This study aims to propose a simplified equation for estimating the bond strength of corroded reinforcing bars. To this end, extensive parametric analyses were performed using the detailed analysis method presented in the authors’ previous study, where a wide range of critical variables were considered, such as compressive strength of concrete, net cover thickness, and reinforcing bar diameter. The sensitivity in bond strength of the corroded reinforcing bar according to each variable was evaluated. On this basis, a simplified formula for the bond strength of the corroded reinforcing bar was derived through regression analysis. The proposed equation was rigorously tested and verified using the bond test results of corroded reinforcing bars collected from the literature. The results confirmed that the proposed equation could estimate the bond strengths of specimens with better accuracy than the existing models, providing a reliable tool for engineers and researchers. In addition, the proposed equation was used to analyze the development length required for corroded tensile reinforcement to exert its yield strength, and it showed that the cover thickness of concrete must be at least four times the diameter of the reinforcing bar to achieve the yielding strength of reinforcing bar even at a corrosion degree of more than 5.0%.

The Bayesian algorithm model is a model algorithm that calculates probabilities based on input data and is mainly used for complex disasters, water quality management, the ecological structure between living things or living-non-living factors. In this study, we analyzed the main factors affected Korean Estuary Trophic Diatom Index (KETDI) change based on the Bayesian network analysis using the diatom community and physicochemical factors in the domestic estuarine aquatic ecosystem. For Bayesian analysis, estuarine diatom habitat data and estuarine aquatic diatom health (2008~2019) data were used. Data were classified into habitat, physical, chemical, and biological factors. Each data was input to the Bayesian network model (GeNIE model) and performed estuary aquatic network analysis along with the nationwide and each coast. From 2008 to 2019, a total of 625 taxa of diatoms were identified, consisting of 2 orders, 5 suborders, 18 families, 141 genera, 595 species, 29 varieties, and 1 species. Nitzschia inconspicua had the highest cumulative cell density, followed by Nitzschia palea, Pseudostaurosira elliptica and Achnanthidium minutissimum. As a result of analyzing the ecological network of diatom health assessment in the estuary ecosystem using the Bayesian network model, the biological factor was the most sensitive factor influencing the health assessment score was. In contrast, the habitat and physicochemical factors had relatively low sensitivity. The most sensitive taxa of diatoms to the assessment of estuarine aquatic health were Nitzschia inconspicua, N. fonticola, Achnanthes convergens, and Pseudostaurosira elliptica. In addition, the ratio of industrial area and cattle shed near the habitat was sensitively linked to the health assessment. The major taxa sensitive to diatom health evaluation differed according to coast. Bayesian network analysis was useful to identify major variables including diatom taxa affecting aquatic health even in complex ecological structures such as estuary ecosystems. In addition, it is possible to identify the restoration target accurately when restoring the consequently damaged estuary aquatic ecosystem.

PURPOSES : This study uses deep learning image classification models and vehicle-mounted cameras to detect types of pavement distress — such as potholes, spalling, punch-outs, and patching damage — which require urgent maintenance. METHODS : For the automatic detection of pavement distress, the optimal mount location on a vehicle for a regular action camera was first determined. Using the orthogonal projection of obliquely captured surface images, morphological operations, and multi-blob image processing, candidate distressed pavement images were extracted from road surface images of a 16,036 km in-lane distance. Next, the distressed pavement images classified by experts were trained and tested for evaluation by three deep learning convolutional neural network (CNN) models: GoogLeNet, AlexNet, and VGGNet. The CNN models were image classification tools used to identify and extract the combined features of the target images via deep layers. Here, a data augmentation technique was applied to produce big distress data for training. Third, the dimensions of the detected distressed pavement patches were computed to estimate the quantity of repair materials needed. RESULTS : It was found that installing cameras 1.8 m above the ground on the exterior rear of the vehicle could provide clear pavement surface images with a resolution of 1 cm per pixel. The sensitivity analysis results of the trained GoogLeNet, AlexNet, and VGGNet models were 93 %, 86 %, and 72 %, respectively, compared to 62.7 % for the dimensional computation. Following readjustment of the image categories in the GoogLeNet model, distress detection sensitivity increased to 94.6 %. CONCLUSIONS : These findings support urgent maintenance by sending the detected distressed pavement images with the dimensions of the distressed patches and GPS coordinates to local maintenance offices in real-time.

본 논문에서는 건물, 교량 및 해양구조물에 많이 적용되는 기본적인 형상인 벽면에 부착되어 있는 사각실린더 주변의 유동에 대해, 3개의 난류모델(v2-f 모델, k-ω 모델, k-ε 모델)을 적용하여 URANS 수치해석을 각각 수행하고, 그 결과를 비교하였다. 이 유동 은 물체의 모서리에서 발생하는 칼만와(karman vortex) 때문에 본질적으로 강한 비정상성을 가지고 있으며, 물체의 후류 영역에서도 매우 복잡한 유동구조를 가지고 있다고 알려져 있다. 3개의 난류모델이 적용된 수치해석으로부터 예측되는 평균 유동장과 지배적인 유동 의 주파수를 Wang et al.(2004; 2006)의 실험결과와 비교하였다. 비교 결과, v2-f 모델이 적용된 URANS 결과가 실험결과와 가장 유사한 결과를 보여주었고, k-ω 모델도 우수한 결과를 보인 반면, k-ε 모델은 본 대상 유동에 적용하기에 부족함을 확인하였다. 따라서 강한 박리가 존재하는 유동의 해석 시에는 v2-f 모델은 좋은 선택이다. 그리고 유동의 박리 제어를 위한 연구에 활용될 것으로 기대된다.

