가속도계 설치 개수 및 위치에 따른 딥러닝 기반 교량 손상 추정 영향 분석

Impact Assessment of Bridge Damage Detection Based on Deep Learning According to Number and Location of Accelerometer Installations

최근 노후화 시설물의 급증과 함께 노후시설물로 인한 재난이 자주 발생하고 있다. 노후시설물로 인한 재난의 방재대책으로 모니터링 시스템을 기반한 시설물 유지관리가 활용될 수 있다. 본 연구진은 선행연구를 통해 모니터링 시스템에서 활용할 수 있는 딥러닝 기반의 교량 손상 추정 기술 기반 유지관리 기술을 제안하였다. 하지만, 선행 연구를 통해 제안된 기술은 기술의 사용에 있어 고가의 가속도계가 다수 필요하므로 높은 비용이 든다는 문제가 존재하였다. 이를 해결하기 위해, 본 연구에서는 손상 추정에 있어 가속도계의 위치 및 개수를 줄여 교량 손상 추정의 활용성을 높이기 위한 연구를 수행하였다. 그 결과, 기존 교량 손상 추정의 효과적인 위한 최적의 가속도계 설치 위치를 제시할 수 있었다.

In recent times, there has been an increase in the occurrence of disasters caused by a rapid increase in the aging of infrastructure. A structural health monitoring system can be utilized to detect severe damages in infrastructure and prevent accidents. In a previous study, the authors developed a method for damage detection in bridges using monitoring systems. However, the operational cost of the proposed method was high due to the requirement of multiple expensive accelerometers. The aim of this study is to reduce the number of accelerometers used in the aforementioned method by determining the optimal installation locations of the accelerometers. As a result of this study, optimal accelerometer installation locations for bridge damage detection, have been proposed.