http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 주제어 : 재료 열화 모델 (검색결과 3 건)
- 무료
- 기관 내 무료
- 유료
-
김태훈 한국지진공학회 2011 한국지진공학회논문집 Vol.15 No.5
이 연구에서는 열화된 철근콘크리트 교각의 성능평가를 위한 비선형 유한요소해석 기법을 제시하였다. 사용된 프로그램은 이러한 철근콘크리트 구조물의 해석을 위한 RCAHEST이다. 재료적 비선형성에 대해서는 균열콘크리트에 대한 인장, 압축, 전단모델과 콘크리트 속에 있는 철근모델을 조합하여 고려하였다. 열화된 철근콘크리트 교각의 거동을 예측하기 위해서 진보된 열화재료모델을 개발하였다. 이 연구에서는 열화된 철근콘크리트 교각의 성능을 파악하기 위해 제안한 해석기법을 신뢰성 있는 연구자의 실험결과와 비교하여 그 타당성을 검증하였다. This paper presents a nonlinear finite element analysis procedure for the performance assessment of deteriorated reinforced concrete bridge columns. A computer program, named RCAHEST (Reinforced Concrete Analysis in Higher Evaluation System Technology), was used to analyze these reinforced concrete structures. Material nonlinearity is taken into account by comprising tensile, compressive and shear models of cracked concrete and a model of reinforcing steel. Advanced deteriorated material models are developed to predict behaviors of deteriorated reinforced concrete bridge columns. The proposed numerical method for the performance of damaged reinforced concrete bridge columns is verified by comparison with reliable experimental results.
-
김진겸,장창희,강성식 한국비파괴검사학회 2023 한국비파괴검사학회지 Vol.43 No.3
This study aims to generate ultrasonic signals of aged nuclear structural materials through machine learning models. Ultrasonic signals were generated using a variational auto-encoder model with a mathematically explainable and reproducible method. Two machine learning models for classification (k-nearest neighbor and multi-layer perceptron) were used to verify the quality of the generated signals. It was confirmed that the generated ultrasonic signals possessed characteristics similar to those of the experimental data, which implies that a large number of new ultrasonic signals can be generated using a small amount of data collected through experiments. 본 연구는 기계학습 모델을 통해 열화된 원자력 구조재료의 초음파 신호를 생성하는 것을 목표로 한다. 변분 오토인코더(variational auto-encoder) 모델을 통해 초음파 신호를 생성하였으며, 수학적으로 설명가능한 방법으로 생성 데이터의 재현성을 확인하였다. 생성된 신호의 품질을 검증하기 위해 두 가지 기계학습분류 모델(k-nearest neighbor 및 multi-layer perceptron)을 사용하였다. 이를 통해 생성된 초음파 신호가 실험데이터와 유사한 특성을 가지고 있음을 확인하였고, 적은 양의 실험 데이터를 활용하여 많은 양의 새로운 초음파 신호를 생성할 수 있음을 확인하였다.
-
ScienceON
코리아스칼라연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
