Journal of the Computational Structural Engineering Institute of Korea ISSN:1229-3059(Print) 2287-2302(Online) 한국전산구조공학회 논문집

최근 차량 테러 위협으로 원자력시설의 물리적 방호 중요성이 커지고 있다. 그러나 국내에 설치된 볼라드 대부분은 성능 인증을 받지 못해 차량강습 방어 능력이 부족하다. 또한 기존 국제 인증(ASTM F2656 등)은 실물 충돌 시험에 의존하여 비용이 크고 현장 조건을 반영하기 어렵다는 한계가 있다. 이를 극복하고자 본 연구는 LS-DYNA 수치해석을 활용한 콘크리트 충진 볼라드 객관적 성능 검증 방법론을 제안한다. 수치해석 결과를 바탕으로 차량 속도 및 침투 여부에 따른 새로운 ABC 성능 등급 체계를 확립하여, 국내 원자력시설의 물리적 방호 체계에 직접 활용 가능한 실용적이고 객관적인 성능 등급 기준을 제시한다.

본 논문은 보 이론의 비선형 기하학적 구조를 변분 사영 관점에서 재해석하고, 공회전(CR) 정식화와 내재적(intrinsic) 보 이론 간의 구조적 관계를 규명한다. 두 접근법은 기존에 독립적으로 발전해 왔으나, 본 연구는 이를 동일한 연속체 기반의 공통 기하학 구조로 통합한다. 분석 결과, 곡률 벡터와 단면 위치의 결합으로부터 유도되는 비틀림-축력 결합 항은 좌표계 선택과 무관한 내재적 구조임을 확인하였으며, 이를 두 정식화를 관통하는 핵심 기하학 성분으로 규명한다. 한편 일부 비선형 항은 변수 선택과 사영 방식에 따라 표현 형태가 달라질 뿐으로, 두 이론의 차이는 본질이 아닌 표현의 차이에 기인함을 밝힌다. 이러한 통합적 해석을 바탕으로, 변분 섭동법을 적용한 공회전 좌표계 기반의 국소 비선형 보 모델을 구성하고, 단면 섭동 변위를 체계적으로 계산하는 방법을 제시한다. 제안된 정식화는 와그너 효과와 블라소프 비틀림을 별도의 가정이나 보정없이 자연스럽게 포함하며, 이를 통해 공회전 정식화의 계산 효율성과 내재적 정식화의 기하학적 일관성을 결합한 통합적 해석 틀을 제공한다.

본 연구는 직사각형 지질막의 모멘트 유도 굽힘 거동을 예측하기 위한 물리 정보 신경망 (Physics-Informed Neural Network, PINN) 프레임워크를 제시한다. 막의 변형은 선형화된 Helfrich 형상 방정식을 이용하여 모델링되며, 이 방정식은 지정된 경계 모멘트를 받는 지질 이중층의 평형 응답을 설명한다. 제안된 접근법에서 신경망은 라벨이 부여된 수치 데이터나 실험 데이터 없이 막의 횡방향 처짐을 근사한다. 지배 4차 편미분방정식과 경계 모멘트 조건을 학습 손실 함수에 포함함으로써, 모델이 기저 막 역학과 일관성을 유지하는 해를 학습할 수 있도록 하였다. 막의 가장자리를 따라 영 처짐 조건을 만족시키기 위해 경계 구속 시험 함수를 적용하였으며, 지배 방정식에 필요한 고차 공간 미분항을 계산하기 위해 자동 미분을 사용하였다. 예측된 처짐장은 서로 다른 적용 경계 모멘트에 대해 이용 가능한 해석해와 비교하여 검증하였다. 결과는 최대 처짐 및 변형 형상 측면에서 PINN 해와 해석해가 높은 일치도를 보임을 나타낸다. 본 모델은 직사각형 막의 대칭적 굽힘 응답을 정확하게 포착하였으며, 모멘트 강도가 증가함에 따라 처짐이 증가하는 예상 거동을 재현하였다. 이러한 결과는 단순한 PINN 정식화가 고차 막 역학 문제를 해결하기 위한 효과적인 무격자 계산 도구로 활용될 수 있음을 보여주며, 지질막 변형 해석에서 기존 수치해석 기법에 대한 유용한 대안이 될 수 있음을 시사한다.

본 연구에서는 폭발 하중 하 RC 기둥의 손상 분포를 공간적으로 예측하기 위한 조건부 생성적 적대 신경망(cGAN) 기반 프레임워크를 제안한다. 제안된 프레임워크는 철근 상세와 폭발 조건을 포함하는 4차원 조건 벡터로부터 유효 소성 변형률(EPS) 분포 이미지와 이진 spalling 마스크를 동시에 생성하는 이중 출력 구조를 채택하였으며, Adaptive Instance Normalization(AdaIN)을 통해 연속적인 물리 조건 변수를 특징 맵에 적응적으로 반영하도록 하였다. 학습 데이터는 LS-DYNA 기반 유한요소해석을 통해 구축하였으며, 정규화 전략 및 손실함수 조합에 대한 체계적 비교를 통해 AdaIN과 L1+Perceptual 조합이 최적임을 확인하였다. 최종 모델은 변형률 분포 예측에서 SSIM 0.899, L1 error 0.128을, spalling 영역 예측에서 IoU 0.843, Dice coefficient 0.874를 달성하였다. 본 결과는 제안된 프레임워크가 폭발 손상의 공간적 분포 패턴을 효과적으로 재현하며, 폭발 후 손상 평가 및 보강 전략 수립에 활용 가능함을 입증한다.

