최근 서울시 송파구를 비롯한 도심지 내에서 도로상부가 함몰되는 사례가 적지 않게 발생하고 있다. 이 로 인한 인명 및 재산 피해가 속출하고 있으며 시민들의 불안감 또한 증폭되어 사회적 큰 문제로 부각되 고 있다. 도로함몰이란 도로하부에서 발생한 동공에 의해 상부도로가 지지력을 상실하여 도로포장이 내려 앉은 현상을 의미한다. 도심지 도로하부에 발생된 동공은 상하수관 손상 및 누수, 도로굴착 복구 시공 상 의 문제 및 공사불량, 지하수위 강하 등이 주요원인으로 알려져 있다. 현재 국내의 다양한 기관 및 업체들 이 동공탐사 장비를 보유하고 있지만 이를 이용한 체계적인 조사가 이루어지지 않고 있으며 구체적인 분 석시스템 또한 미비한 실정이다. 특히 현재의 동공탐사는 오직 탐사데이터 분석 전문가의 경험을 토대로 발생유무를 판단하고 있어 탐사장비와 연동되는 동공자동분석시스템 개발이 필요성이 증대되고 있다. 2015년 7월 세종대학교 산학협력단을 주관으로 국토교통부, 국토교통과학진흥원이 지원하는「도로함 몰위험도 평가 및 분석기술 개발」에 대한 연구가 시작되었다. 본 연구는 장기적이고 근본적으로 도로함몰 을 예방하기 위한 도로함몰 위험도 탐지시스템 및 분석 프로그램 개발, 도로함몰 위험도 평가기술 개발, 재난예방형 도로관리 시스템 구축을 핵심목표로 설정하였다. 현재 본 과제의 1차 연도에는 도로지지력평 가 시작품, 분석 알고리즘 등이 개발되어 각 핵심기술개발의 기반을 구축하였다. 향후 본 과제에서는 도로동공 탐지 및 위험도 진단에 대한 첨단 복합탐사장비를 구축하여 도로함몰 위 험도 평가기술 및 도로함몰 위험을 예방하는 도로 관리 기술의 세계선도기술력을 확보하고자 한다. 또한 기술의 현장 적용성을 극대화하고 탐지, 분석, 도로공학을 연계하는 융합 공학 분야에 대한 발전을 도모 하여 미래 건설 산업의 시장창출과 전문 인력 양성에 이바지 하는 것을 목표로 하고 있다.

본 연구에서는 다채널 자속누설 센서를 이용하여 강케이블의 국부손상을 검색하였다. 먼저 자속누설 기법을 고정된 케 이블 구조물에 적용하기 위해 프로토타입의 8채널 자속누설 센서헤드를 제작하였고, 국부손상이 발생한 케이블을 구현하 기 위하여 PVC 파이프에 강케이블을 채워 강케이블 다발 시편을 제작하였고, 케이블 시편 외부 및 내부에 다양한 크기 및 방향을 가지는 국부손상을 단계적으로 발생시켰다. 이와 같이 제작된 강케이블 시편을 대상으로 각 손상단계에서 자속누설 센서헤드를 이용하여 자속신호를 스캔하고 출력전압으로 표현하였다. 이어서 일반극치분포를 이용해 손상유무를 판단할 수 있는 기준이 되어줄 임계값을 설정하였고, 이를 각 채널에서 계측된 자속신호와 비교하여 객관적인 손상판단을 수행하 였다. 또한 케이블 모니터링에 있어 가장 중요한 정보인 손상의 길이방향 위치를 효과적으로 검색하기 위해 모든 채널의 자속값을 합하여 총합값의 형태로 임계값과 함께 나타내었다. 최종적으로 임계값을 초과한 부분의 길이방향 및 원주방향 위치를 실제 손상과 비교함으로써 본 기법의 국부손상 검색 가능성을 살펴보았다.

