선박 수리시장은 선박에 의한 환경오염 방지 강화, 선박구조에 대한 안전기준 강화 등의 영향으로 유지 및 보수에 관한 관심이 꾸준히 증대되고 있다. 이러한 영향을 반영하여 서남해에 있는 수리 조선사들에 외국 선사들의 수리 요청 접수 건수가 증가하고 있다. 그러나, 서남해권 수리 조선사들은 영세한 중소업체가 대부분이라서 수리조선 업체의 통합적 시너지 효과로 이어지기가 쉽지 않고, 집적화가 되어있지 않아서 인프라 공동활용이 어려워서 수리조선업 활성화에 걸림돌로 작용하고 있다. 수리조선업을 운영하기 위해서는 플로팅 도크가 필수적으로 필요로 하며, 대부분 노후화된 케이슨 도크를 해외로부터 수입한 후, 개/보수를 통하여 운용하고 있다. 그러나, 사용 수명이 30년 이상이고, 구조물 검사 기준이 없어서 안전분야에 취약성을 갖고 있다. 본 연구에서는 개조된 케이슨 도크의 구조 안전성을 평가하고, 도출된 문제점을 해결하기 위하여 추가적인 구조 보강안을 찾기 위하여 유한요소해석 프로그램인 ANSYS를 활용하였다. 플로팅 도크의 경우, 선급 규정이 있지만 구조강도 관련해서는 규정이 미흡하여 적용성이 떨어지고 있는 실정이다. 이러한 부족한 평가 영역에 대해서는 상세 구조해석을 통하여 보완하였다. 보강안은 수리조선소 작업의 특성을 고려하여 폰툰 갑판 상부 보강과 선측 탱크 보강으로 결정하였다. 결정안에 대한 구조해석을 통하여 선측 보강안을 최종안을 선정하였고, 실제 구조물을 제작하여 보강안을 반영하였다. 도출된 주요 결과들은 유사 설비의 구조 강도 개선을 위한 참고 자료로 활용 가능하며, 개/보수 시 이러한 방법을 활용하면 빨리 최적 해를 찾을 수 있을 것으로 기대된다.

본 논문에서는 조립트러스 매립형 합성보의 실험과 해석을 통하여 휨 및 전단의 구조적 거동을 분석한다. 본 합성보는 복부가 개방된 트러스를 콘크리트 속에 매입함으로써 콘크리트와의 맞물림작용 및 일체성이 뛰어남으로 휨재로서 완전합성 거동을 한다. 본 합성보에서는 콘크리트 단면의 복부를 가로지르는 외곽 2열의 강재 복재가 상, 하 접합부로 긴결되어 있어서 철근콘크리트 보의 스터럽(Stirrup)과 같은 전단보강재의 역할을 한다. 그러나 본 합성보에서는 복재 접합부의 강도에 따라서 전 단보강재인 경사재 및 수직재의 전단내력이 변화되므로 이에 맞는 구조적 안전성이 확보된 새로운 전단강도식을 제안한다. 실험 및 해석결과, 조립트러스 매립형 합성보의 모든 실험체는 휨강도에 대하여 강재앵커가 있는 완전합성보로 평가되며, 제안된 전단강도식은 구조적 안전성이 충분히 확보된 것으로 평가된다.

본 논문은 철계형상기억합금(Fe-SMA) 나선철근을 이용한 기둥의 횡구속 효과를 평가한 실험적 연구를 보고한다. 실험을 위해 사전변형 4%의 5mm × 5mm의 Fe-SMA 나선철근으로 구속된 150mm × 150mm ×300mm의 원형 실험체가 제작되었다. 실험변수는 Fe-SMA 나선철근의 피치(0mm, 80mm, 60mm, 40mm), Fe-SMA 나선철근의 활성화 유무(활성화, 비활성화)를 고려하였다. Fe-SMA 나선철근 활성화를 위해 소성로를 사용하여 목표온도 140℃까지 가열하였다. 실험체의 온도가 상온에 도달한 후 만능재료시험기를 이용하여 1축 압축실험을 실시하였다. 실험결과를 통해 Fe-SMA 나선철근을 활성화하여 능동적 횡구속압이 작용된 실험체의 최대응력과 최대응력 발현 시의 변형률은 활성화하지 않은 실험체에 비해 크게 증가하는 것으로 나타났다. 또한, 나선철근 피치의 감소로 인해 능동적 구속압이 증가함에 따라 최대응력과 연성지수가 크게 증가하는 것으로 나타났다. 특히 보강 간격이 40mm인 활성화된 나선철근으로 구속된 실험체는 최대하중 도달 후 하중이 유지 및 증가하는 변형경화가 발생하는 것으로 나타났다.

