[표지]
요약문
Executive Summary
목차
제1장 서론 29
1. 연구 필요성 29
1.1. SOC 인프라 시설물의 안전 관리 필요성 29
1.2. 콘크리트 SOC 인프라 시설물의 안전 관리 개선 방향 31
2. 연차별 연구 개발 세부 내용 35
제2장 콘크리트 신경망 센서 개발 37
1. 신경망 센서 개발 37
1.1. 개요 37
1.2. 신경망 센서 요구 조건 38
1.3. 신경망 센서 제작 40
2. 신경망 센서 추출 45
2.1. 개요 45
2.2. 광섬유 추출 방안 45
2.3. 신경망 센서 추출부 보호 방안 48
3. 소결론 50
제3장 신경망 센서 계측기 개발 및 평가 51
1. 개요 51
2. 신경망 센서 계측기 선정 53
2.1. 개요 53
2.2. 신경망 센서용 계측기 최종안 61
3. 분포형 센싱 기반 신경망 센서 계측기 개발 및 검증 65
3.1. BOCDA 시작품 요구 성능 정의 65
3.2. BOCDA 시작품 개발 66
3.3. BOCDA 시작품 연차별 성능 평가(1-3차연도) 69
4. 준-분포형 센싱 기반 신경망 센서 동적 계측기 개발 및 검증 90
4.1. 개요 90
4.2. RFMS 시작품 요구 성능 정의 90
4.3. RFMS 시작품 개발 91
4.4. RFMS 시작품 성능 평가 92
5. 신경망 센서용 분포형 온도 계측기 검증 및 활용 97
5.1. 개요 97
5.2. R-OTDR 시제품 98
5.3. 신경망 센서용 분포형 온도 계측기 성능 검증 실험(3차 연도) 100
6. 소결론 103
제4장 신경망 센서 성능 검증 105
1. 신경망 센서의 역학적 성능 105
1.1. 개요 105
1.2. 신경망 센서의 굽힘 성능 검증 105
1.3. 신경망 센서의 인장 성능 시험 106
1.4. 강연선용 신경망 센서 인장 성능 시험 109
2. 신경망 센서-콘크리트 간 부착 성능 향상 방안 114
2.1. 개요 114
2.2. 돌기 형성에 따른 부착 성능 평가 115
2.3. 음각 설치에 따른 부착 성능 평가 124
2.4. 옥사이드 코팅에 따른 부착 성능 평가 130
3. 온도 특성 및 보정 기법 134
3.1. 개요 134
3.2. 신경망 센서 온도 특성 134
3.3. 신경망 센서 온도 보정 138
4. 소결론 148
제5장 신경망 센서 활용 기술 151
1. 신경망 센서의 콘크리트 부재 내 성능 151
1.1. 철근 콘크리트에서의 신경망 센서 계측 성능 평가 151
1.2. 프리스트레스트 콘크리트에서의 신경망 센서 계측 성능 평가 156
1.3. 초고성능 콘크리트에서의 신경망 센서 계측 성능 평가 158
2. 분포형 광섬유 센싱 기반 스마트 정착장치 기술 165
2.1. 스마트 정착장치 개발 배경, 필요성 및 기대효과 165
2.2. 스마트 정착장치의 긴장력 추정 원리 167
2.3. 스마트 정착장치의 성능 검증 168
2.4. 스마트 정착판의 성능 검증 171
3. 온도 영향 제거 기술 174
3.1. 온도 영향 제거 방안 174
3.2. 실험을 통한 온도 영향 제거 검증 175
4. 소결론 180
제6장 신경망 현장 적용 기술 181
1. 신설 교량에 신경망 센서 적용 181
1.1. 개요 181
1.2. 대상 교량 181
1.3. 신경망 센서 설치 182
1.4. 신경망 센서 계측 186
2. 기존 교량에 신경망 센서 적용 188
2.1. 개요 188
2.2. 대상 교량 188
2.3. 신경망 센서 설치 190
2.4. 재하시험 및 신경망 센서 계측 191
3. 사장교 스테이 케이블에 적용 199
