[표지]
요약문
목차
1. 신경망 센서 개발 18
1.1. 신경망 센서 제작 18
1.1.1. 신경망 센서의 제작 방법 개선 18
1.2. 신경망 센서의 표면처리 기술 19
1.2.1. 신경망 센서의 부착성능 향상 19
1.2.2. 신경망 센서의 표면처리 방안 도출 20
1.3. 신경망 센서-콘크리트 부착성능 평가 21
1.3.1. 실험체 설계 및 제작 21
1.3.2. 실험 결과 및 분석 22
1.4. 광섬유 센서 추출 및 연결 25
1.4.1. 개요 25
1.4.2. 기계적 추출 방법 25
1.5. 신경망 센서 추출부 보호방안 27
2. 신경망 센서 계측장비 성능 검증 평가 28
2.1. 브릴루앙 광 상관영역 해석법(BOCDA) 인터로게이터 28
2.1.1. BOCDA 계측기 개요 28
2.1.2. BOCDA 계측기 성능 검증 30
2.2. 동적 신경망 센서 계측기 37
3. 신경망 센서 성능 검증 40
3.1. 신경망 센서의 역학적 특성 검증 40
3.2. 신경망 센서의 온도특성 실험 및 보정 기법 도출 42
3.2.1. 신경망 센서의 온도보정 필요성 42
3.2.2. 신경망 센서 온도 보정 기법 도출 42
3.2.3. 분포형 온도센서(DTS) 계측 성능 검증 43
3.2.4. 온도 특성 실험 수행을 통한 신경망 센서의 온도 보정기법 검증 44
3.3. 신경망 센서의 단기 성능 평가 46
3.3.1. PSC 구조물에의 적용성 검증 46
3.3.2. RC 바닥판 구조물에의 적용성 검증 46
3.3.3. 콘크리트 부재 내 신경망 센서의 단기 성능 검증 47
3.4. 신경망 센서의 장기 성능 평가 52
3.4.1. 장기 폭로 실험을 통한 내환경성/내구성 평가 52
3.4.2. 콘크리트 부재 내에서 신경망 센서의 피로 성능 평가 52
4. 신경망 센서 활용 기술 개발 54
4.1. 신경망 센서를 활용한 스마트 강연선 개발 54
4.2. 신경망 센서를 활용한 스마트 정착장치 개발 58
4.2.1. 스마트 정착장치 긴장력 추정 원리 58
4.2.2. 스마트 정착장치 시작품 성능 검증 59
4.3. 신경망 센서의 현장 적용 61
4.3.1. 행신 IC교 현장 적용 61
4.3.2. 두모교 현장 적용 62
5. 디지털 트윈 기반 스마트 모니터링 기술 개발 64
5.1. 개요 64
5.1.1. 기본 개념 64
5.1.2. 신경망 센서 활용 디지털 트윈의 특징 64
5.2. 디지털 트윈 모델과 센서 계측 연계 66
5.2.1. 개요 66
5.2.2. 좌표계 변환 66
5.2.3. 변위, 속도, 가속도를 계측하는 경우 67
5.2.4. 변형률을 계측하는 경우 70
5.2.5. 변형률로부터 변위 산정 71
5.3. 해석 기반 디지털 트윈 73
5.3.1. 모드 식별(Modal identification) 73
5.3.2. 모델 갱신(Model updating) 76
5.3.3. 손상 진단 수치 검증 79
5.3.4. 디지털 트윈 구축 실험 검증 80
5.4. AI 기반 디지털 트윈 83
5.4.1. 개요 83
5.4.2. 손상 시나리오 설계 83
5.4.3. AI 학습 및 손상 진단 85
5.5. 디지털 트윈 기반 구조물 성능 평가 88
5.5.1. PSC 거더교 내하 성능 평가 자료 조사 88
5.5.2. 긴장력 손실 및 온도구배에 따른 응력이완패턴 분석 89
5.5.3. 온도 영향 제거 92
5.5.4. AI를 이용한 거더별 긴장력 손실률 검출 92
5.6. 디지털 트윈 모델링 및 계측 설계 94
5.6.1. 비구조재 모델링 영향 평가 94
5.6.2. 변형률 센서 위치 최적화 97
5.7. 소결론 99
6. 디지털 트윈 구현용 해석 도구 개발 100
