• 제목/요약/키워드: buried GRP pipe

검색결과 5건 처리시간 0.015초

지중매설 GRP 관의 관변형 예측 (Prediction of Ring Deflection GRP Pipe Buried Underground)

  • 김선희;이영근;주형중;정남진;윤순종
    • 복합신소재구조학회 논문집
    • /
    • 제4권3호
    • /
    • pp.38-44
    • /
    • 2013
  • Glass fiber reinforced plastic (GRP) pipes buried underground are attractive for use in harsh environments, such as for the collection and transmission of liquids which are abrasive and/or corrosive. In this paper, we present the result of investigation pertaining to the structural behavior of GRP flexible pipes buried underground. In the investigation of structural behavior such as a ring deflection, experimental and analytical studies are conducted. In addition, vertical ring deflection is measured by the field test and finite element analysis (FEA) is also conducted to simulate behavior of GRP pipe buried underground. Based on the results from the finite element analyses considering soil-pipe interaction the vertical ring deflection behavior of buried GRP pipe is predicted. In addition, analytical and experimental results are compared and discussed.

지중매설 유리섬유복합관의 관변형에 관한 안전성 평가 (A Safety Evaluation on the Ring Deflection of Buried GRP Pipes)

  • 박준석;김선희;김응호;윤순종
    • 복합신소재구조학회 논문집
    • /
    • 제2권2호
    • /
    • pp.26-33
    • /
    • 2011
  • 최근 지중매설 유리섬유복합관(GRP관)은 유해한 환경에서 뛰어난 성능을 보유하고 있어 하수관거용으로서 사용이 증가 되고 있다. 또한 지중에 매설되어 있는 조건에서 기존의 콘크리트관 등 강성관에 비해 구조적 성능이 뛰어나다. 지중매설 GRP관은 주로 상부에 작용하는 상부토압과 활하중에 의한 압축응력에 의해 원주방향으로 변형이 일어나게 된다. GRP관의 구조적 거동은 매설토와 주변의 지반의 성질에 따라 다르게 설계되어야 한다. GRP관의 설계는 Spangler 의 변형량 계산식을 Watkins에 의해 수정되어 사용되고 있다. 이 연구에서는 Watkins의 관변형 추정식에 GRP관의 재료적 특성을 고려하여 관변형량을 예측하였다.

GRP 연성관의 관강성 예측 (Pipe Stiffness Prediction of GRP Flexible Pipe)

  • 이영근;김선희;박준석;윤순종
    • 복합신소재구조학회 논문집
    • /
    • 제2권3호
    • /
    • pp.18-24
    • /
    • 2011
  • 이 연구에서 GRP 관의 하중-처짐 거동을 조사, 보고하였다. 지중매성 GRP관은 높은 내화학성, 높은 부식저항성, 경량성, 관표면의 매끄러움, 지반-관의 상호작용 고려에 따른 경제성 등의 탁원한 역학적, 물리적 특성들로 인해 건설현장에서 광범위하게 사용되고 있다. 지중에 매설되는 연성관을 설계하기 위해서는 ASTM D 2412 (2010)에 따라야 한다. ASTM D 2412 (2010)에 따라 설계할 경우, 관의 원강성 (PS)을 편평시험에 따라 먼저 결정해야 하는데, 이 시험이 귀찮고 노동력을 필요로 한다. 이러한 문제를 해결하기 위해 UTM에 설치된 형태의 GRP관의 하중-처짐 거동을 유한요소법에 따라 모사하였으며, 유한요소법에 의한 모사에는 재료의 탄성계수와 단면의 기하학적 치수 등 기초적인 자료를 사용하였다. 이와 같은 연구로부터, 관재료가 관의 단면내에서 비교적 일정하지 않음에도 불구하고 수직방향의 관변형이 3%와 5%가 발생할 경우, 편평시험과 수치해석적 연구 결과가 15%이내의 차이로 하중의 예측이 가능함을 알 수 있었다.

원전 냉각수 취수용 지중매설 GFRP관의 구조적 거동 조사 (An Investigation of Structural Behavior of Underground Buried GFRP Pipe in Cooling Water Intake for the Nuclear Power Plant)

  • 이형규;박준석
    • 복합신소재구조학회 논문집
    • /
    • 제6권2호
    • /
    • pp.91-96
    • /
    • 2015
  • GRP pipe (Glass-fiber Reinforced Plastic Pipe) lines making use of FRP (Fiber Reinforced Plastic) are generally thinner, lighter, and stronger than the existing concrete or steel pipe lines, and it is excellent in stiffness/strength per unit weight. In this study, we present the result of field test for buried GRP pipes with large diameter(2,400mm). The vertical and horizontal ring deflections are measured for 387 days. The short-term deflection measured by the field test is compared with the result predicted by the Iowa formula. In addition, the long-term ring deflection is predicted by using the procedure suggested in ASTM D 5365(ANNEX) in the range of 40 to 60 years of service life of the pipe based on the experimental results. From the study, it was found that the long-term vertical and horizontal ring deflection up to 60 years is less than the 5% ring deflection limitation.

GPR 영상에서 딥러닝 기반 CNN을 이용한 배관 위치 추정 연구 (A Study on the Pipe Position Estimation in GPR Images Using Deep Learning Based Convolutional Neural Network)

  • 채지훈;고형용;이병길;김남기
    • 인터넷정보학회논문지
    • /
    • 제20권4호
    • /
    • pp.39-46
    • /
    • 2019
  • 최근에 지하공동이나 배관의 위치 파악 등의 필요에 의해 금속을 포함하여 다양한 재질의 지하 물체를 탐지하는 일이 중요해지고 있다. 이러한 이유로 지하 탐지 분야에서 GPR(Ground Penetrating Radar) 기술이 주목을 받고 있다. GPR은 지하에 묻혀 있는 물체의 위치를 찾기 위하여 레이더파를 조사하고 물체로부터 반사되는 반사파를 영상으로 표현한다. 그런데 레이더 신호는 지하에서 여러가지 물체에서 반사되어 나오는 특징이 물체마다 유사한 경우가 많기 때문에 GPR 영상을 해석하는 것은 쉽지 않다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해서 영상 인식 분야에서 최근에 많이 활용되고 있는 딥러닝 기반의 CNN(Convolutional Neural Network)모델을 이용하여 임계값에 따른 GPR 영상에서의 배관 위치를 추정하고 그 실험 결과 임계값이 7 혹은 8 일 때 가장 확실하게 배관의 위치를 찾음을 증명하였다.