이 논문에서는 진동형상의 민감도로 유도한 피셔정보행렬(Fisher Information Matrix)를 이용하는 가속도계의 최적위치 결정 기법 MS-EIDV(modal sensitivity-effective independence distribution vector)을 제안하고, 이를 사용하여 구조물의 동적 거동을 잘 반영하여 가속도계의 최적위치를 결정할 수 있는 합리적인 기준을 제시한다. 실험을 위한 가속도계의 최적위치는 구조물의 변수가 기지값이어야 결정되지만 구조물의 변수값은 실험결과를 사용한 SI(system identification)기법과 같은 역해석을 통해 구해지기 때문에, 본 논문에서는 구조변수의 오차를 감안하여 미지의 구조물의 현 상태를 통계적으로 반영하는 방법을 제시하였다. 제안된 방법들의 검증을 위해 주파수영역 SI기법을 적용하였으며, 구조변수 추정 결과를 통해 현장에서 계측하고자하는 진동형상의 수에 따른 최소 필요 가속도계의 개수를 제시하였다. 수치예제에서는 진동형상만을 이용한 최적위치 결정법인 EIDV기법과 제안된 MS-EIDV기법에 의해 추정된 구조 변수 결과를 비교하였다.
본 논문에서는 가속도계로 측정된 교량 데이터를 딥러닝 기법 모델로 분석하여 교량의 케이블 손상 위치를 예측하는 연구를 진행하였다. 먼저 서해대교 1/200 스케일로 제작된 모형에 8개의 가속도계를 부착, 케이블 위치별 손상 시나리오를 5개로 나누어 해당 케이블을 교량에서 해체했다. 그리고 교량 중심에 일정한 충격을 주어 가속도계로 충격 데이터를 수집하였다. 수집한 데이터 중 70%를 Train set으로 선전하여 딥러닝 모델에 학습시키고, 나머지 30%를 Test set으로 선정하여 모델에 테스트 한 결과 평균 89%의 정확도로 케이블 손상 위치를 예측하였다.