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.

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.

교량은 국가의 사회경제 발전과 국민 안전에 중대한 영향을 미치는 중요한 인프라이다. 하지만 다수 의 국내 교량이 1970년대와 1980년대의 고도의 경제성장기에 완공되었으며, 현재 교량의 노후화 비중 은 전체 교량의 30%에 달하고 있다. 현재 노후화 교량에 대한 유지 보수 시스템의 부족으로 인해 교 량 붕괴 사고가 발생한 사례들이 발생하고 있다. 따라서 노후화가 진행되는 교량에 대해 효율적으로 관리하기 위한 우선순위 평가 모델 개발은 중요시된다. 본 연구에서는 개발한 유지관리 우선순위 모델 을 개발하였고, 이를 실제 교량에 대해 적용하여 평가하였다. 제안된 모델의 활용을 통해 위험에 노출 된 교량의 유지 보수 및 관리를 효율적이고 신뢰할 수 있게 수행할 수 있을 것으로 판단된다.

최근, 큰 처짐과 다수의 균열을 동반하는 유사연성 거동과 부식에 대한 높은 내구성의 특징을 가진 FRCM(Fabric-Reinforced Cemenetitious Matrix) 복합체에 대한 관심이 증가하고 있다. 철근콘크리트 부재에 대해 다양한 장점을 지닌 FRMC 복합체를 적용할 경우 전단내력의 증대를 예상할 수 있으며, 이를 통해 내진성능이 요 구되는 철근콘크리트 구조물에 효과를 기대할 수 있다. 본 연구에서는 FRCM 복합체가 보강된 철근콘크리트 기둥에 대해 정적 반복가력 실험을 수행하고, 그 거동을 평가 하였다. 철근콘크리트 기둥은 직사각형 형상으로 단면의 크기가 300 × 300 mm이고, 순 높이는 800 mm로 제작되었다. 정적 반복가력 실험은 설정한 가력패턴에 따라 변위제어를 통해 횡 하중을 가력하 였고, 초기 축력은 기둥 용량의 10 %로 적용하였다. 정적 반복가력 실험 결과, 무보강 실험체 대비 약 27.33 %의 증진된 강도를 나타내었으며, 최대 강도 발현 시 층간변위비가 무보강 실험체 대비 약 187.6% 높게 나타냄에 따라 FRCM 복합체가 적용된 철근콘크리트 기둥의 높은 연성 거동을 확인 할 수 있다. 다만, FRCM 복합체를 실제 구조물에 적용하기 위해서는 추가적인 설계인자 개발을 통해 안 정성 및 신뢰성을 확보하는 것이 필수적이라고 판단된다.

본 연구는 외부환경조건이 콘크리트 보도블록의 백화특성에 미치는 영향을 검토하였다. 콘크리트 보 도블록의 외부환경조건으로 양지 및 음지에서의 옥외폭로, 온도 20℃, 습도 55%의 항온항습 및 -5℃ ∼5℃의 저온환경 조건에서 시간경과에 따른 콘크리트 보도블록의 백화특성을 검토하여 외기환경조건 이 백화발생에 미치는 영향을 분석하였다.

계명대학교 인텔리전트건설시스템핵심지원센터(이하 INTEL센터)는 2020년 교육부 주관 핵심연구지 원센터 조성지원과제로 선정되어 현재 2단계 2차년도(5년차)를 진행하고 있습니다. INTEL센터는 사용 률이 낮고 노후화된 기존의 유휴 연구장비를 집적하여 성능을 보완하고, 다양한 분야 및 연구에 장비 및 전담인력을 지원하는 역할을 하고 있습니다. 또한 계명대학교 성서캠퍼스 내 첨단건설실험센터 및 사용성평가연구센터의 건설 및 IoT 분야의 첨단장비를 접목하여 대내외 연구원 및 산업계에 공동연구 및 장비활용을 할 수 있도록 서비스를 지원하고 있습니다. INTEL센터는 4차 산업혁명의 핵심기술인 IoT 분야를 구축 시스템에 융합하여 지능형 평가 시스템 구축을 목표로 하고 있습니다. 원격실험제어시스템 도입 및 인프라 구축을 통하여 실험의 실시간 협업 이 가능한 서비스를 제공하며, 디지털트윈 기반 3D 공간건설시스템을 구축하여 웹을 통한 시험시설환 경과 보유 장비들의 탐색이 가능한 서비스를 제공하고 있어 사용자 요구에 맞는 장비를 선택, 예약까 지 진행할 수 있는 One-Stop 서비스 제공이 가능합니다. INTEL센터가 갖춘 첨단화된 인프라와 IoT, 건설, 기계, 의용공학 등의 다양한 분야의 전문가들을 바탕으로 차세대 융복합 연구 및 연구지원을 이어가고 있으며, 혁신적인 연구 및 전문인력 양성을 통 해 연구장비 공동활용 및 산학연 공동연구에 기여하도록 노력하고 있습니다.

