인공신경망을 활용한 시뮬레이션 기반 해양구조물 손상 추정

Abstract

본 논문에서는 전산구조해석 데이터를 기반으로 인공신경망을 활용하여 헬리데크에 대한 손상 추정 기법을 제안한다. 신경망은 헬리데크의 손상 및 비손상 상태의 동적 응답 특성에 대한 패턴 인식을 위해 구성된다. 헬리데크의 트러스 및 서포트 부재의 손상만이 고려되었으며, 해당 부재들에 대해서 연결 절점을 공유하는 부재들을 하나의 부분으로 그룹화 하였다. 그리고 손상은 동일한 그룹에 속한 모든 부재의 탄성 계수 감소로 구현하였다. 학습 모델의 성능을 높이기 위해 손상 그룹에 대해 개별적으로 인공신경망을 구성하였다. 손상 그룹 및 손상 정도를 무작위로 부여된 손상 시나리오를 생성하였으며, 전체 손상 시나리오를 사용 목적에 따라 학습, 유효성 검사, 검증 세트로 분리하였다. 인공신경망의 수렴 조건을 설정하여 학습을 수행하였으며, 최종적으로 검증 시나리오에 대한 인공신경망의 예측 값과 실제 값을 비교하였다. 그 결과 제시된 인공신경망이 손상 그룹과 손상 정도를 높은 정확도로 예측하는 것을 확인하였다.

In this paper, a damage detection technique for a helideck using an artificial neural network based on data calculated by computational structure analysis is proposed. The networks are constructed to recognize the pattern of the modal responses of the reference helideck model under both undamaged and damaged states. The damages in the truss and support components of the helideck are considered. The members sharing a connecting node are grouped into one part. The damage is implemented by reducing the Young’s modulus of all members in the same group. In order to improve the performance of the learning model, the artificial neural networks are individually configured for the damage groups. Damage scenarios that the damage groups and damage levels are randomly arranged are generated, and the entire damage scenarios are divided into training, validation, and verification sets according to purpose of use. The networks are trained under the convergence criteria, and finally, the predicted and actual values for the verification scenarios are compared. As a result, it was shown that the proposed artificial neural network was able to detect the damage groups and levels with high accuracy.