구조물의 손상추정법은 정적방법과 동적방법으로 나눌 수 있다. 정적방법은 정적하중과 정적변위의 관계를 이용하여 구조물의 손상위치와 손상정도를 추정하는 방법으로 동적방법에 비해 수식이 간단하나, 정적하중과 정적변위의 관계만을 사용하여 구조물의 손상을 추정하므로 정적변위에 대한 오차에 매우 민감하다. 동적방법은 구조물의 고유한 진동특성을 나타내는 고유진동수와 진동모우드를 구하여 구조물의 손상을 추정하는 방법으로, 정적방법에 비해 동일한 측점에서 많은 양의 시간기록자료를 계측할 수 는 있으나, 신뢰성이 높은 많은 수의 고유진동수와 진동모우드를 구하기가 어렵다. 본 연구에서는 구조물의 정적변위, 고유진동수와 진동모우드에 대한 민감도행렬을 사용하여 구조물의 정적 및 동적특성을 동시에 고려할 수 있는 구조물의 손상추정법을 제시하였다. 제시한 방법은 구조물의 손상 전.후의 정적변위와 진동모우드의 변화량을 부등구속조건식으로한 최적화기법을 사용하므로, 제한된 계측절점과 오차를 고려할 수 있으며 정적변위와 모우드 민감도행렬이외의 다양한 구조적 특성에 대한 민감도를 구속조건식으로 사용할 수 있다. 트러스구조물에 대한 모의 수치예제를 통한 제안한 방법의 정확성과 효율성을 수치적으로 검증하였다.

본 연구는 적충복합보에 있어서의 층간분리현상을 추적하는 기법을 소개하고 있다. 이 기볍에서는 충간분 리된 보와 층간분리되지 않은 보와의 응답차이를 최대화하도록 조화운동의 가력올 보위별로 최적화한다.2개 층의 알루미늄 보에 대하여 수치해석을 수행하였으며， 계측 및 보의 형태에 따른 노이즈를 고려하였다. 층간 분리를 모텔링하기 위하여 스웹함수를 사용하였으며 층별복합판 이론에 기본한 유한요소법을 이용하여 해석 하였다.

1. 벼이삭선충의 피해(被害)를 알기 위하여 경상남북도(慶尙南北道) 전라남도등(全羅南道等) 3개도(個道) 36개군(個郡) 111개면(個面)을 조사(調査)한 결과(結果) 피해경율(被害莖率)이 경남(慶南)에서는 창영군(昌寧郡)이 28.3%, 경북(慶北)에서는 영천군(永川郡)이 69.3%, 전남(全南)에서는 보성군(寶城郡)이 40.6% 로 각각 가장 높게 나타났다. 2. 벼이삭선충에 대(對)한 품종별(品種別) 피해경율(被害莖率)은 다수계(多收系) 품종(品種)에서는 원풍만 3.4%를 나타냈고 나머지 품종(品種)들은 전혀 white tip 증상(症狀)을 나타내지 않는 반면에 일반계(一般系)는 모두 의 피해경율(被害莖率)을 나타냈다. 종자내(種子內) 선충밀도는 다수계(多收系)나 일반계(一般系) 별차(別差)없이 같게 나타났으며 다수계(多收系)에서는 신광벼가 10gr당(當) 1,997마리, 일반계(一般系)에서는 동진벼가 10gr당(當) 1,023마리로서 각각(各各) 가장 높게 나타났다. 3. 침종전(浸種前)에 종자(種子)를 미박피구는 박피구에 비하여 선충분리율은 품종(品種)에 따라서 다소차이(多少差異)는 있으나 신선찰, 한강찰, 서광, 영풍, 밀양 23 호, 수정, 대청, 서남등(等) 8개품종(個品種)을 제외하고는 5% 이하(以下)의 낮은 분리율(分離率)을 나타냈다. 4. 온도별(溫度別) 침종시간(浸種時間)에 따른 선충분리율은 박피구와 미박피구 다같이 온도(溫度)가 높을수록 점차 분리율(分離率)이 높았으며 에서는 미박피구가 박피구보다 9일(日) 이후(以後)부터는 더 많이 분리(分離)되었다. 그리고 적산온도(積算溫度) 를 기준(基準)하여 보면 미박피구는 박피구에 비하여 에서는 6%, 에서 는 6.7%, 에서는 13.4%, 에서는 18.9% 분리(分離)되었다.

고층의 공공 건축물에서 에스컬레이터는 수많은 탑승자가 동시에 이용하는 필수적인 수직 이동 시설물이다. 에스컬레이터에서 구동체인은 동력을 전달하는 핵심 부품인데, 구동체인 파단에 의한 역주행 사고가 지속적으로 발생하고 있으며, 이는 대형인명사고로 이어지고 있어 이의 예방이 반드시 필요한 상황이다. 본 연구에서는 체인의 초기 파단손상 진단을 통한 예방적 유지관리를 위해 마그네틱 센서 기반의 비파괴 진단 기법을 구동체인에 적용하였다. 이의 실험적 검증을 위해 다채널의 자속신호를 동시 수집할 수 있는 마그네틱 센서헤드를 제작하였고, 이를 에스컬레이터 시뮬레이터에 설치되어 구동되는 더블체인 손상시편에 적용하여 자속신호를 수집하였다. 수집된 각 채널별 자속 신호로부터 국부 손상부에서 발생하는 자속의 변화 특성을 확인하였고, 이러한 특성을 부각하여 이용하고자 다단계의 신호처리를 수행하였다. 가공된 자속신호를 손상 판단을 위해 설정된 통계기반의 임계값에 적용함으로써 구동체인에 발생한 국부손상을 객관적으로 자동 진단하였다.

