테트라포드는 일반적으로 무근콘크리트로 제작되어 취성적 거동을 보인다. 이러한 파괴 양상을 개선하고 균열 저항성을 증진시키 기 위한 방안으로 섬유보강 콘크리트를 사용하는 것이 대안 중 하나가 될 수 있다. 본 연구에서는 유한요소해석을 통해 섬유보강 콘크 리트를 적용한 테트라포드의 구조성능을 평가하는데 중점을 두었다. 이를 위해 기존 연구자들의 실험 결과와 비교하여 유한요소모 델을 검증하였으며 이후 변수해석을 진행하였다. 변수해석의 주요 변수는 섬유보강 콘크리트의 파괴에너지로 설정하였다. 문헌조사 를 통해 다양한 섬유보강 콘크리트의 파괴에너지 범위를 도출하고 이를 변수해석에 적용하였다. 해석 결과, 테트라포드의 파괴는 균 열에 의한 인장 파괴가 지배하는 것으로 나타났으며, 섬유보강 콘크리트의 사용은 테트라포드의 연성을 향상시킬 수 있는 것으로 확 인되었다.
교량 구조물은 강진 발생 시에 구성요소들간에 복잡한 비선형 거동을 보이기 때문에 내진성능평가를 위해서는 동적 비선형 거동 을 효과적으로 반영할 수 있는 증분동적해석(IDA)방법이 유리하다. 납-고무받침(LRB)과 탄성받침(RB)을 가진 두 가지 예제교량에 대하여 근거리 및 원거리 지진 각각 40개씩을 사용하여 0.01g~5.0g 범위에 지진세기에 대하여 증분동적해석을 수행하여 지진응답을 평가하였다. IDA 방법에 의해 40개의 지진세기와 교각의 변위비 사이의 관계곡선을 구하였다. 이 관계곡선에서 총 40개 지진세기의 교차점에 해당하는 지진응답들의 분포를 히스토그램으로 전환하여 손상상태 한계값의 초과확률을 구하여 지진취약도 평가하였다. 40개 점들의 지진취약도로부터 하나의 중앙값과 대수표준편차 함수로 평가하는 방법을 제시하여 최종적인 지진취약도 함수를 평가 하였다. 지진취약도 해석방법 중에서 가장 대표적으로 많이 사용되는 확률론적 지진요구도 모델(PSDM)을 이용하여 동일한 해석조 건에 대하여 지진취약도를 평가하였고, 이를 IDA방법에 의한 지진취약도 함수와 비교한 결과 유사한 경향을 나타냄을 알 수 있었다.
모빌리티 기기에 주로 사용되는 리튬 이온 배터리는 고장 시 심각한 인명 피해로 이어질 수 있어, 실시간으로 배터리의 건전성 상태 (State of Health, SOH)를 정확하게 추정하고 모니터링하는 것이 매우 중요하다. 본 논문에서는 TCN-GRU 하이브리드 딥러닝 신경망 기반 리튬 이온 배터리의 SOH 추정 방법을 제안한다. 제안한 모델은 모빌리티 온보드 시스템에 적용 가능하도록 배터리 관리 시스템 (BMS)에서 직접 측정 가능한 전류, 전압, 시간의 원시 데이터를 리샘플링하여 입력으로 사용하였다. 해당 입력 데이터는 과거와 현재 의 데이터만을 활용하여 학습하는 TCN 모델을 통해 국소적 용량 회복을 포함한 배터리 열화 과정에서 나타나는 비선형적인 특징을 효과적으로 추출함으로써 모델의 신뢰성을 향상시켰다. 추출된 특징은 GRU 모델에 입력되어 시간적 정보 및 패턴을 학습하며, 정밀 한 SOH 추정 결과를 도출하였다. 제안한 방법은 CALCE 배터리 열화 데이터를 기반으로 검증하였으며, 평가 지표인 MAE와 RMSE 는 모든 배터리 셀에 대해 각각 최대 0.55 및 0.7의 일관되고 우수한 성능을 보였다.