6.1. 디지털 트윈 해석 도구의 개발 필요성과 전략 100
6.2. 스플라인 지원 102
6.3. 솔버 및 요소 개선 104
6.4. 디지털 트윈 지원 106
6.5. 소결론 107
7. 결론 108
참고문헌 112
서지자료 115
판권기 116
표 1.1. 신경망 센서의 제조 방법 개선 18
표 1.2. 인발성형 공법으로 제작하는 신경망 센서의 표면처리 방법(실험 변수) 20
표 1.3. 신경망 센서 추출부의 보호방안 개선 27
표 2.1. RFMI와 브릴루앙 산란 기반 광섬유 센싱 기법 비교 37
표 3.1. 균열 전 하중 단계별 계측 값 비교 49
표 5.1. 해석 기반 디지털 트윈, AI 기반 디지털 트윈 비교 65
표 5.2. 일원화 정식화에서의 방법별 가중행렬 75
표 5.3. 변형률 데이터 예시 86
표 5.4. 특정 거더의 긴장력 일부 손실에 대한 변형률 분포 91
표 5.5. 온도 구배에 따른 변형률 변화 92
표 5.6. 긴장력 손실 추정을 위한 AI 설계 93
표 5.7. AI 설계 방안별 성능 93
그림 1.1. 신경망 센서의 제작 방법 개선 19
그림 1.2. 표면처리 공정이 추가된 인발성형 공법 장치 20
그림 1.3. 인발실험체 형상 및 상세, 실험 모식도 22
그림 1.4. 인발실험체 제작 과정 22
그림 1.5. 인발시험 전경 23
그림 1.6. 실험변수별 하중-슬립 관계 그래프 24
그림 1.7. 기계적 추출 방법 25
그림 1.8. 광섬유 추출 시작품 개요 26
그림 1.9. 추출이 용이한 신경망 센서 제작 26
그림 1.10. 유리섬유 기반 신경망 센서 27
그림 2.1. 브릴루앙 광 상관영역 해석법(BOCDA) 개요 28
그림 2.2. 콘크리트 구조물에 적합한 BOCDA 계측방식 채택: 위상변조 방식 29
그림 2.3. BOCDA 시작품 개발 진행 상황 29
그림 2.4. PS 강연선용(인장부재) 신경망 센서 성능 검증 실험 개요: 인장실험 30
그림 2.5. PS 강연선용(인장부재) 신경망 센서 인장 실험 결과 31
그림 2.6. 스마트 강연선 인장 실험 개요 31
그림 2.7. 스마트 강연선 인장 실험 결과 32
그림 2.8. 콘크리트 부재매립용(휨 부재) 신경망 센서 성능 검증 실험 개요: 휨 실험 33
그림 2.9. 콘크리트 부재매립용(휨 부재) 신경망 센서 성능 검증 실험 결과: 휨 실험 34
그림 2.10. H-Beam 신경망 센서 매립 휨 실험 개요 35
그림 2.11. H-Beam 신경망 센서 매립 휨 실험 결과 36
그림 2.12. 기존 광섬유 센싱 기법 한계점 및 준 분포형 동적 신경망 센서(RFMI) 37
그림 2.13. RFMI 시작품을 이용한 스마트 강연선 긴장력 실험 개요 38
그림 2.14. RFMI 시작품 계측 성능 실험 39
그림 2.15. RFMI 데이터를 이용한 변형률 환산치 39
그림 3.1. 신경망 센서 인장시험 40
그림 3.2. 신경망 센서의 인장시험 결과 41
그림 3.3. 브릴루앙 산란 메커니즘에 따른 온도 영향 42
그림 3.4. 신경망 센서 온도 보정 기법 개요: 회귀모형 기반 보정 43
그림 3.5. DTS 및 온도계의 계측 성능 비교 44
그림 3.6. 신경망 센서의 온도 특성 실험 개요 44
그림 3.7. 신경망 센서 온도 특성 실험 시편 및 배치 45
그림 3.8. 신경망 센서의 온도 특성 실험 및 온도 보정 기법 적용 결과 45
그림 3.9. PSC 보에 대한 적용성 검증 실험 개요 46
그림 3.10. 바닥판 실험체 제작 전경 46
그림 3.11. RC 바닥판 실험체 제작 47
그림 3.12. 실험체 설계 및 센서 설치 위치 48
