The fatigue characteristics of glass fiber reinforced plastic (GFRP) composites were studied under repeated loads using the finite element method (FEM). To realize the material characteristics of GFRP composites, Digimat, a mean-field homogenization tool, was employed. Additionally, the micro-structures and material models of GFRP composites were defined with it to predict the fatigue behavior of composites more realistically. Specifically, the fatigue characteristics of polybutylene terephthalate with short fiber fractions of 30wt% were investigated with respect to fiber orientation, stress ratio, and thickness. The injection analysis was conducted using Moldflow software to obtain the information on fiber orientations. It was mapped over FEM concerned with fatigue specimens. LS-DYNA, a typical finite element commercial software, was used in the coupled analysis of Digimat to calculate the stress amplitude of composites. FEMFAT software consisting of various numerical material models was used to predict the fatigue life. The results of coupled analysis of linear and nonlinear material models of Digimat were analyzed to identify the fatigue characteristics of GFRP composites using FEMFAT. Neuber’s rule was applied to the linear material model to analyze the fatigue behavior in LCF regimen. Additionally, to evaluate the morphological and mechanical structure of GFRP composites, the coupled and fatigue analysis were conducted in terms of thickness.

PURPOSES :This study aims to improve complex modeling of multivariable, nonlinear, and overdispersion data with an artificial neural network that has been a problem in the civil and transport sectors.METHODS :Deep learning, which is a technique employing artificial neural networks, was applied for developing a large bus fuel consumption model as a case study. Estimation characteristics and accuracy were compared with the results of conventional multiple regression modeling.RESULTS :The deep learning model remarkably improved estimation accuracy of regression modeling, from R-sq. 18.76% to 72.22%. In addition, it was very flexible in reflecting large variance and complex relationships between dependent and independent variables.CONCLUSIONS :Deep learning could be a new alternative that solves general problems inherent in conventional statistical methods and it is highly promising in planning and optimizing issues in the civil and transport sectors. Extended applications to other fields, such as pavement management, structure safety, operation of intelligent transport systems, and traffic noise estimation are highly recommended.

The boundary reaction method(BRM) is a substructure time domain method, it removes global iterations between frequency and time domain analyses commonly required in the hybrid approaches, so that it operates as a two-step uncoupled method. The BRM offers a two-step method as follows: (1) the calculation of boundary reaction forces in the frequency domain on an interface of linear and nonlinear regions, (2) solving the wave radiation problem subjected to the boundary reaction forces in the time domain. In the time domain analysis, the near-field soil is modeled to simulate the wave radiation problem. This paper evaluates the performance of the BRM according to modeling extent of near-field soil for the nonlinear SSI analysis of base-isolated NPP structure. For this purpose, parametric studies are performed using equivalent linear SSI problems. The accuracy of the BRM solution is evaluated by comparing the BRM solution with that of conventional SSI seismic technique. The numerical results show that the soil condition affects the modeling range of near-field soil for the BRM analysis as well as the size of the basemat. Finally, the BRM is applied for the nonlinear SSI analysis of a base-isolated NPP structure to demonstrate the accuracy and effectiveness of the method.

팻취 보강된 철근콘크리트 구조물 해석을 위한 p-version 비선형 유한요소 모델이 제시되었다. 이방성 적층평판이론에 기초를 둔 제안된 모델은 Total Lagrangian기법에 기초한 von Karman의 대변형-소변형률 이론과 증분소성이론(incremental theory of plasticity)을 적용하였다. 콘크리트의 경화법칙(hardening rule)과 그에 따른 파괴기준을 고려하고, 단부 계면 층분리 모델(plate-end interfacial debonding model) 즉, 보강판 끝 부분에서의 콘크리트 탈락에 대한 기준으로서 Oehlers Model과 Raoof and Zhang Model을 사용하였다. 콘크리트는 두께 방향으로 층상화기법(layered model)이 이용되며, 철근과 보강판은 환산층(smeared reinforcing layer)으로 계산되도록 하였다 적분형 르장드르 다항식이 형상함수로 사용되며, 절점에서의 응력값 산출을 위해 Gauss Lobatto 수치적분법을 사용하였다. 본 연구의 목적은 p-version 유한요소법을 사용하여 RC구조물에 대한 수피해의 정확도 및 모델의 단순성을 높인 수 있도록 하였다. 따라서, 철근과 콘크리트모델에 대한 이론적 근거는 기존의 연구문헌에 근거를 두었으며, 수치해석의 적정성은 팻취 보강된 RC보와 슬래브에 대한 문헌의 실험치 및 해석치와 비교 분석되었다.

