본 연구에서는 박스 구조물의 부재력 예측을 위한 다양한 딥러닝 모델의 정확성을 비교하고자 하였다. 이를 위해 상용 유한 요소 프로그램인 MIDAS를 이용하여 300개의 유한요소모델을 작성하고, 수치해석을 수행하여 딥러닝 모델에 적용하기 위한 학습데이 터를 생성하였다. 또한, 딥러닝 모델의 정확성을 비교하기 위해 MLP, CNN, RNN 및 LSTM과 같은 다양한 신경망 모델과 Adam, SGD, RMSprop 및 Adamax 등 최적화 알고리즘을 교차 적용하여 16개의 딥러닝 모델을 생성하였다. 그 결과 Adam 최적화 알고리즘 이 모든 모델에서 가장 우수한 성능을 보여주었으며, 특히 MLP 모델에서 가장 높은 R2 값을 나타내었다. 이를 통해, 박스 구조물의 부재력 예측을 위한 최적의 딥러닝 모델 구성은 Adam optimizer와 MLP 구조임을 확인하였다.

This research introduces a novel probabilistic approach to consider the effects of uncertainty parameters during the design and construction process, providing a fresh perspective on the evaluation of the structural performance of reinforced concrete structures. The study, which categorized various random design and construction process variables into three groups, selected a two-story reinforced concrete frame as a prototype and evaluated it using a nonlinear analytical model. The effects of the uncertainty propagations to seismic responses of the prototype RC frame were probabilistically evaluated using non-linear dynamic analyses based on the Monte-Carlo simulation sampling with the Latin hypercube method. The derivation of seismic fragility curves of the RC frame from the probabilistic distributions as the results of uncertainty-propagation and the verification of whether the RC frame can meet the seismic performance objective from a probabilistic point of view represent a novel and significant contribution to the field of structural engineering.

본 논문에서는 초기 압축 성형 공정 조건들이 단섬유 강화 복합소재 구조물의 기계적 거동 특성에 미치는 영향을 효과적으로 반영 할 수 있는 압축 성형-구조 연계 해석 방안을 제안하였다. 압축 성형 해석을 바탕으로 초기 charge의 형상 및 배치에 따른 부위별 단섬 유 배향 특성을 분석하였으며, 평균장 균질화 이론을 통해 단섬유 배향 특성에 따른 등가 이방 물성을 도출하였다. 나아가, 단섬유 배 향 정보가 Mapping된 유한요소 모델을 기반으로 초기 공정 조건들에 의해 야기되는 부위별 거동 특성 변화를 고려할 수 있는 압축 성 형-구조 연계 해석을 진행하였다. 관련 수치 예제 검증을 통해 제시된 해석 방안은 압축 성형을 통해 제작된 단섬유 강화 복합소재 구 조물 설계 과정에서 효과적인 솔루션을 제공함을 확인하였다.

Strong ground motions at specific sites can cause severe damage to structures. Understanding the influence of site characteristics on the dynamic response of structures is crucial for evaluating their seismic performance and mitigating the potential damage caused by site effects. This study investigates the impact of the average shear wave velocity, as a site characteristic, on the seismic response of low-to-medium-rise reinforced concrete buildings. To explore them, one-dimensional soil column models were generated using shear wave velocity profile from California, and nonlinear site response analyses were performed using bedrock motions. Nonlinear dynamic structural analyses were conducted for reinforced concrete moment-resisting frame models based on the regional information. The effect of shear wave velocity on the structural response and surface ground motions was examined. The results showed that strong ground motions tend to exhibit higher damping on softer soils, reducing their intensity, while on stiffer soils, the ground motion intensity tends to amplify. Consequently, the structural response tended to increase on stiffer soils compared to softer soils.

