한국전산구조공학회 논문집 제33권 4호 (p.271-277)

제한된 정보를 이용한 저층 건물 구조물의 지진 응답 예측 기법 개발을 위한 해석적 연구

Numerical Study on the Development of the Seismic Response Prediction Method for the Low-rise Building Structures using the Limited Information
키워드 :
limited sensor,prediction,genetic algorithm,artificial neural network,제한된 센서,예측,유전자 알고리즘,인공신경망

목차

Abstract
1. 서 론
2. 제한된 응답 정보를 이용한 응답 예측 기법
   2.1 인공신경망을 이용한 질량 및 강성 예측
   2.2 유전자알고리즘을 이용한 질량 및 강성 예측
3. 예제 검증
   3.1 개요
   3.2 결과분석
4. 결 론
References
요 지

초록

여러 센서를 이용한 구조물의 구조 응답을 모니터링하는 사례가 증가하고 있다. 그러나 비용과 관리 문제로 인해 제한된 센서만이 구조물에 설치되어 일부의 구조 응답만을 수집하는 경우가 대부분이다. 이는 구조물의 전체 거동을 분석하는데 장애요소로 작용하게 된다. 따라서 제한된 센서를 이용해 센서가 설치되지 않은 위치에서의 응답을 신뢰할 수 있는 수준으로 예측하는 기술이 필요하다. 본 연구에서는 제한된 정보를 이용해 저층 건물 구조물의 지진 응답을 예측하는 해석적 연구를 수행한다. 활용 가능한 응답 정보는 1층과 최상층의 가속도 응답만을 사용할 수 있다고 가정한다. 두 정보를 이용하면 구조물의 1차 고유진동수를 얻을 수 있다. 1층 가속도 정보는 구조물의 가력 정보로 활용한다. 최상층의 가속도이력응답에 대한 오차와 대상 구조물의 1차 고유진동수 오차를 최소화하는 구조물의 질량과 강성 정보를 유전자알고리즘을 이용해 예측하는 기법을 제시한다. 제약조건은 고려하지 않는다. 탐색공간을 의미하는 설계변수의 범위를 결정하기 위해 인공신경망 기반의 파라미터 예측기법을 제시한다. 또한 유전자알고리즘을 통해 얻게 되는 해를 개선시키기 위해 앞서 언급한 인공신경망을 활용한다. 제시한 기법을 검증하기 위해 5층 구조물 예제를 사용한다.
There are increasing cases of monitoring the structural response of structures using multiple sensors. However, owing to cost and management problems, limited sensors are installed in the structure. Thus, few structural responses are collected, which hinders analyzing the behavior of the structure. Therefore, a technique to predict responses at a location where sensors are not installed to a reliable level using limited sensors is necessary. In this study, a numerical study is conducted to predict the seismic response of low-rise buildings using limited information. It is assumed that the available response information is only the acceleration responses of the first and top floors. Using both information, the first natural frequency of the structure can be obtained. The acceleration information on the first floor is used as the ground motion information. To minimize the error on the acceleration history response of the top floor and the first natural frequency error of the target structure, the method for predicting the mass and stiffness information of a structure using the genetic algorithm is presented. However, the constraints are not considered. To determine the range of design variables that mean the search space, the parameter prediction method based on artificial neural networks is proposed. To verify the proposed method, a five-story structure is used as an example.