• 한국건축시공학회지
• /
• 제16권6호
• /
• pp.505-512
• /
• 2016

철근콘크리트 건축물의 대형화 및 고층화에 대응하여 고성능 콘크리트가 개발되어 사용되고 있지만 레올로지 특성평가가 적절히 이뤄지지 않아 시공설계를 위한 수치해석에 소성점도 및 항복값의 책정이 적절하지 못한 실정이며 이로 인해 경화된 콘크리트 품질 안정화에 많은 문제점을 나타내고 있다. 본 연구에서는 고로슬래그 미분말 혼입 시멘트 페이스트를 대상으로 물분체비 및 치환율을 실험인자로 응결진행하의 시간경과에 따른 컨시스턴시 곡선을 측정하였다. 빙함모델로 가정한 회귀분석을 통해 소성점도 및 항복값을 산출한 결과 물분체비가 작을수록 초결 전후의 변화가 급격한 것을 알 수 있었다. 치환율을 40%까지 상승시키더라도 자유수변화와 고로슬래그 미분말의 불투수성 산화피막 형성에 의한 코팅효과가 상쇄되어 큰 변화로 관찰되지 않았다.

• 한국건축시공학회지
• /
• 제9권5호
• /
• pp.119-125
• /
• 2009

본 연구에서는 실무에서 주로 사용되고 있는 FA, 35 및 CKD 치환률에 따른 콘크리트의 기초적 물성 및 건조수축에 미치는 영향을 분석하고 이를 토대로 건조수축 해석을 실시하여 혼화재가 콘크리트의 건조수축에 미치는 영향을 정량적으로 평가하고자 한다. 실험변수로서 혼화재 치환률은 $0{\sim}20%$ 수준으로 결정하였고, W/B는 $40{\sim}50%$의 수준으로 결정하였다. 건조수축해석을 위해 지수함수모델을 적용하였다. 연구결과에 따르면, 혼화재 치환율이 증가함에 따라 유동성 및 공기량이 감소하였으며 초기압축 강도가 저하됨을 확인 하였다. 건조수축 특성으로 혼화재 치환률이 증가함에 따라 건조수축은 증가하는 경향을 보였으며, 건조수축 해석결과 지수함수 모델이 측정치를 양호하게 추정함을 알 수 있었고, 혼화재의 영향을 고려할 필요성이 제기되었다.

• 한국건설순환자원학회논문집
• /
• 제5권4호
• /
• pp.488-495
• /
• 2017

본 연구에서는 열역학적 평형을 이용한 OPC의 재령에 따른 운동학적 수화 생성물 모델링과 GGBS의 치환률에 따른 수화 생성물의 변화를 모델링하였다. 열역학 데이터는 GEMS의 3rd party 데이터베이스, Cemdata18을 사용하였고, 시멘트 수화 모델링은 Parrot & Killoh 모델을 적용하였다. OPC모델링에서 재령에 따라 Pore solution의 이온 농도와 수화 생성물의 질량 및 부피 변화를 관찰할 수 있었다. GGBS모델링에서는 치환률이 증가함에 따라 장기강도를 지배하는 C-S-H의 생성량은 증가하지만, 내구성에 영향을 미치는 Portlandite의 생성량이 감소하여 탄산화에 대한 대책이 필요할 것으로 판단된다.

• Computers and Concrete
• /
• 제19권3호
• /
• pp.275-282
• /
• 2017

The aim of this study is to build Machine Learning models to evaluate the effect of blast furnace slag (BFS) and waste tire rubber powder (WTRP) on the compressive strength of cement mortars. In order to develop these models, 12 different mixes with 288 specimens of the 2, 7, 28, and 90 days compressive strength experimental results of cement mortars containing BFS, WTRP and BFS+WTRP were used in training and testing by Random Forest, Ada Boost, SVM and Bayes classifier machine learning models, which implement standard cement tests. The machine learning models were trained with 288 data that acquired from experimental results. The models had four input parameters that cover the amount of Portland cement, BFS, WTRP and sample ages. Furthermore, it had one output parameter which is compressive strength of cement mortars. Experimental observations from compressive strength tests were compared with predictions of machine learning methods. In order to do predictive experimentation, we exploit R programming language and corresponding packages. During experimentation on the dataset, Random Forest, Ada Boost and SVM models have produced notable good outputs with higher coefficients of determination of R2, RMS and MAPE. Among the machine learning algorithms, Ada Boost presented the best R2, RMS and MAPE values, which are 0.9831, 5.2425 and 0.1105, respectively. As a result, in the model, the testing results indicated that experimental data can be estimated to a notable close extent by the model.