본 연구는 기계학습 및 설명 가능한 인공지능(xAI) 기법을 활용하여 폭발 하중을 받는 철근콘크리트 기둥의 보강 단계(Retrofit Level, RL)를 신속하게 평가하는 종합적 프레임워크를 제시한다. 파괴 유형와 보강 요구사항을 예측하기 위한 다단계 기계학습 접근 법을 개발하였으며, 이후 부분 의존성 그래프(Partial Dependence Plot, PDP) 분석을 통해 데이터 기반 보강 전략을 수립하였다. 제안 된 프레임워크는 두 가지 주요 프로세스로 구성된다: (1) 파괴유형 분류 및 RL 예측을 위한 다단계 기계학습 모델을 활용한 폭발 성능 평가, (2) 입력 변수 효과의 체계적 분석을 통한 PDP 기반 보강 전략 개발. RL 예측 모델은 광범위한 폭발 손상 평가 데이터를 바탕으 로 학습되었으며, 휨 및 전단 파괴유형에 대해 세 가지 손상 조건(심각, 보통, 경미)에서 검증되었다. PDP 분석 결과, 파괴유형과 손상 조건에 따라 서로 다른 보강 특성이 나타남을 확인하였다. PDP 기반 분석을 통해 주철근비 및 전단철근비에 대한 보강 가능 구간과 불가능 구간을 성공적으로 식별하였다.
본 논문에서는 랜덤 필드 입력을 갖는 구조 해석 문제에서의 순방향 불확실성 정량화(Forward Uncertainty Quantification, UQ)를 위한 차수축소 모델링 기법을 제안한다. 제안된 기법은 재료 물성의 공간적 불확실성을 효율적으로 표현하기 위해 Karhunen-Loève (KL) 전개를 활용하고, 공간 변수와 확률 변수를 분리함으로써 고차원 문제를 효율적으로 해석할 수 있도록 Proper Generalized Decomposition(PGD)을 결합하였다. 이와 같은 접근은 전체 매개변수 공간에 대한 오프라인 계산을 가능하게 하며, 새로운 샘플에 대 해서는 빠른 온라인 평가를 제공한다. 본 연구에서는 구조 해석을 포함한 수치 예제를 통해 제안된 방법을 검증하였으며, 평균 및 분 산과 같은 통계적 모멘트와 위험가치(Value at Risk) 계산을 통해 불확실성 정량화의 성능을 평가하였다. 실험 결과, 제안된 방법은 전 통적인 유한요소 해석과 몬테카를로 시뮬레이션(Monte Carlo Simulation, MCS)에 비해 높은 정확도를 유지하면서도 계산 비용을 크 게 절감하는 것으로 나타났다.
지진 발생 시 지진으로 인한 피해를 최소화하기 위해서는 지진 발생 이전의 재난 대비와 발생 이후의 복구계획 수립이 중요하다. 특 히 효과적인 대응체계 마련을 위해서는 심각한 피해가 예상되는 건축물을 대상으로 지진위험도를 평가하여 건축물의 피해를 예측하 는 과정이 지역사회를 단위로 수행되어야 한다. 본 논문에서는 건축물의 취약도와 지반운동이 결합되어 결정되는 지진위험도를 평 가하기 위해서 공학적으로 정량적으로 판단할 수 있는 지진 붕괴위험도의 개념을 활용하여 지역단위 평가를 수행하였다. 평가 결과, 행정구역 내 건축물의 구조유형 분포는 해당 지역 붕괴위험도 평가에 유의미한 영향을 미침을 확인하였다. 그러나 일부 지역에서는 구조유형만으로 설명할 수 없는 양상을 보였는데, 이는 지반종류에 따른 영향이 지역단위 붕괴위험도 평가에 있어 미치는 영향이 상 대적으로 크다고 판단할 수 있으며, 합리적인 평가결과 도출을 위하여 건축물의 내진성능에 의한 붕괴위험도와 반드시 함께 고려될 필요가 있음을 설명한다.
