초고성능 콘크리트(UHPC)는 높은 압축강도를 위해 일반콘크리트에 비해 높은 시멘트 및 바인더 함량을 가지고 있다. UHPC 의 시멘트량을 줄이기 위한 연구가 지속적으로 수행되었으며, 그중 플라이애시와 고로슬래그는 각각 20%, 50% 수준까지는 강도 저하 없이 적용 가능하다는 연구가 확인되었다. 본 연구에서는 UHPC 배합에서 시멘트를 플라이애시와 고로슬래그로 치환하여 강도변화 및 유동성 변화를 분석하였다. 압축강도는 플라이애시 치환 실험체가 가장 낮으며, 고로슬래그는 치환 전과 유사한 강도를 보였다. 휨강도 는 고로슬래그, 플라이애시 치환 실험체 모두 감소하였다. 그러나 유동성은 플라이애시, 고로슬래그 실험체 모두 향상되면서 고성능감 수제 저감이 가능한 것을 확인하였다.

콘크리트의 변온저항성을 향상시키기 위해 상변화온도 4.5도와 44도의 상변환재료(Phase change material; PCM)를 캡슐화하여 혼입하였다. 그 후에 콘크리트가 기본적인 구조성능을 발휘할 수 있는 지 확인하기 위해 시멘트 부피의 10%, 20%, 30%에 해당하는 PCM을 혼입한 콘크리트의 온도 및 재 령에 따른 압축강도를 측정 및 비교하였다. PCM을 혼입하지 않은 콘크리트의 경우 PCM이 혼입된 다른 배합에 비해 온도에 따른 강도의 편차가 크지 않게 나타났으며 온도에 따른 강도의 편차는 PCM의 혼입률이 증가함에 따라 함께 증가하는 경향을 나타냈다. 4.5도의 PCM이 혼입된 시편은 0도 에서 25도로 온도가 증가 할 때 가장 높은 강도 감소률을 나타냈으며 45도 PCM은 25도에서 50도로 온도가 증가할 때 가장 높은 강도 하락률을 나타냈다. 0도에서는 대부분의 경우에서 4.5도 PCM 혼입 시편이 44도 PCM 혼입 시편보다 약간 높은 강도를 나타냈지만 25도에서는 44도 PCM 혼입 시편이 더 높은 강도를 나타냈으며 50도에서는 두 종류의 PCM 간의 유의미한 강도차이를 확인하기 어려웠 다. 시멘트 부피대비 10%정도의 PCM 혼입은 콘크리트의 압축강도 하락에 큰 영향을 주지 않으며 오 히려 높아지는 경향을 나타냈으며 그 원인은 잔골재 사용감소에 의한 상대적 시멘트-골재 비의 상승 에 의한 것으로 추정된다. 하지만 10%를 초과하는 혼입률은 시멘트-골재비 상승에 의한 강도 상승 효과보다 콘크리트 내부에서 하중에 저항하는 성능을 거의 낼 수 없는 PCM의 영향이 더욱 커지므로 강도가 감소하는 것으로 판단된다. PCM이 혼입된 콘크리트는 PCM의 상변화 온도에 따라 서로 다른 강도경향을 나타내는 것으로 확인되는데 4.5도 PCM 혼입 콘크리트의 경우 0도와 25도사이에서 상변 화 하므로 해당 구간에서 가장 큰 강도저하를 발생시킨 반면 44도 PCM 혼입 콘크리트의 경우 25도 와 50도사이에서 상변화하므로 해당 구간에서 가장 큰 강도저하가 발생하는 것으로 판단된다.

The strength criteria is the acceptable strength for allowable a vehicle start on a concrete pavement at an early age without causing significant damage. The different agencies have provided the strength criteria based on empirical judgement. To make more comprehensive, the ACI specification provided strength criteria by consideration traffic conditions, slab thicknesses, and slab support based on the concept of damage. However, its neglected to consider the damage caused by curling stress due to temperature gradient in concrete pavement. This research aims to provide a strength criteria for opening traffic on concrete pavements while taking into account the damage caused by curling stress and traffic loading. The tensile stress at critical locations was determine due to curling and traffic loads every hour of early age throughout different seasons. The fatigue damage taken throughout early age was assessed. After this procedure, the strength criteria was established as the evaluated damage that did not exceed an acceptable limit. Accordingly, the strength criteria for opening traffic was determined to ensure that the specified damage level existed subject to the construction season, construction period, traffic type, slab thickness, and slab support of concrete pavement.

