• Earthquakes and Structures
• /
• 제23권1호
• /
• pp.23-34
• /
• 2022

This paper presents experimental studies on reinforced concrete moment resisting frames that have engineered cementitious composite (ECC) in plastic hinge length (PHL) of beam/column members and beam-column joints. A two-story frame structure reduced by a 1:3 scale was further tested through a shake-table (seismic simulator) using multiple levels of simulated earthquake motions. One model conformed to all the ACI-318 requirements for IMRF, whereas the second model used lower-strength concrete in the beam/column members outside PHL. The acceleration time history of the 1994 Northridge earthquake was selected and scaled to multiple levels for shake-table testing. This study reports the observed damage mechanism, lateral strength-displacement capacity curve, and the computed response parameters for each model. The tests verified that nonlinearity remained confined to beam/column ends, i.e., member joint interface. Calculated response modification factors were 11.6 and 9.6 for the code-conforming and concrete strength deficient models. Results show that the RC-ECC frame's performance in design-based and maximum considered earthquakes; without exceeding maximum permissible drift under design-base earthquake motions and not triggering any unstable mode of damage/failure under maximum considered earthquakes. This research also indicates that the introduction of ECC in PHL of the beam/column members' detailing may be relaxed for the IMRF structures.

• 한국지반공학회논문집
• /
• 제30권5호
• /
• pp.47-54
• /
• 2014

전단파 속도는 내진설계시 중요한 설계인자이나 지반조사의 목적으로는 흔히 경제적, 시간적 제약 등으로 시험을 통한 측정이 널리 이루어지지 않고 있다. 본 연구에서는 인공신경망 기법을 이용하여 가장 일반적인 현장 지반조사시험인 표준관입시험 결과를 바탕으로 사질토 지반에서의 전단파 속도를 예측하는 연구를 수행하였다. 650개 데이터 세트를 이용해 표준관입시험 저항치 $N_{60}$, 함수비, 세립분함량, 비중을 입력변수로 하여 전단파속도를 추정하는 인공신경망 모델을 구축하고 입력변수별 전단파속도에 미치는 영향을 민감도 해석을 통해 조사하였다. 그리고, 기존의 국내 외 7개의 표준관입시험을 이용한 전단파속도 예측 경험식들과 인공신경망에 의한 결과를 비교하였다. 민감도 분석결과 표준관입시험 저항치의 영향이 월등히 큰 것으로 나타났으며, 모델효율계수와 평균제곱근오차를 사용하여 기존의 경험식들과 인공신경망 모델의 예측 능력을 비교한 결과 인공신경망 모델의 예측 결과가 가장 좋은 것으로 나타났다.