프레임 구조물의 접합부 손상을 평가하기 위하여 접합부 손상모델과 신경망기법을 이용한 손상평가기법을 제안하였다 구조물의 보-기둥 접합부를 접합부의 회전강성을 갖는 등가의 스프링요소로 표현하였으며 접합부의 손상도는 손상 전 후의 고정도계수의 감소비율로 정의하였다 손상평가를 위하여 다층퍼셉트론즈 신경망 기법을 제안하였으며 손상평가성능을 향상시키기 위하여 부분구조추정법, 노이즈첨가학습, 자료교란법등의 기법을 적용하였다 10층 프레임 구조물에 대한 수치 예제해석과 2층 프레임 구조물에 대한 실험 예제해석을 통하여 제안기법의 유용성을 평가하였다 계측지점이 일부분으로 제한되어 있고 계측자료에 심한 계측오차가 포함되어 있는 경우에도 손상평가가 합리적으로 이루어질수 있음을 알 수 있었다.

본 논문에서는 역전파학습에 의한 신경망기법을 사용하여 구조물의 미지계수를 추정하는 기법을 연구하였다. 대형구조물의 경우 계측 또는 추정하여야 하는 자유도의 수가 많으므로 인하여 구조계수를 추정하는 데에는 많은 어려움이 존재한다. 이러한 어려움을 극복하기 위하여 부구조추정법과 부행렬계수를 사용하여 추정하고자 하는 미지계수의 수를 효율적으로 줄일 수 있도록 하였다. 구조물의 고유주파수 및 모드형상 등의 모드계수를 신경망의 입력자료로 사용하였으며, 추정하고자 하는 부재의 부행렬계수를 신경방의 출력자료로 사용하였다. 입력자료로 사용되는 모드계수에 포함되어 있는 계측오차 및 신호처리오차의 영향을 줄이기 위하여, 신경망의 학습과정에서 노이즈를 첨가하는 기법을 사용하였다. 일반적인 형태의 자켓구조물을 대상으로 수치해석을 수행함으로써 제안기법의 대형구조계에 대한 적용성을 검증하였다.

대부분의 손상도 추정법들을 부재의 손상을 해당부재의 평균적인 강성감소로 표현하였다. 본 연구에서는 보다 실제적인 손상도를 추정하기 위하여, 접합부의 손상을 도입하였다. 접합부의 모형화를 위하여 보의 양단에 회전스프링을 추가하였으며, 접합부 손상을 접합부 강성의 감소로 정의하였다. 접합부의 손상도를 계측된 모드벡터를 바탕으로하여, 신경망기법을 추정하였다. 효율적인 훈련패턴을 만들기 위하여 Latin Hypercube Sampling 기법을 도입하였으며, 국부영역에서의 손상도추정을 위하여 부구조법을 도입하였다. 제안된 기법의 효율성을 검증하기 위하여 10층 프레임구조물에 대한 수치해석결과를 이용하였다. 예제해석을 통하여 추정결과가 상당히 정확함을 확인하여, 실제 적용 가능한 방법임을 알수 있었다.