AI-driven automation for structural design has been actively studied in structural engineering. In particular, reinforcement learning (RL) has attracted attention as a framework in which an agent interacts with an environment to autonomously search for optimal design solutions in complex design spaces. This study proposes an automated design model for rectangular reinforced-concrete (RC) columns based on a multi-agent Double Deep Q-Network (Double DQN). Extending prior RL-based automation developed for RC beam design to column members, the proposed environment explicitly incorporates key column-specific behaviors, including axial force–bending moment (P–M) interaction and moment magnification due to column buckling. Four agents independently determine the section width (b), section depth (h), number of longitudinal bars (n), and bar size. The reward function combines (i) penalty terms for violations of ACI 318-19 design constraints and (ii) an economic reward defined relative to an approximate optimal cost predicted by a quadratic regression model. After training for approximately 10,000 episodes, the proposed multi-agent Double DQN consistently generated ACI-compliant column designs across all test load cases and produced solutions with improved cost efficiency compared with the approximate optimal baseline. These results demonstrate the feasibility and practical potential of multi-agent RL for automated RC column section design.

This study aims to refine the existing shear strength model for reinforced concrete(RC) beam–column connections by explicitly incorporating the bi-directional loading effect, which more accurately reflects the actual loading conditions of RC structures during earthquakes. A new database consisting of 21 RC beam–column connection specimens tested under simultaneous bi-directional loading was collected and analyzed to investigate the influence of key parameters on joint shear strength. The results revealed that the joint configuration and the presence of a slab are the primary factors governing the extent of bi-directional loading effect on joint shear strength. Based on these findings, a set of simple and practical modification factors was proposed to refine the existing joint shear strength model to account for bi-directional loading effect. The outcomes of this study provide a rational basis for incorporating bi-directional loading effect into the shear strength evaluation of RC beam–column connections

전단 보강근이 불충분한 철근콘크리트(RC) 기둥에서 발생하는 전단 파괴 및 이에 따른 축 붕괴는 매우 치명적인 파괴 유형이다. 기 존의 모델들은 힘 모멘트-전단력-축력 간의 복잡한 상호작용을 모사하는 데 한계가 있는 반면, 정밀 유한요소해석법은 전체 골조 해 석에 적용하기에는 연산 비용이 높다는 단점이 있다. 이에 본 연구에서는 재료 수준의 정밀도와 선요소의 해석 효율성을 결합한 새로 운 매크로모델을 제안한다. 제안된 모델은 기둥을 3개의 요소로 분할한다. 면요소에는 수정 압축장 이론(MCFT)을 도입한 4절점 평 면 응력 정식화를 적용하여, 콘크리트의 2축 응력 상태와 압축 연화(Compression Softening) 효과를 고려하였다. 또한, 해석의 수렴성 과 평형 조건을 만족시키기 위해 이중 중첩 반복 계산 알고리즘을 개발하였다. 실험 데이터와의 검증 결과, 제안 모델은 기존 파이버 모델의 한계를 극복하고 최대 강도 이후의 내력 저하 및 전단 파괴 거동을 성공적으로 예측함을 확인하였다.

This study develops and evaluates a prompt-driven large language model (LLM) agent for section design of doubly reinforced concrete (RC) beams. Using Google Gemini (Gems), an engineering “expert” that operates without fine-tuning by uploading ACI-318 provisions, sample design documents, and a database of prior beam designs was developed. The agent interprets code clauses, formulas, and constraints from these materials and retrieves similar design cases to propose an initial solution. It then incorporates user-specified natural-language constraints—most notably a strength-ratio cap (design strength ≤ 105% of required strength)—to iteratively refine toward safe and economical designs. Beyond reporting member size and reinforcement details, the agent provides step-by-step computational justifications for moment and shear checks, increasing verifiability and instructional value. We benchmark the LLM-generated designs against results from the commercial program MIDAS/Design+ and observe close agreement. In several scenarios, the constraint-guided LLM solutions are more material-efficient while remaining code-compliant. The workflow also supports batch processing from spreadsheet inputs, enabling practical automation across multiple beams. The approach requires no additional model training or coding making it accessible to non-developer practitioners. Results indicate that a general-purpose LLM, properly grounded with code documents and examples, can achieve practice-level performance with transparent reasoning. This demonstrates a viable approach to AI-assisted structural design that is explainable, interactive, and readily integrated with engineering workflows.

