http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
KTX 차량의 주행안정성 평가를 위한 노상과 PSC 교량 상의 윤하중분포 동적해석 연구
이동준(Dong-Jun Lee),오순택(Soon-Taek Oh),심영우(Young-Woo Sim),윤준관(Jun-Kwan Yun),김한수(Han-Su Kim) 한국철도학회 2011 한국철도학회 학술발표대회논문집 Vol.2011 No.10
A comprehensive analysis of wheel force spectrum is conducted to provide the KTX safety evaluation with structural behaviour of Pre-Stressed Concrete (PSC) box bridge due to various high speeds. The wheel spectrum for KTX locomotive running over road and PSC bridge tracks is compared using irregular track responses with numerical models of 170m approach road track and 40m span length of PSC box bridge The high-speed railway locomotive is used as 38-degree of freedom system. Three displacements (vertical lateral and longitudinal) and three rotational components (pitching rolling and yawing) for one car-body and two bogies are considered in the 38-degree of freedom model. Three dimensional frame element of finite element method (FEM) is used to model of the simply supported PSC box bridge. The irregulation of rail-way is derived using the experiential spectrum density function under assumption of twelve level tracks conditions based on the normal probability procedure. The dynamic analyses by Runge-Kutta method which are able to analyze the high frequency wheel force spectrum. A dynamic behaviour of KTX due to high speeds until 450km/h developing speed with relative time is analysed and compared the characteristics running over the road and PSC box bridge tracks. Finally the KTX integrated evaluation method of safety between high speed train and bridge is presented.
오순택(Soon-Taek Oh),이동준(Dong-Jun Lee),심영우(Young-Woo Sim),윤준관(Jun-Kwan Yun),김한수(Han-su kim) 한국철도학회 2011 한국철도학회 학술발표대회논문집 Vol.2011 No.5
A dynamic analysis procedure is developed to provide a comprehensive estimation of the dynamic response spectrum for locomotive’s wheels running over a Pre-Stressed Concrete (PSC) box girder bridge on the Korea high speed railway. The wheel force spectrum with the bridge behavior are analyzed as the dynamic procedure for various running speeds (50~450㎞/h). The high-speed railway locomotive (KTX) is used as 38-degree of freedom system. Three displacements(vertical, lateral, and longitudinal) and three rotational components (pitching, rolling, and yawing). For one car-body and two bogies as well as five movements except pitching rotation components for four wheel axes forces are considered in the 38-degree of freedom model. Three dimensional frame element is used to model of the PSC box girder bridges, simply supported span length of 40m. The irregulation of rail-way is derived using the exponential spectrum density function under assumption of twelve level tracks condtions based on the normal probability procedure. The dynamic responses of bridge passing through the railway locomotive with high-speed analyzed by Newmark-β method and Runge-Kutta method are compared and contrasted considering the developed models of bridge, track and locomotive comprehensively. The dynamic analyses of wheel forces by Runge-Kutta method which are able to analyze the forces with high frequency running on the bridge and ground rail-way are conducted. Additionally, wheel forces spectrum and three rotational components of vehicle body for three typical running speeds is also presented.
오순택(Oh, Soon-Taek),이재호(Lee, Jae-ho),이동준(Lee Dong-Jun),윤준관(Yun, Jun-Kwan) 한국구조물진단유지관리학회 2009 한국구조물진단학회 학술발표회논문집 Vol.2009 No.2
전산화된 교량유지관리 및 의사결정시스템 (Bridge Management System-BMS)은 가능한 최저의 생애주기비용 (Life Cycle Cost - LCC)으로 최적의 안정성을 확보하기 위해 개발되었다. 본 논문에서는 제한된 현존하는 교량진단기록을 이용하여 현존하지 않는 과거의 교량상태등급 데이타를 생성하기 위해 Backward Prediction Model (BPM)이라 불리는 인공신경망 (Artificial Neural Network-ANN)에 기초한 예측모델을 제시한다. 제안된 BPM은 교통량과 인구, 그리고 기후 등과 같은 Non-bridge dataset를 이용하며, 제한된 교량진단기록과 이들 사이에 맺어진 연관성을 통해 현존하지 않는 과거의 교량상태등급 데이타를 생성할 수 있다. BPM 방법의 신뢰도를 측정하기 위하여 Maryland DOT로 부터 얻어진 National Bridge Inventory (NBI)와 BMS 교량진단자료를 이용하였다. 이중 실제 NBI기록과 BPM으로 생성된 교량상태등급과의 차이 (상판: 6.68%, 상부구조부: 6.61%, 하부구조부: 7.52%)는 BPM으로 생성된 결과의 높은 신뢰도를 보여준다. 이 연구의 결과는 제한된 정기점검 기록으로 야기되는 BMS의 장기 교량손상예측에 관련된 사용상의 문제를 최소화하고 전반적인 BMS 결과의 신뢰도를 높이는데 기여 할 수 있을 것으로 사료된다.
오순택 ( Oh Soon-taek ),이재호 ( Lee Jae-ho ),이동준 ( Lee Dong-jun ),윤준관 ( Yun Jun-kwan ) 한국구조물진단유지관리공학회 2009 한국구조물진단유지관리공학회 학술발표대회 논문집 Vol.13 No.2
전산화된 교량유지관리 및 의사결정시스템 (Bridge Management System-BMS)은 가능한 최저의 생애주기비용 (Life Cycle Cost - LCC)으로 최적의 안정성을 확보하기 위해 개발되었다. 본 논문에서는 제한된 현존하는 교량진단기록을 이용하여 현존하지 않는 과거의 교량상태등급 데이타를 생성하기 위해 Backward Prediction Model (BPM) 이라 불리는 인공신경망 (Artificial Neural Network-ANN)에 기초한 예측모델을 제시한다. 제안된 BPM은 교통량과 인구, 그리고 기후 등과 같은 Non-bridge dataset를 이용하며, 제한된 교량진단기록과 이들 사이에 맺어진 연관성을 통해 현존하지 않는 과거의 교량상태등급 데이타를 생성할 수 있다. BPM 방법의 신뢰도를 측정하기 위하여 Maryland DOT로 부터 얻어진 National Bridge Inventory (NBI)와 BMS 교량진단자료를 이용하였다. 이중 실제 NBI기록과 BPM으로 생성된 교량상태등급과의 차이 (상판: 6.68%, 상부구조부: 6.61%, 하부구조부: 7.52%)는 BPM으로 생성된 결과의 높은 신뢰도를 보여준다. 이 연구의 결과는 제한된 정기점검 기록으로 야기되는 BMS의 장기 교량손상예측에 관련된 사용상의 문제를 최소화하고 전반적인 BMS 결과의 신뢰도를 높이는데 기여 할 수 있을 것으로 사료된다.