전준창
(Jun-Chang Jeon)
1*
황윤국
(Yoon Koog Hwang)
2
이희현
(Hee-Hyun Lee)
3
-
정회원, 씨티씨㈜ 전무이사
-
정회원, 한국건설기술연구원 인프라안전연구본부 선임연구위원
-
정회원, 씨티씨㈜ 대표이사
Copyright © The Korea Institute for Structural Maintenance and Inspection
키워드
단순화된 BWIM 알고리즘, 현장실험, 구조특성, 단지간 RC-T빔교, 가로보
Key words
Simplified BWIM algorithm, Field test, Structural characteristics, Short span RC-T beam bridge, Crossbeam
1. 서 론
2019년 12월 기준으로 국내 공용중인 도로 총 연장은 103,192 km이며, 간선도로 기능을 하는 고속국도 및 일반국도는 각각 4,767 km와
13,902 km로서 총 연장의 약 18%에 해당한다(국토교통부, 2020)(1). 간선도로망을 효율적으로 관리하기 위해서는 도로를 통행하는 교통에 대한 최신의 정확한 정보가 지속적으로 제공되어야 한다. 중차량의 교통량 및 중량
분포는 교량, 도로 포장 및 기타 기반시설 구성요소에 대한 설계 및 유지관리에 중요한 영향인자이다.
도로를 주행하는 차량의 중량을 측정하는 방법은 WIM(Weigh- In-Motion)과 BWIM(Bridge Weigh-In-Motion)으로 구분된다.
WIM 시스템은 도로 포장에 설치된 장치를 이용하여 정상적인 교통 조건에서 주행차량의 중량을 측정하기 위해 사용되는데, 초기 설치비용 및 유지관리비용이
높다. 또한, 도로 포장과 차량 사이의 동적 상호작용이 중량 측정결과에 상당한 영향을 미칠 수 있다고 보고된 바 있다(O'Brien et al.,
1999; Christenson and Motaref, 2016)(2,3). BWIM 기법은 교량을 주행차량의 중량 측정용 저울로 이용하므로 WIM 시스템에 비해 내구적이고, 교통 흐름에 영향을 미치지 않는다. 정적인 영향선을
이용하는 BWIM 기본개념이 1970년대 말 Moses(Moses, 1979)(4)에 의해 처음 제안된 이후 다양한 연구가 진행되었다. Moses의 기본개념을 확장한 정적 BWIM 기법은 이론적 영향선과 교량의 실제 거동 사이의
차이에 따른 오차가 내재한다. 정적 BWIM 기법의 오차를 최소화하기 위해 최적화 기법(O’Brien et al., 2006; Yamaguchi et
al., 2009)(5,6), 확률론적 기법(Ieng, 2015)(7), 인공신경망 기법(Kim et al., 2009)(8) 또는 동적 BWIM 기법(O’Connor and Chan, 1988; Wu and Law, 2010; Deng and Cai, 2011)(9-11) 등이 보조적인 수단으로 적용되어 왔다.
이 연구는 교량의 구조적 특성을 활용하면 복잡한 연산과정 없이 간단하게 주행차량의 중량을 추정할 수 있다는 발상에 착안하여 시도되었다. 교량 위에
여러 대의 차량이 동시에 주행하는 경우 및 인접 차로 주행에 의한 영향을 배제하기 위해 경간길이가 짧고, 가로보가 설치되지 않은 교량을 연구대상으로
선정하였다. 기존 연구와 달리 주행차량의 중량 추정에 영향선을 사용하지 않고, 교량의 주거더와 바닥판 응답의 크기를 이용하여 주행차량 축간거리 및
중량을 추정할 수 있는 단순화된 알고리즘을 제안하였다. 제안된 알고리즘은 바닥판의 변형률 응답을 이용하여 주행차량의 축간거리를 계산하며, 주거더와
바닥판의 변형률 응답으로부터 주행차량의 총 중량 및 축중을 추정한다.
