$\require{mediawiki-texvc}$

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.

지식기반 개념을 이용한 해저터널의 NATM 터널의 라이닝 설계
A knowledge-based study on design of NATM lining for subsea tunnels 원문보기

Journal of Korean Tunnelling and Underground Space Association = 한국터널지하공간학회논문집, v.18 no.2, 2016년, pp.195 - 211  

신춘원 (성균관대학교 글로벌건설엔지니어링학과) ,  우승주 (성균관대학교 글로벌건설엔지니어링학과) ,  유충식 (성균관대학교 토목공학과)

초록
AI-Helper 아이콘AI-Helper

이 논문에서는 해저터널의 특수성을 고려한 NATM 터널의 라이닝의 설계에 대한 내용을 다루었다. 해저터널 자동화 설계 시스템 개발의 요소기술인 인공신경망(Artificial Neural Network) 기반의 터널 설계 시스템에 대한 개념, 학습과정 및 검증과정과 예측된 부재력을 통한 최적 단면 설계에 대한 내용을 기술하였다. 부재력 평가가 정확하게 구현 가능한 인공신경망을 개발하기 위해서 다양한 설계 조건과 각 조건에 따른 해석 모델을 이용한 유한요소해석을 수행하여 단면 설계에 필요한 최대부재력의 학습DB를 구축하고 인공신경망을 통해 일반화하였다. 인공신경망을 이용해 산정된 부재력은 해저 터널의 라이닝 설계 시스템에 적용시켜 빠르고 쉽게 해저터널의 라이닝 설계에 적용이 가능하도록 하였다.

