지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 유충식
- 발행연도
- 2016
- 저작권
- 성균관대학교 논문은 저작권에 의해 보호받습니다.
이용수3
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
이 논문에서는 해저터널의 특수성을 고려한 TBM 및 NATM 터널의 라이닝의 최적설계에 대한 내용을 다루었다. 해저터널 자동화 설계 시스템 개발의 요소기술인 인공신경망(Artificial Neural Network) 기반의 터널 설계 시스템에 대한 개념, 학습과정 및 검증과정과 예측된 부재력을 통한 최적 단면 설계에 대한 내용을 기술하였다. 부재력 평가가 정확하게 구현 가능한 인공신경망을 개발하기 위해서 다양한 설계 조건과 각 조건에 따른 해석 모델을 이용한 유한요소해석을 수행하여 단면 설계에 필요한 최대부재력의 학습DB를 구축하고 인공신경망을 통해 일반화하였다. 인공신경망을 이용해 산정된 부재력은 해저 터널의 라이닝 설계 시스템에 적용시켜 별도의 구조해석 없이 해저터널의 라이닝 설계에 적용이 가능하도록 하였다.
목차
제 1 장 서론 11.1 연구 배경 및 목적 11.2 연구 내용 및 범위 2제 2 장 기존 연구 동향 62.1 터널 굴착 공법에 따른 설계 연구 62.2 해저터널 연구 72.3 ANN의 활용 7제 3 장 터널 라이닝 설계 93.1 TBM 세그먼트 라이닝의 설계 93.1.1 2링빔 스프링 모델을 이용한 단면력 산정 113.1.2 지반 및 세그먼트 라이닝 모델링 123.1.3 이음부 특성에 따른 단면력 변화 183.2 NATM 2차 라이닝의 설계 393.2.1 Winkler 모델을 이용한 2차 라이닝 모델링 393.2.2 지반 및 작용 하중 산정 423.2.3 2차 라이닝 설계 흐름 463.3 라이닝 설계법의 추이 48제 4 장 ANN 기반의 해저터널 TBM 세그먼트 및 NATM 라이닝 단면력 산정 및 최적설계 514.1 ANN 기본 배경 514.2 ANN 연구의 발전과정 524.3 ANN의 구조 534.4 ANN의 특징 534.5 TBM 해저 구간 세그먼트 라이닝의 설계 모델링 DB 구축 544.5.1 해석 단면 선정 544.5.2 학습 DB 구축 554.5.3 ANN 최적화 연구 574.5.4 ANN 민감도 분석 644.5.5 ANN 부재력 예측 결과 검증 704.6 NATM 공법 적용 구간 모델링 DB 구축 724.6.1 해석 단면 선정 724.6.2 학습 DB 구축 734.6.3 NATM ANN 구축 754.6.4 NATM ANN 민감도 분석 774.6.5 NATM ANN 부재력 예측 결과 검증 804.7 TBM 세그먼트 라이닝의 최적설계 824.8 NATM 2차 라이닝의 최적설계 88제 5 장 결론 및 향후 연구 93
최근 본 자료
댓글(0)
0