[논문]교량 유지관리용 디지털 트윈 모델 구축을 위한 수치해석모델 개선 기법

윤상귀; 신수봉; 신도형

doi:10.13161/kibim.2018.8.4.034

Abstract ▼ AI-Helper

As the number of aged bridges increases, the development of efficient bridge maintenance techniques is becoming more important. Particularly, there have been many studies on digital-twin models of bridges for maintenance and SHM (Structure Health Monitering). However, in order to use the digital-twi...

As the number of aged bridges increases, the development of efficient bridge maintenance techniques is becoming more important. Particularly, there have been many studies on digital-twin models of bridges for maintenance and SHM (Structure Health Monitering). However, in order to use the digital-twin model for maintenance of the bridge, the model updating process that matches the structural response between the real bridge and the digital-twin bridge model must be done. This study presents a model updating method that adjusts bridge's stiffness and boundary condition with genetic algorithm (GA) using static displacements and verified proposed updating method through field test on PSC girder bridge. This study also proposes a conceptual idea to construct an efficient bridge maintenance system by applying the updated numerical analysis model to the digital-twin model.

주제어

표/그림 (16)

그림 Figure 1. Process of GA-based ffnite model updating using static displacements
그림 Figure 2. Overview of PSC girder bridge
그림 Figure 3. Overview of installed sensor
그림 Figure 4. Sensor location
그림 Figure 5. Specification of test vehicle
표 Table 1. Range of parameters
표 Table 2. Axle weight of test vehicle
그림 Figure 6. Finite element model for PSC bridge
표 Table 3. Design parameters for girder
표 Table 4. Design parameters for spring support
표 Table 5. Range of design parameters
그림 Figure 7. Load case for static load test
그림 Figure 8. Comparison of the measured and updated displacement results for each model case
표 Table 6. Measured displacement
표 Table 7. Error rate of updated model
그림 Figure 9. Linkage of digital-twin by GA-based model updating and bridge maintenance

AI 본문요약
AI-Helper

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

문제 정의

정적변위 최적화를 사용하는 유전자 알고리즘을 이용하여 교량의 수치해석모델을 개선하는 방법을 제안하고, 이를 실증시험을 통해 검증하였다. 그리고 이렇게 실증시험 데이터로 개선된 수치해석 모델의 시스템 변수(강성 및 경계조건)를 교량 유지 관리를 위한 디지털 트윈에 적용하고 이를 지속적으로 활용하여 보다 효과적인 교량의 유지관리를 할 수 있는 방법론의 기초자료를 제시하였다.
본 연구에서는 정적변위를 활용한 유전자 알고리즘 기반의 수치해석모델 개선 기법을 제안하였고, 이를 실제 PSC 거더교를 대상으로한 실증시험을 통해 검증하였다. 또한 제안 된 개선 기법과 디지털트윈 기반의 교량 유지관리 시스템과의 연계방안에 대해 소개하고자한다.

