강섬유 보강 콘크리트의 배합비와 역학적 특성 사이의 관계 추정

최현기; 배백일; 구해식

주제분류

...

저널정보

저자정보

최현기 (경남대학교)
배백일 (한양대학교)
구해식 (경남대학교)

이용수
내서재: 0

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기

본 연구는 섬유보강 콘크리트의 실무 적용을 위한 성능 평가에 대해 재료 시험으로 낭비되던 시간과 노력을 최소화하고 적용에 있어서의 이론적인 배경을 확보하기 위해, 기존의 가이드라인 및 시험 기준에 따른 실험 결과의 수집과 통계적 분석을 통한, 콘크리트의 압축강도에 기반한 주요 특성들을 특정하기 위해 수행되었다. 섬유보강콘크리트는 다양한 변수에 영향을 받게 되므로 이론적인 접근이 어려운 측면이 있어 본 연구에서는 현재 실무에서 다방면으로 사용되고 있는 100MPa 이하의 압축강도를 가지는 콘크리트를 중심으로 0.25%에서 2% 사이의 강섬유 혼입량에 대한 압축강도와 인장강도 시험을 수행하였다. 인장강도 시험은 표준기관에서 정하고 있는 시험방법인 쪼갬인장강도와 휨인장강도에 대해 수행하였다. 섬유보강콘크리트의 재료시험 결과 쪼갬인장강도와 휨인장강도 모두 압축강도의 증가에 따라 증가하는 추세를 보였으며 강도의 증진률은 압축강도 증가와 함께 감소하는 추세를 보였다. 또한섬유의 혼입량 증가는 인장강도의 증가를 유발하는 것을 확인할 수 있었으며, 압축강도 증가에 따른 인장강도 증진률 감소를 막아 콘크리트 압축강도 증가에 선형적으로 인장강도가 증가하도록 해주는 것을 확인할 수 있었다. 기존 연구들로부터 구축한 데이터베이스를 통한 섬유보강콘크리트의 기계적 성질에 대한 검토를 수행하였다. 다양한 변수에 따른 인장강도의 추정을 위해 인공신경망을 적용하였다. 인공신경망은 multi layer perceptron으로 구성하였으며 전달함수로는 sigmoid 함수를 사용하였고 역전파 알고리즘을 통해 학습을 수행하였다. 인공신경망을 사용한 콘크리트 인장강도의 추정 결과 시험 결과와 추정결과가 유사하게 나타나는 것을 확인할 수 있었다. 인공신경망에서 결합력이 큰 변수들은 물-시멘트비와 섬유의 혼입량으로 나타났으며 섬유보강콘크리트의 인장강도는 물-시멘트비에 영향을 받는 압축강도와 혼입량을 통해 추정할 수 있을 것으로 판단된다.

The main purpose of this study is reducing the cost and effort for characterization of tensile strength of fiber reinforced concrete, in order to use in structural design. For this purpose, in this study, test for fiber reinforced concrete was carried out. Because fiber reinforced concrete is consisted of diverse material, it is hard to define the correlation between mix proportions and strength. Therefore, compressive strength test and tensile strength test were carried out for the range of smaller than 100 MPa of compressive strength and 0.25~1% of steel fiber volume fraction. as a results of test, two types of tensile strength were highly affected by compressive strength of concrete. However, increase rate of tensile strength was decreased with increase of compressive strength. Increase rate of tensile strength was decreased with increase of fiber volume fraction. Database was constructed using previous research data. Because estimation equations for tensile strength of fiber reinforced concrete should be multiple variable function, linear regression is hard to apply. Therefore, in this study, we decided to use the ANN(Artificial Neural Network). ANN was constructed using multiple layer perceptron architecture. Sigmoid function was used as transfer function and back propagation training method was used. As a results of prediction using artificial neural network, predicted values of test data and previous research which was randomly selected were well agreed with each other. And the main effective parameters are water-cement ratio and fiber volume fraction.

#Steel Fiber reinforced Concrete #mix proportion #compressive strength #tensile strength #artificial neural network #섬유보강 콘크리트 #배합비 #압축강도 #인장강도 #인공신경망