본 논문에서는 전산구조 해석 데이터를 기반으로 인공 신경망을 활용하여 헬리데크 구조물에 대한 손상 추정 기법을 제안하였다. 헬리데크를 구성하는 트러스와 서포트 부재들에 대해서 절점을 공유하는 부재들을 70개의 모델로 그룹화 하였으며, 최대 3가지 부재 그룹에 무작위로 손상을 부여하여 총 37,400개의 손상 시나리오를 생성하였다. 이들 각각에 대해서 구조 해석 프로그램을 통해 모드 해석을 수행하였으며, 전체 손상 시나리오를 사용 목적에 따라 학습, 유효성 검사, 그리고 검증 시나리오로 분리하였다. 헬리데크의 손상 및 비손상 상태의 동적 응답 특성에 대한 패턴 인식을 위해 PyTorch 프로그램을 활용하여 3개의 은닉층을 가지는 인공 신경망을 구성하였으며, 이에 대해서 다양한 손상 시나리오를 반복 학습함으로써 손실 함수를 최소로 하는 인공 신경망을 도출하였다. 최종적으로 총 400개의 검증 시나리오에 대해서 인공 신경망이 추정한 손상률과 실제 부여된 손상률을 비교하였으며, 그 결과 본 연구를 통해 얻어진 인공 신경망이 손상 부재의 위치와 손상 정도를 매우 높은 정확도로 예측하는 것을 확인하였다.

본 논문에서는 AISC 표준 단면을 설계 변수로 하는 캔틸레버 타입 헬리데크 모델의 유전 알고리즘 최적설계를 소개한다. AISC 표준 단면을 단면 형상별로 분류하고 단면적 순으로 정렬한 후 정수 단면 번호를 부여하여 설계 변수로 최적설계를 수행하였다. 이 과정을 통하여 이산화된 설계 변수를 가지는 최적설계 문제를 해결하기 위해 유전 알고리즘을 적용하였다. 또한, 제약조건으로 허용응력 및 허용응력비 검사 조건을 모두 고려하여 구조물의 구조 안정성을 고려한 설계를 수행하였다. 최적설계 과정중 매 반복계산 마다 수행되는 구조해석 시간을 단축시키기 위해 선형 중첩법을 사용하였고, 이를 통해 구조 해석 시간을 약 75% 감소시킬 수 있었다. 또한 헬리데크 최적설계의 경량 효과를 높이기 위해 부재 그룹 세분화를 하였고, 그 결과를 선행 연구 모델, 기존의 부재 그룹 모델과 비교하였다. 그 결과 선행연구 대비 약 30톤의 부재를 절감할 수 있었으며, 구조적으로도 보다 안전한 헬리데크 설계를 얻을 수 있었다.

해양구조물 등에서 해상 현장과 육상시설 사이에 물자나 운용 인력을 수송하기 위한 수단으로 헬리콥터가 주로 이용된다. 헬리데크는 헬리콥터가 해양구조물에 착륙하기 위해 필수적으로 탑재되는 구조물로서, 해양구조물의 종류나 탑재되는 위치 등에 따라 다양한 형태의 헬리데크가 존재한다. 그 중에서 캔틸레버식 헬리데크는 해양구조물의 탑사이드 공간 확보에 용이 하며, 헬리콥터와의 충돌 등의 미연의 사고로부터 보다 안전하다. 본 논문에서는 캔틸레버식 헬리데크를 연구대상으로 선정 하고, 이를 구성하고 있는 하부 트러스 구조에 대해서 위상 최적설계를 적용하였다. 또한 상용 구조해석 프로그램을 이용하 여 유한요소 모델을 생성하고, 다양한 착륙 상황과 풍하중을 적용하여 구조해석을 수행하였다. 이를 바탕으로 헬리데크의 각 구조 부재에 발생하는 응력이 사용 재료의 허용응력을 넘지 않도록 부재의 세부 단면 치수를 결정하여, 보다 안전하면서도 경량화된 헬리데크 설계를 얻을 수 있다.