본 연구는 기계학습 및 설명 가능한 인공지능(xAI) 기법을 활용하여 폭발 하중을 받는 철근콘크리트 기둥의 보강 단계(Retrofit Level, RL)를 신속하게 평가하는 종합적 프레임워크를 제시한다. 파괴 유형와 보강 요구사항을 예측하기 위한 다단계 기계학습 접근 법을 개발하였으며, 이후 부분 의존성 그래프(Partial Dependence Plot, PDP) 분석을 통해 데이터 기반 보강 전략을 수립하였다. 제안 된 프레임워크는 두 가지 주요 프로세스로 구성된다: (1) 파괴유형 분류 및 RL 예측을 위한 다단계 기계학습 모델을 활용한 폭발 성능 평가, (2) 입력 변수 효과의 체계적 분석을 통한 PDP 기반 보강 전략 개발. RL 예측 모델은 광범위한 폭발 손상 평가 데이터를 바탕으 로 학습되었으며, 휨 및 전단 파괴유형에 대해 세 가지 손상 조건(심각, 보통, 경미)에서 검증되었다. PDP 분석 결과, 파괴유형과 손상 조건에 따라 서로 다른 보강 특성이 나타남을 확인하였다. PDP 기반 분석을 통해 주철근비 및 전단철근비에 대한 보강 가능 구간과 불가능 구간을 성공적으로 식별하였다.

Existing reinforced concrete building structures have seismically-deficient details on columns and beam–column joints; therefore, accurate modeling of structural behavior is required for reliable seismic performance assessment. This study aims to investigate the differences in dynamic responses resulting from modeling variations through developing four distinct numerical models. Separate models were established to simulate flexural and shear failures of columns and beam–column joints. Using these component-level models, a structural analysis model of the target building was constructed, and nonlinear time-history analyses were performed to evaluate seismic performance. Based on the simulated dynamic behavior of the target building, soft-story mechanisms were identified, and it was identified and confirmed that column behavior plays a dominant role in governing the overall structural response.

본 연구는 동결융해 및 철근 부식으로 복합열화된 철근콘크리트 보를 탄소섬유 복합재료로 보강한 경우의 휨 거동을 평가하 기 위해 층상화 단면해석 모델을 제안하고 그 유효성을 실험적으로 검증하였다. 해석 모델은 열화에 따른 재료물성 저하와 CFRP 보강 효과를 통합적으로 고려하여 휨 거동을 예측하도록 구성되었다. 제안된 모델의 해석 결과, 열화 및 CFRP 보강 RC 보의 항복휨모멘트 와 최대휨모멘트 예측값은 실험값과 평균 1.01∼1.16의 비율을 보여 휨 성능을 매우 높은 신뢰도로 예측함을 확인하였다. 그러나 휨모 멘트-변위 관계에서는 일부 상이한 경향이 관찰되었다. 항복 이전 구간에서는 해석 모델의 휨 강성이 실험 결과보다 높게 평가되었는 데, 이는 해석 모델이 콘크리트의 초기 미세균열과 같은 비선형적 거동을 완벽히 반영하지 못하기 때문으로 분석된다. 반면, CFRP로 보강된 보의 항복 이후 구간에서는 해석 모델의 강성이 실험값보다 낮게 나타났다. 이는 현행 RC 이론 기반의 변위 산정 방식이 CFRP 보강재의 높은 탄성계수 효과를 충분히 반영하지 못하여 최대강도 도달 시의 변위를 과대평가하기 때문으로 판단된다.

Our study develops a finite element analysis (FEA) model to evaluate the seismic performance of a two-story reinforced concrete (RC) school building and validates it through experiments. We developed a methodology that reflects failure modes from past experiments and validated it by comparing results at both the member (columns) and system (beam-column joints) levels. We created an FEA model for seismic-vulnerable RC moment frames using this methodology. This model incorporates bond-slip effects using three methods: Merged Nodes, Constrained Beam in Solid Penalty (CBISP), and Constrained Beam in Solid Friction (CBISF), which model the interaction between reinforcement and concrete. The approach provides a reliable tool for evaluating seismic performance and improves the accuracy of reinforced concrete frame evaluations.

