본 연구에서는 인공신경망을 이용해 건물 구조물의 가속도계 설치 위치 및 개수를 선정하는 방법을 제안한다. 인공신경망의 입력 층에는 층에 설치되는 가속도계로부터 얻는 가속도이력데이터가 입력되며, 출력층에는 구조물을 정의하는 각 층의 질량과 강성 값을 출력하도록 신경망을 구성한다. 가속도계의 설치 위치 및 개수를 선정하기 위해 여러 설치 시나리오를 가정하고 훈련을 통해 인공신경망을 구한다. 훈련에 사용되지 않은 예제를 이용해 예측 성능을 비교하였다. 센서 개수 및 위치에 따른 예측 성능을 비교하여 설치위치 및 개수를 선정한다. 6층과 10층 예제 적용을 통해 제안하는 방법을 검증하였다.

풍하중에 취약하며, 모니터링에 다양한 모드가 고려되어야하는 초고층 빌딩에서 최적 센서의 위치 및 최적 개수를 결정하는 문제는 매우 중요하다. 본 논문에서는 고층빌딩의 모니터링을 위한 센서의 최적 개수 및 최적 위치의 결정 방법에 대해 제안한다. Kammer에 의해 제안된 유효영향법(Effective Influence Method)을 이용하여 특정 수의 센서가 설치될 최적의 위치를 결정하며, 추정 모드형상의 정확도에 관한 모니터링 목표 수준을 달성할 수 있는 최소의 센서수를 결정한다. 제안된 알고리즘의 사례연구로 25층의 건 물모형인 켄틸레버 구조물을 선정하여 수치해석을 수행하였다. 해석 결과 센서의 최적 위치 및 최적 개수, 계측 가능한 모드는 합리적으로 결정되는 것을 확인하였다.

The spatial focusing of time reversal Lamb waves on a plate has attracted considerable attention for identifying the location of an input source. This study investigates the spatial focusing performance on a plate with respect to the number of piezoelectric (PZT) sensors for varying locations of input sources. In particular, a small number of PZT sensors produce spatial focusing through the virtual sensor effect due to reflection of Lamb waves at plate edges. The spatial focusing performance with respect to the number of PZT sensors is quantified in terms of signal to noise ratio through numerical simulation and its implication is discussed