상세 보기
초록
본 연구에서는 이미지 분류에 탁월한 합성곱 신경망 기법을 활용하여 구조물의 가속도 응답의 변화로부터 상태변화를 진단할 수 있는 방법을 제안한다. 인공신경망 기법중 합성곱 신경망 기법은 특히 이미지 분류에 강력한 성능을 보여왔고, 콘크리트 구조물의 균열이나 박락 등 외관 변화에 따른 손상진단에 사용되기도 하였다. 제안된 방법을 검증하기 위해 콘크리트 거더의 가속도 시험을 수행하였다. 거더를 7등분하여 거더 중량의 0.1%에 해당하는 질량을 이동 하며 가속도를 측정하였다. 이 가속도를 이용하여 제안된 합성곱 신경망 기법으로 부가 질량의 위치를 정확히 찾을 수있었다. 부족한 훈련과 검증데이타는 난수 발생을 통한 데이터 교란으로 생성하였다. 1차원 시계열 자료인 가속도 응답을 웨이블렛 변환을 통해 2차원 이미지화 하였다. 여러 합성곱 신경망 기법중 LeNet의 변형된 형태를 사용하였다. 제안된 2차원 합성곱 신경망 기법으로 99%이상의 정확도로 거더 질량이 국부적으로 0.1% 변화한 위치를 찾을 수 있음을 확인하였다.
키워드
Structural state detection; Wavelet conversion; Acceleration response; 합성곱 신경망 기법; 구조물 상태진단; 웨이블릿 변환; 가속도 응답; Convolutional neural network
- 제목
- 합성곱 신경망 기법을 활용한 가속도 기반 콘크리트 거더 상태 진단
- 제목 (타언어)
- State Monitoring of Concrete Girder using Convolution Neural Network based on Acceleration Data
- 저자
- 여인호; 김기현
- 발행일
- 2023-07
- 저널명
- 한국철도학회논문집
- 권
- 26
- 호
- 7
- 페이지
- 480 ~ 488