본 연구에서는 Na2SO4 폐수 처리를 위한 바이폴라막 전기투석(bipolar membrane electrodialysis, BPED)에 적용하 기 위한 sulfonated poly(phenylence oxide) (SPPO) 기반 강화 양이온교환막(cation-exchange membrane, CEM)을 제조하고 그 성능을 평가하였다. 특히, 다양한 open area, opening size, 두께를 가지는 직조형 지지체를 사용하여, 지지체가 강화막의 물리 적 및 전기화학적 특성에 미치는 영향을 분석하였다. 실험 결과, open area와 opening size가 증가할수록 이오노머의 충진율 이 증가하고 이온 전도 경로가 개선되어 막의 전기적 저항이 감소하고 함수율은 증가하는 경향성을 나타내었다. 한편, OH- 이온은 함수율이 높은 조건에서 막을 통해 더 쉽게 투과하였으며, SO4 2‒ 이온은 지지체의 특성과는 상관없이 전반적으로 낮 은 투과도를 나타내었다. 또한 제조막의 특성과 산/알칼리 조건에서의 내화학성을 종합적으로 고려한 결과, polypropylene (PP)이 가장 적합한 보강재 소재로 판단되었으며, 이를 활용하여 제조한 강화막은 상용막 대비 우수한 인장강도와 구조적 안 정성을 나타내었다. 개발된 강화 CEM을 BPED에 적용한 결과, 상용막 대비 막을 통한 SO4 2‒ 누출이 현저히 억제되어 산/염 기 순도, 전류 효율, 및 에너지 효율이 향상됨을 확인할 수 있었다.

Reinforcement learning (RL) is successfully applied to various engineering fields. RL is generally used for structural control cases to develop the control algorithms. On the other hand, a machine learning (ML) is adopted in various research to make automated structural design model for reinforced concrete (RC) beam members. In this case, ML models are developed to produce results that are as similar to those of training data as possible. The ML model developed in this way is difficult to produce better results than the training data. However, in reinforcement learning, an agent learns to make decisions by interacting with an environment. Therefore, the RL agent can find better design solution than the training data. In the structural design process (environment), the action of RL agent represent design variables of RC beam. Because the number of design variables of RC beam section is many, multi-agent DQN (Deep Q-Network) was used in this study to effectively find the optimal design solution. Among various versions of DQN, Double Q-Learning (DDQN) that not only improves accuracy in estimating the action-values but also improves the policy learned was used in this study. American Concrete Institute (318) was selected as the design codes for optimal structural design of RC beam and it was used to train the RL model without any hand-labeled dataset. Six agents of DDQN provides actions for beam with, beam depth, bottom rebar size, number of bottom rebar, top rebar size, and shear stirrup size, respectively. Six agents of DDQN were trained for 5,000 episodes and the performance of the multi-agent of DDQN was evaluated with 100 test design cases that is not used for training. Based on this study, it can be seen that the multi-agent RL algorithm can provide successfully structural design results of doubly reinforced beam.

본 연구는 고속철도 궤도 구조의 핵심 부재인 상부 콘크리트층(TCL)에 GFRP 보강근을 적용하여 기존 철근을 대체한 구조의 비선형 동적 거동 특성을 규명하였다. GFRP는 비도전성, 내식성, 경량성과 같은 특성을 갖추고 있어 철도 신호 간섭 방지와 내구성 향상에 적합하다. 국내외 설계기준은 정적 하중 중심이어서 GFRP 적용 구조의 동적 응답과 균열 거동에 대한 연구가 부족한 상황이다. 이에 본 연구에서는 동적 비선형 3차원 유한요소해석을 수행하여 GFRP 보강 TCL 구조와 기존 철근 보강 구조의 하중-변위, 균열폭, 응력 분포를 비교하였다. 분석 결과, 철근 적용 구조는 높은 연성으로 인해 반복 재하에 따른 균열 확대가 크지만 GFRP 적용 구조는 취성적 파괴 양상을 보이며 균열폭이 작고 안정적이었다. 두 구조 모두 허용기준 내의 성능을 만족하였으며, GFRP 보강 구조는 특히 반복 하중에 대한 안정성과 구조 신뢰성에서 우수한 결과를 나타냈다. 본 연구는 GFRP 보강근을 활용한 철도 구조물의 설계 및 유지관 리 측면에서 실용적 근거를 제시하며, 향후 설계기준 수립에 기여할 수 있을 것이다.

Existing reinforced concrete buildings with seismically deficient columns experience reduced structural capacity and lateral resistance due to increased axial loads from green remodeling or vertical extensions aimed at reducing CO2 emissions. Traditional performance assessment methods face limitations due to their complexity. This study aims to develop a machine learning-based model for rapidly assessing seismic performance in reinforced concrete buildings using simplified structural details and seismic data. For this purpose, simple structural details, gravity loads, failure modes, and construction years were utilized as input variables for a specific reinforced concrete moment frame building. These inputs were applied to a computational model, and through nonlinear time history analysis under seismic load data with a 2% probability of exceedance in 50 years, the seismic performance evaluation results based on dynamic responses were used as output data. Using the input-output dataset constructed through this process, performance measurements for classifiers developed using various machine learning methodologies were compared, and the best-fit model (Ensemble) was proposed to predict seismic performance.

