| 논문명 |
비파괴검사 데이터를 이용한 콘크리트 슬래브의 두께 및 결합된 이질재 종류 추정용 신경망 모델의 개발 / Development of Neural-Network based Model for Predicting the Thickness and Embedded Entities of Concrete Slab using the Non-destructive Test Data |
| 저자명 |
조빈아(Cho Bin-Ah) ; 이승창(Lee Seung-Chang) ; 주현지(Joo Hyun-Zee) ; 조영상(Cho Young-Sang) |
| 발행사 |
대한건축학회 |
| 수록사항 |
대한건축학회논문집 구조계, v.21 n.11 (2005-11) |
| 페이지 |
시작페이지(3) 총페이지(8) |
| ISSN |
12269107 |
| 주제분류 |
구조 |
| 주제어 |
비파괴시험 ; 충격반향기법 ; 인공신경망 ; 진단시스템 ; 콘크리트 구조물//Non-destructive test ; Impact-Echo method ; Artificial Neural Networks ; Diagnosis system ; Concrete structure |
| 요약1 |
구조물의 비파괴시험법 중 하나인 충격반향기법은 파장이 길고 커서 콘크리트와 같은 불균일한 매질에서도 산란하지 않고 원거리까지 전파되는 특성이 있어 구조물 내부의 균열, 공동과 같은 불연속면이나 이질 매질층 간의 경계면에서 돌아오는 반사파를 감지하여 콘크리트 내부의 이질재 및 결함의 위치, 부재의 두께 등을 예측할 수 있다. 또한, 수학적 알고리즘의 적용이 어려운 문제를 해결하기 위해 주로 사용되는 인공신경망 이론은 현재 건축구조 및 시공 관련 분야에서 적용여부의 타당성이 상당히 입증되었고, 본 연구자의 인공지진파 생성에 관한 논문에서도 탄성파의 일종인 지진파의 학습 및 신호처리 기법의 적용 방법에 대해 이미 밝힌바 있다. 본 연구의 목적은 철근 콘크리트 구조물의 유지관리 및 안정성 평가를 위해 충격반향기법을 사용하여 진단시스템을 구현하고, 인공신경망과 같은 인공지능 기술이론을 적용하여 그 활용성을 증대시키는데 있으며, 이러한 두 이론을 기반으로 한 콘크리트 구조물의 진단시스템 중 슬래브의 강도, 두께 및 결합된 이질재의 종류 추정용 신경망 모델의 개발을 그 범위로 한다. 신경망 모델의 각 항목별 시뮬레이션 결과, 비파괴시험 결과에 의한 주파수 영역의 실험파형을 신경망 모델의 학습 데이터로 사용하는 방법이 타당하다고 판단되며, 다양한 콘크리트의 강도, 두께, 균열 및 내부 이질재별 실험 데이터를 추가하여 학습한다면, 콘크리트 구조물의 결함탐사용 진단 시스템의 개발에 적용될 수 있을 것으로 사료된다. |
| 요약2 |
The purpose of this study is to develop the diagnosis system for the maintenance and safety evaluation of concrete structure. This study is based on Impact-Echo(IE) method as Non-destructive test and Artificial Neural Networks(ANN) as artificial intelligence. IE method has been used to evaluate the integrity of concrete structures. This method can be applied in searching the thickness of concrete slab and the location of defects. Artificial Neural Networks(ANN) have been recently used to deal with problems involving incomplete or imprecise information. Also, it can continuously re-train the new data and accumulates new experience and knowledge. The proposed ANN-based model can predict concrete strength, thickness and the kinds of embedded entities. For this, the results of non-destructive test as signals are used for training patterns in ANN model. Futhermore, ANN-based model can predict the kinds of embedded entities which are steel plate, bar and PVC pipe, after the learning the FFT signals as input and identification number as desired-output. |
| 소장처 |
대한건축학회 |