제안 방법

대상교량의 수치해석 모델은 유한요소 종류에 따른 모델 개선결과를 비교하기 위하여, 3차원 frame으로 구성된 모델(ModelCase 1)과 바닥판 plate와 거더부 frame으로 구성된 모델(ModelCase 2), 모든 부재가 8절점 Solid로 이루어진 모델(Model Case3)로 나누어 진행하였다.(Fig. 6) Model Case 1의 경우 거더와 바닥판을 합성단면으로 구성하였으며, Model Case 2에서는 바닥판과 거더의 연결부를 Rigid Link를 사용하여 연결하였다.
본 연구에서는 동적 돌연변이 연산자를 도입한 유전자 알고리즘을 이용하였으며, 대상교량 거더의 탄성계수와 같은 교량구조물의 설계변수 뿐만이 아니라 지점부 스프링 경계조건을 알고리즘 연산의 변수로 추가로 설정하였다. 또한 유전자 알고리즘과 상용 유한요소해석 프로그램과의 연동은 그 접근성이 어렵고 매개 변수들의 in-out 과정에서 막대한 시간이 소요되기 때문에, 본 연구에서는 Matlab 환경을 기반으로 한 유한요소해석프로그램을 개발하였고, 이를 유전자 알고리즘과 연동하여 Matlab 안에서 자체적으로 구동이 되는 모델 개선 프로세스를 구축하였다.
본 연구에서 사용한 유전자 알고리즘의 적합도 함수는 실증 시험을 통해 계측된 정적 변위와 유한요소모델의 해석 변위로 구성하였다. 두 변위의 오차를 최소화하는 방법으로 교량 유한요소모델 개선의 최적화 문제를 구성하였고, Figure 1에 제안된 개선기법의 절차도를 도시하였다.
본 연구에서는 교량의 시스템 변수 중 강성과 경계조건을 유전자 알고리즘을 기반으로 조정하여 수치해석 모델과 실 교량의 구조 응답데이터(변위 데이터)가 일치되는 모델 개선기법을 제시하였다. 이러한 모델 개선기법으로 도출된 실제와 가까운 강성과 경계조건을 디지털 트윈 모델에 반영하여 각종 상황에 대한 시뮬레이션을 수행하면 그러한 상황에서의 실 교량의 거동과 상태를 정확히 예측할 수 있어 효과적인 교량유지관리가 가능할 것이다.
본 연구에서는 동적 돌연변이 연산자를 도입한 유전자 알고리즘을 이용하였으며, 대상교량 거더의 탄성계수와 같은 교량구조물의 설계변수 뿐만이 아니라 지점부 스프링 경계조건을 알고리즘 연산의 변수로 추가로 설정하였다. 또한 유전자 알고리즘과 상용 유한요소해석 프로그램과의 연동은 그 접근성이 어렵고 매개 변수들의 in-out 과정에서 막대한 시간이 소요되기 때문에, 본 연구에서는 Matlab 환경을 기반으로 한 유한요소해석프로그램을 개발하였고, 이를 유전자 알고리즘과 연동하여 Matlab 안에서 자체적으로 구동이 되는 모델 개선 프로세스를 구축하였다.
본 연구에서는 정적변위를 활용한 유전자 알고리즘 기반의 수치해석모델 개선 기법을 제안하였고, 이를 실제 PSC 거더교를 대상으로한 실증시험을 통해 검증하였다. 또한 제안 된 개선 기법과 디지털트윈 기반의 교량 유지관리 시스템과의 연계방안에 대해 소개하고자한다.
정적변위 최적화를 사용하는 유전자 알고리즘을 이용하여 교량의 수치해석모델을 개선하는 방법을 제안하고, 이를 실증시험을 통해 검증하였다. 그리고 이렇게 실증시험 데이터로 개선된 수치해석 모델의 시스템 변수(강성 및 경계조건)를 교량 유지 관리를 위한 디지털 트윈에 적용하고 이를 지속적으로 활용하여 보다 효과적인 교량의 유지관리를 할 수 있는 방법론의 기초자료를 제시하였다.

대상 데이터

변위를 측정하기 위해 정적재하시험을 수행하였으며, 교량의 시작부에 위치한 경간을 재하시험에 이용하였다. 사용된 구간은 경간장 28.4m, 교폭15m에 7개의 PSC-I형 거더와 6개의 가로보로 이루어져있다. 재하시험에 사용한 재하차량은 15ton 덤프트럭 2대를 사용하였다.
실증시험 검증은 PSC 거더교를 대상으로 하였으며, 한 경간을 대상으로 거더 중앙에 변위계를 부착하여 정적 변위를 계측하였다. 정적 변위를 구하기 위한 Load Case는 총 3개로 구성하였고, 각 Load Case 별로 2회씩 계측하여 얻은 변위의 평균값과 수치해석모델의 해석 변위를 이용하여 유전자 알고리즘의 적합도 함수를 구성하였다.
실증시험 대상교량은 서울에 위치한 PSC 거더교이며, 준공년도 1976년으로 40년 이상 된 노후교량이다. 변위를 측정하기 위해 정적재하시험을 수행하였으며, 교량의 시작부에 위치한 경간을 재하시험에 이용하였다.
유전자 알고리즘에 사용된 설계변수는 Model Case 1의 경우 거더의 강성 7개와 전체 가로보 1개, 스프링 경계조건 33개로 총 41개를 이용하였으며, Model Case 2와 3의 경우는 바닥판의 강성까지 포함하여 총 42개를 이용하였다.

데이터처리

재하시험에서 측정된 3개의 Load Case에 대한 계측 변위의 평균값을 초기 Input 데이터로 사용하여 유전자 알고리즘의 적합도 함수를 구성하였고, 이에 대한 유한요소모델의 모델 개선을 수행하였다.