Over the past decade, a global emphasis has been placed on reducing carbon emissions, with the construction industry given particular attention in this regard. In reinforced concrete structures, one proposed method to reduce carbon emissions during manufacturing is to replace steel bars with fiber reinforced polymer (FRP) reinforcing bars. Accordingly, this study conducts flexural tests on concrete FRP (CFRP)-reinforced prefabricated slabs to investigate the joints between these slabs. The experimental variables include the types of connecting reinforcing bars used at the joints of two prefabricated slabs. The experimental results revealed the following: 1) the moment capacity of the slabs did not reach the nominal moment due to the insufficient length of the CFRP reinforcing bars, and 2) steel bars were found to be more suitable than CFRP reinforcing bars for connecting prefabricated slabs, as they promote ductile failure.

Most reinforced concrete (RC) school buildings constructed in the 1980s have seismic vulnerabilities due to low transverse reinforcement ratios in columns and beam-column joints. In addition, the building structures designed for only gravity loads have the weak-columnstrong- beam (WCSB) system, resulting in low lateral resistance capacity. This study aims to investigate the lateral resistance capacities of a two-story, full-scale school building specimen through cyclic loading tests. Based on the experimental responses, load-displacement hysteresis behavior and story drift-strain relationship were mainly investigated by comparing the responses to code-defined story drift limits. The test specimen experienced stress concentration at the bottom of the first story columns and shear failure at the beam-column joints with strength degradation and bond failure observed at the life safety level specified in the code-defined drift limits for RC moment frames with seismic details. This indicates that the seismically vulnerable school building test specimen does not meet the minimum performance requirements under a 1,400-year return period earthquake, suggesting that seismic retrofitting is necessary.

Reinforced concrete (RC) columns exhibit cyclic damage, such as strength degradation, under cyclic lateral loading, such as earthquakes. Considering the cyclic damage, the nonlinear load-deformation response of RC columns can be simulated using a lumped plasticity model. Based on an experimental database, this study calibrates lumped plasticity model parameters for 371 rectangular and 290 circular RC columns. The model parameters for adequate flexural rigidity, plastic rotation capacity, post-capping rotation capacity, moment strength, and cyclic strength degradation parameter are adjusted to match each experimentally observed load-deformation response. We have developed predictive equations that accurately relate the model parameters to the design characteristics of RC columns through regression analyses, providing a reliable tool for engineers and researchers. To demonstrate their application, the proposed and existing models numerically simulate the earthquake response of a bridge pier in a metropolitan railway bridge. The pier is subjected to several ground motions, increasing intensity until collapse occurs. The proposed lumped plasticity model showed about 41% less vulnerable to collapse.

Automated structural design methods for reinforced concrete (RC) beam members have been widely studied with various techniques to date. Recently, artificial intelligence has been actively applied to various engineering fields. In this study, machine learning (ML) is adopted to make automated structural design model for RC beam members. Among various machine learning methods, a supervised learning was selected. When a supervised learning is applied to development of ML-based prediction model, datasets for training and test are required. Therefore, the datasets for rectangular and t-shaped RC beams was constructed by commercial structural design software of MIDAS. Five supervised learning algorithms, such as Decision Tree (DT), Random Forest (RF), K-Nearest Neighbor (KNN), Artificial Neural Networks (ANN), eXtreme Gradient Boosting (XGBoost) were used to develop the automated structural design model. Design moment (Mu), design shear force (Vu), beam length, uniform load (wu) were used for inputs of structural design model. Width and height of the designed section, diameter of top and bottom bars, number of top and bottom bars, diameter of stirrup bar were selected for outputs of structural design model. Performance evaluation of the developed structural design models was conducted using metrics sush as root mean square error (RMSE), mean square error (MSE), mean absolute error (MAE), and coefficient of determination (R2). This study presented that random forest provides the best structural design results for both rectangular and t-shaped RC beams.

국내 기후변화와 급격한 도시화가 진행함으로써 도심지 불투수 면적 증가로 인하여 자연적인 물순환이 원활히 이루어 지지 않고 있다. 이로 인해 국지성 폭우로 인한 지표수의 증가로 도심지 홍수 피해가 빈번하게 발생하고 있는 실정이다. 이에 본연구에서는 주차장 매립 빗물저류조를 통하여 지표 유출량을 감소시켜 원활한 물순환에 기여하고 그에 따른 해 당 구조물의 상부 하중과 배열 방식에 따른 거동 특성을 분석하고자 한다. 해당 구조물의 분석은 유한요소 해석을 이용 하였으며, 분석 결과 매립 깊이 3m 이상 시 상부 하중이 저류조에 적용되는 하중이 급격하게 저감되는 결과를 나타냈다.