3.1. 개요 199
3.2. 대상 교상 200
3.3. 온도 분포 측정 결과 및 분석 201
4. 신경망 센서 장기 계측 유지 관리 방안 205
5. 소결론 207
제7장 디지털 트윈 기반 스마트 모니터링 기술 209
1. 개요 209
1.1. 디지털 트윈 개념 209
1.2. 디지털 트윈 활용 사례 211
1.3. 신경망 센서 활용 디지털 트윈 기반 스마트 모니터링 212
2. 디지털 트윈용 해석 엔진 214
2.1. 해석 엔진 개요 214
2.2. 유한요소 개선 216
2.3. 신경망 센서 기능 지원 217
2.4. 대규모 모델의 고속 해석을 위한 희소 솔버 개선 229
2.5. HDF5 지원과 온라인 헬프 232
3. 디지털 트윈 요소 기술 233
3.1. 모드 식별 기술 233
3.2. 고유 진동수-온도 상관 관계 분석 238
3.3. 센서 오류 감지 및 처리 기술 244
4. 디지털 트윈 구축 기술 250
4.1. 디지털 트윈 모델과 센서 계측 연계 250
4.2. 모델 갱신(Model Updating) 257
4.3. 수치 검증 269
5. 디지털 트윈 운용 기술 272
5.1. 손상 탐지 272
5.2. 성능 평가 273
6. 통합 디지털 트윈 시스템 개발 276
6.1. 개요 276
6.2. 프리포스트 프로세서 개발 277
6.3. 디지털 트윈 시스템 개발 283
7. 통합 디지털 트윈 시스템 적용 289
7.1. 개요 289
7.2. 디지털 트윈 구축 289
7.3. 디지털 트윈 기반 성능 평가 292
8. 소결론 295
제8장 결론 297
참고문헌 303
서지자료 307
Bibliographic Data 308
판권기 309
표 1.2.1. 연차별 연구개발 세부 내용 35
표 2.1.1. 기존 센서들의 현주소 39
표 2.1.2. 신경망 센서의 요구조건 39
표 2.1.3. 신경망 센서 제작 단계 44
표 2.2.1. 신경망 센서 추출부의 보호 방안 개선 49
표 3.2.1. 계측 방법에 따른 SOC 시설물 상태 평가 53
표 3.2.2. SOC 시설물 상태 평가 별 신경망 센서 계측기 요구 조건 54
표 3.2.3. 신경망 센서용 계측 기술 후보군 : 변형률 60
표 3.3.1. 신경망 센서의 정확도 평가 실험 결과 89
표 4.2.1. 신경망 센서 생산 공정별 표면 처리 방법 비교 114
표 4.2.2. 브레이드트루전 공법 제작에 따른 표면 처리 방법 116
표 4.2.3. 펄트루전 공법 제작에 따른 표면 처리 116
표 4.2.4. 예비 실험체 상세 120
표 4.2.5. 예비 실험 결과 120
표 4.2.6. 브레이드트루전 방식의 인발 실험 결과 121
표 4.2.7. 펄트루전 방식으로 제작하는 신경망 센서의 표면 처리 방법 124
표 4.2.8. 옥사이드 입도별 표면 처리 시편 131
표 4.2.9. 옥사이드 입도별 인발 실험 결과 132
표 4.3.1. 신경망 센서 온도 특성 실험용 콘크리트 시편 136
표 5.1.1. 균열 전 하중 단계별 센서별 계측 값 비교 153
표 5.1.2. 신경망 센서의 정확도 평가 실험 결과 163
표 6.2.1. 대상 교량 제원 188
표 6.2.2. 재하시험 차량 제원 192
표 6.2.3. 동적재하 실험 케이스 192
표 6.3.1. 스마트 강연선 내부 온도 분포 측정 이력 201
표 7.2.1. 캔틸레버 해석 모델 230
표 7.3.1. 일원화 정식화에서의 방법별 가중 행렬 235
표 7.5.1. 상부구조 형식 및 구조 재료에 따른 안전성 평가 방법 273