• 한국연소학회지
• /
• 제22권4호
• /
• pp.19-26
• /
• 2017

This study investigates the gasification of coal char by $CO_2$ under high pressures in a drop tube furnace(DTF). The rate constants are derived for the shrinking core model using the conventional method based on the set reactor conditions. The computational fluid dynamic(CFD) simulations adopting the rate constants revealed that the carbon conversion was much slower than the experimental results, especially under high temperature and high partial pressure of reactants. Three reasons were identified for the discrepancy: i) shorter reaction time because of the entry region for heating, ii) lower particle temperature by the endothermic reaction, and iii) lower partial pressure of $CO_2$ by its consumption. Therefore, the rate constants were corrected based on the actual reaction conditions of the char. The CFD results updated using the corrected rate constants well matched with the measured values. Such correction of reaction conditions in a DTF is essential in deriving rate constants for any char conversion models by $H_2O$ and $O_2$ as well as $CO_2$.

• 한국도로학회논문집
• /
• 제6권1호
• /
• pp.37-45
• /
• 2004

본 연구는 재생골재를 사용한 콘크리트의 강도 및 파괴특성을 고찰하므로써 콘크리트 포장체에 적용성 여부를 검토하기 위해 수행하였다. 재생콘크리트의 초기강도는 낮았으나 재령 증가에 따라 기준콘크리트와 거의 유사한 값을 나타내었으며. 탄성계수는 골재 강성 차이로 인하여 낮게 나타났다. 또한 고로슬래그 미분말을 혼합한 재생콘크리트의 강도개선효과를 확인할 수 있었다. TPFM에 의한 파괴에너지는 초기재령에서 재생콘크리트의 파괴특성이 우수한 것으로 나타났으나, 재령증가에 따라 기준콘크리트와 유사한 값으로 나타났다. 또한 P-CMOD 측정결과로부터 이론적으로 구한 탄성계수 및 인장강도와 실험으로 구한 탄성계수 및 쪼갬인장 강도사이의 상관성은 매우 높은 결과를 나타내어 시험방법의 신뢰성을 확인할 수 있었다.

• Advances in concrete construction
• /
• 제13권 2호
• /
• pp.123-132
• /
• 2022

This paper aims to adapt Multilinear regression (MLR) to predict the strength and toughness of SIFCON containing various pozzolanic materials. Slurry Infiltrated Fibrous Concrete (SIFCON) is one of the most common terms used in concrete manufacturing, known for its benefits such as high ductility, toughness and high ultimate strength. Assessment of compressive strength (CS.), flexural strength (F.S.), splitting tensile strength (STS), dynamic elasticity modulus (DME) and impact energy (I.E.) using the experimental approach is too costly. It is time-consuming, and a slight error can lead to a repeat of the test and, to solve this, alternative methods are used to predict the strength and toughness properties of SIFCON. In the present study, the experimentally investigated SIFCON data about various mix proportions are used to predict the strength and toughness properties using regression analysis-multilinear regression (MLR) models. The input parameters used in regression models are cement, fibre, fly ash, Metakaolin, fine aggregate, blast furnace slag, bottom ash, water-cement ratio, and the strength and toughness properties of SIFCON at 28 days is the output parameter. The models are developed and validated using data obtained from the experimental investigation. The investigations were done on 36 SIFCON mixes, and specimens were cast and tested after 28 days of curing. The MLR model yields correlation between predicted and actual values of the compressive strength (C.S.), flexural strength, splitting tensile strength, dynamic modulus of elasticity and impact energy. R-squared values for the relationship between observed and predicted compressive strength are 0.9548, flexural strength 0.9058, split tensile strength 0.9047, dynamic modulus of elasticity 0.8611 for impact energy 0.8366. This examination shows that the MLR model can predict the strength and toughness properties of SIFCON.