Abstract AI-Helper 아이콘AI-Helper

This paper concerns a study of a knowledge-based NATM tunnel lining design for subsea tunnels. Concept for tunnel automation designing system, the development of Artificial Neural Network based technology of the tunnel design system, the learning process and verification of the technology forecastin...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 터널 라이닝 설계에 있어서 원형이나 마제형으로 구성되어 있는 터널 라이닝의 횡단 단면 설계를 위해 단주설계로 단순화하고 이 결과는 실제 원형 설계에 비해 안정적인 설계가 가능하다. NATM에 대한 라이닝 설계시 정확히 예측된 부재력을 바탕으로 각각의 굴착 공법에 따른 라이닝 설계 로직을 수립하여 경제적인 라이닝 단면 설계가 가능하도록 연구하였다.
  • 본 연구에서는 NATM 터널의 라이닝 부재력을 정확히 예측할 수 있는 ANN 엔진을 구축하고 엔진에 적용되는 입력값이 출력값의 부재력에 미치는 영향 정도를 RSE (Relative Strength Effect)와 RI (Relative Importance)를 통해 다각적으로 분석하고자하였다. 결론적으로 예측된 부재력을 통해 시공성을 고려하여 미리 선정한 단면 DB를 구축하고, 단주설계법을 적용한 구조검토를 통해 설계자가 특정의 해저터널 설계 조건에 있어서 가장 경제적인 단면을 설계하고 그결과를 쉽게 알 수 있도록 하는데 효과적인 개념을 제시하고자 하였다. 이와 더불어 본 실제 그 타당성 연구가 진행되고 있는 해남-제주간 해저터널의 설계에 적용하여 실제 해저 터널 설계· 시공 단계에서 단면의 부재력 산정 및 안정성을 검토하였다.
  • 최대 전단력 및 최대 사용 모멘트를 예측함에 있어서 각각의 ANN을 구성 한다. 보다 정확한 설계는 터널 라이닝을 천장부, 어깨부, 측벽부로 구분하여 각 부위에 대한 최대 모멘트부와 최대 축력부의 모멘트, 축력 및 전단력을 판단하여각 부위 별로 철근배근을 달리할 수 있으나 본 연구에 서는 단순화된 최대 부재력을 고려하여 정확도를 높이고자 하였다.
  • 본 연구에서는 ANN (Artificial Neural Network, 인공신경망)을 기반으로 하여 해저터널의 설계 · 시공에 큰 영향을 미치는 라이닝 설계에 대한 로직을 수립하고, 설계 인자인 최대부재력에 대해서 정확도 높은 예측 시스템을 구축하는 기초연구를 수행하였다.
  • 본 연구에서는 NATM 터널의 라이닝 부재력을 정확히 예측할 수 있는 ANN 엔진을 구축하고 엔진에 적용되는 입력값이 출력값의 부재력에 미치는 영향 정도를 RSE (Relative Strength Effect)와 RI (Relative Importance)를 통해 다각적으로 분석하고자하였다. 결론적으로 예측된 부재력을 통해 시공성을 고려하여 미리 선정한 단면 DB를 구축하고, 단주설계법을 적용한 구조검토를 통해 설계자가 특정의 해저터널 설계 조건에 있어서 가장 경제적인 단면을 설계하고 그결과를 쉽게 알 수 있도록 하는데 효과적인 개념을 제시하고자 하였다.
  • 이 논문에서는 해저터널에서 적용되는 NATM 터널의 라이닝 최적설계 시스템에 관한 내용을 다루었다. 최적설계를 위해 관련 선행 연구에서 그 적용성이 확인된 바 있는 ANN을 도입하여 시공 조건, 지반 조건 및 터널 조건 입력값을 바탕으로 별도의 응용프 로그램 해석 없이 부재력을 정확히 예측하여 단면검 토에 적용될 수 있도록 하였고, 기 구축된 단면에 대한 구조검토와 그 결과에 따른 라이닝의 최적 단면 선정 로직을 포함하여 해저터널의 제한된 조건에 대해 각 굴착 공법에 따른 라이닝의 설계가 가능하도록 하였다.
  • 이러한 현장 자료를 분석하여 일반화하고 일정 수준의 설계 조건을 케이스화하여 각 케이스에 대해서 수치해석을 통한 구조해석을 실시하여 2차 라이닝 설계에 필요한 최대부재력을 산출하는 것을 목적으로 ANN을 구축 하였다. 이 연구는 본선에 대한 TBM 세그먼트 라이닝의 설계와 연계하여 해저터널 계획시 전체 구간에 대한 터널 라이닝 설계를 일관된 방법으로 시행할수 있도록 하는 연구가 된다.
  • (2005, 2008)은 IT 기반의 터널 설계를 위한 연구를 수행하였다. 이러한 문제를 개선하고 효율적인 터널설계를 수행하기 위하여 해저터널의 굴착 공법에 따른 라이닝 설계의 공통적인 부분을 단순화하고 적정한 단면 DB를 선정 하여 최적 단면을 설계할 수 있게 함으로써 설계자가 시간과 비용을 절약할 수 있도록하며 각 공법에 따른 라이닝의 설계를 자동화함으로써 설계자가 쉽고 정확하게 터널라이닝의 단면을 결정하도록 하는 로직을 정립하는 데 목적을 두고 있다. 이러한 지식기반 개념을 이용한 연구는 Yang and Zhang (1997, 1998)을 참고하였고 Beale et al.
  • 이러한 현장 자료를 분석하여 일반화하고 일정 수준의 설계 조건을 케이스화하여 각 케이스에 대해서 수치해석을 통한 구조해석을 실시하여 2차 라이닝 설계에 필요한 최대부재력을 산출하는 것을 목적으로 ANN을 구축 하였다.
  • 일반적으로 철근 콘크리트로 구성되는 NATM 터널의 2차 라이닝은 구조해석과 단면설계의 순서로 이루어지며, 작용하중이 구조물에 일으키는 응력과 변형을 구조해석으로부터 구하고 부재단면의 안전을 검토하여 주어진 하중작용에 대해 적합한 단면을 결정하는 절차로 이루어진다. 특히 NATM 공법에서 지보재는 주변 원지반과 영구복합구조체로 보고 설계한다.