딥러닝(Deep Learning) 기술은 이미지 데이터를 비롯하여 텍스트 데이터, 음성 데이터 등을 학습시켜 특성을 추출하고 인식하기 위한 여러 분야에 적용하고 연구되고 있다. 내부에 존재하는 블레이드는 본체와 분리가 불가능하고, 내부의 매우 불리한 환경속에서 검출이 이루어져야 한다. 기존의 영상 검출 방법은 상당한 시간이 요구되며, 기술자들의 개인적 능력과 경험에 의존하고 있다. 본 연구에서는 내부 블레이드의 표면 결함을 효율적으로 검출하고 자동화하기 위하여 Faster R-CNN 알고리즘을 학습시켜 검출 모델을 구축하였다.

A damage case of parallel strand cable anchorage was introduced, in which 7 strands were slipped from each wedge at the anchorage of the cable stayed bridge in service. Also, a cable damage detection scheme was proposed on the basis of tension force measurement and model updating method by least square estimation to minimize tension variation. The proposed scheme has been verified from analytical simulations and the actual damage case. The damaged cable leading to tension variation more than noise level of cable force measurement was successfully detected with 7~8 strands damage indication of 2% error in the actual strand slippage case.

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.

Magnetic sensing NDE(non-destructive evaluation) method was applied to detect local damages at the steel chain of the escalator. To verify the feasibility of the magnetic sensing based chain inspection method, a magnetic sensor head was fabricated to adapt to the target chain. The fabricated sensor head scanned the notch damaged chain specimen to measure the magnetic flux signals. After obtaining signal, a series of signal processing process including pick picking and enveloping process based on Hilbert transform (HT) was performed to detect the damaged point by clarifying the signal.

The damage detection method of blade systems largely depends on the personal ability of an inspector using a camera. Thus, this paper proposes a deep learning-based detection method that can rapidly and reliably identify and evaluate the damages on the blades.

This paper presents the applicability and reliability of the crack detection technique of concrete structures developed based on the use of digital image analysis technologies through on - site tests. The problem of aging of infrastructure is a serious threat to the national and national security and there is a growing interest in the development and application of effective inspection and maintenance techniques for related infrastructure. Therefore, instead of the existing traditional manpower-based infrastructure inspection and maintenance techniques, which involve lots of time and money consumption and reliability of results, research using digital image analysis technology is actively being carried out.

Recently, accidents caused by the aging of structures are occurring frequently in the world. As a result, maintenance and accident prevention of structures are required. In this study, for the purpose of addressing these issues to solve these problems, we developed a non - destructive inspection technique using thermal imaging and planned damage detection process. we set up a scenario to detect the invisible excursions, cracks, and internal damage by sensing and analyzing the thermal energy radiated by the stainless steel test piece (STS304) with infrared thermal imaging equipment.

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.

This study presents a damage detection method for shear-building structure based on the change of diagonal terms of a modal flexibility matrix. Numerical simulation and experimental validation were conducted on a 5-story shear-building structure. The proposed damage detection method showed accurate and suitable results.

구조물의 손상 추정은 동적응답신호로부터 고유주기와 모드형상을 구한 후 이를 역해석하여 손상위치와 손상정도를 파악함으로써 이루어 진다. 건축구조물의 경우 토목구조물에 비하여 구조형식이 복잡하고 비구조요소 및 노이즈 등의 영향으로 인하여 구조물 판별에 어려움이 있다. 동적응답신호를 이용한 건물의 손상추정에 관한 최근의 연구들은 손상추정을 위하여 민감도 또는 추정치 등 간접적 지표를 사용하고 있으나, 좀 더 합리적이고 명확한 손상추정을 위하여 운동방정식으로부터 직접 유도된 변수를 손상지수로 활용할 필요가 있을 것으로 판단된다. 따라서 본 연구에서는 전단형 건물의 운동방정식으로부터 직접 유도된 층강성 감소비를 손상지수로 하는 손상추정 방법을 제안하였다. 제안된 손상지수는 손상 전 모드형상과 손상 전 후 고유진동수 차이를 알면 구할 수 있다. 제안된 손상 추정방법을 수치해석예제에 적용한 결과 손상이 발생한 층에서 층강성 변화율이 (-)부호를 나타내었으며, 크기가 다른 층에 비하여 15배 정도 크게 나타나 전단형 건물의 손상 추정지수로서 활용될 수 있을 것으로 판단된다.