표 7.5.2. 허용응력법, 강도법에 의한 안전율 및 내하율 274
표 7.5.3. 도로교, 철도교에 대한 하중계수 274
표 7.5.4. 강도법에 적용하는 강도 감소계수 274
표 7.7.1. 고일교 단면별 저항 모멘트 292
표 7.7.2. 고일교 위치별 요구모멘트 293
표 7.7.3. 고일교 위치별 안전율 293
표 7.7.4. 고일교 위치별 내하율 294
그림 1.1.1. 평택 국제대교 시공 중 붕괴 29
그림 1.1.2. 시특법 대상 1․2종 시설물의 30년 이상 추이 30
그림 1.1.3. 센서 기반 SOC 인프라 시설물의 미래형 안전 관리 기술 개발 필요성 31
그림 1.1.4. 콘크리트 시설물 안전 관리용 일반 센서의 현 주소 및 문제점 32
그림 1.1.5. 콘크리트 시설물 안전 관리용 광섬유 센서의 현 주소 및 문제점 33
그림 1.1.6. 콘크리트 시설물 안전 관리의 개선 방향 34
그림 2.1.1. 신경망 센서 개념도 38
그림 2.1.2. 신경망 센서 제작 방법 40
그림 2.1.3. 신경망 센서 3mm 시작품 제작 모습 41
그림 2.1.4. 신경망 센서 직경별 시작품 제작 모습 41
그림 2.1.5. 신경망 센서 제작 방법 개선 42
그림 2.1.6. 신경망 센서 광섬유 중심 위치 고정 방안 43
그림 2.2.1. 신경망 센서 가열 추출 방안 46
그림 2.2.2. 기계적 추출 방법 47
그림 2.2.3. 광섬유 추출 시작품 개요 47
그림 2.2.4. 추출이 용이한 신경망 센서 제작 48
그림 2.2.5. 유리섬유 기반 신경망 센서 48
그림 3.1.1. 신경망 센서 계측기 개요 51
그림 3.2.1. 이산형 및 분포형 광섬유 센서 55
그림 3.2.2. FBG 기반 계측 기술의 한계점 : 측정점 제한 56
그림 3.2.3. 분포형 광섬유 계측 원리: 광섬유 내 산란 현상 57
그림 3.2.4. 산란 현상 별 분포형 광섬유 계측 기술 57
그림 3.2.5. 브릴루앙 산란 메커니즘 58
그림 3.2.6. 준 분포형 광섬유 계측 기술(RFMS) 개요 60
그림 3.2.7. R-OTDR 온도 계측 원리 : 첨두 비율 61
그림 3.2.8. 분포형 광섬유 계측 기술 비교 및 최종안 선정(BOCDA) 63
그림 3.2.9. 새로운 개념의 준 분포형 동적 계측기(RFMS) 64
그림 3.3.1. SOC 시설물에 적합한 BOCDA 시작품 목표 성능 도출 65
그림 3.3.2. BOCDA 기술 보유 국내 기관 66
그림 3.3.3. BOCDA 계측 기술 67
그림 3.3.4. BOCDA 시작품 최종안 : 위상 변조 방식 68
그림 3.3.5. BOCDA 시작품 개발 상황 68
그림 3.3.6. BOCDA 성능 파악을 위한 검증 시편 69
그림 3.3.7. BOCDA 시스템 검증을 위한 센서 배치도 70
그림 3.3.8. 하중 재하 시나리오 70
그림 3.3.9. BOCDA 시스템 최적화 전/후 계측 정확도 검증 71
그림 3.3.10. BOCDA 초기 시작품을 이용한 정확도 70% 검증 실험 72
그림 3.3.11. 실험 개요 : CFRP 신경망 센서 인장 실험 73
그림 3.3.12. φ 3mm CFRP 신경망 센서 인장 실험 결과 74
그림 3.3.13. 광섬유가 부착된 강판 단순보 휨 실험 상세 75
그림 3.3.14. 하중 재하 절차 75
그림 3.3.15. 광섬유가 부착된 강판 단순보 휨 실험 결과 76
그림 3.3.16. 강판 휨 실험 결과 비교(오차 5% 이내) 77
그림 3.3.17. H형강 휨 실험 전경 78
