In order to improve the ground-motion prediction equation, which is an important factor in seismic hazard assessment, it is essential to obtain good quality seismic data for a region. The Korean Peninsula has an environment in which it is difficult to obtain strong ground motion data. However, because digital seismic observation networks have become denser since the mid-2000s and moderate earthquake events such as the Odaesan earthquake (Jan. 20, 2007, ML 4.8), the 9.12 Gyeongju earthquake (Sep. 12, 2016, ML 5.8), and the Pohang earthquake (Nov. 15, 2017, ML 5.4) have occurred, some good empirical data on ground motion could have been accumulated. In this study, we tried to build a ground motion database that can be used for the development of the ground motion attenuation equation by collecting seismic data accumulated since the 2000s. The database was constructed in the form of a flat file with RotD50 peak ground acceleration, 5% damped pseudo-spectral acceleration, and meta information related to hypocenter, path, site, and data processing. The seismic data used were the velocity and accelerogram data for events over ML 3.0 observed between 2003 and 2019 by the Korean National Seismic Network administered by the Korea Meteorological Administration. The final flat file contains 10,795 ground motion data items for 141 events. Although this study focuses mainly on organizing earthquake ground-motion waveforms and their data processing, it is thought that the study will contribute to reducing uncertainty in evaluating seismic hazard in the Korean Peninsula if detailed information about epicenters and stations is supplemented in the future.

본 연구에서는 인공신경망을 이용해 건물 구조물의 가속도계 설치 위치 및 개수를 선정하는 방법을 제안한다. 인공신경망의 입력 층에는 층에 설치되는 가속도계로부터 얻는 가속도이력데이터가 입력되며, 출력층에는 구조물을 정의하는 각 층의 질량과 강성 값을 출력하도록 신경망을 구성한다. 가속도계의 설치 위치 및 개수를 선정하기 위해 여러 설치 시나리오를 가정하고 훈련을 통해 인공신경망을 구한다. 훈련에 사용되지 않은 예제를 이용해 예측 성능을 비교하였다. 센서 개수 및 위치에 따른 예측 성능을 비교하여 설치위치 및 개수를 선정한다. 6층과 10층 예제 적용을 통해 제안하는 방법을 검증하였다.

여러 센서를 이용한 구조물의 구조 응답을 모니터링하는 사례가 증가하고 있다. 그러나 비용과 관리 문제로 인해 제한된 센서만이 구조물에 설치되어 일부의 구조 응답만을 수집하는 경우가 대부분이다. 이는 구조물의 전체 거동을 분석하는데 장애요소로 작용하게 된다. 따라서 제한된 센서를 이용해 센서가 설치되지 않은 위치에서의 응답을 신뢰할 수 있는 수준으로 예측하는 기술이 필요하다. 본 연구에서는 제한된 정보를 이용해 저층 건물 구조물의 지진 응답을 예측하는 해석적 연구를 수행한다. 활용 가능한 응답 정보는 1층과 최상층의 가속도 응답만을 사용할 수 있다고 가정한다. 두 정보를 이용하면 구조물의 1차 고유진동수를 얻을 수 있다. 1층 가속도 정보는 구조물의 가력 정보로 활용한다. 최상층의 가속도이력응답에 대한 오차와 대상 구조물의 1차 고유진동수 오차를 최소화하는 구조물의 질량과 강성 정보를 유전자알고리즘을 이용해 예측하는 기법을 제시한다. 제약조건은 고려하지 않는다. 탐색공간을 의미하는 설계변수의 범위를 결정하기 위해 인공신경망 기반의 파라미터 예측기법을 제시한다. 또한 유전자알고리즘을 통해 얻게 되는 해를 개선시키기 위해 앞서 언급한 인공신경망을 활용한다. 제시한 기법을 검증하기 위해 5층 구조물 예제를 사용한다.

