본 연구는 보강 콘크리트로 철근 대신 복합재료를 사용한 구조물의 설계에 대하여 다양한 파라미터 연구를 수행하여 철근콘크리트 대비 강점을 비교, 분석하였다. FRP 콘크리트는 ACI 440.1R-15를 적 용하였으며, 철근콘크리트 설계는 KDS 14(2021)의 최신 규정을 적용하여 다양한 파라미터 연구를 수 행하였다. 파라미터 변수로 콘크리트 밑단에서 철근의 중심까지의 거리, 보강량, FRP의 탄성계수 및 극한 변형률의 4개로 설정하여 다음과 같은 결론을 얻었다. (1) FRP의 탄성계수와 극한 변형률이 클 수록 FRP 콘크리트의 휨성능이 우수하지만, 극한 응력이 동일할 때 극한 변형률보다 탄성계수를 크게 하는 것이 유리하며, 보강량이 작을수록 유리한 것으로 분석되었다. (2) FRP 콘크리트가 인장지배 단 면이나 변화구간 일 때 극한 변형률 증가에 휨성능이 비례해서 증가하지만 압축지배 단면일 경우에는 극한 변형률이 증가해도 휨성능은 증가하지 않는다. (3) FRP 콘크리트의 휨성능은 FRP의 탄성계수와 극한 변형률을 적절하게 조절하여 선택함으로서 최적의 성능을 나타낼 수 있다. (4) 또한, FRP 콘크리 트는 최소 피복두께가 필요하지 않아 추가적인 휨성능이 17~33% 증진 효과가 나타났다.

Herein, the existing structural design criteria for highway bridge columns with hollow bars were analyzed. Expanding upon previous research focused on the performance analysis of the columns under compressive loads, load– displacement curves were evaluated and crack analysis was performed under cyclic transverse loads. A three-dimensional nonlinear finite-element structural analysis compared the structural performance of existing steel bars, same-reinforced hollow bars, and reduced hollow bars in detail. Results indicated that with regard to elastic or initial crack behavior, the existing steel bars can be replaced by the other bars. Future research should delve into inelastic behavior and strategies to ensure seismic performance.

본 논문은 FRP로 보강된 콘크리트 기둥의 압축성능에 관한 연구를 수행하였다. 압축성능을 분석하기 위해서 P-M 상 관도를 다양한 파라미터 연구를 통해서 비교, 분석하였다. FRP로 보강된 콘크리트 기둥의 P-M 상관도를 AASHTO LRFD(2018) 설계 기준과 Zadeh and Nanni(2013) 연구의 두 가지 모델로 비교, 분석하여 압축성능을 분석하였다. 균형 파괴점(Balance Point)의 위치는 철근으로 보강된 경우는 압축측에 위치하는 반면에 FRP로 보강된 기둥의 경우는 보통 인장측(아래쪽)에 위치하지만 압 축측(위쪽)에도 위치할 수도 있다. FRP로 보강된 콘크리트의 경우의 파괴형태는 콘크리트의 압축파괴로 유도하는 것이 강도 측 면이나 급작스러운 파괴 등의 측면에서 유리하기 때문에 균형 파괴점의 위치가 중요하다. 분석 결과 FRP의 보강비가 커질수록, FRP의 파괴 변형률이 일정하면 파괴 응력과 탄성계수가 커질수록, 파괴 변형률이 커질수록, 콘크리트의 강도가 작을수록 균형 파괴점은 아래쪽으로 내려간다.

본 연구는 실내실험 및 수치해석을 적용하여 GFRP 보강근의 콘크리트 휨 및 인발 부착성능을 분석하였다. 부착길이 변화에 대하여 철근 또는 GFRP로 보강된 콘크리트 보의 하중-변위 곡선을 도출하였다. 또한, 두 타입의 근에 대하여 인발 실험 을 수행하였다. 다음으로 3차원 유한요소 해석을 통하여 실험 결과를 검증하였다. 본 연구로부터 도출은 결과는 GFRP 보강근이 철근을 대체하는 휨 및 인발 부착 성능을 보유하고 있음을 보여 준다.