소프트 로보틱스는 기존의 강체 시스템에 비해 향상된 유연성, 적응성, 그리고 안전성을 제공하며, 이는 특히 인간과의 상호작용이 나 비정형 환경에서의 응용에 적합하다. 소프트 로봇을 위한 다양한 구동 메커니즘 중 형상기억합금(SMA)-섬유 액추에이터는 경량 성, 저소음 작동, 높은 에너지 밀도 등의 장점으로 유망한 솔루션으로 부상하고 있다. 본 연구에서는 P-루프 형태로 구성된 SMA 기반 섬유 액추에이터를 사용하여 제작된 소프트 니트 그리퍼의 구동 성능 및 굽힘 거동을 해석하였다. 그리퍼의 변형 거동을 모델링하고 예측하기 위해 ABAQUS 환경에서 등가 유닛 셀(EUC) 모델을 활용하여 소프트 니트 그리퍼와 EUC 모델 간의 굽힘 성능을 분석 및 비 교하였다. 해당 모델은 전기 자극에 따른 형상기억 효과로 인한 대변형을 시뮬레이션하기 위해 기하학적 비선형성을 포함하였다. 분 석에는 P-루프 구조에서 나타나는 굽힘 거동이 포함하였으며, 이는 효과적인 파지 및 조작을 위해 중요한 요소이다. 실험적 검증은 다 양한 전압을 그리퍼에 인가하고, 그에 따른 굽힘 각도를 측정함으로써 수행하였다. 실험 결과, 인가 전압이 증가함에 따라 굽힘 각도 도 유의미하게 증가하였으며, 최대 180°까지의 변형이 관찰되어 액추에이터의 우수한 성능을 입증하였다. EUC 모델을 기반으로 한 수치 해석 결과는 최대 굽힘 각도에서 단 5%의 오차 범위를 보이며 실험 결과와 매우 근접한 양상을 나타내어, 제안된 모델링 접근법 의 정확성과 신뢰성을 확인하였다. 본 연구는 EUC 모델이 SMA-섬유 기반 소프트 그리퍼의 구동 거동을 효과적으로 예측할 수 있음 을 보여주었으며, 차세대 소프트 액추에이터의 설계 및 성능 향상을 위한 중요한 통찰을 제공하였다. 또한, 형상에 밀착되며 유연한 작동이 요구되는 현대 소프트 로보틱스 및 생체의료 응용 분야에서 SMA-섬유 복합재의 활용 가능성을 확인하였다.
경량 골재 콘크리트는 높은 다공성을 지닌 골재를 사용하여 제작되며, 이는 재료의 역학적 성질 및 내구성에 중대한 영향을 미친 다. 최근 콘크리트 분야에서는 내부 공극 구조를 비파괴적으로 분석할 수 있는 기술로서 micro-computed tomography(micro-CT)의 활 용이 활발히 이루어지고 있으며, 특히 경량 골재 콘크리트의 공극 구조를 정밀하게 포착하는 데 효과적인 것으로 나타났다. 그러나 경 량골재는 이질적인 밀도 분포와 내부 다공성으로 인해 영상 내 분할 과정에서 어려움을 유발하며, 이로 인해 골재가 공극으로 잘못 인 식되거나 경계가 명확히 구분되지 않는 문제가 발생할 수 있다. 이러한 한계를 극복하기 위해 본 연구에서는 경량 골재 콘크리트의 micro-CT 영상에서 골재를 정밀하게 식별할 수 있도록 고안된 향상된 분할 알고리즘을 제안하였다. 제안된 알고리즘의 성능은 기존 의 세분화 방법과의 비교 분석을 통해 평가되었으며, 더불어 제안 방식과 기존 방식 각각으로 생성된 3차원 micro-CT 데이터를 활용 하여 열전도도 시뮬레이션을 수행하였다. 그 결과, 제안된 알고리즘은 공극 및 골재 경계의 정확한 식별에 있어 기존 기법보다 향상된 정확도를 보였으며, 이는 LWAC의 미세구조 분석 및 거동 예측 모델링의 정밀도를 높이는 데 기여할 수 있는 가능성을 보여준다.