이 논문에서는 공용중인 구조물의 상시 계측 자료를 사용한 온라인 유한요소 모델 업데이트 방법을 제안한다. 일반적인 최적화 방법에 기반한 기존의 방법은 최적해를 찾기까지 반복적으로 고유치 해석을 수행해야 하므로 상시 업데이트에 사용하기에는 효과적이지 못하다. 제안하는 방법은 별도의 오프라인 작업이나 사용자의 개입이 없이 자동화된 과정으로 계측과 동시에 온라인 유한요소모델 업데이트를 수행할 수 있는 새로운 방법이다. 자동화된 Cov-SSI 알고리즘을 통해 구조물의 진동 계측 신호로부터 고유진동수 및 모드 형상을 식별하고, 이를 다시 역 고유치 신경망에 입력하여 최종적으로 업데이트된 유한요소 모델의 파라미터를 추정한다. 풍하중을 받는 20층 전단 빌딩 구조 모형에 대한 수치예제를 통해 제시한 방법이 자동으로 연속적인 유한요소모델 업데이트를 할 수 있었음을 확인하였다. 또한, 계측 도중 구조물의 특성이 변화하는 시나리오에 대한 예제에서 구조물의 변화가 일어나는 시점과 변화 후 변동된 구조 모델 파라미터 값을 성공적으로 추정할 수 있음을 확인하였다.

This paper presents an on-line finite element model updating method for in-service structures using measured data. Conventional updating methods, which are based on numerical optimization, are not efficient for on-line updating because they generally require repeated eigenvalue analyses until convergence criteria are met. The proposed method enables fully automated on-line finite element model updating, almost simultaneously with vibration measurement, without any user intervention or off-line procedures. The automated covariance-driven stochastic subspace identification (Cov-SSI) method is utilized to identify modal frequencies and vectors, and the identified modal data is fed to the neural network of the inverse eigenvalue function to produce the updated finite element model parameters. Numerical examples for a wind excited 20-story building structure shows that the proposed method can update the series of finite element model parameters automatically. It is also shown that sudden changes in the structural parameters can be detected and traced successfully.

Abstract
1. 서 론
2. 온라인 유한요소모델 업데이트
    2.1 공분산유도 추계학적 부분공간식별
    2.2 모델 업데이트를 위한 역고유치 신경망
3. 수치 예제
    3.1 예제 구조물 및 하중 모델
    3.2 예제 구조물의 운용중 모드 해석
    3.3 유한요소모델 업데이트를 위한 역고유치함수 신경망구성
    3.4 온라인 모델 업데이트 시뮬레이션 1(Case S1)
    3.5 온라인 모델 업데이트 시뮬레이션 2(Case S2)
4. 결 론
References
요 지

• 박원석(목포대학교 토목공학과) | Wonsuk Park (Department of Civil Engineering, Mokpo National University) Corresponding author