Dynamic responses of nuclear power plant structure subjected to earthquake loads should be carefully investigated for safety. Because nuclear power plant structure are usually constructed by material of reinforced concrete, the aging deterioration of R.C. have no small effect on structural behavior of nuclear power plant structure. Therefore, aging deterioration of R.C. nuclear power plant structure should be considered for exact prediction of seismic responses of the structure. In this study, a machine learning model for seismic response prediction of nuclear power plant structure was developed by considering aging deterioration. The OPR-1000 was selected as an example structure for numerical simulation. The OPR-1000 was originally designated as the Korean Standard Nuclear Power Plant (KSNP), and was re-designated as the OPR-1000 in 2005 for foreign sales. 500 artificial ground motions were generated based on site characteristics of Korea. Elastic modulus, damping ratio, poisson’s ratio and density were selected to consider material property variation due to aging deterioration. Six machine learning algorithms such as, Decision Tree (DT), Random Forest (RF), Support Vector Machine (SVM), K-Nearest Neighbor (KNN), Artificial Neural Networks (ANN), eXtreme Gradient Boosting (XGBoost), were used t o construct seispic response prediction model. 13 intensity measures and 4 material properties were used input parameters of the training database. Performance evaluation was performed using metrics like root mean square error, mean square error, mean absolute error, and coefficient of determination. The optimization of hyperparameters was achieved through k-fold cross-validation and grid search techniques. The analysis results show that neural networks present good prediction performance considering aging deterioration.

This study investigated the impact of soil-structure interaction on multi-degree-of-freedom structures using the shallow-foundation Winkler model, known as the BNWF model. The model’s period was determined through eigenvalue analysis and compared to results obtained from FEMA’s formula. Results indicated that considering the soil, the structure’s period increased by up to 8.7% compared to the fixed-base model, aligning with FEMA’s calculations. Furthermore, with adequate ground acceleration, roof displacement increased by 3.4% to 3.8%, while base shear decreased by 4% to 10%. However, roof displacement and base shear increased in some earthquake scenarios due to spectral shape effects in regions with extended structural periods. Foundation damping effects, determined through the foundation’s moment-rotation history, grew with higher ground acceleration. This suggests that accounting for period elongation and foundation damping can enhance the seismic design of multi-degree-of-freedom structures.

선박 건조 과정에서 블록이나 장비를 지지하는 A형 캐리어 구조는 하중 변경과 시간이 지남에 따라 점차 변형이 증가하며, 이 에 따라 블록과 접촉하는 면적이 감소하고 분산된 하중에서 집중된 하중으로 패턴이 변화한다. 이러한 현상은 실제 사용 하중을 오판할 가능성이 있다. 특히 A형 캐리어는 영세한 제조 업체에서 자주 사용하고 있으며, 별도의 엔지니어링 기능이 없는 상황이 대부분이라서 손 쉽게 캐리어의 안전사용하중을 계산하는 방법의 개발이 필요하다. 본 연구는 A형 캐리어가 장기적으로 안전하게 사용할 수 있는 하중을 신속하게 평가하는 방법을 제안함으로써, 하중 분포의 변화에 따른 소성 변형과 그로 인한 안전 문제를 예측하고 대응할 수 있다. 제안된 방법은 캐리어의 중앙 집중하중과 전체 분포하중 조건에 대해서 유한요소해석(빔, 쉘 모델링)을 통한 결과를 기반으로 빔-이론을 수정하 여 제안되었다. 빔 모델링에서 집중하중 조건은 보정계수 0.73, 분포하중에서는 0.69를 이론값에 곱해서 안전사용하중이 가능하다. 쉘 모 델링의 경우, 집중하중은 0.75와 분포하중은 0.69를 사용할 수 있다. 본 연구는 선박 건조 작업 현장의 안전을 개선하고, 실제 작업 환경에 서의 안전 사용 하중 판단에 신속하고 효과적인 결정을 내릴 수 있는 기초 자료로 활용될 수 있다.