이론/모형

개선된 결과에 대해 공용중인 콘크리트교량의 안전성 평가기준(KCI, 2010)의 규정을 준수하여 식 (4)와 같이 오차율을 산정하였다.
셋째, 특정 입력 값에서 결과를 도출하는 결정론적 알고리즘이 아닌, 랜덤함수를 이용한 확률론적 알고리즘이 적용된다.

성능/효과

정적 변위를 구하기 위한 Load Case는 총 3개로 구성하였고, 각 Load Case 별로 2회씩 계측하여 얻은 변위의 평균값과 수치해석모델의 해석 변위를 이용하여 유전자 알고리즘의 적합도 함수를 구성하였다. 모델 개선은 3D frame 요소를 이용한 모델(Model case 1)과 바닥판 plate와 거더부 frame 요소를 이용한 모델(Model case 2), 모든 부재를 8절점 Solid 요소로 이용한 모델(Model Case 3)을 이용하였고, 개선 결과 Model Case 1~3 모두 평균 오차율 1% 이하로 공용중인 콘크리트교의 합리적인 모델 개선의 규정이 10% 이내인 것을 감안하였을 때, 매우 높은 개선 결과가 이루어졌다. 다만, Model Case에 따른 개선 결과는 크게 차이나지 않았다.
유한요소의 요소 종류에 따른 개선 결과는 모든 Load Case에서 Model Case 2 (바닥판 plate, 거더부 frame)가 가장 우수한 것을 볼 수 있으나, 모든 Model Case에서 1% 이내의 높은 개선결과를 얻었다. 본 연구에 적용한 재하시험의 경우에서는 요소종류에 따른 개선 결과의 차이가 크지 않은 것을 확인하였다.
첫째, point-to-point 방식이 아닌 다수의 설계 집단이 집단으로 최적해 탐색을 수행하므로, 다른 최적화 방법들에 비해 전역최적해를 찾을 확률이 높다.

후속연구

또한 개발된 방법을 본 논문에서는 PSC 거더교 만을 대상으로 수행 하였으나, 보다 다양한 형식의 교량으로 쉽게 확대 적용 할 수 있다. 그리고 실제 교량과 디지털 트윈의 구조 응답을 일치시킨다면, 개선된 디지털 트윈 모델을 이용한 교량의 보다 효과적인 유지관리 체계 구축이 가능할 것이라 생각된다.
이후 다양한 Load Case가 적용된 정적재하시험 데이터를 이용한다면 더 정확한 개선 모델을 얻을 수 있을 것이라 판단된다. 또한 개발된 방법을 본 논문에서는 PSC 거더교 만을 대상으로 수행 하였으나, 보다 다양한 형식의 교량으로 쉽게 확대 적용 할 수 있다. 그리고 실제 교량과 디지털 트윈의 구조 응답을 일치시킨다면, 개선된 디지털 트윈 모델을 이용한 교량의 보다 효과적인 유지관리 체계 구축이 가능할 것이라 생각된다.
본 연구에서는 교량의 시스템 변수 중 강성과 경계조건을 유전자 알고리즘을 기반으로 조정하여 수치해석 모델과 실 교량의 구조 응답데이터(변위 데이터)가 일치되는 모델 개선기법을 제시하였다. 이러한 모델 개선기법으로 도출된 실제와 가까운 강성과 경계조건을 디지털 트윈 모델에 반영하여 각종 상황에 대한 시뮬레이션을 수행하면 그러한 상황에서의 실 교량의 거동과 상태를 정확히 예측할 수 있어 효과적인 교량유지관리가 가능할 것이다.
본 연구에서는 PSC 거더교의 정적하중에 의한 데이터로 제안된 알고리즘을 검증 하였으나, 정적하중에 대한 Load Case 수가부족하다는 단점이 있었다. 이후 다양한 Load Case가 적용된 정적재하시험 데이터를 이용한다면 더 정확한 개선 모델을 얻을 수 있을 것이라 판단된다. 또한 개발된 방법을 본 논문에서는 PSC 거더교 만을 대상으로 수행 하였으나, 보다 다양한 형식의 교량으로 쉽게 확대 적용 할 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	BIM 기술의 활용은 어떠한가?	교량의 실제 형상과 정보를 디지털화 하여 전 생애주기에 걸쳐 적용 할 수 있는 BIM(Building Information Modeling) 기술의 활용은 이러한 기존의 교량 유지관리 체계의 한계를 극복하고 보다 효율적인 유지관리 체계 구축을 가능하게 할 수 있다. 현재 국내외적으로 BIM을 기반으로 한 디지털트윈 (Digital Twin) 모델구축의 개발이 활발하게 이루어지고 있으며, 이를 통해 구축된 디지털트윈 모델을 실제 교량의 유지관리 혹은 SHM (StructureHealth Monitering)에 적용하고자 하는 움직임이 여러 연구자들 사이에서 일어나고 있다(Schluse et al.
	BIM(Building Information Modeling) 기술이란 무엇인가?	교량의 실제 형상과 정보를 디지털화 하여 전 생애주기에 걸쳐 적용 할 수 있는 BIM(Building Information Modeling) 기술의 활용은 이러한 기존의 교량 유지관리 체계의 한계를 극복하고 보다 효율적인 유지관리 체계 구축을 가능하게 할 수 있다. 현재 국내외적으로 BIM을 기반으로 한 디지털트윈 (Digital Twin) 모델구축의 개발이 활발하게 이루어지고 있으며, 이를 통해 구축된 디지털트윈 모델을 실제 교량의 유지관리 혹은 SHM (StructureHealth Monitering)에 적용하고자 하는 움직임이 여러 연구자들 사이에서 일어나고 있다(Schluse et al.
	BIM(Building Information Modeling) 기술의 단점은 무엇인가?	, 2016). 하지만, 교량의 초기 설계도면을 바탕으로 구축한 BIM 기반 디지털트윈 모델은 유지관리 측면에서 봤을 때, 노후화에 따른 물리적인 변화 (강성및 경계조건 등)를 반영하고 있다고 보기 어려우며, 개선되지 않은 모델을 이용한 유지관리는 곧 부정확한 교량의 안전성 평가와 직결된다.