Photo. 1. Overall view of test bridge
Photo. 2. Strain sensors installed on the deck of test bridge
Fig. 1. Layout of sensors for strain measurement
연구대상 교량의 응답특성을 확인하기 위해 예비현장실험을 실시하였다. 교량의 거더 배치 및 차로 구성 등을 고려하여 변형률 게이지를 설치하고, 상시
교통하중 상태에서 중차량에 의해 유발되는 응답을 측정하였다. 기지의 제원을 갖는 다섯 대의 차량을 이용한 현장실험을 통해 이 연구에서 제안된 주행차량
축간거리 및 중량 추정 알고리즘의 타당성 및 정확성을 검증하였다.
2. 주행차량의 축간거리 및 중량 추정 알고리즘
2.1 가로보가 없는 단지간 RC T빔교의 변형률 응답 특성
2.1.1 예비현장실험
교량의 변형률 응답 특성을 이용하여 주행차량의 축간거리 및 중량 추정 알고리즘을 도출하기 위해 실교량에 대한 예비현장실험을 실시하였다. 현장실험 대상교량은
연도교 시점부에 위치한 교량이며, Photo. 1에 나타낸 바와 경간길이가 7.5 m인 RC T빔교이다. 경간길이가 매우 짧고 활하중 횡분배를 위한 가로보는 설치되어 있지 않으며, 주거더는 교각과
일체화되어 라멘형태의 경계조건을 갖는다. 경간길이가 짧고 가로보가 설치되지 않아 차량의 연속 주행 및 병렬 주행의 영향이 최소화될 것으로 판단되어
대상교량으로 선정하였다.
현장실험 대상교량의 바닥판 및 주거더의 변형률 응답 특성을 확인하기 위해 Fig. 1과 같이 교축방향으로 변형률 게이지를 설치하였다. 변형률 게이지는 두 개의 단면에 설치하였는데, 교량 중앙(단면 A-A)과 중앙에서 0.8 m 이격된
위치(단면 B-B)이다. 교량 횡단면상의 차량 주행위치를 고려하여 단면 A-A와 단면 B-B에 대해 첫 번째와 두 번째 주거더 사이 및 다섯 번째와
여섯 번째 주거더 사이의 바닥판에 변형률 게이지를 설치하였다. 주거더에 대해서는 각각의 차로 주행에 의한 응답을 확인하기 위해 첫 번째부터 여섯 번째
주거더 중앙(단면 A-A)에 변형률 게이지를 설치하였다. 일반적인 전기저항식 변형률게이지를 콘크리트 교량에 적용하면 부재 표면의 미세균열 등에 의해
측정오차가 발생할 수 있다. 이러한 영향 및 전기적 노이즈를 최소화하기 위해 Micron Optics사의 광섬유센서를 적용하였다. Lydon 등(Lydon
et al., 2014)(12)은 광섬유센서를 사용하면 BWIM 시스템의 정확도가 전반적으로 향상된다고 보고하였다. 대상교량 바닥판에 설치된 변형률 게이지를 Photo. 2에 나타내었다.
2.1.2 대상교량의 변형률 응답
현장실험 대상교량의 변형률 응답은 상시 교통하중 상태에서 통행하는 중차량을 대상으로 여러 차례에 걸쳐 측정되었다. 변형률 응답은 1,000 Hz의
sampling rate로 측정하였다. 측정된 변형률 응답은 대체로 유사한 경향을 나타내었으며, 바닥판 및 주거더의 대표적인 변형률 이력곡선을 각각
Fig. 2 및 Fig. 3에 나타내었다.
Fig. 2. Strain history curves of bridge deck
Fig. 3. Strain history curves of girder
바닥판의 변형률 응답을 나타낸 Fig. 2에 의하면 주행차량의 차륜이 센서 설치위치를 통과할 때 마다 명확하게 피크(peak)가 발생되는 것을 알 수 있다. 차량이 1차로를 주행하는 경우에는
1차로에 설치된 게이지 Id. SG_1과 SG_2에서 피크가 형성되며, 2차로를 주행하는 경우에는 반대로 SG_3과 SG_4에서 피크가 형성된다.