국내 도심지에 적용하고 있는 중앙버스정류장의 포장은 주로 아스팔트 포장으로 시공되어 있으나 중차량인 버스의 하 중으로 인해 포장 파손 사례가 증가하여 시민들의 안전에 악영향을 미치고 있으며 유지보수 비용이 매년 증가하고 있다. 서울시에서는 이러한 문제를 해결하기 위해 국내 최초로 중앙버스정류장 신설 구간에 현장타설 방식으로 연속철근 콘크 리트 포장(CRCP)을 시공하였다. 본 연구에서는 이러한 구간의 연속철근 콘크리트 포장에 대한 이동차량 하중에 의한 동 적 거동 특성을 분석하고자 포장 슬래브에 콘크리트 변형률계를 설치하고 덤프트럭을 통과시키며 동적 하중 재하 실험 을 수행하였다. 실험에서는 이동차량의 속도를 다양하게 변화시켜 차량 속도에 따른 포장 슬래브의 동적 거동을 비교 분 석하였으며 이동차량이 CRCP의 여러 위치에서 정지하도록 하여 정지 위치에 따른 거동도 분석하였다. 실험 결과, 차량 이 CRCP를 통행할 경우 차량 속도 및 정지 위치에 따른 포장 슬래브의 동적 변형률은 매우 유사한 것으로 분석되었다.

본 연구에서는 터널부의 환경조건을 고려한 터널 내부 연속철근 콘크리트 포장(CRCP)의 설계 방안을 수립하기 위하여 CRCP 전용 구조해석 프로그램을 이용하여 터널 내부와 토공부의 환경하중을 고려한 수치해석을 수행하였다. 수치해석 모델은 철근비를 0.6%와 0.68%로 고정하고 슬래브의 두께를 26cm, 28cm, 30cm로 변화시켜 구성하였다. 또한, 터널 내외 부의 환경하중과 차륜하중을 적용하여 분석을 수행하였다. 분석 결과, 터널 내외부 모든 경우에서 CRCP의 슬래브 두께 가 증가할수록 균열간격과 균열폭이 증가하게 되며 터널 내부 CRCP는 슬래브 두께를 감소시키더라도 토공부와 유사한 균열간격 및 균열폭이 형성되는 것을 확인하였다. 향후 보다 다양한 조건에서의 수치해석 및 시험시공을 통해 국내 터널 환경에 적합한 터널 내부 CRCP 설계 방안을 마련할 수 있을 것으로 기대된다.

국내의 도심지 도로는 대부분 아스팔트 포장으로 시공되어 있으며 아스팔트 포장의 공용수명은 콘크리트 포장의 공용 수명에 비해 짧아 잦은 재시공 및 유지보수 작업이 필요하다. 도심지 특성상 포장 재시공 및 유지보수를 실시할 경우 작 업 시간 동안 교통차단을 유발하여 도로 이용자의 불편을 초래하게 된다. 따라서 서울특별시에서는 신설구간인 헌릉로의 중앙버스정류장 구간에 도심지 최초로 현장타설 방식의 연속철근 콘크리트 포장을 시공하였다. 본 연구에서는 중앙버스 정류장 구간에 시공한 연속철근 콘크리트 포장의 철근 거동에 대한 분석을 수행하여 철근의 응력이 가장 크게 발생하는 균열부에서의 철근 응력의 적정성을 분석하였다. 분석 결과, 균열부에서 멀어질수록 철근의 변형률이 뚜렷하게 감소하는 것을 확인하였으며 균열부에서 약 15cm 정도만 이격되어도 철근의 변형률이 급격하게 감소하여 철근과 콘크리트 간의 부착이 적절한 것으로 분석되었다. 또한, 균열부에서 발생한 철근의 변형률을 응력으로 환산하면 약 50MPa 정도로 철근 의 항복강도인 400MPa에 비해 매우 작아서 연속철근 콘크리트 포장의 우수한 공용성을 확보한 것으로 분석되었다.

본 연구에서는 본선차로와 접속차로가 동일한 연속철근 콘크리트 포장(CRCP: Continuously reinforced concrete pavement)일 경우에 접속차로 CRCP의 종방향 철근의 거동을 분석하기 위해 창녕밀양건설사업단 1공구에서 시험시공을 수행하였다. 시험시공 구간에 균열유도장치와 철근 변형률계를 설치하여 접속차로 CRCP의 종방향 철근 거동을 분석하 였다. 분석 결과, 철근의 변형률은 균열부에서 가장 크게 발생하며 균열로부터 멀어질수록 감소하는 것을 확인하였다. 또 한, 변형률을 응력으로 환산할 경우 항복강도보다 현저히 낮아 접속차로 CRCP의 철근 배근은 우수한 공용성에 기여할 것으로 분석되었다. 이러한 결과를 통해 본선차로와 접속차로가 동일한 CRCP로 시공될 경우 포장 공용성을 보다 향상 시킬 수 있을 것으로 분석되었다.