교량 건전성 모니터링은 응답 데이터를 활용한 구조모델링기술, 신호분석, 정보처리 기술의 발전에 따라 손상추정 및 안전성평가와 함께 중요한 연구주제로 부각되었다. 교량 모니터링 시스템은 일반적으로 센서, 데이터 취득장비, 전송시스템 등과 같은 하드웨어와 신호처리, 손상추정, 전시 및 데이터 관리 등과 같은 소프트웨어로 구성된다. 본 논문에서는 교량의 건전도 모니터링을 위한 정보처리기술에 대한 연구 개발 활동을 정리하였다. 교량 건전성 모니터링의 과정에 대한 간단한 소개와 함께, 다양한 신호처리 및 손상추정 알고리즘을 포함한 정보처리기법에 대해서 소개하였다. 현 교량 건전성 모니터링 시스템에서의 주요 문제점과 향후 연구개발활동을 논의하였다.

교량의 손상추정을 위한 구조계 규명기법은 신호취득시스템 및 정보처리기술의 발전과 함께 최근에 많은 연구개발이 이루어지고 있다. 신경망기법이나 유전자 알고리즘과 같은 소프트컴퓨팅 기법은 뛰어난 패턴인식성능 때문에 손상추정 문제에 활발히 활용되고 있다. 본 연구에서는 모드계수를 활용한 신경망기법기반 손상추정을 수행하였으며, 신경망을 훈련시키기 위한 훈련패턴을 생성하는 해석모델에서의 불확실성을 효과적으로 고려할 수 있는 방법을 제시하였다. 해석모델의 불확실성 대하여 민감하지 않은 입력자료인 손상 전 후의 모드형상의 차 또는 모드형상의 비를 신경망의 입력자료로 활용하였다. 단 순보와 다주형교량에 대한 수치예제를 통하여 본 연구에서 제시한 기법의 타당성 및 적용성을 검증하였다.

이 연구에서는 교량의 모드자료를 이용한 구조해석모델의 개선에 관하여 연구하였다. 교량의 초기해석모델은 도면 및 현장조사결과를 바탕으로 작성되므로, 시간에 따라 손실된 강성의 영향 및 경계조건 등을 합리적으로 반영하기 어려우며, 따라서 구조물에 대한 정적 혹은 동적실험을 수행하고, 그 결과를 반영하여 해석모델을 개선하는 것이 바람직하다. 이 연구에서는 구조물의 고유주파수 및 모드형상 등의 모드특성을 바탕으로 추계론적 최적화 기법인 유전자 알고리즘을 이용하여 해석모델을 개선하고자 하였다. 임진강교 및 행주대교에 대한 동적실험 자료를 이용하여 교량의 모드특성을 추정하였으며, 추정된 모드특성을 바탕으로 유전자 알고리즘을 이용하여 수치해석모델을 개선하였다. 개선된 모델을 사용하여 해석한 결과, 초기해석모델에 의한 해석결과보다 실험으로 추정한 모드특성에 가까움을 확인하였고, 이로부터 개선모델의 합리성을 검증하였다.

본 논문에서는 신뢰적인 PSC 교량 내하성능 평가 기법 제안을 위해 PSC 교량 해석 모델을 이용한 구조물의 거동 양상을 분석하고 교량의 실제 변형률 데이터를 반영한 교량의 거더별 긴장력 손실량 유추 및 활용을 위해 PS 텐던의 긴장력 손실에 따른 교량의 응력 이완 패턴을 도출한다. 그리고 실제 교량의 계측 변형률에 큰 비중을 차지하는 온도구 배의 영향을 적절하게 제거해 긴장력에 의한 변형률 데이터를 추출한다.

The widespread sensors in a structural monitoring system provide vital support to its operation. Data is obtainedf rom sensors in a structural health monitoring system for integrity assessment of the structure, and false alarm will be frequently triggered if a faulty sensor is detected. In this study, a proposed method based on machine learning algorithm and Gaussian distribution is present to identify sensor fault.

The 4th industrial revolution is promoting the development of efficient maintenance technology through fusion with advanced IT technology. Digital Twin technology, an advanced fusion IT technology, is widely used in the fields of plant facilities and processes, performance monitoring of wind turbines and engine. In this study, the application of digital twin technology to large civil engineering structures, especially bridges, was presented.

