본 논문에서는 다중 시그마포인트 세트(MSP)를 사용하는 분산점 칼만필터(UKF)인 UKF-MSP를 소개한다. 비선형 동적시스템을 표현하기 위해 널리 알려진 Bouc-Wen 모델을 사용하였고, 비선형성 고려가 가능한 칼만필터 중 UKF를 선정하였다. 그런데 UKF는 두 가지 인공오차와 시그마포인트의 분포를 결정하는 스케일링 파라미터의 값을 튜닝(Tuning)하는 과정을 통해 적절히 설정해야만 대상 동적시스템의 추정하고자 하는 상태(State)를 정확히 추정할 수가 있다. 본 논문에서는 후자의 스케일링 파라미터 설정 문제를 완화하고자 하였으며, MSP를 사용함으로써 기존 UKF에 비해 칼만필터 튜닝 과정에 덜 민감한 UKF-MSP를 제안하였다. 지진으로 인한 급격한 구조손상 시나리오에 대해 UKF-MSP의 안정성을 검증하였다. 제안된 방법은 튜닝과정을 완화함과 동시에 다른 칼만필 터 파라미터인 인공오차에 대해서도 덜 민감한 거동을 보임을 확인하였다.

There has been considerable recent interest in deep learning techniques for structural analysis and design. However, despite newer algorithms and more precise methods have been developed in the field of computer science, the recent effective deep learning techniques have not been applied to the damage detection topics. In this study, we have explored the structural damage detection method of truss structures using the state-of-the-art deep learning techniques. The deep neural networks are used to train knowledge of the patterns in the response of the undamaged and the damaged structures. A 31-bar planar truss are considered to show the capabilities of the deep learning techniques for identifying the single or multiple-structural damage. The frequency responses and the elasticity moduli of individual elements are used as input and output datasets, respectively. In all considered cases, the neural network can assess damage conditions with very good accuracy.

The damage detection method using the extended Kalman filter(EKF) technique has been continuously used since EKF can estimation the responses of the damaged building structure and the stiffness of the structure. However, in the use of EKF, the requirement of setting the initial paramters P, Q, and R has caused the divergence and instability of the state vector, and various researches have been conducted to determine theses parameters. In this paper, adaptive extended Kalman filter(AEKF) method is proposed to solve the problem of setting the values of P, Q, and R, which are important parameters determining the convergence performance of the EKF state vector. By using the AEKF method proposed in this study, the P, Q, and R parameters are updated every k steps. The proposed algorithm is applied for the estimation of stiffness and the damage detection of 3-DOF problem. Based of the verification, it can be found that the selection process for the values of P, Q, and R can improve the convergence performance of EKF.

In this study, we studied the damage area detection of the composite tension specimens under fatigue loading by using image processing techniques. The aim of this study is to detect the area of the damage region on the basis of original image. Basically we have used Matlab program. This study analyzed a total of six specimens under cyclic loading and the results using a user algorithm and analysis procedures of step 7. The damaged area was well detected except 3,000 cyclic loading. Accuracy of damage area detection is determined to be excellent by 83.3%(5/6). In general, however, in order to automatically detect the damaged area must develop an algorithm for setting the number of multi-threshold automatically. This is to perform the studies in the future.

본 논문에서는 주파수 응답함수에서의 고유진동수를 나타내는 피크와 추가적 정보를 제공하는 제로를 이용하여 구조물의 손상탐지와 손상도를 추정할 수 있는 기법을 개발하였다. 주파수 응답함수의 이론적 고찰을 통하여 주파수 응답함수 내의 피크와 제로를 정의하고, 강성 및 질량행렬, 주파수 응답행렬의 상관관계로부터 고유치 해석을 통하여 피크와 제로를 구하는 방법을 상세히 설명하였다. 부재 강성의 고유치(피크 및 제로)에 대한 민감도 분석을 이용한 구조계 추정기법의 이론을 정립하였다. 본 연구에서 제안한 기법은 고유 진동수 및 제로진동수를 이용하여 구조부재의 강성을 역으로 추정하여 실제 구조물과 가장 근접한 수치해석 모델을 만드는 것으로 이 과정에서 손상의 위치와 손상도를 추정할 수 있다. 제안한 이론의 정확성과 타당성은 스프링-매스 시스템과 보구조물의 수치해석 모델에 적용하여 입증하였다.

본 논문에서는 사회기반시설의 손상탐지를 위한 경 방향모드 압전 오실레이터의 가능성을 연구하였다. 경 방향 모드 오실레이터 센서는 구조물의 주요부에 부착된 경 방향 모드 압전소자와 피드백 오실레이터 회로로 구성되어있다. 구조물의 손상은 구조물의 임피던스를 변화를 야기 시키며, 그 결과로 구조물의 공진 주파수가 변화하게 된다. 오실레이터 센서는 간단한 방법으로 이 공진 주파수 변화를 연속적으로 관측할 수 있다. 본 연구에서는 알루미늄 시편에 크랙의 크기와 개수를 인위적으로 변화 시키면서, FEM해석과 실험을 통해 경 방향 모드 압전 오실레이터 센서의 적용 가능성을 증명 하였다.