그림 3.3.18. H형강 휨 실험 전경 78
그림 3.3.19. H형강 휨 실험 결과 79
그림 3.3.20. H형강 휨 실험 결과 비교(오차 10% 이내) 79
그림 3.3.21. 하이브리드 신경망 센서가 매립된 스마트 강연선의 인장 실험 결과 80
그림 3.3.22. H형강 휨 실험 결과 비교 80
그림 3.3.23. 분포형 광섬유 기반 스마트 강연선 인장 실험 상세 82
그림 3.3.24. CFRP 신경망 센서가 매립된 스마트 강연선의 인장 실험 결과 82
그림 3.3.25. 하이브리드 신경망 센서가 매립된 스마트 강연선의 인장 실험 상세 83
그림 3.3.26. 하이브리드 신경망 센서가 매립된 스마트 강연선의 인장 실험 결과 84
그림 3.3.27. CFRP 신경망 센서가 매립된 PC 보의 실험 상세 85
그림 3.3.28. CFRP 신경망 센서 매립된 PC Beam 실험 결과 86
그림 3.3.29. BOCDA 계측 값과 육안 조사를 통한 균열 위치 비교 87
그림 3.3.30. PC Beam 휨 실험 결과 비교 88
그림 3.3.31. BOCDA 초기 시작품을 이용한 정확도 70% 검증 실험 88
그림 3.4.1. SOC 시설물에 적합한 RFMS 시작품 목표 성능 도출 90
그림 3.4.2. RFMS 시작품 91
그림 3.4.3. 스마트 강연선 인장 실험 개요 92
그림 3.4.4. 스마트 강연선 인장력 가력 이력 93
그림 3.4.5. 단계별 인장력 가력 후 재현성 검토 결과 93
그림 3.4.6. RFMS 동적 계측 성능 검증을 위한 단순보 시편 94
그림 3.4.7. 각 센서 별 계측된 동적 신호 94
그림 3.4.8. 각 센서 별 주파수 영역 분석 결과 95
그림 3.5.1. 라만 산란 현상(비탄성 산란) 97
그림 3.5.2. 통신용 광섬유 종류 98
그림 3.5.3. 신경망 센서용 분포형 온도 계측기 요구 성능(R-OTDR) 99
그림 3.5.4. 신경망 센서용 분포형 온도 계측기 99
그림 3.5.5. 온도 보정계수 산출 실험 구성 100
그림 3.5.6. 신경망 센서용 광섬유의 온도 보정 계수 101
그림 3.5.7. 신경망 센서를 이용한 온도 계측 성능 검증 실험 102
그림 3.5.8. 온도 센서와 신경망 센서의 온도 변화 이력 102
그림 4.1.1. 신경망 센서 시제품 제작 완료 및 굽힘성 시험 모습 106
그림 4.1.2. 강재 압착 그립 제원 106
그림 4.1.3. 압착 그립 작업 모습 107
그림 4.1.4. 압착 그립 제작 완료 모습 107
그림 4.1.5. 신경망 센서 인장 시험 107
그림 4.1.6. 신경망 센서 인장 시험 결과 107
그림 4.1.7. 신경망 센서 인장 시험 108
그림 4.1.8. 신경망 센서의 인장 시험 결과 109
그림 4.1.9. 신경망 센서 내장 강연선 인장 시험 110
그림 4.1.10. 신경망 센서 내장 강연선의 하중-변형률 곡선 110
그림 4.1.11. 신경망 센서 내장 15.7 mm 강연선 인장 시험(5.3 mm 심선 사용) 111
그림 4.1.12. 광섬유 센서 내장 15.7 mm 강연선 인장 시험(5.6 mm 심선 사용) 112
그림 4.1.13. GFRP 봉 내장 하이브리드 신경망 센서 강연선 112
그림 4.1.14. GFRP 봉 내장 하이브리드 신경망 센서 강연선 하중-변형률 곡선 113
그림 4.2.1. 인발 실험체 개요도 117
그림 4.2.2. 인발 실험체 제작 과정 118
그림 4.2.3. 브레이드트루전 방식의 인발 실험 개요도 118
