FCNN을 이용한 나선형 섬유센서 시스템의 부재력 추정 (FCNN for Estimating the Member Force of a Helical Fiber Sensor System)

서지정보

· 발행기관 : 한국정보전자통신기술학회
· 수록지 정보 : 한국정보전자통신기술학회 논문지 / 17권 / 6호 / 544 ~ 553페이지
· 저자명 : 이해옥, 정홍진

초록

인공지능과 센서 기술의 발전으로 인해, 구조물 건전성 모니터링(SHM, Structural Health Monitoring)분야에 해석데이터에 기반한 기계학습 방법이 적용되고 있다. 기계학습모델 기반의 알고리즘은 센서에서 수집된 실시간 데이터로부터 복잡한 구조 거동 패턴을 학습하며, 이를 통해 구조물의 안전성을 평가할 수 있는 기초정보를 제공할 수 있다. 본 연구에서는 전결합 신경망(FCNN, fully connected neural network)모델을 이용하여 CFRP(Carbon Fiber Reinforced Polymer)튜브에 매입되는 이중나선 섬유센서 시스템의 변형률 계측값을 이용하여 부재에 작용하는 부재력을 추정하는 기법을 개발하였고, 이를 해상풍력 지지구조, 기초 강관파일, 강구조시스템의 강관부재 등 주요부재에 적용하는 방법을 제안하였다. 강관파일과 CFRP 이중 나선 센서 시스템이 결합된 유한요소해석모델을 제작하고, 유한요소해석에서 얻은 데이터를 전결합 신경망 모델에 입력하여 입력(변형률)과 출력(부재력) 간의 비선형 매핑 관계를 구축하였다. 모델의 성능은 R², MSE, MAE 등의 다양한 평가 지표를 통해 검증되었으며, 제안된 AI 모델이 데이터 적합성 및 계산 효율성에서 우수한 성능을 나타냄을 확인하였다. 본 연구는 해석데이터 기반 AI 방법을 통해 강관의 거동을 통해 부재력을 추정하기 위한 효율적이고 신뢰할 수 있는 기술적 해법을 제시하였고, 해상풍력 지지구조물 등의 구조물 건전성 모니터링에 보다 지능화된 도구와 방법을 제공하여 AI의 구조설계 및 유지관리 분야에 대한 확장 및 응용 가능성을 보였다,

영어초록

Due to the rapid development of artificial intelligence (AI) and sensor technology, machine learning methods based on analysis data are being applied to the field of structural health monitoring (SHM). Algorithms based on machine learning (ML) models learn complex structural behavior patterns from real-time data collected from sensors, which can provide basic information for evaluating the safety of structures. In this study, a technique for estimating member forces acting on members using strain measurements of a double-spiral fiber sensor system embedded in a carbon fiber reinforced polymer (CFRP) tube using a fully connected neural network (FCNN) model was developed, and a method for applying this to major members such as offshore wind power support structures, foundation steel pipe piles, and steel pipe members of steel structural systems was proposed. A nonlinear 3D finite element program was used to create a numerical model in which a steel pipe and a CFRP double-spiral sensor system were combined, and the data obtained from the finite element analysis were input into the FCNN model to establish a nonlinear mapping relationship between the input (strain) and the output (member force). The performance of the model was verified through various evaluation indices such as R², MSE, and MAE, and it was confirmed that the proposed AI model showed excellent performance in data suitability and computational efficiency. This study presented an efficient and reliable technical solution for estimating member forces through the behavior of steel pipes using an AI method based on analysis data, and showed the possibility of expanding and applying AI to the structural design and maintenance fields by providing more intelligent tools and methods for SHM such as offshore wind power support structures.

참고자료

· 없음