게임을 포함한 가상환경 및 현실의 문제를 해결하기 위한 현대의 강화학습에서는 근사 함수로써 인공신경망을 사용한다. 하지만 이는 통계 기반이기 때문에 대량의 데이터가 필요해서 시뮬레이터가 없는 경우는 사용 및 적용에 애로가 있다. 이때문에 인공신경망은 아직 일상에서 자주 접할 수가 없는데, 대부분의 환경은 시뮬레이터를 만들기 힘들거나 데이터와 보상은 희소하기 때문이다. 이에 메모리 구조를 활용해서 적은 데이터와 희소한 보상을 가진 환경에서 빠른 학습을 할 수 있는 모델을 만들었다. 실험에서는 기존의 policy gradient와 메모리를 기반으로 open AI CartPole 문제에 도전했다. 이때 이득을 평가하는 함수인 Advantage function을 메모리구조를 변형하여 구현하였다. 이후 실험에 서 모델의 학습 시 편차가 커서 평균적으로는 저조한 성적을 보였다. 하지만 다른 알고리즘과의 학습 속도 비교를 통해 100회 이내의 작은 에피소드 내에서 상위 10개, 5개의 성적이 타 알고리즘들 보다 더 높은 점수를 획득한 것을 확인하였다. 결론적으로 연구를 통해 메모리구조를 사용하는 방법이 적은 데이터에 효과적일수 있다는 가능성을 발견했으며, 향후에는 학습의 편차를 줄이는 기술들에 대한 연구가 필요하다.

최근 간척지를 활용한 대규모 수출 원예 단지에 대한 수요가 증대되고 있고, 대규모 시설원예 단지 조성을 위한 현안 중에 하나는 경량 온실용 기초 설계 기준을 확립하는 것이다. 이를 위해 연약지반 기초 보강 방법에 관한 사전 연구들을 검토 하였다. 대상 공법으로는 스파이럴, 나무, 쇄석 다짐 말뚝(팽이) 및 PF 공법이며, 성능 검증을 위해 인발저항력, 지내력, 침하량 측정 등의 시험이 수행되었다. 인발저항력은 동일한 직경에서 근입 깊이가 증가할수록 저항력이 상승하는 것을 확인 할 수 있었다. 스파이럴과 나무 말뚝 기초의 성능을 비교하자면, 유사한 근입비와 마찰 면적을 갖는 기준에 대하여 스파이럴 말뚝의 인발저항력 0.8kN, 나무 말뚝은 인발저항력 1.1kN로 근소하게 나무 말뚝의 성능이 우수하다고 판단되었다. 추가적으로, 일정 근입비(L/D)의 범 위에서의 직경 변화에 따른 인발저항력을 비교하였다. 근입 비 10~12.1 범위에서는 직경 250mm구간, 근입비 14.6~16.7 범위에서의 직경 300mm구간에서 급격한 상승 값을 보였으며, 근입비 범위에 따라 인발저항력 증가 폭이 다르게 나타나는 것을 확인하였다. 지반 지내력 검토를 위한 재하시험 결과의 경우, 상이한 보강 방법, 직경, 관입 깊이 등의 영향으로 단순 비교하는 것에 한계가 있지만, 나무 말뚝 105kN/m2, 팽이 말뚝 826kN/m2, PF방법 300kN/m2 수준의 최대 허용지지력을 보였다. 위 조건의 경우에, 팽이 말뚝, PF방법, 나무 말뚝 순으로 높은 지내력을 나타냈다. 간척지 기초 시공공법 타당성 검토를 위하여, 일부 국한된 시험 조건하에 인발저항력, 허용지지력, 침하량 측정 등 시험 평가 결과를 비교 검토하였다. 기초 보강 방법 별 일관성있는 경향을 파악하는데 한계가 있었지만, 풍속 40m/s에서 온실에서 받는 인발력이 20kN수준이고(Yu 등, 2012), ’97 한국형 유리온실 표준설계도에 명시된 온실의 기초 지내력 기준이 50kN/m2인 점을 고려한다면 지내력 105kN/m2 ~ 826kN/m2 범위의 기초보강 공법인 팽이, 나무말뚝 및 PF방법 모두 간척지 온실 기초에 적용하기 충분한 공법으로 간주 된다. 장기 침하량 모니터링 및 기초 보강 방법 별 수렴성과 재현성이 확보된 실증 데이터 보완을 통해, 온실 유형별 구조안정성과 경제성을 동시에 만족시킬 수 있는 기초 방식 선정과 설계 가이드 라인 제시가 가능할 것이라고 판단된다.

Earthquake preparedness has become more important with recent increase in the number of earthquakes in Korea, but many existing structures are not prepared for earthquakes. There are various types of liquefaction prevention method that can be applied, such as compaction, replacement, dewatering, and inhibition of shear strain. However, most of the liquefaction prevention methods are applied before construction, and it is important to find optimal methods that can be applied to existing structures and that have few effects on the environment, such as noise, vibration, and changes in underground water level. The purpose of this study is to estimate the correlation between the displacement of a structure and variations of pore water pressure on the ground in accordance with the depth of the sheet file when liquidation occurs. To achieve this, a shaking table test was performed for Joo-Mun-Jin standard sand and an earth pressure, accelerometer, pore water pressure transducer, and LVDT were installed in both the non-liquefiable layer and the liquefiable layer to measure the subsidence and excess pore water pressure in accordance with the time of each embedded depth. Then the results were analyzed. A comparison of the pore water pressure in accordance with Hsp/Hsl was shown to prevent lateral water flow at 1, 0.85 and confirmed that the pore water pressure increased. In addition, the relationship between Hsp/Hsl and subsidence was expressed as a trend line to calculate the expected settlement rate formula for the embedded depth ratio.

자연재해 발생을 예방하기 위한 방재센서 기술이 중요하며 광섬유를 이용한 센서에 대한 관심이 높아지고 있다. 본 논문은 광섬유 센서 내장 탄소섬유시트로 보강된 RC보의 계측된 데이터로 결함 탐지 연구를 수행하였다. 미분의 국부적 변동 특성을 이용한 Method Ⅰ과 컨벌루션 방법을 이용한 Method Ⅱ를 비교, 분석하였다. 다른 차원의 데이터를 비교하기 위해서 무차원화 시켰으며, 분석 결과 Mehtod Ⅱ가 결함의 위치를 예리하게 잘 탐지하는 것으로 나타났다. Method Ⅱ인 컨벌루션에 사용 되는 필터 벡터를 잘 응용하면 더 좋은 효과를 기대할 수 있을 것으로 판단된다.

지진 하중에 의해 피해를 받는 교각의 보강을 위한 방법론과 다양성에 대한 연구가 활발히 진행되었지만, 단자유도에 대한 비선형 정적 분석에 대한 연구가 주로 수행되었으며, 교각을 구성하는 재료적 특성만이 변수로 간주되었다. 그러나, 교 각의 기하학적 요소와 보강 수단의 관계성에 관한 연구는 수행되지 않았다. 이에 본 연구에서는 CFRP 재킷을 사용하여 캘리포 니아에 존재하는 비 내진 상세 콘크리트 교량 교각을 보강하고 형상 변화에 따라 (교각 직경, 전단 경간 비, 보강 재킷의 길이) 교량 교각의 지진 취약성 곡선 도출하고 내진 성능을 평가하였다. 상기의 목표를 달성하기 위해 Opensees 프로그램를 사용하여 문헌에서 인용할 수 있는 실험체를 모델링하고 반복 하중을 가하여 결과 비교를 통해 해석방법의 적절성을 결정하였다.

최근, 여러 분야에서의 AI가 빠르게 성장하였고 게임에서도 큰 발전이 있었다. 게임 AI에 대한 접근 방법은 여러 가지가 있다. 먼저 지도 학습 기반 접근 방법은 게임 플레이 데이터에서 학습하고, 플레이 행동을 흉내 낸다. 그러나, 지도 학습 기반 접근 방법은 입력 자질을 선형 조합하므로, 복잡한 문제에는 성능 향상에 한계가 있다. 선형 조합에 따른 성능 한계를 개선하기 위해, 딥 뉴럴 네트워크 기반 접근방법은 지역적 특성 및 전역적 특성을 개별적으로 각각 표현하기 위해 둘 이상의 뉴럴 네트워크를 사용한다. 그러나 딥 뉴럴 네트워크 기반 접근방법은 충분한 학습 집합이 필요하다. 학습 집합을 준비해야 하는 부담을 줄이기 위해서, 강화 학습 기반 접근 방식은 Agent가 먼저 Action을 하고 이에 따른 보상을 분석하여 학습한다. 즉, 이 접근방법은 Agent가 최대 보상을 받도록 학습한다. 본 논문에서는 강화 학습을 통해 여러 게임에서 학습하는 AI를 제안한다. 제안하는 AI 모델은 개별 게임에서 Local Agent가 플레이하고, 여러 Local Agent에서 Global Agent를 학습한다. 실험 결과, 한 게임에서 학습한 Agent는 학습했던 게임에서는 우수한 성능을 보여주었지만, 새로운 게임에서는 성능이 떨어졌다. 반면에, 두 게임에서 학습한 제안하는 Agent는 학습한 게임과 새로운 게임 모두에서 잘 적응했다.