그림 4.2.4. 인발 실험체 세팅 및 슬립 발생 유무 확인 119
그림 4.2.5. 브레이드트루전 방식의 실험변수 별 평균 부착 강도 121
그림 4.2.6. 브레이드트루전 방식의 실험체 별 하중-슬립 관계(계속) 122
그림 4.2.7. 펄트루전 방식의 인발 실험체 형상, 상세 및 실험 모식도 126
그림 4.2.8. 펄트루전 방식의 인발 실험체 제작 과정 126
그림 4.2.9. 펄트루전 방식의 인발 실험체 세팅 전경 127
그림 4.2.10. 펄트루전 방식의 실험변수 별 하중-슬립 관계 그래프 128
그림 4.2.11. 제작 오차에 따른 단면 감소로 CFRP 봉 파괴 양상 129
그림 4.2.12. 옥사이드 코팅을 위한 시료 130
그림 4.2.13. 인발 실험 개요도 및 실험체 세팅 모습 131
그림 4.2.14. 옥사이드 입도에 따른 실험체 별 하중-슬립 관계 그래프 133
그림 4.2.15. 옥사이드 입도에 따른 실험체의 최대 하중 비교 133
그림 4.3.1. 신경망 센서 온도 특성 실험 개요 135
그림 4.3.2. 신경망 센서 종류 별 온도 특성 135
그림 4.3.3. 콘크리트 모재 내 신경망 센서 온도 특성 파악을 위한 시편 136
그림 4.3.4. 온도 특성 실험용 콘크리트 시편 137
그림 4.3.5. 항온 항습기 내 거치한 콘크리트 시편 137
그림 4.3.6. 콘크리트 시편 내 신경망 센서의 온도 특성 분석결과 138
그림 4.3.7. 회귀모델 기반 신경망 센서 온도 보정기법 흐름도 139
그림 4.3.8. 회귀 모델 기반 신경망 센서 온도 보정 기법 검증 시편 140
그림 4.3.9. 회귀 모델 기반 온도 보정 기법 적용 결과 141
그림 4.3.10. 데이터 모델(PCA) 기반 신경망 센서 온도 보정 기법 142
그림 4.3.11. 데이터 모델(PCA) 기반 온도 보정 기법 흐름도 142
그림 4.3.12. 정릉천고가교 스마트 강연선 배치도 143
그림 4.3.13. 정릉천고가교 계측데이터 장기 이력 144
그림 4.3.14. 온도 영향 성분 145
그림 4.3.15. 온도 영향 제거 데이터(온도 보정치) 145
그림 4.3.16. 수조 온도 특성 실험(BOCDA 및 GFRP 신경망 센서) 146
그림 4.3.17. BOCDA 계측 데이터(브릴루앙 주파수 변화) 146
그림 4.3.18. 온도 영향에 따른 브릴루앙 주파수 변화(온도 영향성분) 147
그림 4.3.19. 온도영향 제거에 따른 브릴루앙 주파수 변화(온도 보정값) 147
그림 5.1.1. 철근 콘크리트 보 실험체 설계 및 센서 설치 위치 152
그림 5.1.2. 각종 센서의 설치 모습 152
그림 5.1.3. 철근 콘크리트 보 실험체 제작 및 실험 전경 152
그림 5.1.4. 균열 전 하중 단계별 계측 값 비교 154
그림 5.1.5. 균열 발생 후 신경망 센서의 변형률 패턴과 실험체의 균열 위치 비교 155
그림 5.1.6. PSC 보 실험체 개요도 156
그림 5.1.7. PSC 보 실험체 제작 과정 및 실험체 세팅 전경 156
그림 5.1.8. PSC 보 실험체에서 신경망 센서의 변형률 패턴과 균열 위치 비교 157
그림 5.1.9. UHPC 보 실험체 개요도 158
그림 5.1.10. 센서 설치 개념도(상) 및 센서 설치 모습(하) 159
그림 5.1.11. UHPC 보 실험체 제작 과정 160
그림 5.1.12. UHPC 보 실험 전경 160
그림 5.1.13. 실험에 사용한 계측 장비 161
그림 5.1.14. 전기저항식 센서의 계측 결과 161