This paper presents the resizing method of columns and beams that considers column-to-beam strength ratios to simultaneously control the initial stiffness and ductility of steel moment frames. The proposed method minimizes the top-floor displacement of a structure while satisfying the constraint conditions with respect to the total structural weight and column-to-beam strength ratios. The design variable considered in this method is the sectional area of structural members, and the sequential quadratic programming(SQP) technique is used to obtain optimal results from the problem formulation. The unit load method is applied to determine the displacement participation factor of each member for the top floor lateral displacement; based on this, the sectional area of each member undergoes a resizing process to minimize the top-floor lateral displacement. Resizing members by using the displacement participation factor of each member leads to increasing the initial stiffness of the structure. Additionally, the proposed method enables the ductility control of a structure by adjusting the column-to-beam strength ratio. The applicability of the proposed optimal drift design method is validated by applying it to the steel moment frame example. As a result, it is confirmed that the initial stiffness and ductility could be controlled by the proposed method without the repetitive structural analysis and the increment of structural weights.

Seismic design of braced frames that simultaneously considers economic issues and structural performance represents a rather complicated engineering problem, and therefore, a systematic and well-established methodology is needed. This study proposes a multi-objective seismic design method for an inverted V-braced frame with suspended zipper struts that uses the non-dominated sorting genetic algorithm-II(NSGA-II). The structural weight and the maximum inter-story drift ratio as the objective functions are simultaneously minimized to optimize the cost and seismic performance of the structure. To investigate which of strength- and performance-based design criteria for braced frames is the critical design condition, the constraint conditions on the two design methods are simultaneously considered (i.e. the constraint conditions based on the strength and plastic deformation of members). The linear static analysis method and the nonlinear static analysis method are adopted to check the strength- and plastic deformation-based design constraints, respectively. The proposed optimal method are applied to three- and six-story steel frame examples, and the solutions improved for the considered objective functions were found.

본 연구에서는 철근콘크리트 건물에 대한 유전자 알고리즘 기반의 최적구조설계기법을 제시하고자 한다. 목적함수는 구조 물의 비용과 이산화탄소 배출량을 동시에 각각 최소화하는 것이다. 비용 및 인산화탄소 배출량은 구조설계안에서 얻을 수 있는 단면치수, 부재길이, 재료강도, 철근량 등과 같은 설계정보를 통해 계산한다. 즉, 구조물의 물량을 기초로 하여 비용과 이산화탄소 배출량을 평가한다. 재료의 운반, 시공 및 건물 운영 단계에서 발생하는 비용 및 이산화탄소 배출량은 본 연구에 서 제외한다. 제약조건은 철근콘크리트 건물을 구성하는 기둥과 보 부재의 강도조건과 층간변위조건이 고려된다. 제약조건 을 평가하기 위해 OpenSees를 활용한 선형정적해석이 수행된다. 제약조건을 만족시키면서 목적함수에 대해 최소의 값을 제 시하는 설계안을 찾기 위해 유전자 알고리즘이 사용된다. 제시한 알고리즘의 적용성을 검증하기 위해 4층 철근콘크리트 모 멘트 골조 예제에 제시하는 기법을 적용하여 검증한다.

본 연구에서는 철골모멘트골조의 보-힌지 붕괴모드를 유도하는 최적 내진설계기법을 제안한다. 이는 유전자알고리즘을 사용하며, 기둥의 소성힌지 발생을 억제하는 제약조건을 설정하여 보-힌지 붕괴모드를 유도한다. 제안하는 기법은 구조물량를 최소화하고 에너지소산능력을 최대화하는 목적함수를 사용한다. 제안하는 기법은 9층 철골모멘트골조 예제 적용을 통해 검증한다. 예제 적용을 통해 철골모멘트골조의 보-힌지 붕괴모드를 유도하기 위해 요구되는 기둥-보 강도비를 평가한다. 패널존에 대한 3가지 모델링 기법을 각각 적용하여 모델링 조건에 따른 휨강도비 영향이 추가적으로 검토된다.