가설 설정

  • NATM의 2차 라이닝의 설계는 무근안정성 검토후 철근보강이 필요하다고 판단되면 단면을 가정하고강도설계법으로 안정성을 검토했다. 콘크리트 라이닝에 철근을 보강하지 않고 무근으로 설계하기 위해서 는 휨응력()과 전단응력이 콘크리트의 허용응력보다 작거나 같아야 하며 이에 따른 콘크리트의 허용응력은 Table 14에 나타냈다.
  • NATM의 2차 라이닝의 설계는 콘크리트 구조기준 (2012) 설계법에 따라 하중조합하여 3.5.1 절의 Table 18과 같은 하중조합을 사용하며 이완하중과 잔류수압을 고려한 배수터널로 가정하여 설계하였다. NATM 공법 적용 구간은 구난역이나 환기 시설에 적용되므로 대부분 섬에 위치해 있고 토피고가 해저 구간보다크고, 주변 지반이 양호하여 육상 시공 조건과 비슷한것으로 간주할 수 있기 때문이다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
ANN의 구조는? ANN은 단순한 기능을 가진 무수히 많은 신경세포 또는 처리소자들이 병렬연결된 연산구조로 되어 있다. 각 신경세포는 다른 신경세포들과 완전히 독립적 이며 자신들과 연결된 연결강도를 통해 직접 전달되는 정보에만 의존하며 다른 정보들과는 무관하다.
ANN은 어떤 모형이 있는가? ANN에는 여러 가지 다양한 모형이 있다. MLP (Multiplayer Perceptron, 다층인식자) 신경망, RBF (Radial Basis Function, 원형기준함수) 신경망, EBF (Elliptical Basis Function, 타원형기준함수) 신경망의 세가지가 있으며 가장 널리 사용되는 모형은 MLP 신경망이다. MLP 신경망은 입력층, 은닉마디로 구성된 은닉층 그리고 출력층으로 구성된 전방향 신경망이다.
질의응답 정보가 도움이 되었나요?

참고문헌 (14)

  1. Beale, M.H., Hagan, M.T., Demuth, H.B. (2013), Neural Network Toolbox User's Guide, Mathwork Inc. 

  2. European Committee for Standardization, (2004). "Eurocode 2: design of concrete structures - part 1-1: general rules and rules for buildings". 

  3. Garson, G.D. (1991), "Interpreting neural-network connection weights", AI Expert, Vol. 6, No. 7, pp. 47-51. 

  4. Lim, S.B. (1997), "Evaluation of dynamic damage adjacent to a blasthole in tunnel excavations", Kyunghee Univ. PhD dissertation. 

  5. Midas users manual version 2012+ (2012), MIDAS IT Co., Ltd. 

  6. Ministry of Land, Transport and Maritime Affairs (2012), "Standard concrete construction specification 2012". 

  7. Park, E.S., Shin, H.S., Hong, E.S. (2007), "Trends of investigation and design for subsea tunnels", KSCE Tunnel Committee Special Conference 27th Dec. pp. 29-41. 

  8. Shin, H.S. (2011), "Technology aspects of subsea tunnels", Proceedings of the Korean Society for Rock Mechanics Conference 2011.9, pp. 35-43. 

  9. Terzaghi, K. (1943), "Theoretical soil mechanics", J. Wiley & Sons, New York. 

  10. Yoo, C.S., Choi, J.H. (2014), "Prediction of TBM tunnel segment lining forces using ANN technique", Journal of Korean Tunnelling and Underground Space Association, Vol. 16, No. 1, pp. 13-24. 

  11. Yoo, C.S., Kim, S.B., Yoo, K.H. (2008), Development of IT-based tunnel design system, Journal of Korean Tunnelling and Underground Space Association, Vol. 10, No. 2, pp. 153-166. 

  12. Yoo, C.S., Kim, J.M., Kim, J.H. (2005), Application of Information Technology in Tunnel Design - A case study, Journal of Korean Tunnelling and Underground Space Association pp. 105-116. 

  13. Yang, Y., Zhang, Q. (1997), "A hierarchical analysis for rock engineering using artificial neural networks", Rock Mechanics and Rock Engineering, Vol. 30, Issue 4, pp. 207-222. 

  14. Yang, Y., Zhang, Q. (1998), "The application of neural networks to rock engineering system (RES)", Rock Mechanics and Mining Sciences, Vol. 35, Issue 6, pp. 727-745. 

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

맨위로