Abstract
In this paper, a nonlinear modeling of lead rubber bearings(LRBs) was presented by a neural network theory. An shaking table test for a scaled frame model, of which base was isolated by the LRBs, was performed to verify numerical accuracies of the neural network model. White noise and three types of seismic records were adoped as base loads of the shaking table in order to train and generalize the neural network in case of seismic loads, numerical results of the neural network model were evaluated according to different magnitudes of PGA. As results, it is concluded that the presented neural network model has given a good agreement with the experimental data in details and can be useful to a nonlinear modeling of LRBs within prescribed domains.
본 논문에서는 납삽입 적층 고무베어링의 비선형 모델링에 대해 신경망 이론을 적용한 수학적 모델링 기법을 제안하였다. 신경망 모델의 수치검증을 위해 납삽입 적층 고무베어링이 설치된 프레임 축소모델의 진동대 실험 자료가 사용되었는데, 제안된 신경망의 학습 및 예측을 위한 하중 자료로써 백색잡음과 세 종류의 지진파를 선택하였다. 지진파의 경우 PGA의 세기를 달리하여 신경망 모델의 계산정도를 고찰하였다. 그 결과, 납삽입 적층 고무베어링의 전단변위가 신경망의 학습 영역을 벗어나지 않는 경우 실험결과의 복잡한 이력곡선을 잘 추종하였고 신경망 이론에 의한 비선형 모델링 기법이 유용하게 활용될 수 있다는 가능성을 확인할 수 있었다.