본 연구는 인공신경망을 이용해 철골모멘트골조의 접합부 손상을 예측하는 기법을 제안한다. 인공신경망의 입력층에는 기둥 부재 의 휨모멘트, 고유진동수, 모드형상 정보가 사용되며, 출력층에는 구조물 접합부의 회전강성 손상지표가 사용한다. 손상지표는 각 접합부의 손 상정도를 의미한다. 5층 철골모멘트골조 예제의 수치해석을 통해 훈련 및 검증용 데이터를 생성한다. 총 829가지의 손상 시나리오가 고려된다. 시뮬레이션은 OpenSees를 이용해 반복 실행하여 데이터를 얻도록 하였으며, 훈련용 데이터를 생성할 때 회전 강성의 손상은 1.0, 0.75, 0.5 등 세 가지 중 하나의 값을 가지도록 하였다. 예제 검증을 통해 제시하는 기법은 손상 위치 및 수준을 정확하게 예측하는 것으로 나타났다. 제시하는 기법은 손상지표, 1차, 2차 고유진동수 및 모드형상 등에 대해 매우 유사한 결과를 제시하는 것으로 확인되었다.

In this study, the damage detection method is proposed for the rotational stiffness of connections in steel moment frames by using artificial neural network(ANN). The flexural moment of columns, natural frequencies, modeshapes are used for the input layer in ANN while the damage index, that signify the damage level, is used for the output layer in ANN. The 5-story steel moment frame as an example structure is used to generate the train and test data. Total number of damage scenarios considered is 829. From the results of application, it is shown that the proposed method can accurately estimate the location and level of damages.

1. 서 론
 2. 인공신경망
 3. 변형률 기반 횡응답 예측
  3.1 기둥 부재의 휨모멘트 분포 예측
  3.2 기둥열의 횡변위 및 횡가속도 예측
 4. 예제 적용
  4.1 예제 개요
  4.2 적용 결과
 5. 결 론
 References

• 최세운(대구가톨릭대학교 건축학부 조교수) | Se-Woon Choi Corresponding author