본 논문에서는 충격파 형태의 폭발 하중을 받는 부재의 소성 범위를 고려한 SDOF 해석의 수정계수를 개발하였다. SDOF 해석의 수 정계수는 MDOF 해석 결과 값을 비교하여 도출하였다. SDOF 해석에 영향을 미치는 매개변수로 부재의 경계조건, 폭발 하중 지속시 간과 고유주기 비를 선정하였다. 수정계수는 탄성 하중-질량 변환 계수를 기준으로 산정하였다. 수정계수 곡선은 상한, 하한 매개변수 경계 사이에 있도록 타원 방정식을 이용하여 도출하였다. 서로 다른 단면과 경계조건을 가지는 예제에 수정계수를 적용한 결과 SDOF 해석의 오차율이 15%에서 3%로 감소하였다. 본 연구의 결과는 수정계수를 적용하여 SDOF 해석의 정확도를 높임에 따라 폭발 해석 에 널리 활용될 수 있다.

본 논문에서는 스테레오 비전 센서를 이용한 프리팹 강구조물(PSS: Prefabricated Steel Structures)의 조립부 형상 품질 평가 기법을 소개한다. 스테레오 비전 센서를 통해 모형의 조립부 영상과 포인트 클라우드 데이터를 수집하였으며, 퍼지 기반 엣지 검출, 허프 변 환 기반 원형의 볼트 홀 검출 등의 영상처리 알고리즘을 적용하여 조립부 영역의 볼트홀을 검출하였다. 영상 내 추출된 볼트홀 외곽선 위 세 점의 위치 정보에 대응되는 3차원 실세계 위치 정보를 깊이 영상으로부터 획득하였으며, 이를 기반으로 각 볼트홀의 3차원 중심 위치를 계산하였다. 통계적 기법 중 하나인 주성분 분석 알고리즘(PCA: Principal component analysis) 알고리즘을 적용함으로써 3차 원 위치 정보를 대표하는 최적의 좌표축을 계산하였다. 이를 통해 센서의 설치 방향 및 위치에 따라 센서와 부재 간 평행이 아니더라도 안정적으로 볼트홀 간의 거리를 계측하도록 하였다. 각 볼트홀의 2차원 위치 정보를 기반으로 볼트홀의 순서를 정렬하였으며, 정렬된 볼트홀의 위치 정보를 바탕으로 인접한 볼트홀 간의 각 축의 거리 정보를 계산하여 조립부 볼트홀 위치 중심의 형상 품질을 분석하였 다. 측정된 볼트홀 간의 거리 정보는 실제 도면의 거리 정보와의 절대오차와 상대오차를 계산하여 성능 비교를 진행하였으며, 중앙값 기준 1mm 내의 절대오차와 4% 이내의 상대오차의 계측 성능을 확인하였다.

In this paper, machine learning models were applied to predict the seismic response of steel frame structures. Both geometric and material nonlinearities were considered in the structural analysis, and nonlinear inelastic dynamic analysis was performed. The ground acceleration response of the El Centro earthquake was applied to obtain the displacement of the top floor, which was used as the dataset for the machine learning methods. Learning was performed using two methods: Decision Tree and Random Forest, and their efficiency was demonstrated through application to 2-story and 6-story 3-D steel frame structure examples.

Machine learning is widely applied to various engineering fields. In structural engineering area, machine learning is generally used to predict structural responses of building structures. The aging deterioration of reinforced concrete structure affects its structural behavior. Therefore, the aging deterioration of R.C. structure should be consider to exactly predict seismic responses of the structure. In this study, the machine learning based seismic response prediction model was developed. To this end, four machine learning algorithms were employed and prediction performance of each algorithm was compared. A 3-story coupled shear wall structure was selected as an example structure for numerical simulation. Artificial ground motions were generated based on domestic site characteristics. Elastic modulus, damping ratio and density were changed to considering concrete degradation due to chloride penetration and carbonation, etc. Various intensity measures were used input parameters of the training database. Performance evaluation was performed using metrics like root mean square error, mean square error, mean absolute error, and coefficient of determination. The optimization of hyperparameters was achieved through k-fold cross-validation and grid search techniques. The analysis results show that neural networks and extreme gradient boosting algorithms present good prediction performance.

