본 논문에서는 볼트로 체결된 구조체에 대하여 초기 볼트풀림 상태에서의 볼트 체결력 예측 합성곱 신경망 훈련 방법을 제시한다. 8개의 볼트의 체결력이 변경된 상태에서 계산한 주파수응답들을 완전 체결된 상태의 초기 모델과의 크기 및 모양 유사성을 표현하는 유사성 지도로 생성한다. 주파수응답 데이터들의 생성에는 크리로프 부공간법 기반의 모델차수축소법을 적용하여 효율적인 방법으 로 수행할 수 있도록 한다. 합성곱 신경망 모델은 회귀 출력 계층을 사용하여 볼트의 체결력을 예측하도록 하였으며, 훈련 데이터의 개 수와 합성곱 신경망 계층의 개수를 다르게 준비하여 훈련시킨 네트워크들을 비교하여 그 성능을 평가하였다. 주파수응답에서 파생되 는 유사성 지도를 입력 데이터로 사용하여 초기 볼트풀림 영역에서 볼트 체결력의 진단 가능성과 유효성을 제시하였다.

본 연구에서는 영상기반 딥러닝 및 이미지 프로세싱 기법을 이용한 볼트풀림 손상검출 기법을 제안하였다. 이를 위해 먼저, 딥러닝 및 이미지 프로세싱 기반 볼트풀림 검출 기법을 설계하였다. 영상기반 볼트풀림 검출 기법은 볼트 이미지 검출 과정 및 볼트풀림 각도 추정 과정으로 구성된다. 볼트 이미지의 검출을 위하여 RCNN기반 딥러닝 알고리즘을 이용하였다. 영상의 원근왜곡 교정을 위해 호모그래피 개념을 이용하였으며 볼트풀림 각도를 추정을 위하여 Hough 변환을 이용하였다. 다음으로 제안된 기법의 성능을 검증을 위하여 거더의 볼트 연결부 모형을 대상으로 볼트풀림 손상검출 실험을 수행하였다. 다양한 원근 왜곡 조건에 대하여 RCNN 기반 볼트 검출기와 Hough 변환 기반 볼트풀림 각도 추정기의 성능을 검토하였다.

강구조물은 부재를 볼트 연결이나 용접을 이용하여 분절 제작된 부재를 연결하여 사용하고 있다. 볼트 연결된 강구조물의 경우 사용기간 증가에 따라 부분적인 볼트 풀림이나 볼트 이음판 및 볼트의 국부적 부식손상이 발생할 수 있다. 본 연구에서는 강거더 복부판에 설치된 볼트의 교체나 복부판의 부분 교체 시 발생할 수 있는 복부판 볼트 제거에 따라 나타날 수 있는 강거더의 거동 변화를 평가하기 위하여 강거더 실험체를 대상으로 복부판의 볼트 풀림에 따른 거동 변화를 평가 하였다. 다양한 풀림과정을 고려하였으며, 볼트 연결부에 작용하중 상태를 고려하여 볼트 풀림을 강거더 시험체 재하 상태에서 실시하고 그 영향을 정량적으로 비교하였다.

This paper presents a novel bolt-loosening detection technique using image information of bolted connections in the steel bridge. The technique consists of 5 steps: (1) taking a picture for a bolted joint, (2) converting to binary image, (3) extracting individual nuts, (4) extracting outlines of the nuts, and (5) identifying rotation angles of the nuts and detecting bolt-loosening. The applicability of the proposed technique is evaluated by experimental tests with several bolt-loosening scenarios.