그림 5.1.15. 신경망 센서의 계측 데이터 분석 결과 162
그림 5.1.16. 신경망 센서와 FBG 센서의 계측 결과 비교 163
그림 5.1.17. 신경망 센서와 FBG 센서의 계측값 일치도 164
그림 5.1.18. UHPC 보 실험체의 시험 성적서(KCL) 164
그림 5.2.1. 분포형 광섬유 센싱 기반 스마트 정착장치 개요 166
그림 5.2.2. 스마트 정착장치 긴장력 추정 개요 167
그림 5.2.3. 스마트 정착장치 성능 실험 개요 168
그림 5.2.4. 스마트 정착장치 검증 시편 168
그림 5.2.5. 스마트 정착장치 긴장력 추정 결과 170
그림 5.2.6. 스마트 정착판 성능 실험 개요 171
그림 5.2.7. 스마트 정착판 검증 시편 172
그림 5.2.8. 스마트 정착판 긴장력 추정결과 173
그림 5.3.1. 온도 영향 배제 방안 검증용 실험체 175
그림 5.3.2. 항온 항습 실험 장비와 실험체 설치 모습 176
그림 5.3.3. 계측값의 온도 보상 177
그림 5.3.4. 하중 재하 및 변형률 분포 178
그림 5.3.5. 온도 변형률 제거 과정 178
그림 5.3.6. 장기 데이터의 가시화로 손상 파악 179
그림 6.1.1. 신경망 센서 설치 교량(신설) 181
그림 6.1.2. 신경망 센서 배치도 182
그림 6.1.3. 신경망 센서 설치 모습 183
그림 6.2.4. 신경망 센서와 써모커플 설치 모습 183
그림 6.1.5. 신경망 센서 적용 교량 콘크리트 타설 모습 184
그림 6.1.6. 신경망 센서 적용 교량 포인트형 센서 계측 184
그림 6.1.7. 신경망 센서 설치 종료 후 센서 상태 확인 185
그림 6.1.8. 그림 6.1.8 신경망 센서 보호 함체 185
그림 6.1.9. 신설교에 설치된 신경망 센서 계측 186
그림 6.1.10. 교량 바닥판 설치 신경망 센서 계측 데이터 187
그림 6.2.1. 대상 교량 상세 189
그림 6.2.2. 신경망 센서 구성 190
그림 6.2.3. 계측 센서 배치도 191
그림 6.2.4. 신경망 센서 설치 과정 191
그림 6.2.5. 재하 차량 상세 192
그림 6.2.6. 재하시험 전경 193
그림 6.2.7. 정적 재하시험 동안 길이 방향 온도 분포 193
그림 6.2.8. 정적 재하시험 동안 온도 변화 이력 194
그림 6.2.9. 정적 재하시험 동안 BOCDA 길이 방향 정적 변형률 195
그림 6.2.10. 정적 재하시험 동안 신경망 센서 변형률 응답 시각화 196
그림 6.2.11. 무선 센서 변형률 동기화를 통한 신호 비교 197
그림 6.2.12. 변형률(# 8)과 가속도 융합으로 추정한 변위와 LVDT 변위 비교 198
그림 6.3.1. 스테이 케이블용 스마트 강연선의 단면 구성 199
그림 6.3.2. 사장교 스테이 케이블의 현장 적용 대상 교량 개요도 200
그림 6.3.3. 1회차 계측 결과(2020.09.11. 약 3시간) 202
그림 6.3.4. 2회차 계측 결과(2020.09.18. 약 7분) 202
그림 6.3.5. 3회차 계측 결과(2020.09.24. 약 3시간 40분) 203
그림 6.3.6. 4회차 계측 결과(2020.10.06. 약 3시간) 203
그림 6.3.7. 스마트 강연선 내부에서의 온도 분포 특징 204
그림 6.4.1. 상용 광통신망을 활용한 안전관리 시스템 개념도 206
그림 6.4.2. 상용 광통신망을 활용한 안전 관리 시스템 실시간 구동 모습 206
그림 7.1.1. SOC 시설물에 대한 스마트 모니터링 측면의 디지털 트윈 개념 210