그림 3.13. 각종 센서의 설치 모습 48
그림 3.14. 실험체 제작 및 실험 전경 49
그림 3.15. 균열 전 하중 단계별 계측 값 비교 50
그림 3.16. 균열 발생 후 신경망 센서의 변형률 패턴과 실험체의 균열 위치 비교 51
그림 4.1. 신경망 센서 활용 스마트 강연선 54
그림 4.2. 동적 분포형 광섬유 센서 내장 스마트 강연선 실험 55
그림 4.3. 광섬유 센서 내장 15.7 mm 강연선 인장시험(5.3 mm 심선 사용) 56
그림 4.4. 광섬유 센서 내장 15.7 mm 강연선 인장시험(5.6 mm 심선 사용) 56
그림 4.5. 광섬유 센서 내장 PC 강연선 분해 조립방안 57
그림 4.6. 광섬유 센서 내장 PC 강연선 분해 조립 장치 제작 모습 57
그림 4.7. 스마트 정착장치 개요 58
그림 4.8. 스마트 정착장치 긴장력 추정 개요 59
그림 4.9. 스마트 정착장치 시작품 성능 실험 개요 59
그림 4.10. 스마트 정착장치 개념 검증 시편 60
그림 4.11. 스마트 정착장치 긴장력 추정 결과 60
그림 4.12. 행신 IC교 전경 61
그림 4.13. 행신 IC교 바닥판에 신경망 센서 배치 모사도 61
그림 4.14. 행신 IC교에 신경망 센서의 설치 및 계측 모습 62
그림 4.15. 행신 IC교의 신경망 센서 계측 결과 62
그림 4.16. 신경망 센서와 스마트 강연선의 두모교 적용 모사도 63
그림 5.1. 디지털 트윈 구축 및 운용 개념도 64
그림 5.2. 단계별 디지털 트윈의 구축 및 운용 65
그림 5.3. 계측 자유도와 모델 자유도의 불일치 66
그림 5.4. GCS와 ECS 사이의 관계[원문불량;p.49] 66
그림 5.5. 대상 구조 및 계측 79
그림 5.6. 모드 식별 결과 80
그림 5.7. Model updating 결과[원문불량;p.63] 80
그림 5.8. 이동하중 재하 실험체 형상 81
그림 5.9. 모드 식별 결과 81
그림 5.10. 모델 갱신 결과 82
그림 5.11. 머신러닝 기법을 적용한 손상 진단 알고리즘 83
그림 5.12. 대상 구조 형상 및 센서 위치 84
그림 5.13. 가정한 손상 위치 84
그림 5.14. 폭 방향 하중 재하 위치(4가지) 85
그림 5.15. 종방향 하중 재하 위치(19가지) 85
그림 5.16. 손상 진단을 위한 AI 설계 86
그림 5.17. 변형률 제곱 오차 데이터 학습 과정에서의 loss 변화 87
그림 5.18. 홍제고가차도 횡단면도 89
그림 5.19. 홍제고가차도 해석 모델 89
그림 5.20. 변형률 계측 위치 90
그림 5.21. 특정 거더의 긴장력 일부 손실에 대한 변형률 분포 90
그림 5.22. 온도 구배에 따른 변형률 분포 양상 91
그림 5.23. 계측 변형률에서 온도 영향 배제 방안 92
그림 5.24. 조사 대상 교량 단면 95
그림 5.25. 지간 30m, 거더 간격 2m인 교량의 하중-변위 관계 96
그림 5.26. 지간길이에 따른 비구조요소의 영향 96
그림 6.1. 주요 전용 해석 도구 100
그림 6.2. 기 개발 해석 도구 기능 요약 100
그림 6.3. 기 개발 해석 도구 구성 101
그림 6.4. 기 개발 해석 도구 기능 요약 101
그림 6.5. 복합스플라인 적용 예 103
그림 6.6. 세그먼트 자동분할에 의한 엄밀 적분 104
그림 6.7. 복합스플라인 적용 예 104
그림 6.8. 변단면 보와 MeshedBeam Section 105
그림 6.9. 솔리드 및 쉘요소군 105
그림 6.10. 보요소의 Sensor 기능 정식화 106
그림 6.11. 포스트프로세서 개선 및 프리프로세서 기능 구현 106