본 논문에서는 납삽입 적층 고무베어링의 비선형 모델링에 대해 신경망 이론을 적용한 수학적 모델링 기법을 제안하였다. 신경망 모델의 수치검증을 위해 납삽입 적층 고무베어링이 설치된 프레임 축소모델의 진동대 실험 자료가 사용되었는데, 제안된 신경망의 학습 및 예측을 위한 하중 자료로써 백색잡음과 세 종류의 지진파를 선택하였다. 지진파의 경우 PGA의 세기를 달리하여 신경망 모델의 계산정도를 고찰하였다. 그 결과, 납삽입 적층 고무베어링의 전단변위가 신경망의 학습 영역을 벗어나지 않는 경우 실험결과의 복잡한 이력곡선을 잘 추종하였고 신경망 이론에 의한 비선형 모델링 기법이 유용하게 활용될 수 있다는 가능성을 확인할 수 있었다.

2008년 중국의 쓰촨성 지진시 기존 학교 건축물의 피해가 매우 심각하였으며, 학교 건축물은 청소년의 인명보호, 재난시 대피장소로의 이용 등을 위하여 내진성능의 확보가 매우 중요하다. 국내 학교 건축물의 경우, 주로 2000년 이전에 설계된 저층 철근콘크리트(이하 RC) 구조로 내진성능이 부족하며 골조내 조적 허리벽이 기둥의 수평변위를 구속하여 단주화로 인해 전단파괴 될 가능성이 높다. 이에 대한 내진보강으로 선행 연구에서 강재이력댐퍼를 골조 내에 설치하여 기둥을 전단보강하고 이력댐퍼에 의해 에너지를 흡수하는 장치인 강재댐퍼시스템을 제안한 바 있으며, 실험적 연구를 통하여 그 성능을 확인하였다. 반면 이를 뒷받침할 수 있는 해석적 연구는 부족한 실정으로, 본 연구에서는 선행 연구에서 제안된 강재댐퍼시스템의 비선형 해석모델을 제시하고, 이에 대한 비선형 정적해석결과를 실험결과와 비교하여 해석모델의 타당성을 검증하였다. 강재댐퍼시스템의 부재 모델링 요소는 비선형 거동을 나타내는 스프링을 가지는 선형요소를 사용하였으며, 모델링 방법은 (1)강재댐퍼시스템의 모든 부재를 각각의 선형요소로 모델링한 전체모델과 (2)모델링의 간략화를 위하여 강재댐퍼시스템의 슬릿형 강재이력댐퍼(이하 슬릿댐퍼)와 하부 지지기둥을 각각 하나의 선형요소로 모델링한 간략모델의 2가지로 하였다. 또한 슬릿댐퍼의 비선형 이력모델을 Bi-Linear, Tri-Linear, Ramberg-Osgood 형의 3가지를 사용하여 총 6개의 해석변수를 사용하여 비선형 정적해석을 수행하였다. 전체모델과 간략모델을 이용하여 해석을 수행한 결과, 내력 및 이력거동 등 강재댐퍼시스템의 성능은 거의 일치하는 경향을 나타내었다. 또한 슬릿댐퍼의 비선형 이력 모델을 변수로 해석한 결과, Bi-Linear, Tri-Linear형의 이력모델의 경우 항복하중 및 최대내력이 저평가 되었으며, 반복하중 작용시 내력이 증가하는 것을 반영할 수 있는 Ramberg-Osgood형의 비선형 이력모델을 적용한 경우 실험결과와 가장 일치하는 경향을 나타내었다.