Seismically deficient reinforced concrete(RC) structures experience reduced structural capacity and lateral resistance due to the increased axial loads resulting from green retrofitting and vertical extensions. To ensure structural safety, traditional performance assessment methods are commonly employed. However, the complexity of these evaluations can act as a barrier to the application of green retrofitting and vertical extensions. This study proposes a methodology for rapidly calculating the allowable axial force range of RC buildings by leveraging simplified structural details and seismic wave information. The methodology includes three machine-learning-based models: (1) predicting column failure modes, (2) assessing seismic performance under current conditions, and (3) evaluating seismic performance under amplified mass conditions. A machine learning model was specifically developed to predict the seismic performance of an RC moment frame building using structural details, gravity loads, failure modes, and seismic wave data as input variables, with dynamic response-based seismic performance evaluations as output data. Classifiers developed using various machine learning methodologies were compared, and two optimal ensemble models were selected to effectively predict seismic performance for both current and increased mass scenarios.

본 연구에서는 지반-구조물 상호작용(SSI, Soil-Structure Interaction) 해석에서 계산 효율성과 해석 정확성을 동시에 확보하기 위해 철근 콘크리트 기둥의 단순 모델링 기법과 PML(Perfectly Matched Layer) 요소를 결합한 방법을 제안하였다. 단순 모델링 기법은 상 세모델과 비교하였을 때 강성 및 고유진동수 차이가 1% 이내로 나타나 구조물의 정적 및 동적 거동을 효과적으로 모사할 수 있음을 확인하였다. PML 요소를 적용한 SSI 해석은 반무한지반 모델 대비 계산 영역을 1/5로 줄이고, 해석 시간을 7% 수준으로 단축하면서 도 기둥의 고유진동수가 동일하게 나타났다. 이를 통해 PML 요소가 계산 비용을 대폭 줄이면서도 해석 결과의 정확성을 유지할 수 있음을 확인하였다.

Reinforced concrete (RC) piloti buildings are vulnerable in the event of earthquake because the stiffness in the 1st story columns is weak to compare with the members in upper stories. In this study, seismic performances of RC piloti structures were evaluated considering with different types of floor plane layouts according to core eccentricity. With four types of floor plane layouts, five stories plioti structures were evaluated by two approaches, a nonlinear pushover analysis and a nonlinear time-history analysis. In order to improve seismic performances by satisfying the collapse prevention (CP) level, two ductile reinforcing methods by carbon fiber sheets and steel jackets were applied. Due to eccentricities in stiffness and mass with directions of plane and vertical stories, piloti structures were greatly influenced by higher order modes, so the seismic performances by the time-history analysis were significantly different from by the static pushover analysis.

This paper aims to quantify the retrofit effect of the Bolt Prefabricated Concrete-Filled Tube reinforcement method on non-seismic school reinforced concrete building through static cyclic loading experiments. To achieve the objective, two-story specimens including a non-retrofitted frame(NRF) and a Bolt Prefabricated Concrete-Filled Tube Reinforcement Frame(BCRF) were tested under static cyclic loading, and the lateral resistant capacities were compared in terms of maximum strength, initial stiffness, effective stiffness, and total energy dissipation. In addition, the load-displacement curves were compared to the story drift limit specified in Seismic Performance Evaluation and Retrofit Manual for School Facilities to investigate if the retrofitted frame was satisfied in target performance(life safety). Experimental results showed that BCRF successfully met the target performance, with a 200% increase in maximum strength and a 300% increase in energy dissipation capacity. Additionally, both initial stiffness and effective stiffness improved by more than 30% compared to NRF. Furthermore, BCRF exhibited an effect that delayed the occurrence of bond failure.

최근 콘크리트 타설 중 구조체, 거푸집 및 동바리 사고가 지속적으로 발생하고 있으며, 특히 슬래브 두께가 증가한 비기준층이 존 재하는 다층지지 RC 구조 시스템에서 빈번하게 발생하였다. 양생 온도는 콘크리트의 강도와 강성을 결정하는 주요한 요인이며 이에 따라 시공 하중의 분포가 변화한다. 이 연구에서는 양생 온도에 따른 시공 하중의 분포를 분석하기 위하여 온도와 재령에 따른 적산 온도 이론을 사용하여 등가 재령을 계산하고, 이에 따른 슬래브 콘크리트의 강도 및 강성을 산정하여 시공 하중, 시공 손상 변수의 변 화에 대하여 분석하였다. 시공 하중은 평균 양생 온도가 낮아질 때 초기 재령에서는 소폭 감소하고, 충분한 재령이 지난 후에는 증가 하였다. 시공 손상 변수는 평균 양생 온도가 낮아질 때 크게 증가함을 확인하였다.