• 콘크리트학회논문집
• /
• 제16권5호
• /
• pp.621-626
• /
• 2004

일반 콘크리트뿐만 아니라 고성능콘크리트 제조 시 고로슬래그(BFS)의 사용은 워커빌리티, 장기 강도 및 내구성 측면에서 장점을 갖는다. 그러나 슬래그 콘크리트는 일반 콘크리트에 비해 수축이 크며 특히 자기수축이 크게 발생하기 때문에 적절한 방법으로 제어하지 않으면 심각한 균열을 야기할 수 있다. 따라서 수축에 의한 균열 발생을 최소화하고 콘크리트 구조물의 사용 수명을 확보하기 위해서는 BFS를 함유한 콘크리트의 자기수축 거동에 대한 이해가 요구된다. 본 연구에서는 물-결합재(시멘트+BFS) 비(W/B)가 0.27${\~}$0.42이고 BFS 대체율이 각각 $0\%$, $30\%$, $50\%$인 각주형 콘크리트 시편을 제작하여 자기수축을 측정한 후, 실험결과를 바탕으로 자기수축 예측 모델의 재료 상수 값들을 결정하였다. 또한, 응력 발현에 기여하는 자기수축을 유효자기수축으로 정의하고, 다양한 W/B를 고려한 재령 28일에서의 유효자기수축 변형률 추정식을 제안하였다. 실험결과, W/B가 동일할 때 콘크리트의 자기수축은 BFS의 사용량에 따라 증가하였다. 또한 동일한 양의 BFS를 사용한 경우, W/B가 낮아짐에 따라 자기수축 증가율이 감소하는 경향을 보였다. 따라서 고로슬래그 콘크리트의 자기수축을 줄이기 위해서는 자기수축을 줄이는 수축저감제 등의 혼화 재료를 사용하거나 시공 현장에서의 충분한 습윤양생이 필요하다고 판단된다.

• Journal of Mechanical Science and Technology
• /
• 제15권2호
• /
• pp.248-258
• /
• 2001

The main mode of heat transfer of combustion gases at high temperature is thermal radiation of the participating gases, which are mainly carbon dioxide and water vapor. Therefore, the information of the emissivities of carbon dioxide and water vapor would be very important in the thermal performance analysis of a furnace. In this study, an exponential model for the emissivities of carbon dioxide and water vapor is derived as a function of the product of the partial pressure and characteristic length and a polynomial of reciprocal of temperature. Error analysis of the calculated values from the present model is performed for the temperature ranges of 555.6∼2777.8K and the partial-pressure-length product ranges of 0.09144∼609.6 cm-atm. For carbon dioxide, the difference between the values from the present model and the Hottels chart is less than 2.5% using a polynomial in 1/T of degree of 4. For water vapor, the model can predict the emissivity within 2.5% difference using a polynomial in 1/T of degree of 3.

• 제어로봇시스템학회논문지
• /
• 제6권3호
• /
• pp.273-283
• /
• 2000

In this paper we suggest an optimal design method of Fuzzy-Neural Networks(FNN) model for complex and nonlinear systems. The FNNs use the simplified inference as fuzzy inference method and Error Back Propagation Algorithm as learning rule. And we use a HCM(Hard C-Means) Clustering Algorithm to find initial parameters of the membership function. The parameters such as parameters of membership functions learning rates and momentum weighted value is proposed to achieve a sound balance between approximation and generalization abilities of the model. According to selection and adjustment of a weighting factor of an aggregate objective function which depends on the number of data and a certain degree of nonlinearity (distribution of I/O data we show that it is available and effective to design and optimal FNN model structure with a mutual balance and dependency between approximation and generalization abilities. This methodology sheds light on the role and impact of different parameters of the model on its performance (especially the mapping and predicting capabilities of the rule based computing). To evaluate the performance of the proposed model we use the time series data for gas furnace the data of sewage treatment process and traffic route choice process.