FRP로 보강된 콘크리트 부재의 압축응력-변형률 예측을 위한 뉴로퍼지모델의 적용 (Prediction of Ultimate Strength and Strain of Concrete Columns Retrofitted by FRP Using Adaptive Neuro-Fuzzy Inference System)

서지정보

· 발행기관 : 한국콘크리트학회
· 수록지 정보 : 콘크리트학회 논문집 / 22권 / 1호 / 19 ~ 27페이지
· 저자명 : 박태원, 나웅진, 권성준

초록

건축물이나 교량과 같은 RC 구조물의 경우, 다양한 유해 환경하의 재료적인 열화나 구조적 문제로 콘크리트의 노후화 및 손상이 발생하게 된다. 콘크리트의 균열이나 철근의 부식, 구조 단면의 변형 등은 구조적 안전성 저하 및 구조물 거동 특성 변화의 주요 원인이 되기도 한다. 따라서 이와 같은 콘크리트 구조물의 보수 보강을 위하여, 효과적이고 적용이 간편한 공법의 개발이 콘크리트 분야의 중요한 연구 과제 중의 하나로 인식되어 왔다. 다양한 보수 보강 기법들이 과거 수십 년 동안 개발되어 적용되고 있으며, 이중에서도 최근 FRP 복합 재료를 구조물의 외부에 접착시키는 방법을 통한 보강 방식이 많이 사용되고 있다. 이 연구는 인공 지능(AI)의 일종인 뉴로퍼지모델(ANFIS) 을 이용하여, FRP로 보강된 원주형 콘크리트 부재의 보강 효과를 분석하는데 그 목적이 있다. ANFIS 모델을 이 연구에 적용하기 위하여, 기존 연구 자료 및 실험에서 얻은 결과를 통해 학습 데이터와 시험 데이터 세트를 구축하였다. 이 연구에서 구축된 ANFIS 모델은 기존 피보강 콘크리트의 압축강도, 보강재의 두께, 보강재의 보강 겹수, 보강재의 탄성계수, 보강재의 파단강도 및 보강재와 피보강재의 체적비, 피보강재의 부재크기를 입력 자료의 파라미터로 사용하여, 압축강도, 변형률, 2차탄성계수 등을 예측하는 방식으로 활용될 수 있으며, ANFIS 모델을 통하여 예측된 결과를 기존 연구자들이 제안한 FRP 보강 콘크리트 부재의 구성 방정식과 비교할 때 더 높은 정확도로 예측이 가능함을 확인할 수 있다.

영어초록

Aging and severe environments are major causes of damage in reinforced concrete (RC) structures such as buildings and bridges. Deterioration such as concrete cracks, corrosion of steel, and deformation of structural members can significantly degrade the structural performance and safety. Therefore, effective and easy-to-use methods are desired for repairing and strengthening such concrete structures. Various methods for strengthening and rehabilitation of RC structures have been developed in the past several decades. Recently, FRP composite materials have emerged as a cost-effective alternative to the conventional materials for repairing, strengthening, and retrofitting deteriorating/deficient concrete structures, by externally bonding FRP laminates to concrete structural members. The main purpose of this study is to investigate the effectiveness of adaptive neuro-fuzzy inference system (ANFIS) in predicting behavior of circular type concrete column retrofitted with FRP. To construct training and testing data set, experiment results for the specimens which have different retrofit profile are used. Retrofit ratio, strength of existing concrete, thickness, number of layer, stiffness, ultimate strength of fiber and size of specimens are selected as input parameters to predict strength, strain, and stiffness of post-yielding modulus. These proposed ANFIS models show reliable increased accuracy in predicting constitutive properties of concrete retrofitted by FRP, compared to the constitutive models suggested by other researchers.

참고자료

· 없음