기존 구조물의 손상평가에 관한 연구는 지진 등과 같은 과도한 하중에 의한 손상을 고려하였다. 그러나 구조물은 과도한 하중없이도 장기간의 시간에 따라 염화물, 탄성화 등과 같은 이유로 노후화가 진행되어 구조성능이 저하될 수 있다. 그래서 구조물의 건전도를 효과적으로 관리하기 위해서는 노후화에 의한 구조성능 저하도 검토되어야 한다. 본 연구에서는 염화물에 의한 철근의 부식을 노후화 요인으로 고려한다. 철근부식에 의한 재료의 구조성능 저하를 고려하기 위해 부식정도에 따른 철근의 단면적, 항복강도, 파단변형률, 피복 콘크리트 강도 등을 예측한다. 이를 구조모델링에 적용하여 구조부재 및 구조물의 구조성능 저하를 분석한다. 구조부재의 구조성능을 분석하기 위해 모멘트-곡률 해석을 수행한다. 구조물 레벨의 구조성능을 고려하기 위해, 고유치해석을 통한 고유주기와 모드형상을 분석한다. 또한 비선형 정적해석을 통해 구조물의 강도와 변형성능을 분석한다.

기존 구조물의 모델 업데이팅 기법은 주로 진동 계측을 통해 얻은 전역적 구조 응답-모달 파라미터-를 이용한다. 모달 파라미터를 이용하여 업데이트된 모델은 전역적 구조 응답을 잘 추정할 수 있지만, 부재 레벨의 안전성 평가를 위한 국부적 응답 예측에는 어려움이 있다. 구조물 내 구조 부재들의 변형률 계측을 통해 응력을 추정하고, 안전성 평가가 이루어진다. 따라서, 본 연구는 모달 파라미터 이외에 로컬 구조 부재들에 가하는 해머 가력을 통해 계측한 변형률을 추가적으로 모델 업데이팅에 이용한다. 본 연구가 제안하는 모델 업데이팅에서 목적함수는 전역적/국부적 계측 응답과 모델의 응답간의 차로 설정되며 NSGA-II를 이용하여 이를 최소화된다. 업데이트 모델에서 예측하는 변형률 응답은 철골조의 안전성 평가에 활용된다. 제안한 기법은 철골 프레임에 대한 시뮬레이션과 해머 가력 실험을 통해 검증된다.

건물의 경우, 용도 변경에 따른 중력하중 변화, 시공 단계에 따라 중력하중 변화 등이 구조물 시스템에 영향을 미친다. 따라서, 본 연구에서는 시스템 식별 변수 설정에 있어 기존에 강성만을 변수로 설정한 방법에 추가적으로 질량을 변수로 설정하여 시스템을 식별하는 기법을 제안한다. 계측한 동특성과 FE모델에서 추출한 동특성 간의 차이를 최소화하여 변수를 탐색하게 된다. 최소화 기법으로 변형 유전 알고리즘을 적용하였다. 보다 전역적 해탐색을 위해 변형 유전 알고리즘은 더 넓은해 탐색 공간에서 해를 찾는다. 철골 보 구조물의 시뮬레이션을 통해 본 연구가 제시한 기법을 검증하였고 변형 유전 알고리즘과 기존의 단순 유전 알고리즘의 성능을 비교하였다. 또한, 강성 식별만을 수행한 기존 연구의 방법과 본 연구가 제시한 기법간의 차이를 비교하였다.

