Merged CNN 기반 유한요소모델 업데이트 방법론

• 영문명: Merged CNN-Based Finite Element Model Update Methodology
• 발행기관: 한국방재학회
• 저자명: 류성빈(Seongbin Ryu) 이경석(Kyoungseok Lee) 김승준(Seungjun Kim)
• 간행물 정보: 『2. 한국방재학회 논문집』24권 6호, 263~272쪽, 전체 10쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2024.12.31

국문 초록

구조물의 유지관리에 있어서 구조물의 현재 상태가 반영된 정교한 유한요소해석모델(FEA)이 요구되는 경우가 많다. 현재 구조물의 특성이 정교하게 반영된 유한요소해석 모델을 구축하기 위해 대상 구조물의 다양한 재료 및 기하학적 물성이 반영되어야 하는데, 설계 시 고려된 물성치와 시공된 시점에서의 값 그리고 현재 시점의 값 간에는 차이가 존재하기 때문에 일반적으로는 대상 구조물의 실측 데이터를 활용하여 해석모델의 업데이트를 수행한다. 이 때 실측치와 해석치의 비교를 통한 오차 최소화를 목적으로 반복적인 업데이트 작업을 수행하게 되며 이에 따라 많은 시간이 소요되는 경우가 다수이다. 본 연구에서는 인공신경망을 활용한 효과적인 모델 업데이트 방법에 대해 연구하였다. 본 연구에서는 대상 구조물의 고유진동수 및 모드형상 등의 구조의 모달 정보를 활용하여 유한요소 모델의 매개변수를 직접 추정하는 접근 방식을 제안한다. 다양한 변수 간의 복잡한 상관관계를 분석하는 데 효과적인 심층 신경망(DNN)과 진동 모드 간의 관계성을 반영할 수 있는 합성곱 신경망(CNN)을 통합한 알고리즘을 활용하였다. 휨부재에 대한 검증을 통해 제안한 방법론이 높은 정확도로 목표 모달 정보에 부합하도록 유한요소해석 모델을 업데이트할 수 있음을 확인하였다.

영문 초록

Finite element analysis requires the construction of a model that accurately reflects the structural characteristics of a target structure. Such models must incorporate precise material and geometric properties. However, discrepancies often arise between the properties assumed during the design phase and those observed in the actual structure. To address this, the models are iteratively updated using real measurement data, minimizing the errors between measured and analytical results. This process, however, can be time-consuming, particularly for complex structures. In this study, we propose a novel approach to directly estimate the parameters of a finite element model by utilizing the modal information from the structure, including natural frequencies and mode shapes. Our algorithm integrates a deep neural network that effectively solves complex problems using a convolutional neural network that captures the relationships between the nodal data and modes. Verification using a beam model demonstrated that the proposed methodology successfully updated the finite element analysis model to accurately match the target modal information.

목차

1. 서 론

2. 인공신경망 기반 모델 업데이팅기법 제안

3. 제안기법을 위한 Merged CNN 기반 모델 업데이팅 알고리즘

4. 제안기법의 검증

5. 결 론

감사의 글

References

키워드

유한요소 모델 업데이팅 딥러닝 합성곱 신경망 진동모드형상 고유진동수 Finite Element Model Updating Deep Learning Convolutional Neural Network Vibration Mode Shape Natural Frequency