본 논문의 목적은 빔 구조물에서 발생할 수 있는 손상의 위치를 탐색하고, 그 손상의 정도를 추정할 수 있는 알고리즘을 제안하는 것이다. 제안된 방법은 구조물의 모달 변형에너지의 차이를 이용한다. 구조물 내 발생한 국부적인 손상의 위치를 파악하고 그에 상응하는 손상도를 추정할 수 있는 손상지수를 손상 전과 손상 후 구조물의 모드형상에서 얻을 수 있는 모달 변위로 표현하였고 그 관계식을 정립하였다. 구조물 내 손상의 위치를 결정하는 방법은 기 개발된 손상 지표를 적용하였다. 제안된 방법의 우수성과 효용성은 수치적으로 손상을 모사한 빔 구조물을 이용하여 입증하였다.

본 논문에서는 Shannon의 샘플링 이론을 이용하여 제한된 수의 센서에서 얻은 모드형상으로 정확한 모드형상을 재생성하고, 이렇게 재생성한 모드형상을 이용하여 구조물에 발생한 손상을 탐지할 수 있는지의 가능성에 대해 조사하였다. 우선 시간 영역에서의 Shannon의 샘플링 이론을 검토하였고, 이를 공간영역으로 확대하였다. 공간영역으로 확대한 Shannon의 샘플링 이론은 그 효용성을 확인하기 위하여 단순보의 모드형상을 해석적으로 구한 후 최소한으로 제한된 수의 샘플 데이터로 모드형상을 재생하였고 이를 원래의 모드형상과 비교하였다. 이렇게 하여 얻은 결과를 바탕으로 구조물의 모드형상을 추출하는 동적실험에서 필요한 최적 가속도계의 위치를 구할 수 있는 간단한 관계식을 제안하였다. 제안된 관계식과 공간영역으로 확대한 Shannon의 샘플링 이론의 실용성은 연속 2스팬으로 구성된 실험실 빔 구조물의 손상 전과 후의 모드형상에 적용하여 손상을 탐지함으로써 입증하였다.

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.

Recently, there have been many studies to classify the image-based damage of bridge using the deep learning and to evaluate the condition. These attempts are one of the ways to overcome limitations of visual inspection through inspectors, and it is also aimed to reduce the cost of necessary maintenance budget by enabling accurate and rapid damage assessment of rapidly growing old facilities and difficult parts of visual inspection. However, it is possible to classify and quantitatively express simple damage (one damage classification such as cracks) with image information (big data) of bridges, but classification and quantification of complex damage can be done by using one deep learning is a limit. Therefore, this study presents considerations and a method to be used for damage detection on the image basis using deep learning.

This paper proposes real-time image-based damage detection method for concrete structures using deep learning. The proposed method is composed of three steps: (1) collection of a large volume of images containing damage information from internet, (2) development of a deep learning model (i.e., convolutional neural network (CNN)) using collected images, and (3) automatic selection of damage images using the trained deep learning model. The whole procedure of the proposed method has been applied to some figures taken in a real structure. This method is expected to facilitate the regular inspection and speed up the assessment of detailed damage distribution the without losing accuracy.

In this study, the damages detections were carried out using artificial neural networks for super tall building. In the results of detections, the damage locations and extents were similar to the actual damages. The accuracy is expected to increase as the number of learning case is larger.

In this paper, four damage detection techniques based on dynamic characteristics were utilized and compared to identify damage in a Steel Catenary Riser(SCR). Twelve damage scenarios were simulated by using a numerical model of SCR. The performance on damage detection for each technique was showed and the applicability was discussed.

이 연구의 목적은 건전성 평가 기법을 통해 해양 구조물 중 생산 라이저의 건전성 및 안전성을 확보할 수 있도록 하는 것이다. 생 산 라이저의 건전성 평가 기법을 선정하기 위해서 레벨 I, II의 비파괴 손상평가(NDE) 기법을 분류 및 검토하였다. 그리고 수치해석을 통해 검토한 기법의 손상 탐지 성능 및 적용성을 확인하였다. 그 결과 모달 변형 에너지를 이용한 손상탐지 기법이 다른 기법들에 비해 가장 손상 에 대해 민감한 결과를 나타냈다. 실제 구조물에서 모니터링 시스템을 적용하는 경우 환경적, 경제적 요인들에 의해 센서 개수는 제한적이다. 센서 수의 감소함에 따른 손상탐지 성능에 대한 영향을 일련의 수치해석 과정을 통해 분석하고 그 결과를 논의하였으며, 생산 라이저의 건전 성 평가에 대한 최적 센서 개수를 추천하였다.

This paper provides a method to detect damage of pontoon bridge based on interpolated mode shape from forced vibration test. The 35 mode displacement vectors are interpolated with the 117 mode displacement vectors. By using the interpolated mode shape, the precision of the damage detection methods was improved.

최근 물 가까이에서 생활하고 여가를 보낼 수 있는 친수공간에 대한 욕구가 증가하면서 플로팅 구조물에 대한 관심이 커져가고 있다. 이에 본 연구에서는 정적 변형률을 이용한 플로팅 구조물의 손상탐지기법을 제안하였다. 손상을 탐지하기 위한 손상지수는 기존의 모달 변형에너지를 이용한 손상지수 법을 변형률을 적용할 수 있도록 확장하여 손상 전과 손상 후의 변형률로 나타내었으며, 손상지수 계산 후 손상부위를 결정하는 손상탐지는 패턴인식을 이용하였다. 제안된 이론의 정확성과 타당성은 플로팅 구조물의 축소모형을 제작하고 계측된 변형률 데이터에 적용하여 검증하였다.