$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

변형 유전 알고리즘을 이용한 건물 철골 보 구조물의 시스템 식별에 관한 해석적 연구

An Analytical Study on System Identification of Steel Beam Structure for Buildings based on Modified Genetic Algorithm

한국전산구조공학회논문집 = Journal of the computational structural engineering institute of Korea, v.27 no.4, 2014년, pp.231 - 238  

오병관 (연세대학교 건축공학과) ,  최세운 (대구카톨릭대학교 건축학부) ,  김유석 (연세대학교 건축구조헬스케어연구단) ,  조동준 (연세대학교 건축구조헬스케어연구단) ,  박효선 (연세대학교 건축공학과)

초록
AI-Helper 아이콘AI-Helper

건물의 경우, 용도 변경에 따른 중력하중 변화, 시공 단계에 따라 중력하중 변화 등이 구조물 시스템에 영향을 미친다. 따라서, 본 연구에서는 시스템 식별 변수 설정에 있어 기존에 강성만을 변수로 설정한 방법에 추가적으로 질량을 변수로 설정하여 시스템을 식별하는 기법을 제안한다. 계측한 동특성과 FE모델에서 추출한 동특성 간의 차이를 최소화하여 변수를 탐색하게 된다. 최소화 기법으로 변형 유전 알고리즘을 적용하였다. 보다 전역적 해탐색을 위해 변형 유전 알고리즘은 더 넓은 해 탐색 공간에서 해를 찾는다. 철골 보 구조물의 시뮬레이션을 통해 본 연구가 제시한 기법을 검증하였고 변형 유전 알고리즘과 기존의 단순 유전 알고리즘의 성능을 비교하였다. 또한, 강성 식별만을 수행한 기존 연구의 방법과 본 연구가 제시한 기법간의 차이를 비교하였다.

Abstract AI-Helper 아이콘AI-Helper

In the buildings, the systems of structures are influenced by the gravity load changes due to room alteration or construction stage. This paper proposes a system identification method establishing mass as well as stiffness to parameters in model updating process considering mass change in the buildi...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • GA의 성능 향상에 관한 논의는 역사적으로 계속되어 온 문제이다. 본 연구가 제시한 변형 GA는 해 선택 압력을 높이는 방법이 아닌 해 탐색 영역을 확장시켜 GA가 local optima 에 빠지는 것을 막는 것을 목적으로 한다. MGA의 성능을 평가하기 위해 기존의 GA와 동일한 조건에서 식별을 수행하였다.
  • 본 연구는 건물의 시스템 식별을 위해 강성뿐만 아니라 질량을 식별 변수로 선정하여 중력하중의 변동성을 고려하였다. 계측 동특성 기반 시스템 식별을 수행하였고 최소화 기법으로 GA를 사용하였다.
  • 다음은 변수 설정의 적절성을 알아보았다. 처음 가정했듯이 본 연구의 시스템 식별에서의 변수에 강성 이외에 질량을 추가시켰는데, 이러한 설정이 기존의 식별 연구에서 강성만을 변수로 설정한 경우와 어떤 다른 영향을 미치는지 확인해 보았다. 기존 식별 연구와 같이 강성만을 변수로 설정하여 식별 변수를 탐색해 보았다.
  • 본 연구의 시스템 식별은 계측 데이터 기반 식별이며, 가속도 등의 진동을 계측하여 얻은 고유주파수와 모드형상과 같은 동특성을 이용한다. 해당 구조물과 같은 FE모델을 구성하여 실험에서 얻은 동특성과 FE모델에서 추출한 동특성 간의 차이를 최소화하도록 FE모델을 실제 구조물에 가깝게 만드는 것이 목적이다. 해석모델의 고유주파수와 모드형상은 변수가 입력된 식 (1)과 식 (2)의 eigen value해석을 통해 구한다.