본 논문에서는 부분 CFST (concrete-filled steel tube) 기둥에 대한 수치해석적 저항력 평가 방법에 대해 소개하고 있다. 기존 RC (reinforced concrete) 기둥에서 소성힌지가 발생할 것으로 예상되는 부분을 강관으로 보강함으로써 완전 CFST 기둥보다는 적은 재료를 사용하여 비슷한 휨 모멘트 저항력을 가지는 부분 CFST 기둥의 디자인 컨셉을 제시하였다. 부분 CFST 기둥에서 외부 강관과 내부 콘크리트 사이의 계면에서 거동을 수치해석적으로 모사하기 위해 개선된 부착슬립모델을 적용한 유한요소모델을 구축하고, 이중곡 률 휨-압축시험결과와 비교를 통해 타당성을 검증하였다. 검증된 수치모델을 바탕으로 매개변수 연구를 통해서 P-M 상관도를 그려 단면 조건에 따른 최대 저항력을 평가하였다. 또한, 강관 두께별로 필요 보강길이를 산출하고, 보강 조건에 따른 부분 CFST 기둥에서의 파괴메커니즘을 분석하였다.

PURPOSES : A geo-grid pavement, e.g., a stress-absorbing membrane interlayer (SAMI), can be applied to an asphalt-overlay method on the existing surface-pavement layer for pavement maintenance related to reflection cracking. Reflection cracking can occur when a crack in the existing surface layer influences the overlay pavement. It can reduce the pavement life cycle and adversely affect traffic safety. Moreover, a failed overlay can reduce the economic value. In this regard, the objective of this study is to evaluate the bonding properties between the rigid pavement and a SAMI by using the direct shear test and the pull-off test. The predicted fractural energy functions with the shear stress were determined from a numerical analysis of the moving average method and the polynomial regression method. METHODS : In this research, the shear and pull-off tests were performed to evaluate the properties of mixtures constructed using no interlayer, a tack-coat, and SAMI with fabric and without fabric. The lower mixture parts (describing the existing pavement) were mixed using the 25-40-8 joint cement-concrete standard. The overlay layer was constructed especially using polymer-modified stone mastic asphalt (SMA) pavement. It was composed of an SMA aggregate gradation and applied as the modified agent. The sixth polynomial regression equation and the general moving average method were utilized to estimate the interlayer shear strength. These numerical analysis methods were also used to determine the predictive models for estimating the fracture energy. RESULTS: From the direct shear test and the pull-off test results, the mixture bonded using the tack-coat (applied as the interlayer between the overlay layer and the jointed cement concrete) had the strongest shear resistance and bonding strength. In contrast, the SAMI pavement without fiber has a strong need for fractural energy at failure. CONCLUSIONS : The effects of site-reflection cracking can be determined using the same tests on cored specimens. Further, an empiricalmechanical pavement-design analysis using the finite-element method (FEM) must be done to understand the appropriate SAMI application. In this regard, the FEM application analysis and bonding property tests using cored specimens from public roads will be conducted in further research.

The load-end slip relation of the steel-concrete decks is formulated by Newmark theory. Using the proposed load-end slip relation model, a simple bond model, which can be used to evaluate the behavior of the steel-concrete decks, is proposed. The steel-concrete decks are analyzed by finite element analysis with the aid of the proposed bond model. In the finite element analysis, the shear connectors between the steel plate and the concrete are modeled by a number of spring elements. The results of the finite element analysis with the proposed bond model are fairly correlated with the experimental results of the full-size model. This study furthermore indicates that, if the proposed bond model is properly used in the analysis of steel-concrete composite deck, the behavior of the composite deck can be easily analyzed without the aid of the full-size experiment.

본 논문에서는 CFT 구조의 강관과 내부 충전 콘크리트 간 복합거동을 유한요소해석 시 적절하게 반영하기 위해 강관과 콘크리트 간 부착 슬립관계 묘사를 위한 알고리즘을 제시하였다. 내부 충전 콘크리트에 축방향 하중 발생 시, 강관과 콘크리트 간 마찰로 인해 강관으로 하중이 전달되며, 이에 따른 강관 슬립량과 힘의 평형관계를 통해 등가강성을 통해 부착관계를 파악할 수 있다. 실제 원형 CFT 부재의 부착응력 실험을 통해 측정된 수직 및 수평 방향 응력 분포 결과와 제안된 해석 기법을 통해 산정된 응력 분포의 비교를 통해 제안된 해석 기법의 타당성을 검증하였다. 또한 비선형 유한요소해석 시 강관과 콘크리트의 부착 거동 묘사에 따라 CFT 기둥의 거동 특성에 영향을 미치게 되므로 축방향 하중이 작용하는 CFT 부재 실험결과와 제안된 부착-슬립 모델을 반영한 유한요소해석 결과의 하중-변위 곡선 관계 비교를 통해 제안된 기법의 적합성을 검증하였다.