저주파 진동 제어는 항공우주, 에너지, 정밀공학 등 다양한 분야에서 중요한 과제이나, 기존 감쇠 장치는 주파수 의존적 손실 특성과 크기 제약으로 인해 성능에 한계가 있다. 포노닉 메타물질은 탄성파 전파를 억제하는 밴드갭을 형성함으로써 효과적인 진동 차단 성능을 제공할 수 있으나, 광대역 밴드갭 설계를 위해 형상 설계 자유도가 확장될수록 고차원 형상 설계 공간의 효율적인 탐색이 요구된다. 이에 본 연구에서는 가우시안 프로세스 회귀와 베이지안 최적화를 결합한 데이터 기반 형상 최적화 프레임워크를 제안한다. 단순 입방 격자의 빔 형상을 대칭 베지어 곡선으로 매개변수화하여 반지름이 연속적으로 변화하도록 하였으며, 유한요소해석을 통해 분산 관계를 평가하였다. 그 결과, 최적 구조는 143.17%의 상대 밴드갭을 형성하였으며, 이산 공진 구조 대비 정규화 최대 폰 미세스 응력을 33.1% 감소시켰다. 이러한 결과는 베지어 곡선 기반 형상 최적화가 광대역 진동 차단 성능과 구조적 안정성 사이의 균형을 개선할 수 있음을 보여준다.

횡-비틀림 거동하는 저층 구조물에서 발생할 수 있는 고차모드는 구조응답에 유의미한 영향을 미칠 수 있으며, 내진 성능평가 및 보강 계획 수립을 위해 이를 적절하게 평가할 필요가 있다. 기존의 고차모드 지배 여부 판별 방법은 주로 탄성응답스펙트럼해석에 기반하고 있어, 비선형 거동하는 구조물에 그대로 적용하기에는 한계가 있을 수 있다. 본 연구에서는 횡-비틀림 거동하는 저층 구조물을 대상으로 비선형 해석을 수행하여 구조물의 비선형 거동이 고차모드 효과에 미치는 영향을 분석하였다. 또한, 기존 탄성해석 기반 고차모드 판별지표와 비선형 응답에서 나타나는 고차모드 효과를 비교함으로써, 비선형 구조물에 대한 기존 판별지표의 적용성을 검토하였다. 해석 결과, 비선형성이 증가할수록 고차모드 효과는 전반적으로 감소하는 경향을 보였으나, 일부 구조물에서는 탄성상태에서 평가된 고차모드 효과보다 비선형 응답에서의 고차모드 효과가 증가하는 경우도 확인되었다. 본 연구의 결과는 비선형 횡-비틀림 구조물에 대한 기존 고차모드 판별지표의 적용 한계를 이해하고, 비선형 응답 특성을 고려한 평가 방법을 정립하기 위한 기초자료로 활용될 수 있을 것으로 판단된다.

본 논문에서는 심층 연산자 네트워크를 활용하여 선형 동적 시스템의 주파수 응답을 예측하는 모델을 제안한다. 주파수 응답은 구조물의 동적 특성을 직접적으로 반영하는 핵심 지표로, 이를 계산하기 위해서는 선형 시스템의 반복적인 해석이 필요하다. 이는 대규모 유한요소 모델에서 상당한 계산 비용을 요구하며, 실시간 진동 예측, 디지털 트윈과 같은 응용에 제약으로 작용한다. 이를 해결하기 위해 본 연구에서는 구조물의 물리 좌표계를 모달 영역으로 변환하고, 모달 하중을 입력으로 받아 모드 좌표를 추론하는 심층 연산자 네트워크 기반 구조를 제안한다. 16자유도 질량-스프링-댐퍼 시스템에 대한 수치 실험을 통해 제안된 모델이 높은 정확도를 유지하면서도 빠른 추론 속도를 달성함을 확인하였다. 이러한 결과는 제안하는 모델이 대규모 구조물의 실시간 진동 예측 및 디지털 트윈 구현에 효과적으로 활용될 수 있음을 보여준다.

본 연구에서는 지표투과레이더(Ground Penetrating Radar, GPR), 위상배열 초음파 탐상(Phased Array Ultrasonic Testing, PAUT), 충격-반향(Impact-Echo, IE) 데이터를 활용하여 교량 바닥판 내부 열화 깊이를 분류하기 위한 의사결정 수준 융합 기반 멀티모달 딥러닝 프레임워크를 제안하였다. 이를 위해 내부 열화를 모사한 3개의 교량 바닥판 시험체를 제작하였으며, 열화 깊이 조건에 따라 2,045개의 대응 샘플로 구성된 멀티모달 데이터세트를 구축하였다. 각 단일 모달 분류 모델은 ImageNet-22k로 사전학습된 ResNet-50 백본 네트워크를 기반으로 구성하였으며, 의사결정 수준 융합은 hard voting, soft voting 및 weighted voting 기법을 적용하여 수행하였다. 실험 결과, 멀티모달 융합 모델은 단일 모달 모델보다 우수한 분류 성능을 나타냈다. 융합 기법 중에서는 soft voting 방식이 가장 우수한 성능을 보였으며, 정확도 90.46%와 macro F1-score 0.8907을 달성하였다. 특히 제안된 프레임워크는 단일 모달 접근에서 상대적으로 낮은 성능을 보였던 심부 열화 클래스에 대한 분류 정확도를 향상시키는 것으로 나타났다. 이러한 결과는 다종 비파괴검사 데이터의 의사결정 수준 융합이 교량 바닥판 상태평가를 위한 열화 깊이 분류 성능 향상에 기여할 수 있음을 시사한다.