http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
유도분극을 활용한 해저터널 굴착면 전방 지반상태 예측: 실내실험
박진호,이강현,이성원,유영무,이인모,Park, Jinho,Lee, Kang-Hyun,Lee, Seong-Won,Ryu, Young-Moo,Lee, In-Mo 한국터널지하공간학회 2015 한국터널지하공간학회논문집 Vol.17 No.3
해저터널 건설 중 터널 굴착면 전방에 존재하는 고수압 조건의 함수대 (또는 포화상태의 파쇄대)의 상태를 정확히 예측하는 것은 터널 안전시공의 핵심적인 요소이다. 이 연구는 해저터널 굴착면에서 전방지반의 상태를 예측하기 위해 유도분극(Induced Polarization, IP) 탐사의 활용 가능성을 입증하였다. 모래지반에서의 충전성(chargeability)을 산정하기 위해 간극모델을 제안하고, 충전성과 이에 영향을 미치는 변수들 사이의 관계식을 유도하였다. 관계식을 사용하여 매개변수 분석을 실시하였으며 그 결과 입자 사이의 간극 중 좁은 간극($r_1$)의 크기와 간극수의 염도가 충전성에 가장 큰 영향을 미쳤다. 또한, 실내실험으로 유도분극 현상에 영향을 미치는 지반조건을 파악하기 위해 간극수의 염도와 파쇄대의 두께 변화 그리고 가우지(gouge) 존재 여부에 따른 충전성과 전기비저항의 변화 추이를 규명하고자 하였다. 그 결과 파쇄대의 절리 사이에 가우지가 충진된 경우, 해수조건에서도 충전성이 높게 나타났다. 이는 가우지가 좁은 간극($r_1$)의 크기를 감소시키기 때문이라고 판단된다. In subsea tunnelling, prediction of the fractured zone (or water bearing zone) ahead of tunnel face saturated by seawater with high water pressure has been a key factor for safe construction. This study verified the feasibility of utilizing induced polarization (IP) survey at tunnel face for predicting the ground condition ahead of the subsea tunnel face. A pore model was proposed to compute chargeability in granular material, and the relationship correlating chargeability with the variables affecting the chargeability was derived from the model. Parametric study has been performed on the variables to figure out the most influential factors affecting the chargeability. The results of the parametric study show that the size of narrow pores ($r_1$) and the salinity of pore water are the most influential factors on chargeability. Laboratory tests were conducted on various types of ground condition by changing the salinity of pore water, the thickness of the fracture zone and the existence of gouge (weathered granite) within the joints of the fractured zone to figure out the effect of the ground characteristics on the IP phenomenon. Test results show that the chargeability of the fractured zone saturated by seawater increases if the joints in the fractured zone are filled with gouge since the infilled gouge will decrease the size of narrow pores ($r_1$).
딥러닝을 활용한 이미지 기반 교량 구성요소 자동분류 네트워크 개발
조문원(Cho, Munwon),이재혁(Lee, Jae Hyuk),유영무(Ryu, Young-Moo),박정준(Park, Jeongjun),윤형철(Yoon, Hyungchul) 대한토목학회 2021 대한토목학회논문집 Vol.41 No.6
우리나라의 교량은 대부분이 건설된 지 20년 이상이 지나 현재 노후화로 인하여 많은 문제점이 제기되고 있으며, 교량의 안전점검은 대부분 전문 인력의 주관적인 평가로 이루어지고 있다. 최근 교량 안전점검의 데이터의 체계적인 관리를 위해 BIM 등을 활용한 데이터 기반의 유지관리기술들이 개발되고 있지만, BIM과 구조물의 유지관리 데이터를 연동을 위해서 영상정보를 직접 라벨링하는 수작업을 필요로한다. 따라서 본 논문에서는 이미지 기반의 자동 교량 구성요소 분류 네트워크를 개발하고자 한다. 본 연구에서 제안한 방법은 두 개의 CNN 네트워크로 구성되었다. 첫 번째 네트워크에서 특정 교량 이미지에 대하여 교량의 형식을 자동으로 분류한 뒤, 두 번째 네트워크에서 교량의 형식별로 구성요소를 분류함으로써 정확도와 효율성을 향상시키고자 한다. 본 연구에서 개발한 시스템을 검증한 결과, 847개의 교량 이미지에 대해서 98.1 %의 정확도로 교량의 구성요소를 자동으로 분류 할 수 있었다. 본 연구에서 개발한 교량의 구성요소 자동분류 기술은 향후 교량의 유지관리에 기여를 할 수 있을 것으로 기대된다. Most bridges in Korea are over 20 years old, and many problems linked to their deterioration are being reported. The current practice for bridge inspection mainly depends on expert evaluation, which can be subjective. Recent studies have introduced data-driven methods using building information modeling, which can be more efficient and objective, but these methods require manual procedures that consume time and money. To overcome this, this study developed an image-based automatic bridge component classification network to reduce the time and cost required for converting the visual information of bridges to a digital model. The proposed method comprises two convolutional neural networks. The first network estimates the type of the bridge based on the superstructure, and the second network classifies the bridge components. In avalidation test, the proposed system automatically classified the components of 461 bridge images with 96.6 % of accuracy. The proposed approach is expected to contribute toward current bridge maintenance practice.