입자법과 인공신경망(ANN)을 활용한 충돌시 콘크리트 구조물의 비산량 예측

Abstract

A concrete median barrier on highways is a typical road safety facility that requires predicting amount of the fragmentation generated by a collision of a vehicle since the fragmentation from the median barrier can cause a secondary accident to a vehicle in the opposite lane. Therefore, predicting the amount of fragmentations depending on the specification of the cross section and the impact severity is important to prevent hazard by the secondary accident. However, there are always uncertainties due to the strain rate effect, size effect, heterogeneous material, and characteristics of impactor in the prediction of resistance performance of concrete structures subject to extreme loads such as impact or explosions. Many researchers have studied to predict the damaged area, displacement, and strain of concrete. Such predictions of concrete structural behavior following impact loads mostly use FEM. However, FEM has a limitation in predicting the fragmentation amount since it simulates fragmentation through element deletion. Obtained results for prediction of fragmentation amount by FEM could be easily controlled by the option for element deletion. However, using the Smooth Particle Hydrodynamics (SPH) or Lattice Discrete Particle Model (LDPM) is useful for predicting amount of the fragmentation or motion of fragmentations since they are not affected by the mesh (Rabczuk et al. 2003, Cusatis et al. 2003). Therefore, in this study, we used SPH and LDPM to predict the amount of concrete fragmentations after an impact. The impact analysis using FEM, LDPM and SPH was performed and damaged shapes and patterns were compared with the experimental test. As a result, it was found that the SPH simulated the fracture formation and propagation and the fragmentation behavior of concrete structures relatively accurately. Therefore, this study performed the SPH analysis and predicted the amount of concrete fragmentations. Obtained results using SPH showed that amount of fragmentations could be changed depending on different ratio of velocity and mass while the local impact energy was kept same. By using obtained results from SPH analysis, multiple linear regression analysis (MRA) was conducted. The MRA showed a rather low correlation coefficient (R2) since the results of MRA linearly define the relationship between the input variable and the dependent variable while there are uncertainty in prediction of fragmentation of concrete structures. Therefore, there is a need for a method that can predict the amount of fragmentation with intrinsic uncertainty. In this study, an artificial neural network (ANN) was used that can predict the fragmentation amount by learning SPH analysis results with intrinsic uncertainty. Afterward, amount of fragmentations predicted by the ANN and MRA were compared with the results of a experimental test. The result confirmed that the prediction result by ANN reflected the analysis result better. By using the ANN, finally, the probability of occurrence of the critical fragmentation amount could be presented by calculating fragility of concrete median barrier against impact loading.

고속도로 중앙분리대는 비산량 예측이 필요한 대표적인 도로시설물로서, 차량과 중앙분리대의 충돌 시 발생하는 비산물로 인해 반대 차로에서 주행하는 차량에 2차 사고를 유발할 수 있다. 따라서 단면의 제원과 충돌조건에 따른 비산량을 미리 예측할 수 있다면, 설계과정에 반영하여 2차 사고에 의한 피해를 줄일 수 있다. 그러나, 충돌이나 폭발 지진과 같은 극심한 하중이 작용하는 콘크리트 구조물에서는 변형률 속도 효과 (Strain rate effect), 크기효과(Size effect), 비균질 재료(heterogeneous material), 다양하고 내부구조가 복잡한 발사체 또는 충돌체의 특성과 같이 복합적인 요인으로 충돌저항성능 예측에 불확실성이 존재한다. 이러한 불확실성이 내재된 콘크리트의 손상범위, 변위, 변형률 등을 예측하는 연구는 많은 연구자에 의해 지속적으로 발전하고 있으며 관련된 예측은 주로 FEM을 활용하고 있다. 특히 FEM을 비산량 예측에 활용하기 위해서는 요소(Element) 삭제를 정의해야 하며 요소의 삭제 시점에 따라 비산물 모사에 큰 차이를 보이는 등 FEM은 비산량 예측에 많은 보완이 필요한 방법이라 할 수 있다. 그러나 요소망에 영향을 받지 않는 입자법(Smooth Particle Hydrodynamics)이나 이산요소(Lattice Discrete Particle Model)를 활용할 경우 콘크리트의 비산량이나 비산운동 예측에 유용하다(Rabczuk etl a. 2003, Cusatis et al. 2003). 본 연구에서는 SPH와 LDPM을 활용하여 충돌 후 발생하는 콘크리트의 비산량을 예측하였다. FEM, LDPM 그리고 SPH 기법을 활용한 충돌해석을 수행하고 실제 충돌시험과 비교하여 손상영역을 비교한 결과 SPH 기법 즉 입자법이 콘크리트 구조물의 균열 생성 및 진전 그리고 비산 거동을 실제와 유사하게 모사하였다. 따라서 입자법을 이용하여 콘크리트 중앙분리대를 대상으로 비산량을 예측할 수 있는 해석모델을 개발하고 다양한 주요변수의 조합에 대한 충돌해석을 수행하였다. 해석결과 동일한 충돌에너지 조건에서 충돌 속도(Impact velocity)와 충돌체 질량(Impact mass)의 기여도에 따라 비산량이 변화하며 일정한 경향성을 가지고 있는 것으로 확인되었다. 해석결과를 활용하여 다중선형회귀분석(MRA) 후 비산량 예측을 수행한 결과 선형적으로 변수와 종속변수의 관계를 정의하는 MRA는 불확실성이 내재된 충돌 비산량 예측에 높은 상관계수(R2)를 보이지 못하였다. 따라서 본 연구에서는 불확실성이 내재된 해석결과를 학습한 인공신경망(ANN, Artificial Neural Network)을 활용하였다. ANN 예측결과를 MRA 예측결과와 비교한 결과 ANN의 예측 결과가 불확실성이 내재된 충돌 비산량을 효과적으로 예측하는 것으로 확인되었다. 이후 구축된 ANN을 활용하여 동일한 충돌에너지 조건에서 충돌 속도와 충돌체 질량의 기여도에 따른 취약도를 정의하여 특정 충돌조건에서 특정 단면의 한계 비산량 발생 확률을 제시할 수 있었다.