한국해양대학교

Detailed Information

Metadata Downloads

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

DC Field Value Language
dc.contributor.advisor 이재하 -
dc.contributor.author 김경진 -
dc.date.accessioned 2022-04-08T17:43:48Z -
dc.date.available 2022-04-08T17:43:48Z -
dc.date.created 20210311144400 -
dc.date.issued 2021 -
dc.identifier.uri http://repository.kmou.ac.kr/handle/2014.oak/12684 -
dc.identifier.uri http://kmou.dcollection.net/common/orgView/200000376321 -
dc.description.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. -
dc.description.abstract 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. -
dc.description.tableofcontents List of Tables iv List of Figures vi Abstract xi 초 록 xiii 제 1 장 서론 1 1.1 연구 배경 1 1.2 연구 목표 4 1.3 연구 방법 5 1.4 연구의 구성 6 제 2 장 충돌실험 및 해석모델 이론 8 2.1 충돌하중을 받는 콘크리트 구조물 8 2.1.1 콘크리트 중앙분리대의 충돌해석 연구 8 2.1.2 콘크리트 구조물의 충돌실험 12 2.1.3 국내 중앙분리대 설치 기준 15 2.2 FEM 및 SPH 해석을 위한 해석프로그램 및 콘크리트 재료모델 20 2.2.1 FEM 및 SPH 해석을 위한 해석프로그램 선정 20 2.2.2 FEM 및 SPH 해석을 위한 콘크리트 재료모델 22 2.2.3 콘크리트의 감쇠비 25 2.3 SPH 이론 27 2.4 LDPM 이론 31 제 3 장 ANN 이론 및 취약도분석 이론 36 3.1 ANN(Artificial Neural Network) 36 3.1.1 ANN 기본 이론 36 3.1.2 오류역전파 40 3.1.3 과적합 45 3.1.4 머신러닝 소프트웨어 46 3.1.5 ANN을 활용한 콘크리트 구조물의 구조성능 예측 연구 47 3.2 Bayesian 통계법을 활용한 취약도 분석 48 제 4 장 콘크리트 구조물의 비산량 예측 해석기법 비교 52 4.1 FEM을 활용한 콘크리트 비산량 예측 52 4.1.1 FEM 해석모델 개발 52 4.1.2 FEM 해석모델 검증 62 4.1.3 FEM 전체충돌해석 모델 65 4.2 LDPM을 활용한 콘크리트 비산량예측 71 4.3 SPH를 활용한 비산량 예측 75 4.3.1 SPH 해석모델 개발 75 4.3.2 SPH 해석모델 검증 77 4.3.3 SPH 전체충돌해석 모델 83 4.4 해석 기법 선정 및 소결론 86 제 5 장 SPH 기법을 활용한 콘크리트 구조물의 비산량 예측 88 5.1 중앙분리대 국부 충돌 관여 질량 산정 및 해석 범위 선정 88 5.2 SPH 국부충돌해석을 활용한 비산량 예측 100 5.2.1 SPH 국부충돌해석 결과 100 5.3 MRA를 활용한 비산량 예측 117 5.4 소결론 123 제 6 장 ANN을 통한 콘크리트 구조물의 비산량 예측 125 6.1 ANN 모델 구축 125 6.1.1 최적의 ANN 구축을 위한 변수연구 125 6.2 ANN을 활용한 콘크리트 비산량 예측 결과 134 6.2.1 ANN 예측 결과 134 6.2.2 ANN을 활용한 실물충돌시험 결과 예측135 6.2.3 ANN을 활용한 취약도 분석138 6.3 소결론 155 제 7 장 결론 및 향후 과제 158 7.1 해석을 통한 충돌하중을 받는 콘크리트 구조물 비산량 예측 158 7.2 ANN을 활용한 콘크리트 구조물 비산량 예측 159 7.3 향후 과제 및 제언 160 Acknowledgement 161 Bibliography 163 Appendix A Results of SPH analysis170 Appendix B Weights factor of ANN180 -
dc.language kor -
dc.publisher 한국해양대학교 대학원 -
dc.rights 한국해양대학교 논문은 저작권에 의해 보호받습니다. -
dc.title 입자법과 인공신경망(ANN)을 활용한 충돌시 콘크리트 구조물의 비산량 예측 -
dc.title.alternative Application of SPH and ANN for Prediction of the Amount of Concrete Fragmentation under Impact Loadings -
dc.type Dissertation -
dc.date.awarded 2021. 2 -
dc.embargo.liftdate 2021-03-11 -
dc.contributor.alternativeName Kim, Kyeongjin -
dc.contributor.department 대학원 토목환경공학과 -
dc.contributor.affiliation 한국해양대학교 대학원 토목환경공학과 -
dc.description.degree Doctor -
dc.identifier.bibliographicCitation [1]김경진, “입자법과 인공신경망(ANN)을 활용한 충돌시 콘크리트 구조물의 비산량 예측,” 한국해양대학교 대학원, 2021. -
dc.subject.keyword 콘크리트 -
dc.subject.keyword 비산량 -
dc.subject.keyword 인공신경망(ANN) -
dc.subject.keyword 입자법 -
dc.subject.keyword 충돌해석 -
dc.subject.keyword 중앙분리대 -
dc.subject.keyword 다중선형회귀분석 -
dc.subject.keyword 취약도 곡선 -
dc.identifier.holdings 000000001979▲200000001935▲200000376321▲ -
Appears in Collections:
토목환경공학과 > Thesis
Files in This Item:
There are no files associated with this item.

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse