논문 상세보기
pp.31-37
일반적으로 피로수명은 예측모델과 외부하중 및 기타 환경조건에서의 불확실성으로 인해 정확한 예측이 어렵다. 정확하고 신뢰성 있는 피로균열 예측을 바탕으로 강구조물의 수명관리가 효율적으로 수행될 수 있는데, 이를 위해서는 피로균열 성장 예측과 관련된 정보의 효과적이고 지속적인 업데이트가 필수적이다. 피로균열 예측 업데이트는 기존 예측모델의 변수들을 가용한 현재의 정보와 통합하는 과정을 의미하는데, 업데이트되는 변수들에 따라 예측모델의 결과가 달라진다. 본 연구에서는 피로균열 예측 업데이트에 필요한 가장 적절한 변수들을 결정하는 기법을 제시한다. 이를 위해 피로균열 예측 모델의 모든 변수들의 조합을 고려하여, 발견된 균열의 크기와 업데이트된 변수들의 차이를 평가한다. 피로균열 예측모델의 변수 업데이트를 위해 Markov chain Monte Carlo 시뮬레이션 기반 Bayesian 업데이트 기법을 적용하며, 발견된 균열의 크기와 업데이트된 예측균열의 크기 비교를 위해 평균절대오차(Mean absolute error) 기법과 Kullback-Leibler(KL) divergency 기법을 적용한다.
In general, there is difficulty in prediction of fatigue crack propagation due to the uncertainties associated with the fatigue crack propagation models and the related parameters. These models and parameters are affected by the geometry of the fatigue critical details, and external loading and environmental conditions under uncertainty. The service life management of steel structures should be based on the accurate and reliable fatigue crack propagation through continuous updating the parameters for fatigue crack prediction. This paper presents an approach to determine the most appropriate parameters for updating the fatigue crack prediction. This approach is based on the comparison between the detected crack size and updated crack size at a specific time. In this paper, two comparison methods such as the mean absolute error (MAE) and Kullback-Leibler (KL) divergency methods are used. The fatigue crack is updated considering all the combinations of the parameters related to fatigue crack prediction model. The most appropriate parameters result in the minimum assessment value in the MAE and KL divergency methods.
1. 서 론
2. 피로균열 예측과 업데이트
2.1 시간에 따른 피로균열 예측
2.2 피로균열 예측모델 변수 업데이트
2.3 최적 업데이트 변수 결정
3. 피로균열 관리 적용
4. 결 론
REFERENCES
국문초록