GFRP 보강근과 콘크리트의 부착성능은 접착력, 부착력 및 지압력으로 발휘되며 보강근의 표면처리 방식이나 외피형상에 따라 발휘되는 부착저항력의 종류와 크기는 다르다. GFRP 부착 해석모델에 대한 선행연구를 살펴보면 철근의 부착 해석모델을 일부 수정하여 발전시키거나 수치해석을 통한 매개변수의 수가 많은 복잡한 해석식을 제안하였다. 전자의 경우에는 규격화된 마디형상을 갖는 철근과 달리 구성재료, 배합방법, 제조방법에 따라 다양한 외피형상을 가지는 GFRP 보강근의 특성을 포괄적으로 제안하는 데는 제약이 있으며 후자의 경우에는 수치해석으로 인한 수학적 관계식으로 GFRP 보강근의 부착거동과의 역학적인 관계를 고려하기에는 어려움이 있다. 따라서 이 연구에서는 GFRP 보강근의 콘크리트와의 외피형상에 따라 달라지는 부착메커니즘을 반영한 부착 해석모델을 제안하고자 하였다. 제안한 부착 해석모델에 대한 적합성 검증을 위하여 타 연구자가 수행한 실험값과 비교하였으며 기존의 부착 해석모델인 BPE 부착 해석모델과 CMR 부착 해석모델과의 비교연구도 수행하였다. 비교결과 이 연구에서 제안한 부착 해석모델이 실제 거동에 가장 근사하게 평가하였다.

Under cyclic loading, the shear capacity of reinforced concrete (RC) beam-column connections is significantly decreased by the joint bond-slip and shear cracking as deformation increases. In the present study, Joint shear strength model on the basis of bond-slip was developed to evaluate deformability at the joint shear failure.

최근에 상용 FRP 판(plank)을 콘크리트 구조물의 영구 거푸집 및 보강재로 이용하기 위한 연구가 진행되고 있다. FRP 판과 타설 콘크리트가 합성효과를 발휘하기 위해서는 두 재료간의 부착이 중요한 요인 중의 하나이다. 이러한 부착을 확보하기 위하여 FRP 판에 모래를 일반적으로 건설현장에서 많이 사용하는 에폭시를 이용하여 부착하였다. FRP 판과 콘크리트 합성구조의 구조적 거동을 이해하기 위해서는 FRP판과 타설 콘크리트 사이의 정량적인 국부 부착모델이 필요하다. 본 연구에서는 이와 같은 합성구조 시스템에 간단히 적용할 수 있는 단순 부착모델을 제안한다.

본 논문은 철근 또는 GFRP 보강근과 콘크리트 사이의 해석적 부착모델에 관한 적합성에 대해 기술하였다. 부착시편은 CSA 규준에 따라 제작하여 실험하였으며, 실험에 사용된 보강근의 종류는 철근과 상용화된 GFRP 보강근 2종(ASLAN, ISOROD)이다. 실험결과를 이용하여 새로운 부착모델을 제안하였으며, 기존 연구자들이 제안한 해석적 부착모델과 새롭게 제안된 부착모델의 적합성을 최소자승법을 통해 검토하였다. 검토결과 새롭게 제안된 해석적 부착모델은 기존 부착모델에 비해 높은 적합성을 나타내었다.

FRP 판은 외부 부착된 보강 판의 효과적인 부착강도의 증진으로 실질적으로 부착강도에 대한 많은 연구가 수행되어왔다. 선행연구자들은 이러한 부착강도를 알아보기 위하여 다양한 변수를 설정하여 실험을 통하여 FRP 판의 부착강도를 규명하였다. 그러나, 이러한 부착강도를 알아보기 위한 실험은 장비구축의 비용과 시간 소비가 많이 되고 수행하기 어렵기 때문에 국한적으로 수행되고 있다. 본 연구는 선행연구자들의 부착실험 데이터를 다양한 신경망 모형과 알고리즘을 적용하여 최적의 인공신경망 모형을 개발하는데 그 목적이 있다. 인공신경망 모형의 출력층은 부착강도, 입력층은 FRP 판의 두께, 폭, 부착 길이, 탄성계수, 인장강도와 콘크리트의 압축강도, 인장강도, 폭을 변수로 선정하여 학습을 수행하였다. 개발된 인공신경망 모형은 역전파 학습 알고리즘을 적용하였으며, 오차는 0.001범위에 수렴되도록 학습을 하였다. 또한, 일반화 과정은 Bayesian 기법을 도입함으로써 보다 일반화된 방법으로 과대적합의 문제를 해소하였다. 개발된 모형의 검증은 학습에 이용되지 않은 다른 선행연구자들의 부착강도 결과 값과 비교함으로서 실시하였다.