콘크리트 구조물의 충격응답신호에 대한 준지도학습을 활용한 머신러닝 기법 기반의 손상분석 연구 = A Study on the Damage Analysis Based on Machine Learning Using Semi-supervised Learning for Impact Response Signals in Concrete Structures
저자
발행사항
인천 : 인천대학교 대학원, 2023
학위논문사항
학위논문(박사)-- 인천대학교 대학원 : 안전공학과 2023. 2
발행연도
2023
작성언어
한국어
주제어
발행국(도시)
인천
형태사항
97 ; 26 cm
일반주기명
지도교수: 오태근
UCI식별코드
I804:23006-200000655542
소장기관
The importance and need for maintenance of concrete structures, which occupy most of the social infrastructure, is increasing due to damage due to aging and deterioration. Currently, the state evaluation method through non-destructive methods such as ultrasonic method and Schmidt Hammer, which are presented in detailed safety inspection and precision safety diagnosis guidelines and performance evaluation guidelines in Korea, do not have high accuracy and reliability.
In order to overcome these limitations, various technologies using techniques such as Impulse Response Technique (IR) and Multichannel Analysis of Surface Wave (MASW) have been proposed recently that can identify the state of material quality such as strength, modulus of elasticity, Poisson's ratio, and internal and external peeling, exfoliation, voids, and cracks for RC and PSC structures. Also, recently, AI techniques such as machine learning and deep learning are being used for safety inspection.
The damage evaluation method for concrete currently in use does not consider the physical characteristics of concrete, has various problems such as lack of understanding of collected signals and insufficient signal processing technology. In addition, since the result is predicted using a commercial toolbox (black box model), it is difficult to identify the type and cause of damage while only distinguishing whether or not it is damaged. Therefore, in this paper, the pattern, trend, and characteristics of the signal were derived through principal component analysis (PCA) for the thickness (reflected wave) mode of the IR test to identify damage to concrete structures. In addition, when using a test piece, it is possible to identify the location and type of damage, so the distinction is clear, but in the case of an actual structure, it is difficult to sample cores for all test points, and verification is limited. Therefore, SSL was applied that can simultaneously learn test piece data (label data) and actual structure data (unlabel data). As a result, an SSL model was developed and proposed that can classify the presence or absence of defects in plate-shaped structures such as concrete slabs, pavements, and floor plates into three categories: good, fair, and poor. In this paper, an algorithm that can determine the presence or absence of defects faster and more accurately compared to existing models that use both time or frequency domains using preconditions was presented. Compared to supervised learning, the proposed semi-supervised learning model was able to determine the presence or absence of defects with a relatively accurate accuracy of about 80% or more through correction of inaccurate specimen data and update of characteristics of new specimens.
In the future, additional measures to minimize the effects of site conditions such as strength of concrete, homogeneity of modulus of elasticity, distribution of cracks, and severity of defects should be devised. If various methods to improve the accuracy of SSL are developed through this, the SSL method will be very effective in safety diagnosis methods based on mechanical signals such as IE, SASW, and MASW. Through this paper, it was confirmed that the machine learning analysis method can be applied to internal and external damage of concrete structures, which are difficult to measure in the field, using causal reasoning based on the impact response method and semi-supervised learning. If this is used, more effective and practical concrete structure safety evaluation will be possible.
사회기반시설 대부분을 차지하고 있는 콘크리트 구조물은 노후화와 열화에 따른 손상으로 유지관리에 대한 중요성과 필요성이 고조되고 있다. 현재 국내에서 안전 점검 및 정밀안전진단 세부 지침과 성능평가지침에서 제시되고 있는 초음파 방법(Ultrasonics)과 슈미트 해머(Schmidt Hammer) 등의 비파괴 방법을 통한 상태평가 방법은 정확도 및 신뢰도가 높지 않다.
이러한 한계를 극복하기 위하여 최근 RC, PSC 등 콘크리트 구조물에서의 충격응답기법(Impact Resonance, 이하 IR), 다중채널표면파기법(Multichannel Analysis of Surface Wave, 이하 MASW) 등 표면에 충격파를 가진하여 파동 에너지를 확인하여 강도, 탄성계수, 포아송 비 등의 재료 품질과 내외부 박리, 박락, 공동, 균열 등의 상태 파악을 할 수 있는 충격응답에 기반한 다양한 기술들이 제시되고 있고 머신러닝, 딥러닝과 같은 AI 기법도 안전 점검을 위해 활용되고 있다.
현재 상용되는 콘크리트에 대한 손상평가 방법은 콘크리트의 물리적 특성이 고려되지 않으며, 수집되는 신호에 대한 이해도 부족, 신호처리 기술의 미흡 등 다양한 문제점을 내포하고 있다. 또한, 상용 툴박스(블랙박스 모델)를 사용해서 결과를 예측하므로 손상 여부만 구분하고 손상 종류, 원인 등에 대해서는 파악이 어렵다.
이에, 본 논문에서는 콘크리트 구조물의 손상 파악을 위해 충격응답시험법(IR)을 사용하였으며, 충격응답시험에서 분석되는 두께(반사파)모드의 분석 결과에 주성분 분석(NCA, PCA 등)을 통한 신호의 패턴, 경향, 특징들을 도출하여 정확도와 신뢰성 향상을 위한 SSL 기반 예측 모델을 개발하였다. 또한 시험편을 사용하는 경우 손상의 위치 및 유형 파악이 가능하므로 구분이 명확하지만, 실제 구조물의 경우 모든 테스트 포인트에 대해 코어를 채취하기 어렵고 검증하는 데 한계가 있어 시험편 데이터(라벨 데이터), 실제 구조물 데이터(언라벨 데이터)를 동시에 학습 가능한 준지도학습을 적용하였으며, 콘크리트 슬래브, 포장, 바닥판 등의 판형 구조물의 결함의 유무를 Good, fair, Poor 3가지로 구분할 수 있는 준지도학습모델을 개발하고 제안하였다. 본 논문에서는 사전 조건을 이용하여 시간 또는 주파수 도메인을 모두 사용하는 기존의 모델에 비해 빠르고 더 정확하게 결함의 유무를 판단할 수 있는 알고리즘을 제시하였다. 제안된 준지도학습모델은 지도학습에 비해 부정확한 시험편 데이터의 자구 수정, 새로운 시편의 특성 업데이트 등을 통해 약 80% 이상으로 비교적 정확하게 결함 유무를 판단할 수 있었다.
콘크리트 강도 및 탄성계수의 균질성, 균열의 분포상태, 결함의 심각성 등의 현장 조건에 의한 영향을 최소화할 수 있는 추가적 조치가 고안되고, 준지도학습의 정확도를 개선할 수 있는 다양한 방법이 개발된다면 SSL 방법은 IE, SASW, MASW 등의 기계적 신호에 기반한 안전진단 방법에 있어 매우 효과적일 것이다.
본 논문을 통해 현장에서 측정이 어려운 콘크리트 구조물의 내외부 손상에 대해서 충격응답기법에 기반한 인과추론과 준지도학습을 활용하여 머신러닝 분석기법의 적용이 가능함을 확인하였다. 이를 활용한다면 보다 효과적이고 실용적인 콘크리트 구조물 안전성 평가가 가능할 것이다.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)