계측점의 규모가 제한되어 있는 경우에 대형구조물의 모든 부재의 손상을 추정하는 것은 기술적으로 불가능하다. 따라서 본 연구에서는 최근에 국내외에서 많이 연구되고 있는 인공신경망이론을 이용하여 구조물의 손상을 추정하는 기법을 개발하였으며, 대형구조물의 손상을 계측자료로부터 보다 효과적으로 평가하기 위해 두 단계로 수행되는 손상부재 평가과정을 개발하였다. 먼저 합리적인 평가대상 부재선택을 위해 구조물의 파괴 또는 이상거동 등에 가장 큰 영향을 미치는 부재를 민감도분석을 통해 선정한 후, 선정된 부재의 손상추정에 가장 영향을 미치는 계측점과 적절한 계측기의 수를 민감도분석기법을 이용해 선정하는 기법이다. 다양한 예제를 통하여 본 연구에서 제안된 방법들의 적용가능성을 검증한 결과, 본 연구에서 개발한 기법을 적용하면 제한된 수의 계측자료를 가지고 보다 효과적으로 대형구조물의 파괴나 이상거동을 사전에 감지할 수 있는 것으로 분석되었다.
Though many techniques for the damage assessment of structures have been studied recently, most of them can be only applied to simple structures. Therefore, practical damage assessment techniques that evaluate the damage location and the damage state for large structures need to be developed. In this study, a damage assessment technique using a neural network is developed, in which the bilevel damage assessment procedure is proposed to evaluate the damage of a large structure from the limited monitoring data. The procedure is as follows ; first, for the rational selection of damage critical members, the members that affect the probability of failure or unusual structural behavior are selected by sensitivity analysis. Secondly, the monitoring points and the number of sensors that are sensitive to the damage severity of the selected members are also selected through the sensitivity analysis with a proposed sensitivity measurement format. The validity and applicability of the developed technique are demonstrated by various examples, and it has been shown that the practical information on the damage state of the selected critical members can be assessed even though the limited monitoring data have been used.