Construction safety is one of the significant problems on the world. Deep learning is an emerging term that acquires, processes and analyses image or video data to help computers have a high-level visual understanding of the world. In recent years, it has been introduced into the construction industry for improvements of occupational health and safety. This research contributes in solving this problem by using deep learning only RGB images that output detects the hazard zone on construction sites. The main goal of this study is to use different computer vision and deep learning to develop for different cases concerning fall related hazards.

Recently, due to advancement in construction techniques, structures are being constructed much faster than before. Therefore, structures such as cable stayed bridges and suspension bridges, must be inspected regularly to assure their main elements (i.e., load carrying cables) are healthy and sound. Structures can be tested using conventional nondestructive testing methods such as magnetic flux leakage (MFL), eddy current testing, acoustic emission and etc. In this study, it was tried to detect cross sectional reduction in steel rod using a time dependent numerical simulation of coil sensor based on MFL principle.

Ground penetrating radar (GPR) is a typical sensor system for underground objects detection area. The multichannel GPR devices can give more detail and informative three-dimensional (3D) data for classification underground objects. Spatial information of underground objects can be well characterized in the three-dimensional GPR block data which consists of several B-scan and C-scan data. In this article underground object classification method is proposed by using 3D GRP data. Deep learning technique is recently being adopted into this field due to its powerful image classification capacity. The 3D GRP block data is then used to train deep three-dimensional convolution neural network (3D CNN). The proposed method successfully classifies cavity, pipe, manhole and subsoils having small false positive errors. The suggested method is experimentally validated by area data collected on urban roads in Seoul, South Korea.

Pavement condition deteriorates due to various environmental issues. This can be seen on the pavement surface as a form of distress. A crack can be considered as a typical form of pavement distress in which it may reveal a critical condition of the road. Therefore, automatic and accurate detection of pavement crack and segmentation are crucial for pavement condition assessment and maintenance.

강섬유 보강 자기충전 콘크리트(Steel Fiber Reinforced Self-Compacting Concrete, SFRSCC)는 사회기반 시설이나 초고층 빌딩, 원자력 발전 시설, 병원, 댐, 수로 등 전반적으로 널리 사용되어지고 있는 재료이다. SFRSCC는 짧고, 개별적인 보강 섬유로 인해 일반적인 자기충전 콘크리트(Self-Compacting Concrete, SCC) 보다 인장 강도, 연성, 휨 강성 등에서 뛰어난 성능을 보인다. 하지만 SFRSCC의 이러한 성능은 섬유의 방향성에 의해 크게 좌우되는 경향이 있다. 짧고 개별적인 섬유들은 타설 과정에서 섬유의 방향성을 컨트롤 할 수 없기 때문에 무분별하게 콘크리트 내에 위치하게 된다. 섬유의 방향이 제어되지 않은 상태에서 콘크리트의 경화가 진행될 경우 휨 강성과 인장 강도의 저하를 야기하고, 이는 예상 강도 미달의 원인이 될 수 있기 때문에 SFRSCC를 사용할 때 섬유의 정렬은 중요한 요소가 된다. 따라서 본 연구에서는 유한 요소법을 사용하여 타설 공정 중 콘크리트 매트리스의 점도 및 입구 속도가 섬유 방향에 미치는 영향에 대해 분석하였다.

본 논문에서는 지점부 경계조건을 고려하여 단순보의 유한요소모델을 개선하는 기법을 제안하였다. 기존의 유한요소모델개선 기법은 주로 가속도 응답으로부터 추정된 동특성(고유진동수, 모드형상)을 이용하여 유한요소모델을 개선하였다. 이렇게 개선된 유한요소모델은 실제 구조물의 정적응답을 예측하기 어렵고, 잘못된 구조물의 물성치를 추정하는 문제가 발생한다. 제안된 기법은 먼저, 구조물의 처짐과 지점부 회전변위를 계측하여 지점부 경계조건을 간략화한 유한요소모델의 회전 스프링 강성을 정량적으로 추정한다. 회전 스프링 강성이 개선된 유한요소모델과 구조물의 동특성을 사용하여 구조물의 물성치를 추정함으로써 최종 개선된 유한요소모델을 구축된다. 제안된 유한요소 모델 개선 기법과 기존 유한요소모델개선 기법을 수치해석 시뮬레이션을 통하여 비교 및 검증하였다.