In this study, we propose an optimal design method by applying the Prefabricated Buckling Restrained Brace (PF-BRB) to structures with asymmetrically rigidity plan. As a result of the PF-BRB optimal design of a structure with an asymmetrically rigidity plan, it can be seen that the reduction effect of dynamic response is greater in the case of arrangement considering the asymmetric distribution of stiffness (Asym) than in the case of arrangement in the form of a symmetric distribution (Sym), especially It was confirmed that at an eccentricity rate of 20%, the total amount of reinforced PF-BRBs was also small. As a result of analyzing the dynamic response characteristics according to the change in eccentricity of the asymmetrically rigidity plan, the distribution of the reinforced PF-BRB showed that the larger the eccentricity, the greater the amount of damper distribution around the eccentric position. Additionally, when comparing the analysis models with an eccentricity rate of 20% and an eccentricity rate of 12%, the response reduction ratio of the 20% eccentricity rate was found to be large.

This study aims to investigate the seismic response of a large span thin shell structures and assess their displacement under seismic loads. The study employs finite element analysis to model a thin shell structure subjected to seismic excitation. The analysis includes eigenvalue analysis and time history analysis to evaluate the natural frequencies and displacement response of the structure under seismic loads. The findings show that the seismic response of the large span thin shell structure is highly dependent on the frequency content of the seismic excitation. The eigenvalue analysis reveals that the tenth mode of vibration of the structure corresponds to a large-span mode. The time history analysis further demonstrates, with 5% damping, that the displacement response of the structure at the critical node number 4920 increases with increasing seismic intensity, reaching a maximum displacement of 49.87mm at 3.615 seconds. Nevertheless, the maximum displacement is well below the allowable limit of the thin shell. The results of this study provide insight into the behaviour of complex large span thin shell structures as elevated foundations for buildings under seismic excitation, based on the displacement contours on different modes of eigenvalues. The findings suggest that the displacement response of the structure is significant for this new application of thin shell, and it is recommended to enhance the critical displacement area in the next design phase to align with the findings of this study to resist the seismic impact.

This paper introduces a study on measuring the 3D vibration displacement of plate structure using Digital Image Correlation (DIC) applied to stereo digital continuous camera images. The proposed method is a non-contact 3D displacement measurement method that does not require physical sensors to be attached to the structure, and it has the advantage of simultaneously measuring dynamic displacements at multiple points on the structure. Theoretically, multiple cameras can be used, but in this study, two cameras were used to capture continuous images of the vibrating structure, and the image coordinates of multiple tracking points at arbitrary positions on the structure were measured using correlation matching. Using these image coordinates as input data, the dynamic 3D positions were calculated through Space intersection, successfully determining the 3D dynamic displacements. The measured dynamic displacements were validated for accuracy by comparing them with values measured by laser displacement sensors. And frequencies of measured data were validated by comparing with computational modal analysis by Finite Element Model (FEM).

유체-구조물-지반 상호작용을 고려한 액체저장탱크의 유한요소 모형을 제시하고, 비선형 지진응답 해석기법을 정식화한다. 탱크 구조물은 기하 및 재료 비선형 거동을 고려할 수 있는 쉘 요소로 모델링한다. 유체의 거동은 acoustic 요소로 구현하고, interface 요소 를 사용하여 구조물과 결합한다. 지반-구조물 상호작용을 고려하기 위해 지반의 근역과 원역을 각각 solid 요소와 perfectly matched discrete layer로 모델링한다. 예제 20만 kl급 액체저장탱크의 지진취약도 해석에 적용하여, 유연한 지반에 구조물이 놓인 경우 부지에 서의 암반노두운동의 증폭 및 필터링으로 인해 지진취약도의 중앙값과 대수 표준편차가 감소하는 것을 관찰할 수 있다.