PURPOSES : To enhance the accuracy of predicting the compressive strength of practical concrete mixtures, this study aimed to develop a machine learning model by utilizing the most commonly employed curing age, specifically, the 28-day curing period. The training dataset consisted of concrete mixture sample data at this curing age, along with samples subjected to a total load not exceeding 2,350 kg. The objective was to train a machine learning model to create a more practical predictive model suitable for real-world applications. METHODS : Three machine learning models—random forest, gradient boosting, and AdaBoost—were selected. Subsequently, the prepared dataset was used to train the selected models. Model 1 was trained using concrete sample data from the 28th curing day, followed by a comprehensive analysis of the results. For Model 2, training was conducted using data from the 28th day of curing, focusing specifically on instances where the total load was 2,350 kg or less. The results were systematically analyzed to determine the most suitable machine learning model for predicting the compressive strength of concrete. RESULTS : The machine learning model trained on concrete sample data from the 28th day of curing with a total weight of 2,350 kg or less exhibited higher accuracy than the model trained on weight-unrestricted data from the 28th day of curing. The models were evaluated in terms of accuracy, with the gradient boosting, AdaBoost, and random forest models demonstrating high accuracy, in that order. CONCLUSIONS : Machine learning models trained using concrete mix data based on practical and real-world scenarios demonstrated a higher accuracy than models trained on impractical concrete mix data. This case illustrates the significance of not only the quantity but also the quality of the data during the machine learning training process. Excluding outliers from the data appears to result in better accuracy for machine learning models. This underscores the importance of using high-quality and practical mixed concrete data for reliable and accurate model training.

PURPOSES : In this study, an optimal model for compressive strength prediction was derived by learning and directly comparing several machine learning models based on the same data. METHODS : Approximately 478 pieces of concrete compressive strength data were obtained to compare the performance of the machine learning models. In addition, five machine learning models were trained based on the obtained data. The performance of the learned model was compared using three performance indicators. Finally, the performance of the model trained using additional data was reviewed. RESULTS : As a result of comparing the performance of machine learning models, the XGB(eXtra Gradient Boost) model showed the best performance. In addition, as a result of the verification based on additional data, highly reliable results can be obtained if the XGB model is used to predict the compressive strength of concrete. CONCLUSIONS : If a concrete strength prediction model is derived based on a machine learning model, a highly reliable model can be derived.

세계적으로 환경에 대한 관심이 커지면서, 탄소 저감 및 탄소 중립을 위한 다양한 연구들이 진행되고 있다. 특히 최 근에는 탄소 포집 및 저장 기술인 CCS(Carbon Capture and Storage)에 주목이 높아졌다. 그뿐만 아니라, 대기 중의 탄소를 효과 적으로 저장하는 특성을 가진 바이오차는 탄소 중립에 기여할 수 있는 방안으로 다양한 연구가 진행되고 있다. 건설 산업에서 는 시멘트 대체재를 활용한 탄소 감소 관련 연구가 진행 중이며, 본 연구에서는 바이오차를 콘크리트 및 모르타르의 시멘트 대 체재로 활용하여 시멘트 사용량을 줄이고, 동시에 콘크리트 및 모르타르 내의 탄소를 포집하고 저장하여 탄소 배출량을 감소시 키고자 한다. 이를 위해 바이오차의 시멘트 치환율을 0%, 10%, 20%로 설정하고, 각각의 경우에 대해 콘크리트 및 모르타르의 슬럼프, pH 농도, 그리고 압축강도를 비교하였다.실험 결과에 따르면, 바이오차의 시멘트 치환율이 증가함에 따라 슬럼프와 압 축강도가 감소하는 경향을 보였으며, pH는 유사한 양상을 나타냈다.

This paper investigates the effects of aspect ratio and volume fraction of hooked-end normal-strength steel fibers on the compressive and flexural properties of high-strength concrete with specified compressive strength of 60 MPa. Three types of hooked-end steel fibers with aspect ratios of 64, 67 and 80 were considered and three volume fractions of 0.25%, 0.50% and 0.75% for each steel fiber were respectively added into each high-strength concrete mixture. The test results indicated that the addition of normal-strength steel fibers is effective to improve compressive and flexural properties of high-strength concrete but fiber aspect ratio had little effect on the modulus of elasticity and compressive strength. As steel fiber content and aspect ratio increased, flexural beahvior of notched high-strength concrete beams was effectively improved.