본 연구는 ACI 등 규정에 없는 FRP 보강 콘크리트의 복보강에 대한 설계흐름도를 제시하였으며, 단보강과 복보강을 비교, 분석하였다. 다양한 파라미터 연구를 통해서 각각 단보강일 때의 이점과 복보강일 때의 이점을 분석하였다. 콘크리트의 단면이 작을수록 보강량이 클수록 복보강의 휨성능이 유리하며, 반대의 경우는 단보강이 유리한 것으로 나타났다. 콘크리트의 단면을 크게 하는 것이 FRP 보강량을 크게 하는 것보다 효과가 좋으며, 콘크리트 단면 중에서 콘크리트 높이를 크게 하는 것이 효과가 우수하게 나타났다. 콘크리트의 설계기준강도가 클수록, FRP의 탄성계수가 작을수록 단보강이 유리하며, 반대의 경우는 복보강이 유리한 것으로 나타났다.

본 연구는 콘크리트구조기준(KDS 14-2021)을 적용한 RC보와 ACI 440.1R-15를 적용한 FRP 콘크리트의 비교 연구를 수행하였다. 파라미터 변수로 피복두께, FRP의 탄성계수 및 극한변형률 그리고 보강량 4가지로 설정하여 비교, 분석을 수행하였 다. 파라미터 연구 분석 결과 FRP의 탄성계수와 극한 변형률이 클수록 FRP 콘크리트의 휨성능이 우수하지만, 극한 응력이 동일 할 때 극한 변형률보다 탄성계수를 크게 하는 것이 유리하다. FRP 콘크리트가 인장지배 단면이나 변화구간 일 때 극한 변형률 증가에 휨성능이 비례해서 증가하지만 압축지배 단면일 경우에는 극한 변형률이 증가해도 휨성능은 증가하지 않는다. 또한, FRP 콘크리트는 최소 피복두께가 필요하지 않아 추가적인 휨성능이 17∼33% 증진 효과가 나타났다.

본 연구에서는 콘크리트 이미지에서 균열의 크기와 위치를 검출하는 알고리즘을 개발하였다. 균열은 총 9단계로 자 동 검출되었으며, 기본 기능은 매트랩 프로그램의 기능이었다. 5단계와 8단계에서는 균열 검출 정확도를 높이기 위해 사용자 알고리즘을 추가하였으며, 균열 영상과 비균열 영상을 각각 1,000개씩 사용하였다. 균열 이미지에서는 균열이 100% 검출됐지만 품질 측면에서 나쁘지 않은 결과를 제외하더라도 91.8%의 결과가 매우 양호했다. 또한, 균열되지 않은 이미지의 정확도도 94.7%로 매우 양호했다. 이에 본 연구에서 제시한 균열검출 알고리즘은 콘크리트 우물 균열의 위치와 크기를 검출할 수 있을 것으로 기대된다.

본 연구는 콘크리트구조기준(2012)을 적용한 RC보와 ACI 440.1R-15 (2015)를 적용한 FRP 콘크리트를 비교, 분석하였다. 파라미터 변수로 콘크리트의 폭과 높이, FRP의 탄성계수 그리고 보강량 4가지로 설정하여 연구를 수행하였다. 파라미터 연구 결과 보강량비가 상대적으로 적을수록, FRP의 탄성계수가 클수록 RC 대비 FRP 콘크리트의 휨성능이 우수하게 나타났다. 탄성계수가 40GPa이하인 유리섬유는 보강으로 효과가 없으며, 120GPa이상인 탄소섬유는 보강으로 효과가 있는 것으로 분석되었다. 따라서, 보강량이 상대적으로 적을 경우에 탄소 보강재(CFRP) 콘크리트는 RC 대비 경쟁력이 있을 것으로 판단된다.

저해상도 하수관거의 균열을 탐지하기 위해서 웨이블릿 기법을 이용하여 연구를 수행하였다. 변수 4개를 설정하여 파라미터 연구를 수행하였으며 기존 CNN 기법의 연구와 비교를 통해 타당성을 검증하였다. 연구 결과 본 연구에 제시된 파라미터 변수들의 기본값만 사용하더라도 97.2%의 높은 정확도를 나타내었으며, 정확도가 들쭉날쭉하지 않고 안정성을 나타내었다. 따라서, 웨이블릿 기법을 활용하여 구조물의 균열 등 결함 인식 등의 문제를 잘 해결할 것으로 판단되며 향후 연구로 딥러닝 기법과의 상호 보완적인 방법을 모색하고자 한다.