참고문헌 (9)

Baruch, M., Bar Itzhack, I. Y. (1979). Optimal Weighted Orthogonalization of measured modes, AIAA Journal, 17(8), pp. 927-928.

상세보기
Kim, J. C., Yoon, J. S., Shin, S. (2018). GA-based Model Updating for Existing Bridges, Maintenance, Safety, Risk, Management and Life-Cycle Performance of Bridges, pp. 1976-1981.
Korea Concrete Institute (2010). Guidelines and Examples for Safety Assessment of Operating Concrete Bridge, Seoul, South Korea.
Korea Infrastructure Safety Corporation (2017). Special Acton the Safety Control and Maintenance of Establishments.
Magargle, R., Lee, J., Padmesh, M., Peyman, D., Omkar, K., Krishnaswamy, S., Batteh, J., Pitchaikani A. (2017). A Simulation-Based Digital Twin for Model-Driven Health Monitering and Predictive Maintenance of an Automotive Braking System, Proceeding of the 12th International Modelica Conference, pp. 35-46.
Md Zakirul, A. B., Wu, J., Wang, G., Cao, J. (2016). Sensing and Decision Making in Cyber-Physical Systems : The Case of Structural Evaent Monitering, IEEE Transactions on Industrial Information, 12(6), pp. 2103-2114.

상세보기
Ministry of Land Infrastructure and Transport (2017). Road Bridge and Tunnel Statistics.
Mottershead, J. E., Friswell, M. I. (2018). Model Updating in Structural Dynamics : A Survey, Journal of Sound and Vibration, 167(2), pp. 347-375.
Schluse, M., Rossmann, J. (2016). From Simulation to Experimentable Digital Twin : Simulation-based Development and Operation of Complex Technical Systems, 2016 IEEE International Symposium on Systems Engineering.

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

교량 유지관리용 디지털 트윈 모델 구축을 위한 수치해석모델 개선 기법
Numerical Model Updating for Bridge Maintenance Using Digital-Twin Model 원문보기

Abstract ▼ AI-Helper

주제어

표/그림 (16)

표/그림 (16)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (9)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

교량 유지관리용 디지털 트윈 모델 구축을 위한 수치해석모델 개선 기법 Numerical Model Updating for Bridge Maintenance Using Digital-Twin Model 원문보기

Abstract ▼ AI-Helper

주제어

표/그림 (16) 모든 표/그림 보기

표/그림 (16) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (9)

이 논문을 인용한 문헌

저자의 다른 논문 :

신수봉 (49) 신도형 (10)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

교량 유지관리용 디지털 트윈 모델 구축을 위한 수치해석모델 개선 기법
Numerical Model Updating for Bridge Maintenance Using Digital-Twin Model 원문보기

표/그림 (16)

표/그림 (16)

AI 본문요약
AI-Helper