic load . Fatigue damage is represented by mathematical modelling with crack growth rate da/dN and cycle ration N/Nf and is detected by X-ray diffraction and ultrasonic wave method etc. But this is estimated generally by single parameter but influenced by many test conditions The characteristics of it indicates fatigue damage has complex fracture mechanism. Therefore, in this study we propose that back-propagation neural networks on the basis of ration of X-ray half-value breath B/Bo, fractal dimension Df and fracture mechanical parameters can construct artificial intelligent networks estimating crack growth rate da/dN and cycle ratio N/Nf without regard to stress amplitude Δ $\sigma$.

• 한국강구조학회 논문집
• /
• 제11권1호통권38호
• /
• pp.79-88
• /
• 1999

신경망을 이용하여 강박스거더교의 손상을 평가하였다. 최근, 신경망을 이용한 손상평가는 구조공학분야에서 많은 연구가 진행되고 있다. 이것은 기존방법의 한계를 극복하고자 하는 새로운 시도로서 본 연구에서는 강교의 손상평가에 적용되었다. 신경망 학습을 위한 자료는 이동하중에 의한 교량의 가속도 응답으로부터 얻었다. 유한요소모델이 우선 정의되고 여기에 5, 10, 15 및 20%의 손상을 가정하였다. 평가단계에서는 학습한 손상은 물론 학습하지 않은 손상도 잘 감지하였다. 본 연구에서는 손상부위가 몇 개의 부위로 한정되었으며 현장의 적용을 위해서는 보다 많은 연구가 필요하다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제2권4호
• /
• pp.137-147
• /
• 1998

The neural net application was tried to develop the technique for monitoring the health status of a steel truss bridge which was scaled down to 1/15 of the real bridge for the laboratory experiments. The damage scenarios were chosen as 7 cases. The dynamic behavior, which was changed due to the breakage of the members, of the bridge was investigated by finite element analysis. The bridge consists of single spam, and eight (8) main structural subsystems. The loading vehicle, which weighs as 100 kgf, was operated by the servo-motor controller. The accelerometers were bonded on the surface of 7 cross-beams to measure the dynamic behavior induced by the abnormal structural condition. Artificial neural network technique was used to determine the severity of the damage. At first, the neural net was learnt by the results of finite element analysis, and also, the maximum detection error was 3.65 percents. Another neural net was also learnt, and verified by the experimental results, and in this case, the maximum detection error was 1.05 percents. In future study, neural net is necessary to be learnt and verified by various data from the real bridge.

• 한국해안·해양공학회논문집
• /
• 제22권2호
• /
• pp.126-132
• /
• 2010

천해파 예측 인공신경망을 이용한 방파제 기대피해도 산정방법을 개발하였다. 극치분포를 따르는 심해파고를 이용하여 방파제 위치에서의 유의파고를 얻기 위해 인공신경망을 이용하였다. 조위와 심해파를 입력받은 인공신경망이 천해유의파를 예측할 수 있도록 학습시켰으며 파랑변형 해석에 사용되는 수치모델(SWAN)의 예측결과와 대등한 성능을 보였다. 천해파 예측 인공신경망을 이용함으로써 다수의 천해파를 매우 손쉽고 빠르게 얻을 수 있었으며 결과적으로 기대피해도 해석에 사용되는 시간을 단축할 수 있었다. 또한, 파고예측 시 방파제 위치에서의 조위 변동성에 따른 기대피해도를 상호비교함으로써 조위변동성을 고려하지 않을 경우 기대피해도를 과다 또는 과소 평가할 수 있음을 확인하였다.

• 한국ITS학회 논문지
• /
• 제18권2호
• /
• pp.104-113
• /
• 2019

도로 관리 주체는 도로 파손을 보수하기 위해 적지 않은 비용을 투입한다. 이러한 파손은 자연 요인과 노후화로 인하여 필연적으로 발생을 하는데, 효율적인 보수를 위한 유지보수 기술이 필요하다. 이런 수요에 대응하기 위해 여러 가지 기술들이 개발되고 적용되고 있지만, 최근 들어서는 차량용 블랙박스 형태로 수집한 영상 정보를 바탕으로 도로 노면 파손 유지 보수기술이 개발되고 있다. 이 파손 영역을 추출하는 방법에는 여러 가지가 있지만, 본 논문에서는 최근 활발히 연구되고 있는 심층 신경망 구조의 영상인식 기술에 대해 논하고자 한다. 특히 영역 기반의 합성곱 알고리즘을 이용하여 영상 내에서 도로 파손 유무와 그 영역을 추정할 수 있는 새로운 심층 신경망을 소개한다. 이를 개발하기 위해 실제 주행을 통해서 600여장의 영상 데이터를 수집하였고, 이를 활용하여 학습을 수행하였다. 그 결과 기존 모델과 성능을 비교하여 10.67% 향상된 신경망을 개발하였다.

• 한국지진공학회:학술대회논문집
• /
• 한국지진공학회 1998년도 춘계 학술발표회 논문집 Proceedings of EESK Conference-Spring 1998
• /
• pp.131-138
• /
• 1998

Structural damage is used to be modeled through reductions in the stiffness of structural elements for the purpose of damage estimation of structural system. In this study, the concept of joint damage is employed for more realistic damage assessment of a steel structure. The joint damage is estimated damage based on the mode shape informations using neural networks. The beam-to-column connection in a steel frame structure is represented by a rotational spring at the fixed end of a beam element. The severity of joint damage is defined as the reduction ratio of the connection stiffness with respect to the value of the intact joint. The concept of the substructural identification is used for the localized damage assessment in a large structure. The feasibility of the proposed method is examined using an example with simulated data. It has been found that the joint damages can be reasonably estimated for the case with the measurements of the mode vectors subjected to noise.