그림 7.1.2. SOC에 디지털 트윈 적용 사례 211
그림 7.1.3. 디지털 트윈 기반 스마트 모니터링 흐름도 212
그림 7.1.4. 정·동적 계측 데이터로부터 디지털 트윈을 구축하는 과정 213
그림 7.2.1. 기 개발 해석 엔진의 구성 215
그림 7.2.2. 기 개발 해석 엔진 기능 요약 215
그림 7.2.3. 솔리드 및 쉘 요소군 216
그림 7.2.4. 2차원 스플라인 알고리즘 218
그림 7.2.5. 세그먼트 자동 분할에 의한 엄밀 적분 219
그림 7.2.6. 복합 스플라인 적용 예 219
그림 7.2.7. B3D2H 요소의 센서 기능 220
그림 7.2.8. S4F와 S3F 쉘 요소 225
그림 7.2.9. S4F 요소의 센서 기능 225
그림 7.2.10. 히트 테스팅 알고리즘 226
그림 7.2.11. 반복-직접 희소 솔버 조합법-CombinationDC 알고리즘 229
그림 7.2.12. 캔틸레버 해석 모델 230
그림 7.2.13. L-x 모델에 대한 비선형 해석결과 230
그림 7.2.14. L-x 모델에 대한 비선형 해석 결과 231
그림 7.2.15. 비선형 해석에서 직접 희소 솔버 대비 효율(speedup) 231
그림 7.2.16. 온라인 헬프 232
그림 7.3.1. 센서 설치 위치 239
그림 7.3.2. 시간대별 고유 진동수 변화 양상 240
그림 7.3.3. 시간대별 온도 변화 양상 241
그림 7.3.4. 모드별 고유 진동수와 온도의 상관성 분석 241
그림 7.3.5. 식별된 고유 진동수와 온도의 상관 관계 242
그림 7.3.6. 고유 진동수-온도 회귀 모델을 통한 고유 진동수 보정 243
그림 7.3.7. 이상 신호 식별 순서도 247
그림 7.4.1. 계측 자유도와 모델 자유도의 불일치 250
그림 7.4.2. GCS와 ECS 사이의 관계 250
그림 7.4.3. 수치 검증용 PSC 박스 모델 269
그림 7.4.4. 신경망 센서 계측 변형률에 대한 모드 식별 270
그림 7.4.5. 모델 갱신 결과 271
그림 7.6.1. 통합 디지털 트윈 화면 구성 276
그림 7.6.2. 유한요소 해석 절차 277
그림 7.6.3. 메뉴 및 툴바 278
그림 7.6.4. 모델 트리, 선택, 출력 위젯 279
그림 7.6.5. 프리프로세싱 위젯-트리메뉴 위젯, DatumSystem, 절점 관련 위젯 280
그림 7.6.6. 프리프로세싱 위젯-요소 관련 위젯 280
그림 7.6.7. 프리프로세싱 위젯-절점 집합 및 요소 집합 위젯 281
그림 7.6.8. 프리프로세싱 위젯-센서, 재료, 단면 위젯 281
그림 7.6.9. 프리프로세싱 위젯-함수, 좌표계, 해석단계 위젯 281
그림 7.6.10. 프리프로세싱 위젯-분포, 번호 재지정 위젯 282
그림 7.6.11. 프리프로세싱 위젯-분포, 번호재지정 위젯 282
그림 7.6.12. 모드 식별을 위한 입력 화면 283
그림 7.6.13. 모드 식별 수행 후 출력 화면 284
그림 7.6.14. 모델 갱신을 위한 입력 화면 285
그림 7.6.15. 모델 갱신 수행 후 출력 화면 286
그림 7.6.16. 성능 평가를 위한 입력 화면 287
그림 7.6.17. 성능 평가 수행 후의 출력 화면 288
그림 7.7.1. 고일교의 디지털 트윈 구축에 사용된 해석 모델 289
그림 7.7.2. 고일교 신경망 센서 계측 데이터에 대한 모드 식별 결과 예시 290
그림 7.7.3. 고일교 디지털 트윈의 1차 모드 형상 291