http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
수치해석 및 현장계측을 통한 차량주행조건에 따른 BWIM 신호 변화 분석
이정휘,Lee, Jung-Whee 한국전산구조공학회 2011 한국전산구조공학회논문집 Vol.24 No.1
Bridge Weigh-in-Motion(BWIM) 시스템은 중량의 차량이 정상적으로 교량을 주행하는 상태에서 측정된 교량의 응답을 분석하여 교량을 통과한 차량의 중량을 산출하는 시스템으로, 현재 관심지역을 통행하는 차량의 하중분포를 파악하고 이로 부터 도로교의 설계 및 해석을 위한 설계 활하중 모델의 개발이나 교량의 잔존 수명의 예측을 위한 피로하중모델 등의 개발에 활용될 수 있다. 이러한 BWIM 시스템의 개발을 위해 필수적으로 수행되어야 하는 것이 다양한 하중조건에 대한 실물차량 주행시험이다. 이 논문에서는 BWIM 시스템의 개발을 위해 필수적이지만 비용 및 시간이 많이 소요되는 실차량 주행시험을 보완할 수 있는 수치해석 기법을 사용하여 차량동특성 및 주행조건의 변화에 대한 교량응답의 변화를 관찰하고자 하였다. 수치해석의 적절성을 검증하기 위하여 실물차량 주행시험이 수행된 동일한 경우에 대하여 차량주행 시뮬레이션을 수행하였으며, 실측결과와 유사한 해석결과를 얻을 수 있었다. 수치해석에서 고려한 변수는 차량의 주행속도, 차량의 고유진동수, 진입부의 단차크기, 횡방향 주행위치 등이며, 이들 변수의 변화에 대한 교량의 응답의 변화를 분석한 결과, 정확한 BWIM 시스템의 개발을 위해 횡방향 주행위치와 차량 고유진동수의 영향이 고려되어야 함을 확인하였다. 수치시뮬레이션 기법을 사용하여 다양한 조건에 대한 주행데이터를 적은 비용으로 생성할 수 있으므로, 최소한의 실차량 주행시험과 병행하여 다양한 하중조건에 대한 BWIM 알고리즘의 검증이 가능할 것으로 생각된다. 또한 신경망기법을 사용하는 BWIM 시스템의 경우에는 학습자료의 생성에 활용하여 신경망기법을 활용할 때 어려운 점 중 하나인 충분한 양의 신뢰성있는 학습자료 확보에 기여할 수 있을 것으로 생각된다. Bridge Weigh-in-Motion(BWIM) system calculates a travelling vehicle's weight without interruption of traffic flow by analyzing the signals that are acquired from various sensors installed in the bridge. BWIM system or data accumulated from the BWIM system can be utilized to development of updated live load model for highway bridge design, fatigue load model for estimation of remaining life of bridges, etc. Field test with moving trucks including various load cases should be performed to guarantee successful development of precise BWIM system. In this paper, a numerical simulation technique is adopted as an alternative or supplement to the vehicle traveling test that is indispensible but expensive in time and budget. The constructed numerical model is validated by comparison experimentally measured signal with numerically generated signal. Also vehicles with various dynamic characteristics and travelling conditions are considered in numerical simulation to investigate the variation of bridge responses. Considered parameters in the numerical study are vehicle velocity, natural frequency of the vehicle, height of entry bump, and lateral position of the vehicle. By analyzing the results, it is revealed that the lateral position and natural frequency of the vehicle should be considered to increase precision of developing BWIM system. Since generation of vehicle travelling signal by the numerical simulation technique costs much less than field test, a large number of test parameters can effectively be considered to validate the developed BWIM algorithm. Also, when artificial neural network technique is applied, voluminous data set required for training and testing of the neural network can be prepared by numerical generation. Consequently, proposed numerical simulation technique may contribute to improve precision and performance of BWIM systems.
이정휘,김성곤,장승필,Lee, Jung Whee,Kim, Sung Kon,Chang, Sung Pil 한국강구조학회 2005 韓國鋼構造學會 論文集 Vol.17 No.1
이 논문에서는 구조물의 동적응답을 입력으로 하고, 패턴인식을 위해 신경망기법(Neural Network, NN)을 사용하는 손상감지기법을 제시하였다. 입력된 동적응답, 즉 주파수응답함수(FRF) 또는 변형률 주파수응답함수(SFRF)의 변화를 정량적으로 표현하기 위해 신호변형지수(Signal Anomaly Index, SAI)를 고안하여 사용하였으며, 이 신호변형지수는 손상 전 및 손상 후의 구조물로부터 측정된 가속도 또는 동적 변형률 신호를 사용하여 계산된다. 제안된 알고리즘은 2단계로 구성되며, 1단계에서는 신호변형지수 값의 크기 변화를 사용하여 구조물의 손상발생 유무를 판별하고, 여기서 구조물에 손상이 발생한 것으로 분석되면 2단계에서 신경망기법을 사용한 패턴인식을 통해 손상의 위치를 찾아낸다. 이 방법의 타당성 및 적용성을 확인하기 위해 강교량 축소모형에 대한 실험을 수행하였다. 신경망의 학습에는 수치해석을 통해 생성한 가상 신호를 사용하였으며, 학습이 완료된 신경망과 실험을 통해 측정한 실제 신호를 사용하여 손상발견을 수행하였다. 모형 교량에 대한 적용 결과로부터 이 알고리즘의 타당성이 검증되었으며, 향후 실 교량에 대한 적용도 가능할 것으로 판단된다. A bi-level damage detection algorithm that utilizes the dynamic responses of the structure as input and neural network (NN) as pattern classifier is presented. Signal anomaly index (SAI) is proposed to express the amount of changes in the shape of frequency response functions (FRF) or strain frequency response function (SFRF). SAI is calculated using the acceleration and dynamic strain responses acquired from intact and damaged states of the structure. In a bi-level damage identification algorithm, the presence of damage is first identified from the magnitude of the SAI value, then the location of the damage is identified using the pattern recognition capability of NN. The proposed algorithm is applied to an experimental model bridge to demonstrate the feasibility of the algorithm. Numerically simulated signals are used for training the NN, and experimentally-acquired signals are used to test the NN. The results of this example application suggest that the SAI-based pattern recognition approach may be applied to the structural health monitoring system for a real bridge.
이정휘(Lee, Jung-Whee),김성일(Kim, Sung-Il),곽종원(Kwark, Jong-Won),이필구(Lee, Pil-Goo),윤태양(Yoon, Tae-Yang) 한국소음진동공학회 2007 한국소음진동공학회 논문집 Vol.17 No.7
The dynamic behavior of two steel bridges crossed by the Korean High Speed Train(KHST) has been investigated experimentally and the results are compared with the specification requirement of BRDM and other typical PSC Box bridge's responses. The investigated bridges are a 2-girder steel bridge of 1@40m span length(E-Won Bridge), 2@50m span length (Ji-Tan Bridge), and a PSC Box girder bridge of 2@40m span length (Yeon-Jae Bridge). A set of experimental tests were performed during operation of KHST, and a number of accelerometers, LVDTs and ring-type displacement transducers were utilized for measurement of three kinds of dynamic responses (acceleration, deflection, and end-rotation angle). Measured responses show that the vertical deflections and end-rotation angles of the three bridges are all satisfying the spec. requirement with large margin, but it was also found acceleration responses which are very close or exceed the limit value. Most of the excessive acceleration responses were found when the passing velocity of the KHST is close to the critical velocity ($V_{cr}$) which causes resonance. No noticeable differences of dynamic responses due to the different materials(steel or concrete) could be found within these experimental results.