| 연구개발개요 |
- 2018년 이태리 제노아 Morandi교 붕괴는 과대하중의 지속적 재하와 노후화에 따른 텐던 보호 콘크리트의 파손과 텐던의 부식 파손, 이에 따른 프리스트레스의 감소와 내하성능의 저하 및 텐던 정착부의 파괴가 복합적인 붕괴원인으로 지목되고 있음.- 붕괴취약 부재인 텐던의 부식 파손을 예방하기 위해서는 텐던 커버 콘크리트의 균열을 조기에 탐지하는 기술의 고도화가 필요함. 본 연구에서는 스마트 골재의 신호계측 및 딥러닝 정보 분석을 통해 균열의 발생조짐을 응력장의 변화로 감지하는 기술을 제안하고 있음. - 콘크리트 균열감시 기술의 고도화를 통해 텐던의 부식발생 원인을 원천적으로 차단하여 설계 프리스트레스를 안정적으로 유지하는 것이 본 연구개발이 지향하는 유지관리 전략임. 이를 위해 압전센서 임베딩 스마트 골재 기술, 멀티데이터-딥러닝 기반 손상감시 기술 및 이를 실 구조물에 구현할 초소형 계측/분석 플랫폼 기술을 개발하고자 함. - 본 연구에서는 텐던 주변의 콘크리트에 미리 매립된 스마트 골재의 신호계측을 통해 콘크리트 균열발생을 응력장의 변화로 조기에 감지하는 기술을 제안하고 있음. 구조일체거동(압축강도 35MPa)성능의 스마트 골재 기술을 활용하여 콘크리트 균열을 조기탐지하여 텐던의 부식파손 예방과 PSC 교량의 건전성을 유지하는 창의적 기술적용 전략임. 스마트 골재에 내장된 압전 PZT 센서는 Overloading에 의한 콘크리트 내부 응력장의 변화를 감지하며, 전기역학적(EM) 임피던스 응답의 변화로 콘크리트 국부파손 및 균열발생 시의 응력변화를 민감하게 탐지할 수 있음. 또한, 스마트 골재는 콘크리트와 일체거동하며 하중 응답으로서 동적변형률을 계측하는 매립형 센서 장치임. - PSC 교량에 대한 기술 적용 수월성을 위해 본 연구개발에서는 딥러닝 손상감시 기술을 초소형 Raspberry Pi 플랫폼에 탑재 구현하는 시스템 기술을 개발하고자 함. 스마트 골재에서 임피던스/동적변형률을 계측하여 딥러닝 분석을 통해 콘크리트 균열을 감시하는 기술이며, 라즈베리파이 플랫폼에 기 훈련된 멀티데이터-딥러닝 DB와 S/W를 탑재하여 실 구조물에서 운영할 수 있는 시스템 기술임. 도전적인 목표인 초소형 Raspberry Pi 플랫폼에 계측 및 손상분석 S/W를 통합하는 시스템 기술은 본 연구진의 기존 연구 노하우(Imote2 플랫폼 기반의 손상감시 체계)를 활용하여 빠르게 개발할 수 있는 기술임.
|
| 최종목표 |
본 연구개발의 최종목표는 프리스트레스 콘크리트 교량의 텐던 보호 콘크리트의 균열 조기탐지에 적합한 압전센서 일체형 스마트 골재와 멀티데이터 딥러닝 기술 및 이들 기술을 탑재한 라즈베리파이 기반 플랫폼 시스템의 개발과 성능평가 하는 것임. 이를 위해 3개 핵심기술인 센서일체형 스마트 골재기술과 멀티데이터 딥러닝 기반 손상탐지 소프트웨어 기술 및 초소형 라즈베리파이 플랫폼 하드웨어와 소프트웨어 시스템 기술을 개발하고자 함. 이들 3개 기술의 융합을 통해 최종 목표를 달성하고자 함.
|
| 연구내용 및 범위 |
최종성과물인 ‘텐던 보호 콘크리트 균열 조기 탐지용 센서 일체형 스마트 골재 및 딥러닝 SW 탑재 라즈베리파이 기반 플랫폼 기술’ 을 개발하고자 함. 이를 위하여 핵심기술 1‘센서 일체형 스마트 골재 기술’, 핵심기술 2‘멀티데이터 딥러닝 손상탐지 소프트웨어 기술’, 핵심기술 3 ‘Raspberry Pi 기반 균열감시 플렛폼’을 개발하기 위해 본 연구의 내용은 3개 핵심기술의 개발 및 이들의 융합에 초점을 맞추었음 - 첫번째 핵심기술인 스마트 골재는 콘크리트 내부의 다방향 응답을 감지하며 압전 임피던스와 동적변형률을 계측하는 매립형 센서 장치임. 텐던 보호 콘크리트의 철근 표면에 부착하여 일체거동하며 응력변화 및 균열발생에 민감한 신호를 계측하는 기술임. 연구개발의 이슈는 텐던 보호 콘크리트와 일체거동하며 외력의 변화 및 응력장의 변화에 민감하게 응답하도록 압전 PZT 센서와 피복부(골재)의 제원을 결정하고, 센서의 신호를 초소형 PC인 Raspberry Pi 계측 모듈(핵심기술 3)에 최적화하는 것임.- 두번째 핵심기술은 스마트 골재에서 계측된 멀티데이터의 딥러닝/서치를 통해 센서 인접부 콘크리트의 응력변화 및 국부파괴 유무를 판정하는 소프트웨어 기술임. 탐지된 응력변화를 균열발생으로 예측하기 위해 Ottosen Failure Criteria 기반의 파괴모델을 적용함. 연구개발 이슈는 균열/응력변화를 모사하는 RCNN 딥러닝 알고리즘을 설계하는 것과 딥러닝 데이터 세트를 학습별 100세트로 최적화하는 것이며, 또한 균열 탐지용 멀티데이터 DB와 딥러닝 SW를 Raspberry Pi 플랫폼 환경(핵심기술 3)에서 최적화 설계하는 것임.-세번째 핵심기술인 Raspberry Pi 플랫폼은 교량 현장에 적용하기 위한 기술로서 하드웨어 제원(1.5 GHz CPU, 4G RAM, USB Type C 및 WiFi)과 리눅스 구동환경을 제공함. 스마트 골재의 신호 계측, 멀티데이터 추출 및 딥러닝 손상탐지의 전 과정을 탑재된 S/W로 수행함. 연구개발 이슈는 스마트 골재(핵심기술 1)의 압전신호 계측/분석에 필요한 플랫폼 리눅스 S/W를 개발하는 것과 Ottosen Criteria를 적용한 딥러닝 손상탐지 알고리즘(핵심기술 2) 및 데이터 세트를 리눅스 구동 환경에 맞게 S/W 설계 및 탑재 운영하는 것임. - 이들 핵심기술의 융합은 다음과 같음. 먼저, 센서 일체형 스마트골재로부터 멀티데이터를 계측하기 위해 핵심기술 1과 핵심기술 3을 연계가 필요함. 다음으로, 멀티데이터 기반의 딥러닝 기술을 라즈베리파이 플랫폼 기반으로 구동하는 기술 개발을 위해 핵심기술 2와 핵심기술 3의 융합이 필요함. 마지막으로 이들 핵심기술들을 실물모형 실험을 통해 성능 검증하는 과정을 통해 시스템 기술성과를 도출하고자 함.
|