가설 설정

  • H100×100×6×8인 SS400재질의 6m 보 구조물로 양 옆 기둥에 강접으로 접합되었다고 가정하였다.
  • 보 요소 중앙에 중력방향으로 20kN의 정적하중이 작용하고 있고, 이는 질량으로써 이 보 구조물에 영향을 미치게 된다. 계측은 가속도계를 이용한 Impact hammer test를 통해 가속도를 계측하고 얻은 응답으로 FRF를 수행하여 동특성을 계측한다고 가정하였다. 본 시뮬레이션에서는 계측한 동특성은 앞서 가정한 값(휨강성 및 질량)을 FE 모델에 입력하여 얻은 동특성 값을 사용하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
구조물의 시스템 식별은 어떻게 수행되는가? , 2001; Sirca Jr and Adeli, 2012). 구조물에 설치된 센서를 통해 계측한 데이터를 이용하여 SI가 수행되며, SI를 통해 구조물의 상태를 파악하고 거동 및 응답을 예측, 손상을 파악하게 된다. 계측한 응답을 통해 구조물의 특성(예를 들어 동특성)을 파악하는 부류의 작업도 SI에 해당되지만 계측한 응답을 통해 구조물의 물성을 파악하는 것 또한 SI로 분류된다.
구조물 시스템에 영향을 주는 요인은 무엇인가? 건물의 경우, 용도 변경에 따른 중력하중 변화, 시공 단계에 따라 중력하중 변화 등이 구조물 시스템에 영향을 미친다. 따라서, 본 연구에서는 시스템 식별 변수 설정에 있어 기존에 강성만을 변수로 설정한 방법에 추가적으로 질량을 변수로 설정하여 시스템을 식별하는 기법을 제안한다.
구조분야의 시스템 식별에 변수로 설정되는 것은 무엇인가? 구조물의 시스템 식별에서 변수는 구조물에 주요한 영향을 미치는 불확실성을 포함하는 인자들이 선택된다. 구조분야의 시스템 식별에서는 주로 구조물에 작용하는 하중(Hong et al., 2013), 구조물의 전역적, 국부적(부재단위) 강성(Sanayei et al., 1997; Jung and Kim, 2011) 등을 변수로 설정된다. 보의 휨강성(Li et al.
질의응답 정보가 도움이 되었나요?

참고문헌 (30)

  1. Aktan, A.E., Catbas, N., Turer, A., Zhang, Z. (1998) Structural Identification: Analytical Aspects, Journal of Structural Engineering, 124, pp.817-829. 

  2. Antonio, C.C. (2014) A Memetic Algorithm Based on Multiple Learning Procedures for Global Optimal Design of Composite Structures, Memetic Computer (In press). 

  3. Baldwin, J.M. (1896) A New Factor in Evolution, American Naturalist, 30, pp.441-451, 536-553. 

  4. Brincker, R., Zhang, L., Andersen, P. (2001) Modal Identification of Output-only Systems Using Frequency Domain Decomposition, Smart Material and Structures, 10, pp.441-445. 

  5. Chellini, G., Roeck, G.D., Nardini, L., Salvatore, W. (2010) Damage Analysis of a Steel-concrete Composite Frame by Finite Element Model Updating, Journal of Constructional Steel Research, 66, pp.398-411. 

  6. De Jong K.A. (1975) An Analysis of the Behavior of a Class of Genetic Adaptive Systems, Doctoral Dissertation, University of Michigan. 

  7. Deng, L., Cai, C.S. (2010) Bridge Model Updating Using Response Surface Method and Genetic Algorithm, Journal of Bridge Engineering, 15, pp.553-564. 

  8. Garcia-Palencia, A.J., Santini-Bell, E. (2013) A Two-step Model Updating Algorithm for Parameter Identification of Linear Elastic Damped Structures, Computer-Aided Civil and Infrastructure Engineering, 28, pp.509-521. 

  9. Ghrib, F., Li, L., Wilbur, P. (2012) Damage Identification of Euler-bernoulli Beams Using Static Responses, Journal of Engineering Mechanics, 138, pp.405-415. 

  10. Goldberg, D.E. (1989) Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Westley. 

  11. Hinton, G.E., Nowlan, S.J. (1987) How Learning Can Guide Evolution, Complex Systems, 1, pp.495-502. 

  12. Hong, K., Lee, J., Choi, S.W., Kim, Y., Park, H.S. (2013) A Strain-based Load Identification Model for Beams in Building Structures, Sensors, 13, pp.9909-9920. 