또한, 단면 A-A와 단면 B-B의 이격거리 0.8m에 의한 영향으로 피크치 사이에는 시간 지연(time delay)이 나타난다. 한편, 차륜이 센서
설치위치를 통과하기 직전 및 직후에 압축 변형률을 나타내는 것은 영향선이 짧은 부재의 응답특성에 기인한다.
Fig. 3은 주거더의 변형률 응답을 나타낸 것이다. 주거더는 영향선이 긴 구조부재이므로 바닥판과 달리 넓은 범위에 걸쳐 응답이 분포하는 특성이 있으며, 가로보가
설치되어 있지 않아 차량이 재하되지 않는 인접 차로의 응답에는 거의 영향을 미치지 않는다는 것을 알 수 있다. 차량이 1차로를 주행하면 세 번째 주거더(게이지
Id. SG_7)의 응답이 가장 크게 나타나며, 두 번째와 첫 번째 주거더의 순서로 응답이 작아지는 것으로 나타났다. 한편, 2차로의 범위에 해당하는
SG_8∼10의 응답은 1차로에 인접한 SG_8을 제외하면 측정 잡음에 해당할 정도로 매우 작다.
Fig. 3(d)는 차량이 2차로를 주행하는 경우이다. SG_10의 응답이 가장 크며, SG_8과 SG_9의 응답은 SG_10의 약 20∼30% 수준으로 크게 저하된다.
이러한 경향은 교폭(=14.4 m)이 경간길이(=7.5 m)에 비해 두 배 정도 넓을 뿐만 아니라 가로보가 설치되어 있지 않아 횡단면 외측에 위치한
주거더(G1, G2, G3)보다 내측의 주거더(G4, G5, G6)에서 뚜렷하게 나타난다고 판단된다. 한편, 교량 횡단면 상의 차량 재하위치와 센서
설치위치를 나타낸 Fig. 1(b)에 의하면 차륜이 직접 재하되는 SG_8의 응답이 SG_10보다 크게 나타나야 하는데 실제는 그렇지 않다. 이 원인은 실제 차로 폭이 설계도면과 일치하지
않거나, 길어깨가 2.4 m로 다소 넓어 주행위치가 좌측으로 편위되었을 가능성이 있다고 추정된다.
Fig. 4. An example of strain history curves of bridge deck
Fig. 5. Fixed beam subjected to concentrated load at arbitrary location
2.2 주행차량의 축간거리 및 중량 추정 방법
예비현장실험을 통해 대상교량의 바닥판 및 주거더의 변형률 응답 특성을 파악하였다. 바닥판의 응답은 주행차량의 차륜이 센서 설치위치를 통과할 때 마다
피크가 형성되며, 주거더의 응답은 통행차량에 의해 넓게 분포하는 변형률 이력특성을 나타내었다. 이러한 대상교량의 변형률 응답 특성에 기초하여 이 절에서는
주행차량의 축간거리 및 중량 추정 방법을 제안하고자 한다.
먼저 바닥판의 변형률 응답을 이용하여 주행차량의 축간거리를 추정한다. 3축 트럭이 주행할 때 일정 거리 $s$만큼 떨어진 두 지점에서 측정된 바닥판의
변형률 이력곡선의 예를 Fig. 4에 나타내었다. 두 응답의 피크치는 측정지점의 이격거리 $s$에 의해 시간 지연 $\Delta t$가 발생하며, $\Delta t$는 식(1)에 의해 계산된다. 시간 지연 $\Delta t$와 이격거리 $s$를 이용하면 주행차량의 속도 $v$를 알 수 있다(식(2) 참조). 식(2)에 의해 계산된 차량 속도와 응답의 피크치 간의 시간 차이에 의해 차량의 축간거리를 추정할 수 있다(식(3) 참조). 식(1)~(3)에 나타낸 기호의 설명은 Fig. 4에 나타내었다.