본 연구에서는 탄소나노튜브(CNT) 패치 센서를 기반으로 하여 구조물의 이상 거동을 감지하고 대 응할 수 있도록 하는 첨단 스마트 모니터링 시스템을 제안한다. 복합소재로 제작되는 CNT 센서는 유 연한 특성을 갖게 되어 다양한 형태의 구조물 표면에 적용할 수 있으며, 이를 통해 충격이나 피로 등 에 의해 발생되는 균열과 같은 비정상적인 거동을 감지할 수 있다. CNT 센서를 통해 수집한 데이터 는 IoT 시스템을 통해 실시간으로 분석되어 구조물의 거동 상태를 확인하고 건전성을 모니터링 할 수 있게 한다. 이 시스템의 성능 검증 및 사용성 검토를 위해 미국 소재 교량에서 실증 테스트를 하였으 며, 테스트 결과 CNT 센서를 이용한 구조물 거동 감지 시스템을 통해 구조물의 이상 거동을 효과적 으로 감지하고 모니터링하여 구조물에서 발생 될 수 있는 잠재적 문제를 사전에 예방할 수 있음을 확 인하였다. 이와 같은 기술은 추후 다양한 분야에서 적극적으로 활용될 수 있을 것으로 기대된다.

교량, 터널 등 콘크리트 구조물의 건설 또는 사용 중 사고는 심각한 재산 및 인명 피해를 야기하기 때문에, 콘크리트 구조물의 증가와 동시에 Structural health monitoring(SHM)의 중요성 또한 높아졌 다. 하지만 현재까지 콘크리트 구조물의 안전 관리 및 유지관리는 주로 인력에 의한 육안 점검이 주를 이루고 있으며, 이는 주관적이고 정성적인 관리 수준에 머무르고 있어 안전성 평가 결과에 대한 신뢰 성 및 실시간 상태 파악과 대응 측면에 한계가 존재한다. 이에 본 연구에서는 현재 활발하게 연구되고 있는 탄소나노튜브를 활용하여 기다란 바 형태의 Carbon nanotube reinforced polymer(CNRP) Bar를 개발하였으며, 이를 콘크리트 구조물에 적용하였다. 구조물 변형에 따른 CNRP Bar의 센싱 성능을 파 악하기 위해 3점 굽힘 시험을 진행하였고, 동시에 콘크리트 구조물 내 CNRP Bar의 전기적 변화를 분석하였다. 실험 결과 콘크리트 구조물에 균열 발생 전 굽힘 응력에 의해 CNRP Bar의 저항이 감소 하였고, 균열 발생 후 균열이 커짐에 따라 저항이 증가하는 거동을 보였다. 이를 통해 CNRP Bar는 콘크리트 구조물에 용이하게 적용할 수 있는 매립형 센서로써 사용 가능하고, 이는 콘크리트 구조물의 안전성을 효율적으로 모니터링하는 시스템으로 발전 가능할 것으로 판단된다.

구조물 보수 부위의 손상, 재 박리 등의 2차 피해가 이어지며, 보수 부위의 새로운 거동 평가 기법 에 대한 연구의 필요성이 대두되고 있다. 현재 구조물 보수 부위의 거동을 알기 위해서 주로 인력 중 심의 구조물 외관 검사를 진행하고 있으나, 단편적인 검사 결과를 얻게 되어 지속적이고 세밀한 점검 이 어려운 실정이다. 따라서, 본 연구에서는 탄소나노튜브 기반 폴리머 콘크리트를 활용해 압축과 같 은 외부 응력에 대한 탄소나노튜브 함량별 전기적 변화를 분석하였으며, 균열이 발생한 콘크리트 구조 물을 보수 후 응력을 가해 거동에 따른 전기적 변화를 평가하였다. 압축 시험 결과, 응력에 따른 탄소 나노튜브 기반 폴리머 콘크리트의 전기 저항이 감소하며, 탄소나노튜브 함량이 낮을수록 응력에 대한 저항 감소 폭이 넓게 나타나며 민감도가 증가하였다. 균열 보수 시험 결과, 보수 부위에 응력이 가해 졌을 때 전기 저항이 감소해 앞서 진행된 실험 결과와 동일한 경향을 보였으며, 또한 응력이 가해지지 않을 때 초기 저항으로 회복하는 경향을 보여 구조물 보수 부위 거동에 대한 평가가 가능한 것으로 검 증되었다. 이를 통해, 탄소나노튜브 기반 폴리머 콘크리트는 구조물에 적용이 가능하며, 구조물 보수 후에도 가해지는 응력에 대한 지속적인 감지가 가능해 보수 부위 거동 평가가 가능할 것으로 판단된다.