Reinforced concrete (RC) moment frames are widely used to resist lateral loads associated with wind and earthquakes. However, most older RC moment frames performed poorly against past earthquakes. In moment frames, beam-column connections play a crucial role in system performance. Among the connections, corner connections are more vulnerable because they are restrained by only two beams and are affected most strongly by bidirectional loading. High-performance fiber-reinforced cementitious composites (HPFRCC) were used in previous studies to improve the seismic performance of older beam-column connections. This study aims to evaluate the level of improvement of seismic behavior of older beam-column connections under bidirectional loading after retrofitted with HPFRCC by comparing the seismic behavior of the HPFRCC connections to beam-column connections used in intermediate (IMF) and special moment frames (SMF). Test results revealed that the seismic behavior of the HPFRCC connections was almost close to that of SMF connections.

This research introduces a novel probabilistic approach to consider the effects of uncertainty parameters during the design and construction process, providing a fresh perspective on the evaluation of the structural performance of reinforced concrete structures. The study, which categorized various random design and construction process variables into three groups, selected a two-story reinforced concrete frame as a prototype and evaluated it using a nonlinear analytical model. The effects of the uncertainty propagations to seismic responses of the prototype RC frame were probabilistically evaluated using non-linear dynamic analyses based on the Monte-Carlo simulation sampling with the Latin hypercube method. The derivation of seismic fragility curves of the RC frame from the probabilistic distributions as the results of uncertainty-propagation and the verification of whether the RC frame can meet the seismic performance objective from a probabilistic point of view represent a novel and significant contribution to the field of structural engineering.

본 연구는 RC(철근콘크리트) 기둥과 FRP 콘크리트 기둥의 압축성능을 P-M 상관도를 통해 비교, 분석하였으며, 특히 콘크리 트 압축강도, 보강비, FRP의 탄성계수 변화에 따른 기둥의 거동 특성을 분석하였다. 연구 결과, 고강도 콘크리트(40MPa 이상) 사용 시 FRP 보강 기둥의 성능이 RC 기둥을 상회하며, 균형파괴점이 압축영역으로 이동하여 안정성이 향상됨을 확인하였다. 보강비는 0.010∼ 0.015 범위에서 최적 성능을 발휘하며, 과도한 보강은 오히려 취성파괴 위험을 증가시킬 수 있음을 확인하였다. FRP 물성 선택에 있어 낮은 파괴변형률과 적절한 탄성계수를 가진 재료를 사용하여 균형파괴점을 압축영역에 위치시키는 것이 중요함을 제시하였다. 본 연구 는 FRP 보강 기둥 설계 시 콘크리트 강도, 보강비, FRP 물성을 종합적으로 고려하여 압축성능을 최적화하고 안정성을 확보할 수 있는 방안을 제시하였다. 이러한 결과는 FRP 보강 콘크리트 기둥의 효과적인 설계 및 성능 향상에 기여할 것으로 기대된다.

최근 전 세계적으로 탄소 배출을 줄이기 위한 노력이 계속되고 있다. 이에 따라 건설 부문에서도 시공 과정에서 탄소 배출 을 줄일 수 있는 방안을 모색하고 있다. 그중 하나가 RC 건물에서 철근을 CFRP 보강근으로 대체하는 것이다. KDS 기준에 따라 설계 된 7개 건물의 설계 자료를 바탕으로 구조부재의 철근 비율을 비교하여 철근을 CFRP 철근으로 대체할 가능성을 분석했다. 그 결과, 건물의 구조부재 중에서 슬래브가 CFRP 철근의 대체 효과가 가장 큰 것으로 나타났다. 일반적인 건물 슬래브의 경간이 1.25∼4.1 m인 것을 감안할 때 RC 슬래브에서 CFRP 철근을 철근으로 대체할 경우 CFRP 철근의 양을 철근의 1/2∼1/3까지 줄일 수 있었다.