PURPOSES : The purpose of this study is to identify the dynamic behavior of a cement concrete paving machine (paver) by measuring its response using accelerometers. This is because the dynamic behavior of pavers affects the quality of data from various applications of IoT sensors, such as laser, ultrasonic, optical sensors and so on. Therefore, it is believed that the understanding of dynamic behaviors can contribute to the effective use of various IoT sensors for the acquisition of real-time quality control data in pavement construction. METHODS : Dynamic signals are obtained using accelerometer sensors to identify the dynamic characteristics of paving machines. The main parameters for acquiring dynamic signals are the status of the machine’s operating or standby conditions, and available locations for attaching various IoT sensors. Time domain data are logged at a particular sampling speed using a low-pass filter, subsequently, they are converted to digital data, which are analyzed on three rectangular axes. In addition frequency analysis is conducted on the measured data for identifying the peak frequencies, via FFT (Fast-Fourier-Transform) using MATLAB. RESULTS : The magnitude of the x-directional vibration is higher than that of any other direction under the paver’s operating or standby condition. However, signals from the smoother beam show that the z-directional vibration is more significant in the operating status. It means that the primary vibration depends on the location. Furthermore, the peak frequencies are quite various depending on the status of a paver and its sensing location. CONCLUSIONS : The magnitude of machine vibration and peak frequencies at each status or location are identified from time- and frequency-domain data. When using IoT sensors for quality control or monitoring pavements in construction, the dynamic characteristics of a paver should be considered to mitigate the interference of signals from the paver body or its elements.

한반도 남서부 지역의 상시미동의 특성을 알아보기 위하여, 해안 지역(군산 136 지점)과 내륙 지역(전주 117 지점)에서 15분 씩 상시미동 자료를 획득하여 수평 대 수직 스펙트럼 비(HVSR, Horizontal to Vertical Spectral Ratio) 분석을 실시하였다. 상시미동의 에너지 스펙트럼은 내륙 지역에 비해 해안 지역에서 저주파 대역의 에너지가 크다. 이것은 서해의 파랑과 조류, 군산의 북쪽을 지나는 금강의 영향으로 보인다. 상시미동을 24시간 관측한 결과, 인간 활동과 연관된 상시미동 에너지는 변하나 상시미동 HVSR의 정점주파수(F0)는 변함이 없어, 하루 중 어느 시간에 관측해도 F0의 안정된 값을 구할 수 있음을 시사한다. 관측점의 상시미동 피크를 싱글피크(single peak), 더블피크(double peak), 브로드피크(broad peak), 노피크(no peak)의 4 종류로 분류한 결과, 전체 관측점의 90 % 이상에서 정점주파수를 구할 수 있었다. 상시미동 F0 분포도는 기반암의 깊이가 얕은 구릉지에서 높은 주파수를, 하천 부근과 매립지에서 낮은 주파수를 보여 지형과 높은 상관관계를 보였다. 상시미동 F0의 진폭(A0)은 전주지역에서는 하천의 하류에서 약 4 정도, 군산지역의 최근 매립지에서 대단히 높은 값(10 이상)을 나타낸다. 지진 발생시 매립지의 피해를 줄이기 위해서는 매립지의 부지반응에 대한 연구와 이에 따른 재해대책이 요구된다.

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.

This paper presents a convolutional neural network to automatically conduct the peak picking in frequency domain of structural responses. The peaks in frequency domain have a high potential to be the natural frequencies, which are one of the important indicator to be used for structural health monitoring purposes, such as damage detection, cable tension estimation, and finite element model updating. In general, the peaks with the corresponding natural frequencies are manually selected by the users from the frequency domain. Although this previous approach is possible to simply extract the candidate of natural frequencies, it is inappropriate in the practical applications of the long-term monitoring and the implementation for wireless smart sensor. To overcome the drawbacks, this study proposes the convolutional neural network that can automatically identify the peaks with the corresponding natural frequencies from the frequency domain of structural responses.