In this paper, the finite element model updating method of the PSC bridge based on the static and dynamic data is verified through field experiment. The proposed method consists of two steps. First, update the rotational stiffness of the supports using the deflection and rotational displacement measurements that occur when the moving loads pass through the bridge. The stiffness of each member is updated by using the dynamic characteristics estimated from the acceleration measured by the ambient vibration test. The finite element model updated by the proposed method can predict the static and dynamic behavior of actual bridges through field experiment.

본 연구는 단경간 교량의 정적하중입력/변위출력관계를 이용한 새로운 교량 유한요소모델 개선 방법을 제안하였고, 실내 모형교량 실험을 통해 검증하였다. 기존의 유한요소모델개선기법은 실험으로부터 얻어진 모드계수와 유한요소모델로부터 예측된 모드계수가 유사해 지도록 유한요소모델을 개선하는데, 이 과정에서 구조계의 질량행렬에 대한 가정을 필요로 한다. 제안된 기법은 질량행렬을 가정하지 않고, 오 히려 질량행렬 추정을 가능하게 하는 장점을 가진다. 제안된 기법은 두 단계로 구성된다. 첫째, 정적 하중입력-변위응답으로부터 강성행렬을 개선하고, 둘째, 실측된 고유진동수를 이용하여 질량행렬을 개선한다. 실험검증을 위하여 실내 모형교량을 제작하였고, 제안된 기법을 이용하 여 모형교량의 탄성계수를 추정하였으며, Universal Testing Machine으로 부터 얻어진 탄성계수와 비교하였다. 또한 기존의 유한요소모델개 선기법으로 추정된 탄성계수와 비교하였다. 실험의 결과들로부터 제안된 기법이 합리적으로 탄성계수와 질량밀도를 추정하는 것이 관찰되었 고, 기존의 유한요소모델개선기법은 고차모드를 사용했을 때 상대적으로 큰 오차를 주는 것이 관찰되었다. 추가적으로 유한요소모델링 오차 에 대하여 토의하였다.

A new research project entitled 「Development of Evaluation and Analysis Technologies for Road Sink」 was initiated last year under the sponsorship of Korea Agency for Infrastructure Technology Advancement and Ministry of Land, Infrastructure and Transport. In this article, outlines of this project is briefly introduced including research goal, scope, current major activities, etc.

A cartridge type sensor head was fabricated to detect the level of corrosion in steel cables with consistent or varying cross sections by assessing the LMA (Loss of Metallic Area) damage. Two coil sensor cartridges were made to cater to cables with up to 70mm and 150mm. The developed system was verified through lab experiment using a tapered steel cable specimen, and through a field test conducted in cable bridge. The result showed that the developed system is capable of assessing a cable with varying cross section.

A Finite-Element (FE) model updating method is widely used for identifying structural integrities such as support conditions and material properties. However, it is still difficult to properly estimate support conditions using limited number of data. This study proposed a novel FE model updating method, which can identify support conditions by adding artificial springs at the supports, and by measuring the rotational angles of the supports.

This paper presents a laboratory validation for a Finite Element model updating method using moving vehicle input-deflection output measurements. In conventional FE model updating, a few natural frequencies measured from field experiments have been used to update the FE model based on the assumption that the mass matrix is known accurately. The proposed approach can update the stiffness matrix without the assumption by using static input-output measurements and can even update the mass matrix by using a few natural frequencies obtained from dynamic measurements. Laboratory experiments were carried out for a scaled model of Samseung Bridge located in the test road of Korea Highway Corporation. For a simplicity of experiments, a mass (11kgf) was located in four different locations on the deck and two deflections were measured by laser displacement meters: one at the center girder, and the other in at the outer girder, both in mid-span. Results showed that the proposed methods was capable to estimate Young's Modulus and the mass density of the model bridge accurately while natural-frequency-based updating may result in significant error when higher modes (2nd, 3rd) were used.