자연재해 발생을 예방하기 위한 방재센서 기술이 중요하며 광섬유를 이용한 센서에 대한 관심이 높아지고 있다. 본 논문은 광섬유 센서 내장 탄소섬유시트로 보강된 RC보의 계측된 데이터로 결함 탐지 연구를 수행하였다. 미분의 국부적 변동 특성을 이용한 Method Ⅰ과 컨벌루션 방법을 이용한 Method Ⅱ를 비교, 분석하였다. 다른 차원의 데이터를 비교하기 위해서 무차원화 시켰으며, 분석 결과 Mehtod Ⅱ가 결함의 위치를 예리하게 잘 탐지하는 것으로 나타났다. Method Ⅱ인 컨벌루션에 사용 되는 필터 벡터를 잘 응용하면 더 좋은 효과를 기대할 수 있을 것으로 판단된다.

본 논문은 FRP보강시스템에 의한 철근콘크리트보의 보강설계에 대하여 소개하고 있고 ISIS CANADA-Design Manual No. 4(2001) 및 KCI-2012의 설계 코드를 고려하여 연구가 수행되었다. FRP보강시스템에 의한 철근콘크리트보의 보강 설계순서 도가 제시되었으며, 보강설계해석프로그램을 소개하였다. 연구의 검증은 참고문헌과의 비교를 통해서 이루어졌다. 또한, 복철근 직사각형 보와 T형보의 정밀 분석을 통하여 보강 설계 순서도를 수정, 보완하는 경우를 제시하였다. 구조설계자는 본 프로그램 을 이용하여 FRP보강시스템에 의한 노후 철근콘크리트보의 보강설계를 쉽게 수행할 수 있다. 따라서 본 연구가 FRP보강시스템 의 최적화된 설계 및 제작 등에 실질적인 지침서가 될 수 있을 것으로 기대된다.

딥러닝을 위한 CNN 기술은 의학, 농업, 항공 및 자동차 산업 전반에 걸쳐 연구, 개발되고 있다. 또한 콘크리트 균열이나 강철 용접 결함과 같은 건설 분야에도 적용할 수 있다. 본 연구에서는 건설분야에 적용하기에 앞서, 이전 연구를 발전시키고 CNN 기법을 사용하여 손으로 쓴 이미지의 분류를 분석하였다. 딥러닝은 일반적으로 학습층의 깊이가 깊을수록 정확도가 높아지지만 분석 시간이 오래 걸리는 단점이 있다. 또한 훈련 옵션에 따라 많은 변화가 발생할 수 있다. 따라서, 많은 파라미터 연구를 수행했고 학습 계층이 더욱더 깊어질 때 분석을 수행하였다.

Deep learning techniques have been studied and developed throughout the medical, agricultural, aviation, and automotive industries. It can be applied to construction fields such as concrete cracks and welding defects. One of the best performing techniques of deep running is CNN technique. CNN means convolutional neural network. In this study, we analyzed crack recognition of sewer with low recognition. Deep learning is generally more accurate with deeper layers, but analysis cost is high. In addition, many variations can occur depending on training options. Therefore, this study performed many parametric studies according to the variations of training options. When analyzed with appropriate training options, the accuracy was over 90% and stable results were obtained

Deep learning techniques are being studied and developed throughout the medical, agricultural, aviation, and automotive industries. It can be applied to construction fields such as concrete cracks and welding defects. One of the best performing techniques of deep running is CNN technique. In this study, we analyzed the classification of handwritten images using CNN technique before applying them to construction field. Deep running is generally more accurate with deeper layers, but analysis cost is high. In addition, many variations can occur depending on training options. Therefore, this study performed a parametric study to be a reference when CNN technique was applied through accuracy analysis according to training options.

In this study, we studied the damage area detection of the composite tension specimens under fatigue loading by using image processing techniques. The aim of this study is to detect the area of the damage region on the basis of original image. Basically we have used Matlab program. This study analyzed a total of six specimens under cyclic loading and the results using a user algorithm and analysis procedures of step 7. The damaged area was well detected except 3,000 cyclic loading. Accuracy of damage area detection is determined to be excellent by 83.3%(5/6). In general, however, in order to automatically detect the damaged area must develop an algorithm for setting the number of multi-threshold automatically. This is to perform the studies in the future.