Abstract
The Thermal Prestressing Method for continuous composite girder bridges is a new design and construction method developed to induce initial composite stresses in the concrete slab at negative bending regions. Due to the induced initial stresses, prevention of tensile cracks at the concrete slab, reduction of steel girder section, and reduction of reinforcing bars are possible. Thus, the construction efficiency can be improved and the construction can be made more economical. The method for determining the optimum heating region of the thermal prestressing method has not been established although such method is essential for improving the efficiency of the design process. The trial-and-error method used in previous studies is far from efficient, and a more rational method for computing optimal heating region is required. In this study, an efficient method for determining the optimum heating region in using the thermal prestressing method was developed based on the neural network algorithm, which is widely adopted to pattern recognition, optimization, diagnosis, and estimation problems in various fields. Back-propagation algorithm, commonly used as a learning algorithm in neural network problems, was used for the training of the neural network. Through case studies of two-span and three-span continuous composite girder bridges using the developed procedure, the optimal heating regions were obtained.
온도프리스트레싱 공법은 강합성거더교 또는 강구조물에 인위적인 온도경사를 가하여 프리스트레싱력을 도입하기 위해 개발된 공법으로, 연속 강합성거더교에 적용할 경우 부모멘트 발생지점인 연속지점부 부근의 바닥판에 프리스트레스를 도입함으로써 콘크리트 바닥판의 인장균열을 억제하는 한편, 교축방향 보강철근 사용량 및 강거더 단면을 감소시킬 수 있어 경제성과 시공성의 향상이 가능한 공법이다. 이전의 연구에서 가열구간을 설정하기 위해 사용한 시행오차법은 비효율적인 것으로 온도프리스트레싱 공법을 적용한 설계가 효율적으로 이루어지기 위해서는 보다 합리적인 적정 가열구간의 설정기법이 필요하다. 본 연구에서는 이러한 문제점을 개선하기 위하여 패턴인식, 최적화, 진단 및 예측 등을 수행하는데 많이 사용되고 있는 인공신경망 이론을 적용하여 온도프리스트레싱 공법을 적용한 연속 강합성거더교의 가열구간을 효과적이고 경제적으로 설정하는 기법을 제안하고자 한다. 인공신경망 이론을 학습시키기 위한 학습알고리즘으로는 일반적으로 널리 사용되는 오차역전파 알고리즘을 사용하였으며, 이를 이용하여 2경간 및 3경간 연속 강합성거더교의 가열구간을 예측하고 유한요소해석과의 비교를 통하여 학습알고리즘의 특성 및 예측의 정확도를 분석하였다.
