최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국공간구조학회지 = Journal of Korean Association for Spatial Structures, v.17 no.4, 2017년, pp.20 - 26
안윤규 (세종대학교 건축공학과) , 장근영 (세종대학교 건축공학과)
초록이 없습니다.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
와상 전류(Eddy current) 기술의 한계점은 무엇인가? | 특히, SOC에 가장 널리 쓰이는 콘크리트 구조물의 경우, 탄성파 감쇄율이 매우 커서 계측된 신호의 신호대 잡음비(SNR)가 낮거나, 불균질한 재료특성으로 인하여 신호 해석이 난해한 경우가 보통이다. 다음으로 와상 전류(Eddy current) 기술이 균열 평가에 이용되고 있으나, 전자기 현상을 유도해야 하므로 전도성 물체가 아니면 균열을 평가할 수 없다는 한계점이 있다9). 또 광학 센서(Fiber optic sensor)를 이용한 구조물 진단 방법이 있다. | |
광학 센서(Fiber optic sensor)를 이용한 구조물 진단 방법의 단점은 무엇인가? | 광학 센서는 그 크기가 작고 비용이 적게 들며 전자파의 간섭을 받지 않아 신뢰도 높은 계측을 할 수 있다는 장점이 있다. 다만 수명이 짧아 지속적인 계측이 어렵다10). 다른 방법으로 플래시, 와상 전류, 레이저 등의 열원을 활용하여 열파를 가하고 이를 계측하는 열화상 기법이 있으며 구조물 재료특성에 관계없이 적용 가능하며 효과적인 균열 검출 기법이다. | |
탄성파 기반의 기술의 장점과 단점은 무엇인가? | 최근에는 비접촉식 혹은 원격 탄성파 가진 및 계측이 가능한 레이저 초음파 기법에 대한 연구도 활발히 진행 중이다. 이와 같은 탄성파 기반의 기술은 균열 검출의 민감도가 매우 높은 장점을 지니나, 국부적인 균열 평가에 그치는 경우가 많고, 균열 진단을 위한 신호 해석이 복잡하다는 단점이 있다. 특히, SOC에 가장 널리 쓰이는 콘크리트 구조물의 경우, 탄성파 감쇄율이 매우 커서 계측된 신호의 신호대 잡음비(SNR)가 낮거나, 불균질한 재료특성으로 인하여 신호 해석이 난해한 경우가 보통이다. |
Korea Facilities Maintenance Association (www.fma.or.kr), 2017.
Li, B., Ushiroda, K., Yang, L., Song, Q., & Xiao, J., Wall-climbing Robot for Nondestructive Evaluation using Impact-echo and Metric Learning SVM, International Journal of Intelligent Robotics and Applications, Vol.1, 2017.
Kim, J., Kim, S., Park, J., & Nam, J., Development of Crack Detection System with Unmanned Aerial Vehicles and Digital Image Processing, Advances in Structural Engineering and Mechanics, 2015.
Zhang, L., Yang, F., Daniel Zhang, Y., & Zhu, Y. J., Road Crack Detection Using Deep Convolutional Neural Network, 2016 IEEE International Conference on Image Processing (ICIP), Vol.28, 2016.
Cha, Y.-J., Choi, W., & Bykztrk, O., Deep Learning-Based Crack Damage Detection Using Convolutional Neural Networks, Computer-Aided Civil and Infrastructure Engineering, Vol.29, 2017.
Chang, P. C., Flatau, A., & Liu, S. C., Review Paper: Health Monitoring of Civil Infrastructure, Structural Health Monitoring, Vol.2, 2003.
Sun, F., Wang, N., He, J., Guan, X., & Yang, J., Lamb Wave Damage Quantification Using GA-Based LS-SVM, Materials, Vol.10, 2017.
Dumoulin, C., & Deraemaeker, A., Real-time Fast Ultrasonic Monitoring of Concrete Cracking using Embedded Piezoelectric Transducers, Smart Materials and Structures Vol.26, 2017.
Chady, T., Enokizono, M., & Sikora, R., Crack Detection and Recognition using an Eddy Current Differential Probe, IEEE Transactions on Magnetics, Vol.35, 1999.
Maheshwari, M., Annamdas, V. G. M., Pang, J. H. L., Asundi, A., & Tjin, S. C., Crack Monitoring using Multiple Smart Materials; Fiber-optic Sensors & Piezo Sensors, International Journal of Smart and Nano Materials, Vol.8, 2017
An, Y. K., Min Kim, J., & Sohn, H., Laser Lock-in Thermography for Detection of Surface-breaking Fatigue Cracks on Uncoated Steel Structures, NDT and E International, Vol.65, 2014.
Zhang, Z., A Flexible New Technique for Camera Calibration, IEEE Trans. Pattern Anal. Mach. Intell., Vol.22, 2010.
Krizhevsky, A., Sutskever, I., & Hinton, G. E., ImageNet Classification with Deep Convolutional Neural Networks, Advances In Neural Information Processing Systems, 2012.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.