본 연구에서는 동적 가속도 데이터를 사용하는 신호기반 손상진단 알고리즘으로 ARX 모델을 제시하였다. ARX 모델은 구조물의 두 지점에서 계측된 가속도 데이터를 입력과 출력의 두 세트 신호로 보고, 두 세트 가속도 데이터의 상관관계를 설정한다. 구조물 손상은 계측한 데이터와 전달함수인 ARX 모델로 예측한 데이터의 차이인 시간이력 잔차를 사용하여 통계적으로 탐색하였다. 시간이력 잔차의 정규분포함수를 구하고, 그 통계적 특성치를 계산하여 손상 평가에 사용하였다. 손상 전후의 정규분포함수를 비교하여 손상을 탐색하기 위하여 세 가지 손상지수를 제시하였다. 손상지수의 통계적 평가를 위해 실내실험을 수행하였고, 제안한 알고리즘의 효율성을 검증하고 제한점을 검토하였다.

사장교가 장경간으로 시공됨에 따라 대형화 되고 지진하중, 풍하중 및 차량하중 등 동적 하중에 의해 유발되는 진동현상에 취약한 단점이 나타난다. 이러한 하중 등에 의해 발생된 구조 손상은 구조물의 진동모드 특성에 영향을 미치게 된다. 기존의 정밀안전진단 기술을 이용하여 사장교의 구조 손상을 검색하고 평가하는 것은 상당한 비용과 시간이 소요될 뿐만 아니라 전체적인 구조거동 특성의 변화를 발견하기 어려울 것이다. 따라서 본 연구는 사장교에 대하여 구조손상 전의 진동모드 특성치와 구조손상 후의 진동모드 특성치를 이용하여 구조거동 특성의 변화를 검토하고 구조손상 검색을 수행하였다.

구조물이 손상을 받으면 그 구조물의 동적특성인 고유진동수, 감쇠비, 모드형상 등이 변한다. 본 논문에서는 구조물이 손상을 받을 때 고유진동수의 감소율에 대한 특성을 알아보고 그 감소율을 이용한 구조물의 손상평가를 다룬다. 손상의 유무뿐만 아니라 손상의 위치와 정도까지도 고유진동수의 감소율만으로 파악하고자 하였으며 인공신경망을 이용하였다. 신경망에 사용되는 자료는 다른 연구와 달리 해석 자료로부터 얻어지는 오차 없는 자료뿐만 아니라 실측자료를 가상하여 오차를 포함하는 자료를 대상으로 하였으며, 고유진동수의 감소율로 훈련된 인공신경망을 활용하여 구조물의 손상 위치와 정도를 파악할 수 있었다.