이 연구는 한국어교육능력검정시험의 문법 영역 문항이 예비한국어 교 사가 갖추어야 할 문법 교육 역량을 평가하기에 타당한지를 비판적으로 고찰하고, 한국어교육능력검정시험 문법 영역 문항의 개선 방안을 구체 적으로 모색하는 것을 목적으로 한다. 연구 방법으로는 한국어교육능력 검정시험 제1회(2006년)-제18회(2023년)까지의 시험 문항에서 한국어 문 법 영역과 관련이 있는 한국어어휘・형태론, 한국어통사론, 한국어규범, 한국어문법교육론 과목 623개의 문항을 분석하였다. 분석 결과, 전체적 으로 이론적인 문법 지식을 묻는 문항으로 출제가 되는 경향이 많았다. 그렇지만 한국어 교사에게는 교실 현장에서 외국인 학생들에게 쉽고 재 미있게 가르칠 수 있는 ‘가르치기 위한 지식’이 중요하다. 그러므로 한국 어교육능력검정시험의 문법 영역에서도 예비한국어 교사들이 한국어 교 실 현장에서 실제적으로 접하게 될 교실 현장과 관련이 있는 문항으로 출제가 되어야 할 것이다. 이를 위해 본 연구가 예비한국어 교사의 한국 어 문법 교육 능력을 제대로 측정할 수 있는 한국어교육능력검정시험의 초석이 되기를 바란다.

상변화 물질(PCM)은 상전이 동안 에너지를 흡수하거나 방출할 수 있는 잠열 저장 물질로 활용된다. 최근 수십 년 동 안, 연구자들은 다양한 온도 적용을 위한 건설 물질로의 다양한 PCM의 통합을 탐구해 왔다. 그러나, PCM을 통합하는 콘크리트 의 기계적 및 열적 반응은 통합 방법에 의해 영향을 받는다. PCM을 콘크리트에 추가하기 위한 여러 기술이 제안되었다. 그럼 에도 불구하고, 콘크리트에 마이크로 캡슐화 PCM(m-PCM)의 통합은 종종 기계적 강도의 상당한 감소를 초래한다. 기존 콘크리 트에 m-PCM의 추가와 관련된 한계를 극복하기 위해, 예외적인 강도 및 내구성 특성으로 인해 초고성능 시멘트 복합체(UHPCC) 가 선호된다. 따라서, 본 연구에서는 기존 기술의 단점을 해결하기 위해 PCM을 통합한 신규 나노 엔지니어링 UHPCC를 개발하 였다. 또한, 시멘트 복합체의 기계적 및 열적 성능을 향상시키기 위해 다중 벽 탄소 나노튜브(MWCNT)를 추가하였다. 결과는 MWCNT의 포함이 기계적 성능을 향상시켰을 뿐만 아니라 시멘트 복합체의 열적 성능을 향상시켰다는 것을 보여 주었다.

본 연구는 참가자 간 표상 유사성 분석(intersubject representation similarity analysis: IS-RSA)을 이용하여 3개의 선행연구에서 얻어진 데이터의 참가자 반응 일치성 패턴을 확인하고 각 실험의 정서 조건 간 차이가 있는지 살펴보 았다. 3개의 실험은 각각 ASMR 자극, 시각 및 청각 자극, 시계열적 정서 동영상 자극을 사용하였으며 각 실험의 조건에 맞게 정서 평정치와 생리측정치를 측정하였다. 참가자 간 표상 유사성 분석을 계산하기 위해서 각 실험에 있는 각 자극에 대한 참가자들의 측정치를 쌍별로 피어슨 상관계수를 구하였다. 실험의 조건 간 비교를 위해 분산분 석과 평균을 비교하였다. 연구 결과, ASMR과 시각 및 청각 데이터의 참가자 간 반응의 일치성은 시계열적 정서 동영상 참가자들 반응의 일치성에 비해 일관적이었다. ASMR 실험은 긍정 자극에서 참가자 간 반응의 일치성이 높았다. 청각 및 시각 실험은 높은 각성수준과 시각 자극에서 참가자들의 반응 일치성이 높았다. 본 연구 결과는 생리 적, 행동적 반응에 대한 측정치의 IS-RSA가 다차원적인 데이터의 정보를 요약하여 제시하며 이를 하나의 분석 데이 터로 변환 가능하다는 것을 확인하였다. 이를 통해, IS-RSA가 참가자들의 반응 일관성에 대한 전반적인 정보를 제시 할 수 있는 새로운 분석 방법으로의 가능성을 제시하였다.