In concrete structures exposed to chloride environments such as seashore structures, chloride ions penetrate into the concrete. Chlorine ions in concrete react with cement hydrates to form Friedel’s salt and change the microstructure. Changes in the microstructure of concrete affect the mechanical performance, and the effect varies depending on the concentration of chloride ions that have penetrated. However, research on the mechanical performance of concrete by chloride ion penetration is lacking. In this study, the effect of chloride ion penetration on the mechanical performance of dry cask concrete exposed to the marine environment was investigated. The mixture proportion of self-compacting concrete is used to produce concrete specimens. CaCl2 was used to add chlorine ions, and 0, 1, 2, and 4% of the binder in weight were added. To evaluate the mechanical performance of concrete, a compressive strength test, and a splitting tensile strength test were performed. The compressive strength test was conducted through displacement control to obtain a stress-strain curve, and the loading speed was set to 10 με/sec, which is the speed of the quasi-static level. The splitting tensile strength test was performed according to KS F 2423. As a result of the experiment, the compressive strength increased when the chloride ion concentration was 1%, and the compressive strength decreased when the chlorine ion concentration was 4%. The effect of the chloride ion concentration on the peak strain was not shown. In order to present a stress-strain curve model according to the chloride ion concentration, the existing concrete compressive stress-strain models were reviewed, and it was confirmed that the experimental results could be simulated through the Popovics model.

본 연구에서는 양생물주기 및 보양을 하지 않은 구조체의 압축강도와 표준 양생 공시체의 압축강도를 비교 평가하였 다. 코어채취를 위해서 980x2090x200mm3 철근콘크리트 슬래브를 준비하였으며, 콘크리트 공시체 25개를 KS F 2405에 따라서 표준 양생, 20개를 구조체와 동일한 환경에서 대기중 양생을 하였다. 실험 결과, 28일 표준공시체 압축강도 대비 코어 채취 압 축강도는 약 4MPa 낮게, 대기중 양생 공시체의 압축강도는 약 7.6MPa 낮게 측정되었다. KCS에서는 양생기간의 온도가 낮을 경 우 온도보정강도를 제시하고 있으며, 실험결과로부터 제시된 값이 적정함을 확인하였다. 7일, 14일에 측정된 대기중 공시체의 압축강도는 코어채취 공시체의 압축강도와 유사하였지만, 28일 압축강도는 현저하게 차이가 나타났다. 초기 구조체의 초기 압축 강도 예측에 대기양생 공시체를 이용하는 것은 가능하지만, 28일 압축강도를 추측하는데 대기중 양생 공시체를 사용하는 것은 무리가 있다고 판단된다.

고성능 콘크리트(HPC) 압축강도는 추가적인 시멘트질 재료의 사용으로 인해 예측하기 어렵고, 개선된 예측 모델의 개발이 필수적 이다. 따라서, 본 연구의 목적은 배깅과 스태킹을 결합한 앙상블 기법을 사용하여 HPC 압축강도 예측 모델을 개발하는 것이다. 이 논 문의 핵심적 기여는 기존 앙상블 기법인 배깅과 스태킹을 통합하여 새로운 앙상블 기법을 제시하고, 단일 기계학습 모델의 문제점을 해결하여 모델 예측 성능을 높이고자 한다. 단일 기계학습법으로 비선형 회귀분석, 서포트 벡터 머신, 인공신경망, 가우시안 프로세스 회귀를 사용하고, 앙상블 기법으로 배깅, 스태킹을 이용하였다. 결과적으로 본 연구에서 제안된 모델이 단일 기계학습 모델, 배깅 및 스태킹 모델보다 높은 정확도를 보였다. 이는 대표적인 4가지 성능 지표 비교를 통해 확인하였고, 제안된 방법의 유효성을 검증하였다.