최근 환경오염 문제에 대한 심각성이 대두되며 전 세계적으로 환경부하 저감을 위해 다양한 노력을 쏟고 있다. 특히 환경 저해 산업의 하나인 건설분야에서는 CO2배출량과 에너지 소비량을 줄이기 위해 활발한 연구를 진행해 왔다. 그러나 건설분야의 기존 연구들은 대부분 CO2배출량이 가장 큰 사용 및 유지관리 단계에만 집중하고 있으며, 설계단계에 대한 연구는 2D의 철근콘크리트 부재 및 구조물에 대해서만 실행되었을 정도로 초기단계이다. 사실, LCA적 관점에서 친환경적 건설산업을 이루기 위해서는 건물의 초기설계 단계에서부터 CO2배출량을 저감시키기 위한 방향으로 설계를 유도할 수 있어야 하며, 구조 엔지니어로서 환경성을 고려한 설계안을 제시할 수 있어야 한다. 그러므로 본 연구에서는 매입형 합성기둥(SRC)을 대상으로 CO2최적화 기법을 제시하였으며, 이를 통해 얻은 여러 설계단면을 이용하여 SRC기둥의 CO2배출량에 영향을 미치는 3가지 요소(① 강재 크기, ② 콘크리트 압축강도, ③ 작용 하중 크기)에 대한 영향관계를 분석하였다.

본 논문에서는 유전알고리즘을 사용하여 철근콘크리트 구조물의 최적 지진설계를 효율적으로 수행하기 위해 클러스터를 사용하는 경우 확장성을 확인하였다. 클러스터를 구성하는 코어프로세서의 개수를 증가시키면서 유전알고리즘의 각 세대에 소요되는 시간의 감소를 관찰하였다. 단일 퍼스널 컴퓨터의 구성을 분류한 후, wall-clock time과 암달의 법칙으로 예상된 값을 비교하여 예상되었던 병목현상을 확인하였다. 이에 클러스터의 확장성에서 복합적인 요인에 의한 경향을 확인할 수 있었다. 병목현상의 물리적인 요인과 알고리즘 측면에서의 요인을 구분하기 위해 유전알고리즘의 개채수를 나누어 실험을 수행하여 결과를 확인하였다.

본 논문에서는 건물의 횡방향 구조반응을 평가하기 위한 변형률 기반의 모니터링 기법이 제시되고, 이에 대한 기초 연구로써, 구조해석을 통해 제안된 기법을 검증한다. 광섬유 격자 센서(fiber Bragg grating, FBG)는 일반 변형률 센서와 비교하여 내구성이 뛰어날 뿐 아니라 높은 샘플링 수와 여러 지점을 동시에 계측할 수 있는 장점이 있다. 이러한 특성 때문에 FBG 센서는 구조 모니터링을 위해 많은 센서가 요구되는 건물의 모니터링에 적합하다. 본 연구에서 FBG 센서는 수직 부재의 변형률을 계측하며, 이는 해당 부재의 곡률을 평가한다. 이러한 곡률은 횡변위와 횡가속도를 평가하는데 사용된다. 추가적으로 횡방향 가속도는 frequency domain decomposition(FDD) 기법을 이용하여 구조물의 고유진동수와 모드형상을 추정하는데 사용된다. 9층 철골모멘트 골조 예제의 적용을 통해, 제시된 기법이 건물의 다양한 횡방향 구조 반응과 동적 특성을 평가하는데 적절함을 확인하였다.

본 연구에서는 저경도 고감쇠 고무받침 시험체의 다양한 특성실험을 통하여 저경도 고감쇠 고무받침의 특성을 파악하였다. 고무받침의 파악하고자 하는 특성은 압축강성, 전단강성, 등가감쇠비, 전단특성의 변형율 의존성, 전단특성의 면압 의존성, 전단특성의 주파수 의존성, 전단특성의 온도 의존성, 극한전단특성 등이다. 특성실험은 ISO 22762-1에 따라 수행하였으며, ISO 2276-3에 따라 평가하였다. 특성실험결과 전단강성은 전단변형율과 온도 의존성이 큰 것으로 나타났고, 등가감쇠비는 면압 의존성이 큰 것으로 나타났다. 전단특성의 주파수 의존성 실험결과 0.1Hz를 기준으로 경향이 나뉘는 것으로 나타났다. 0.1Hz 이상에서는 전단특성의 변화가 적었지만, 0.1Hz 이하에서는 전단강성과 등가감쇠비 모두 급격히 감소하는 것으로 나타났다. 추가적으로 크리프실험과 극한전단특성실험을 수행하였고, 실험결과는 ISO 22762-3의 요구사항을 만족하는 것으로 나타났다.