Epoxy-based composites find extensive application in electronic packaging due to their excellent processability and insulation properties. However, conventional epoxy-based polymers exhibit limitations in terms of thermal properties and insulation performance. In this study, we develop epoxy-based siloxane/silica composites that enhance the thermal, mechanical, and insulating properties of epoxy resins. This is achieved by employing a sol–gelsynthesized siloxane hybrid and spherical fused silica particles. Herein, we fabricate two types of epoxy-based siloxane/ silica composites with different siloxane molecular structures (branched and linear siloxane networks) and investigate the changes in their properties for different compositions (with or without silica particles) and siloxane structures. The presence of a branched siloxane structure results in hardness and low insulating properties, while a linear siloxane structure yields softness and highly insulating properties. Both types of epoxy-based siloxane/silica composites exhibit high thermal stability and low thermal expansion. These properties are considerably improved by incorporating silica particles. We expect that our developed epoxy-based composites to hold significant potential as advanced electronic packaging materials, offering high-performance and robustness.

본 연구의 목적은 PET를 재활용하여 만든 물질재생 PET사를 함침공정을 통해 고전도성의 E-textile로 제작하는 것이다. 소수성의 성질을 가지고 있는 PET사는 virgin과 recycled 모두 함침공정을 통해 전자섬유로 제작되었을 때에 높은 전도성을 부여하기 힘들다는 특징이 있다. 함침공정의 효율성 향상을 위해 FEMTO SCIENCE사의 Covance-2mprfq 모델을 사용하여 재생 PET사로 이루어진 시료를 50w 5분, 10분간 플라즈마로 표면 개질하였다. 이 후 SWCNT 분산액(.1wt%, cobon 사)에 5분간 시료를 담근 후 패딩기(Padder, DAELIM lab)를 통해 시료 안쪽으로 용액이 잘 스며들도록 Dip-coating 진행하였다. 공정이 완료된 후 저항측정을 양끝점에서 멀티미터를 통해 측정하 고 좀 더 넓은 전극을 통해 정밀하게 다시 측정하였다. 고찰한 결과 플라즈마 표면 개질을 통해 함침공정을 통한 고전도성 부여가 가능해졌음을 확인할 수 있었다. 10분간 표면 개질한 경우 저항이 최대 2.880배 감소하였다. 본 연구결과를 기반으로 스마트 웨어러블 분야에서 활용되는 E-textile 또한 recycle 소재로 제작함으로써 석유자원을 절약하고 탄소배출량을 감소시킬 수 있는 스마트 웨어러블 제품을 개발하고자 한다.

본 연구는 참가자 간 상관(Intersubject correlation: ISC)기법을 통해 정서 유발 자극에 대한 한 참가자의 반응과 그 참가자를 제외한 나머지 참가자들의 반응 간 일치성이 각 정서표상 범주(지배가, 각성가, 정서가)와 다양한 감각 양상(청각, 시각, 촉각)에서 어떠한 차이가 있는지 밝히고자 하였다. 참가자 간 상관을 계산하기 위해 사용된 데이터 는 참가자들의 청각, 시각, 촉각 자극에 대한 생리 측정치와 정서 평정치로 구성되었으며, 한 참가자의 데이터 세트 와 나머지 참가자들의 데이터 세트의 평균으로 구분한 뒤 가능한 모든 자극 쌍에 대해 상관을 구하는 방식으로 참가 자 간 상관을 계산하였다. 연구 결과, 지배가를 기준으로 재정렬한 데이터 세트에 대한 참가자들의 반응 일치성은 청각 감각양상 조건보다 시각 감각양상 조건에서 높은 ISC 값을 얻었다. 다음으로 각성가로 재정렬한 데이터 세트의 경우 시각 감각양상과 청각 감각양상에서 차이가 있음은 같았지만, 지배가 기준으로 재정렬한 데이터 세트와 결과가 상반되었다. 마지막으로, 정서가를 기준으로 재정렬된 데이터 세트는 모든 감각양상에서 부정적인 데이터 세트들이 긍정적인 데이터 세트보다 참가자들의 반응 일치성이 더 높았다. 모든 데이터 세트에서 정서표상 범주의 높고 낮음 과 상관없이 촉각 감각양상에서 높은 ISC 값을 얻었다. 본 연구의 결과는 참가자 간 상관의 다양한 감각양상과 정서 표상에 대한 반응의 일치성이 의미하는 바에 대한 해석을 제시하며, ISC 분석 방법이 참가자 반응의 차이에 대한 패턴을 측정하는 유용한 도구가 될 가능성을 제시하였다.