응답의존 모달 데이터를 이용한 고층건물의 FE모델 향상

조순호

doi:10.5050/KSNVE.2019.29.1.131

추천

검색

질문

자료유형: 학술저널

저자정보: 조순호 (Gwangju Univ.)

저널정보: 한국소음진동공학회 한국소음진동공학회논문집 한국소음진동공학회논문집 제29권 제1호(통권 246호)

발행연도: 2019.2

수록면: 131 - 140 (10page)

DOI: 10.5050/KSNVE.2019.29.1.131

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

This work updates the FE models for 25- and 42-story tall buildings having walls or a shear core as a major lateral force-resisting system, utilizing modal parameters such as natural frequencies, and mode shapes identified from measured vibration records in a previous study. Automated FE model updating adopting optimization theory includes a series of procedures that estimate sensitivity matrices, unknown parameters (based on a Bayesian technique), and correlation coefficients. A simplified FE model, considering 3 stiffnesses and 3 masses at each story as structural parameters, was derived from the analysis results of a more detailed 3D-FE model normally used in design practice, and was employed as the starting model for the update process. Although the test and analysis values of the natural frequency and mode shape for the lower three modes currently considered were in excellent agreement, many stories in both buildings exhibited a significant increase in stiffness, approximately 100 %, and decrease in mass, approximately 50 %. However, given that the natural frequencies from a 3D-FE analysis were found to be approximately 1.5 times as small as than the measured frequencies, at least for the three lower modes in both of them, this is unsurprising. Furthermore, the detailed 3D-FE model developed in the design office could be subject to a number of practical uncertainties/inaccuracies. This supports the conclusion is that the contemporary domestic design practice for FE analysis remains very conservative. It is shown that the proposed FE model updating technique using output-only modal data can be effectively applied to determine uncertain structural behavior or parameters and employed in the damage detection or structural health monitoring fields.

#Dynamic Properties(동적특성치) #Experimental Modal Analysis(실험 모달해석) #Finite Element Analysis(유한요소해석) #FE Model Updating(유한요소해석 모델향상) #Natural Vibration(자연진동) #Operational Modal Analysis(응답의존 모달해석) #System Identification(시스템판별) #Tall Buildings(고층건물)

참고문헌 (21)

참고문헌 신청

Cho, S.-H., 2008, Output-only System Identification and Model Updating for Performance Evaluation of Tall Buildings, Journal of the Earthquake Engineering Society of Korea, Vol. 12, No. 4, pp. 19~33.

Hwang, I. H., Jeon, J. Y. and Kim, J. Y., 2013, FE Model Calibration of Myeong-dong Cathedral Using Vibration Measurement Data, Transactions of the Korean Society for Noise and Vibration Engineering, Vol. 23, No. 11, pp. 1598~2785.

Bakir, P. G., Reynders, E. and De Roeck, G., 2007, Sensitivity-based Finite Element Model Updating Using Constrained Optimization with a Trust Region Algorithm, J. Sound Vib., Vol. 305, No. 1~2, pp. 211~225.

Brinker, R., Zhang, L. and Anderson, P., 2000, Modal Identification from Ambient Responses Using Frequency Domain Decomposition, Proc., 18th Int. Modal Analysis Conf., San Antonio, Texas, USA. pp. 625~630.

Brownjohn, J. M. W., Xia, P. Q., Hao, H. and Xia, Y., 2001, Civil Structure Condition Assessment by FE Model Updating: Methodology and Case Studies, Finite Elements in Analy. and Desig., Vol. 37, No. 10, pp. 761~775.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

조순호

소속기관 광주대학교

주요연구분야 공학 > 기계공학 > 기계공학 일반 공학 > 건축공학 > 토목공학

논문수 8 이용수 243

이 논문과 함께 이용한 논문

증강현실을 이용한 실시간 구조 진동 디지털 트윈 시각화

조용범 , 오승인 , 김진균 대한기계학회 춘추학술대회 2021 .11

모델 기반 디지털 트윈을 활용한 실시간 가상센서 기술

한성지 , 오승인 , 최진환 외 1명 소음·진동 2021 .01

FE 모델향상 기법을 이용한 세장한 아치구조의 경계조건 결정

조순호 한국소음진동공학회논문집 2021 .02

Modal Testing을 이용한 자동차 배기계의 유한요소 모델 검증

조민호 , 정해일 한국소음진동공학회 학술대회논문집 2001 .11

실험적 모드 해석의 기초 이론

정해일 소음·진동 2003 .12

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (21)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)