3D 프린팅은 다수의 레이어(layer)를 적층하여 물체를 제작하는 기법으로, 복잡한 형상을 가지는 물체를 비교적 쉽게 제작할 수 있 다. 이를 건설 산업에 접목한 3D 콘크리트 프린팅(3D concrete printing)은 콘크리트 타설 시 거푸집을 사용하지 않으며, 비교적 적은 작업량과 인력이 요구되므로 경제적인 시공이 가능하나, 출력된 3D 프린팅 콘크리트는 일반 콘크리트 대비 다소 낮은 강도가 예상된 다. 따라서, 본 연구에서는 3D 프린팅 콘크리트 시편의 물성을 분석하였다. 3D 프린팅 콘크리트 시편 출력을 위해 Ultimaker Cura 소 프트웨어로 형상 및 출력 경로를 설계하고, 이를 바탕으로 3D 프린터를 제어하는 G-code를 생성하였다. 연구에서 사용된 3D 프린터 의 출력 성능과 콘크리트의 적층성, 유동성 등을 고려하여 최적의 배합비를 선정하였고, 시편 출력에 활용하였다. 시편 출력 시 동일 한 치수를 가지는 몰드 시편을 함께 제작하여 비교･분석에 사용하였다. 각 시편의 물성은 휨강도 시험과 압축강도 시험을 통해 각각 의 강도를 측정하였고, 비교･분석하여 3D 프린팅 콘크리트 시편의 물성을 확인하였다.

일반적으로 콘크리트는 골재, 모래, 시멘트, 담수, 혼합재 등 다양한 재료로 구성되어있으며 재령에 따라서 강도가 증 가한다. 콘크리트에 필요한 각 재료의 비율은 혼합 설계를 통해 결정되지만, 콘크리트의 강도는 실험적으로 측정되기 전까지는 알 수 없다. 이러한 한계를 극복하기 위해 실험을 통해 얻은 데이터를 이용하여 콘크리트의 압축 강도를 예측하기 위해 통계수 학과 기계학습 알고리즘을 이용한 많은 연구가 시도되었다. 이전의 연구는 콘크리트 압축 강도 예측에 신경망 기법이 가장 적 합하다고 제안하였다. 그러나 신경망 기법은 다른 기계학습과 비교하여 모델 학습에 계산 비용이 많이 들어 실제로 적용하기 어려운 문제점이 있다. 최근 몇 년 동안 다양한 회귀 분석 모델이 개발되었으므로 본 연구에서는 신경망 대신 최신 회귀 분석 모델을 이용하여 콘크리트 강도 예측모델을 제시하였다. 이를 위해 최근 개발된 회귀 분석 모델에 대한 교차검증을 시행하여 최적의 모델을 선정하였다. 그리드 검색을 통하여 선정된 각 모델의 하이퍼 파라미터를 최적화하고, 국내외 데이터를 활용하여 기계학습 모델을 훈련하고 검증하였다. 이들 중 CatBoost, LGBMR, RFR, XGBoost 회귀모델이 높은 성능을 보여주었다. 특히 그 중에서 XGBoost 회귀 분석 모델이 가장 작은 오차와 높은 정확도를 보여주었다. 이들 중 오류가 가장 큰 LGBMR 모델도 이전 연구에서 제안된 신경망 및 앙상블 모델보다 성능이 우수하였다. 현장 레미콘 콘크리트에 대한 압축 강도 예측을 시행하여 학 습된 모델의 현장 적용 가능성을 확인하였다.

콘크리트 경화 시 발생하는 수분증발로 인한 건조수축은 콘크리트의 균열을 발생시킨다. 콘크리트에 발생하는 균열 은 콘크리트의 내구성을 저하하여 안정성과 사용성에 문제를 발생시킨다. 이러한 문제점을 보안하기 위해 콘크리트에 강섬유를 혼입하여 건조수축으로 인한 균열을 방지하는 강섬유 보강 콘크리트 (SFRC)에 관한 연구가 진행되고 있다. 강섬유는 콘크리트 의 균열단면에서 가교역할, 부착작용을 통해 건조수축으로 인한 균열발생을 억제하고 균열 폭을 감소시키는 효과가 있다. 본 논 문에서는 강섬유의 인장강도에 따른 강섬유 보강 콘크리트의 건조수축 제어성능을 평가하였다. 자유건조수축 실험과 구속건조 수축 실험을 진행하였으며 실험 결과를 콘크리트의 인장응력으로 변환하여 콘크리트 직접인장실험 결과와 비교하였다. 강섬유 의 자유건조수축 저감 효과는 미미하지만 강섬유의 인장강도가 증가할수록 구속건조수축으로 인한 균열제어에 효과적임을 확인 하였다. 또한 강섬유의 인장강도가 증가할수록 콘크리트의 인장응력이 증가함을 확인하였다.