본 연구는 인공신경망을 이용해 철골모멘트골조의 접합부 손상을 예측하는 기법을 제안한다. 인공신경망의 입력층에는 기둥 부재 의 휨모멘트, 고유진동수, 모드형상 정보가 사용되며, 출력층에는 구조물 접합부의 회전강성 손상지표가 사용한다. 손상지표는 각 접합부의 손 상정도를 의미한다. 5층 철골모멘트골조 예제의 수치해석을 통해 훈련 및 검증용 데이터를 생성한다. 총 829가지의 손상 시나리오가 고려된다. 시뮬레이션은 OpenSees를 이용해 반복 실행하여 데이터를 얻도록 하였으며, 훈련용 데이터를 생성할 때 회전 강성의 손상은 1.0, 0.75, 0.5 등 세 가지 중 하나의 값을 가지도록 하였다. 예제 검증을 통해 제시하는 기법은 손상 위치 및 수준을 정확하게 예측하는 것으로 나타났다. 제시하는 기법은 손상지표, 1차, 2차 고유진동수 및 모드형상 등에 대해 매우 유사한 결과를 제시하는 것으로 확인되었다.

The artificial neural network (ANN) based damage detection method is prposed for the steel moment frames with beam-hinge collapse mechanism. The natural frequencies, modeshapes, flexural moment of columns are employed as the values for the input layer while the raios of rotational stiffness of connections before and after damage are employed as the values for the output layer. The 5-story steel moment frame with beam-hinge collapse mechanism is used as the example structure.

In this study, retrofit improvement ratios for reinforced concrete (RC) moment frames according to the various seismic retrofit methods is investigated. The three jacketing methods (RC, steel, FRP) are considered as the seismic retrofit method. The fragility analysis is performed to evaluate the seismic performance of a structure

In this study, the artificial neural network (ANN) based estimation method for rotational stiffness of column-beam connection in steel moment frames is presented. Three story and one bay steel moment frame is used as the example structure. Natural periods and mode-shapes are used as the input data and the rotational stiffness values of connections are used as the output data.

In this study, retrofit improvement ratios for reinforced concrete (RC) moment frames according to the various seismic retrofit methods is investigated. The three jacketing methods (RC, steel, FRP) are considered as the seismic retrofit method. The fragility analysis is performed to evaluate the seismic performance of a structure.

본 연구는 철골모멘트골조를 대상으로 변형률 기반 횡응답 예측 기법 제시한다. 기둥의 변형률 데이터를 이용하여 건물레벨의 횡 응답을 예측한다. 변형률 데이터는 한 개의 기둥 당 총 4개의 변형률 센서가 설치된다고 가정하여 기둥의 양 단부의 변형률 응답 값을 이용한다. 양단부의 변형률 값을 통해 단부의 휨모멘트를 계산하고 이를 처짐각법에 적용하면 건물레벨의 횡응답을 예측할 수 있다. 또한 한 개층에 설치 된 가속도계의 응답을 이용하여 지점에 위치한 회전스프링의 강성값을 예측하였다. 제시한 기법은 5층 1경간 철골모멘트골조 예제에 적용하 여 그것의 신뢰성를 검증하였다. 횡변위 및 횡가속도에 대한 예측 응답이 비교값과 일치하는 결과를 얻었으며, 손상 여부 및 위치를 파악하는 데 효과적임을 확인하였다. 반면 고유주기와 같은 동특성은 구조물의 손상을 파악하는데 한계가 있음을 확인하였다.