Abstract
In spite of its usefulness for health monitoring of structures on steady external load, the statistical pattern recognition technology (SPRT), based on Mahalanobis distance theory (MDT), is not good enough for the health monitoring of structures on large variability external load like earthquake. Damage is usually determined by the difference between the average measured value of undamaged structure and the measure value of damaged one. So when external variability gets larger, the difference gets bigger along, which is thus easily mistaken for a damage. This paper aims to overcome the problem and develop an improved Mahalanobis distance theory (IMDT), that is, a SPRT with revised MDT in order to decrease external variability so that we will be able to continue to monitor the structure on uncertain external variability. This method is experimentally tested to see if it precisely evaluates the health of a cable-stayed bridge on each general random load and earthquake load. As a result, the IMDT is found to be valid in locating structural damage made by damaged cables by means of data from undamaged cables. So it is proved to be effectively applicable to the health monitoring of bridges on external load of variability.
마할라노비스 거리 이론에 기초한 통계적 패턴 인식 기술은 안정된 외부하중에 대한 구조물 상태 평가에 대한 유용성에도 불구하고 지진과 같이 큰 변동성의 외부하중에 대한 구조물의 건전도 모니터링에는 취약하다. 손상은 일반적으로 손상되지 않은 구조물의 측정된 값의 평균과 손상된 구조물의 측정값 사이의 차이에 의해 결정된다. 외부 하중의 변동성이 커질수록 더 큰 차이가 발생하고, 이는 손상으로 인식되기 쉽다. 본 논문에서는 이러한 문제를 극복하고 불확실한 외부 하중을 받는 구조물을 지속적으로 모니터링 할 수 있도록 외부 변동성을 감소시키기 위해 마할라노비스 거리 이론을 수정한 통계적 패턴 인식 기술인 개선된 마할라노비스 거리 이론을 개발하였다. 이 방법은 일반적인 임의의 하중과 지진하중에서 정확하게 사장교의 건전도를 평가하는 것을 실험적으로 확인 하였다. 그 결과, IMDT는 손상되지 않은 케이블로부터 획득한 데이터로 손상된 케이블에 의한 구조물의 손상을 파악하는 데 유효한 것을 확인하였다. 따라서 변동성을 지닌 외부하중에 의한 교량의 건전도 모니터링에 효과적으로 적용할 수 있음을 입증하였다.
