• 한국지반공학회논문집
• /
• 제37권5호
• /
• pp.5-17
• /
• 2021

본 연구에서는 링전단시험 결과를 이용하여 말뚝-사질지반 사이의 전단거동을 정량화하였다. 링전단시험은 가장 일반적인 말뚝재료 - 콘크리트와 강 - 와 대표적인 사질토인 주문진표준사를 대상으로 수행하였으며, 두 재료 사이의 전단거동을 항복 이전과 잔류전단거동을 중심으로 확인하고 분석하였다. 시험결과를 통하여 다양한 상재압과 상대밀도의 영향 또한 분석하여, 그에 따른 전단거동을 각 재료 별 대표적인 마찰각으로 정량화하였다. 더 나아가, 추가적인 대변형 수치해석을 통하여 시험결과를 검증하였다. 링전단시험 및 수치해석을 수행한 결과, 사질토의 전단 중 발생하는 팽창과 수축특성에 의하여 전단거동을 크게 두 가지로 구분할 수 있었다. 1) 상대밀도가 높은 시료일수록 두 재료 간 전단응력곡선은 첨두전단응력이 관찰된 후 잔류전단응력이 발현되는 개형을 나타내었고, 반면에 2) 상대밀도가 낮은 시료일수록 두 재료 간 전단응력곡선은 첨두전단응력의 발현 없이 바로 잔류전단응력이 발현되는 이중곡선 형태를 보였다. 상재압은 소변형 범위에서는 전단거동 형태와 마찰각에 영향을 주지만, 상대밀도와 마찬가지로 대변형 하에서는 유의미한 영향을 주지 않는 것으로 확인되었다. 본 연구는 리메싱을 통한 대변형 수치해석 기법을 정립하여 링전단시험과 같은 대변형 전단거동을 모사하고 예측할 수 있도록 하였을 뿐 만 아니라, 링전단시험을 통하여 도출되고 대변형 수치해석으로 검증된 말뚝 재료와 사질토 사이의 마찰각은 실제 기초 말뚝의 수치해석과 설계에 적용할 수 있도록 하였다.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.1-16
• /
• 2022

Despite recent breakthroughs in deep learning and computer vision fields, the pixel-wise identification of tiny objects in high-resolution images with complex disturbances remains challenging. This study proposes a modified U-net for tiny crack segmentation in real-world steel-box-girder bridges. The modified U-net adopts the common U-net framework and a novel Self-Attention-Self-Adaption (SASA) neuron as the fundamental computing element. The Self-Attention module applies softmax and gate operations to obtain the attention vector. It enables the neuron to focus on the most significant receptive fields when processing large-scale feature maps. The Self-Adaption module consists of a multiplayer perceptron subnet and achieves deeper feature extraction inside a single neuron. For data augmentation, a grid-based crack random elastic deformation (CRED) algorithm is designed to enrich the diversities and irregular shapes of distributed cracks. Grid-based uniform control nodes are first set on both input images and binary labels, random offsets are then employed on these control nodes, and bilinear interpolation is performed for the rest pixels. The proposed SASA neuron and CRED algorithm are simultaneously deployed to train the modified U-net. 200 raw images with a high resolution of 4928 × 3264 are collected, 160 for training and the rest 40 for the test. 512 × 512 patches are generated from the original images by a sliding window with an overlap of 256 as inputs. Results show that the average IoU between the recognized and ground-truth cracks reaches 0.409, which is 29.8% higher than the regular U-net. A five-fold cross-validation study is performed to verify that the proposed method is robust to different training and test images. Ablation experiments further demonstrate the effectiveness of the proposed SASA neuron and CRED algorithm. Promotions of the average IoU individually utilizing the SASA and CRED module add up to the final promotion of the full model, indicating that the SASA and CRED modules contribute to the different stages of model and data in the training process.

• 한국전산구조공학회논문집
• /
• 제36권3호
• /
• pp.185-192
• /
• 2023

본 연구에서는 KBC2022의 풍직각방향 변동풍하중 스펙트럼을 이용하여 풍직각방향 풍하중을 생성하고 생성된 풍직각방향 풍하중이 작용하는 구조물의 비탄성 동적거동을 해석하는 프로그램을 개발하고자 한다. 풍응답은 일차 모드가 탁월하고 소성화에 의한 진동의 변화는 작고, 풍방향 진동과 풍직각방향 진동은 독립적이며, 비틀림 진동의 영향은 작다고 가정한다. 적용 구조물을 수평방향의 단자유도 모델로 가정하고, 구조물의 질량을 집중질량으로 치환하여 상부에 작용시킨다. 비탄성 해석을 위한 이력모델은 이선형 모델을 적용한다. 강성비(𝛼)와 항복점비(𝛽)를 변수로 비탄성 동적응답을 분석한 결과 강성비가 일정한 경우에 항복점비가 증가할수록 최대변위비는 감소하다가 최소값을 나타내고 증가하는 것으로 나타났다. 강성비가 0.5이상인 경우 최대변위비가 1이하가 되는 항복점비가 존재하며, 이는 비탄성 내풍설계시 비탄성 거동을 허용하더라도 탄성설계된 건물보다 최대 변형이 감소함을 나타낸다.