  13. Jung, D.S., Kim, C.Y. (2013) Finite Element Model Updating on Small-scale Bridge Model Using the Hybrid Genetic Algorithm, Structure and Infrastructure Engineering, 9, pp.481-495. 

  14. Li, S., Wu, Z., Zhou, L. (2010) Health Monitoring of Flexural Steel Structures Based on Distributed Fibre Optic Sensors, Structure and Infrastructure Engineering, 6, pp.303-315. 

  15. Li, K., Kwong, S., Wang, R., Tang, K.S., Man, K.F. (2013) Learning Paradigm Based on Jumping Genes: A General Framework for Enhancing Exploration in Evolutionary Multiobjective Optimization, Information Sciences, 226, pp.1-22. 

  16. Lozano-Galant, J.A., Nogal, M., Castillo, E. (2013) Application of Observability Techniques to Structural System Identification, Computer-Aided Civil and Infrastructure Engineering, 28, pp.434-450. 

  17. Marano, G.C. (2011) Modified Genetic Algorithm for the Dynamic Identification of Structural Systems Using Incomplete Measurements, Computer-Aided and Infrastructure Engineering, 26, pp.92-110. 

  18. Meruane, V., Heylen, W. (2011) An Hybrid Real Genetic Algorithm to Detect Structural Damage Using Modal Properties, Mechanical Systems and Signal Processing, 25, pp.1559-1573. 

  19. Paenke, I., Kawecki, T.J., Sendhoff, B. (2009) The Influence of Learning on Evolution: A Mathematical Framework, Artificial Life, 15, pp.227-245. 

  20. Park, J.W., Sim, S.H., Jung, H.J. (2013) Wireless Sensor Network for Decentralized Damage Detection of Building Structures, Smart Structures and Systems, 12, pp.399-414. 

  21. Perera, R., Marin, R., Ruiz, A. (2013) Staticdynamic Multi-scale Structural Damage Identification in a Multi-objective Framework, Journal of Sound and Vibration, 332, pp.1484-1500. 

  22. Rao, R.V., Savsani, V.J., Vakharia, D.P. (2011) Teaching-learning-based Optimization: A Novel Method for Constrained Mechanical Design Optimization Problems, Computer-Aided Design, 43, pp.303-315. 

  23. Sanayei, M., Imbaro, G.R., McClain, J.A.S., Brown, L.C. (1997) Structural Model Updating Using Experimental Static Measurements, Journal of Structural Engineering, 123, pp.792-798. 

  24. Sanayei, M., Rohela, P. (2014) Automated Finite Element Model Updating of Full-scale Structures with PARameter Identification System(PaRIS), Advances in Engineering Software, 67, pp.99-110. 

  25. Shiradhonkar, S.R., Shrikhande, M. (2011) Seismic Damage Detection in a Building Frame Via Finite Element Model Updating, Computers and Structures, 89, pp.2425-2438. 

  26. Sirca Jr., G.F., Adeli, H. (2012) System Identification in Structural Engineering, Scientia Iranica Transaction A: Civil Engineering, 19, 2012, pp.1355-1364. 

  27. Togan, V. (2012) Design of Planar Steel Frames Using Teaching-learning Based Optimization, Engineering Structures, 34, pp.225-232. 

  28. Xu, B., He, J., Rovekamp, R., Dyke, S.J. (2012) Structural Parameters and Dynamic Loading Identification from Incomplete Measurements: Approach and Validation, Mechanical Systems and Signal Processing, 28, pp.244-257. 

  29. Yang, J.N., Xia, Y., Loh, C. (2014) Damage Identification of Bolt Connections in a Steel Frame, Journal of Structural Engineering, 140, Article number 04013064. 

  30. Zhang, M., Zhao, S., Wang, X. (2009) A Hybrid Self-adaptive Genetic Algorithm Based on Sexual Reproduction and Baldwin Effect for Global Optimization, 2009 IEEE Congress on Evolutionary Computation, CEC. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트