논문 상세보기
pp.247-253
현장에서 콘크리트 구조물의 균열 깊이를 추정하기 위한 자기 보정 표면파 투과 측정과 측정된 투과 함수의 차단주파수를 이용하는 기존의 방법은 측정 조건에 따른 투과 함수의 변동성이 매우 커서 실제로 적용하기가 어려운 단점이 있다. 본 연구에서는 차단주파수와 같이 특정 주파수를 선정하여 균열 깊이를 추정하는 방법 대신에 측정된 자기 보정 표면파 투과 함수 자체를 균열 깊이 추정에 이용하는 방법을 제안하고자 한다. 이를 위하여 다양한 균열 깊이에서 측정된 자기 보정 표면파 투과 함수를 주성분 분석법을 이용하여 차원을 축소한 후, 축소된 투과 함수를 인공신경망의 입력으로 사용하여 이로부터 균열 깊이를 추정하는 방법을 제시하였다. 한편, 제안된 방법의 유효성을 판단하기 위하여 서로 다른 균열 깊이를 가진 5개의 실험체에 대하여 실험적인 연구를 수행하였으며, 실험 결과 제안된 방법이 콘크리트 구조물이 균열 질이 평가에 매우 유효한 방법임을 알 수 있었다.
Determination of crack depth in filed using the self-calibrating surface wane transmission measurement and the cutting frequency in the transmission function (TRF) is very difficult due to variations of the measurement conditions. In this study, it is proposed to use the measured full TRF as a feature for crack depth assessment. A Principal component analysis (PCA) is employed to generate a basis of the measured TRFs for various crack cases. The measured TRFs are represented by their projections onto the most significant principal components. Then artificial neural networks (NNs) using the PCA-compressed TRFs is applied to assess the crack in concrete. Experimental study is carried out for five different crack cases to investigate the effectiveness of the proposed method. Results reveal that the proposed method can be effectively used for the crack depth assessment of concrete structures.