주행차량의 중량은 주거더 및 바닥판의 변형률 응답을 이용하여 추정한다. 대상교량의 경계조건은 양단이 고정된 경우이다. Fig. 5에 나타낸 집중하중을 지지하는 양단 고정 보의 하중위치에 따른 중앙점 $c$의 휨모멘트, 즉 휨모멘트 영향선은 식(4)와 같이 표현된다. 보 부재의 변형률과 휨모멘트의 관계로부터 식(4)는 식(5)와 같이 표현된다. 식(5)로부터 차량의 주행에 의해 발생하는 보 중앙점의 변형률은 작용하중의 크기에 비례하는 것을 알 수 있다. 식(5)는 1축의 집중하중에 대한 것인데, 작용하중이 1축이 아닌 2축 이상인 경우에도 중첩의 원리에 의해 식(5)의 개념은 동일하게 적용될 수 있다.
여기서, $y$ : 중립축으로부터의 이격거리
$EI$ : 휨 강성
보 부재의 변형률은 작용하중의 크기와 비례하므로 교량 주거더에서 측정되는 변형률 이력곡선의 면적도 작용하중의 크기와 비례관계를 갖는다. Fig. 6에 동일한 속도로 주행하는 2축 및 3축 차량에 의한 모멘트 이력곡선과 면적을 나타내었는데, 작용하중의 크기와 모멘트 이력곡선 면적은 비례한다는 것을
확인할 수 있다. 변형률은 모멘트에 비례하므로 편의상 모멘트 이력곡선을 나타낸 것이다. 2축 및 3축 차량의 총 중량은 각각 1000 kN(=500+500)과
2000 kN(=400+700+900)이며, 축간거리는 모두 1 m이다.
Fig. 6. Bending moment history curve and its area
Fig. 7. An example of strain history curves with $x$-axis converted to distance
Fig. 8. An example of strain ranges of bridge deck
Fig. 6은 차량의 속도가 동일한 경우인데, 모든 차량의 주행속도는 일정하지 않으므로 속도가 변화되면 $x$축의 시간과 함께 면적도 달라지게 된다. 따라서,
$x$축을 시간이 아닌 거리로 변환하여 나타낼 필요가 있다. 주행차량의 통과속도는 식(1), (2)에 의해 계산되므로 Fig. 7과 같이 $x$축을 주행차량의 이동거리로서 나타낼 수 있다.
앞서 기술한 내용을 토대로 주행차량의 중량 추정 과정을 아래에 정리하여 나타내었다. 예비실험에 사용되는 차량의 수 및 실험 반복횟수가 많을수록 보다
신뢰도 높은 보정계수 $F_{calibration}$을 산정할 수 있다.
·단계 1 : 총 중량 $W_{ref}$가 기지인 차량을 이용한 예비주행실험 실시
·단계 2 : 예비주행실험을 통해 얻어진 변형률 이력곡선의 면적 $A_{ref}$를 적분에 의해 산정
·단계 3 : 중량 추정용 보정계수 $F_{calibration}$ 산정(식(6) 참조)
·단계 4 : 임의의 차량에 대한 변형률 이력곡선 측정 및 면적 $A_{i}$ 산정
·단계 5 : 임의의 차량의 총 중량 추정(식(7) 참조)
Fig. 8은 3축 트럭이 주행할 때의 바닥판 변형률 이력곡선의 예를 나타낸 것이다. 변형률 응답의 피크치 변동범위 $\Delta S_{k}$가 축하중의 크기
$P_{k}$에 비례한다고 가정하면 식(8), (9)에 의해 차량 총 중량에 대한 각 축의 비율 $R_{k}$를 구할 수 있다. 따라서, 식(7)에 의해 임의의 차량에 대한 총 중량을 구했으므로 각각의 축중은 식(10)에 의해 추정할 수 있다.
3. 주행차량의 축간거리 및 중량 추정
3.1 현장실험
2.2절에서 기술한 주행차량의 축간거리 및 중량 추정 알고리즘을 검증하기 위해 예비실험을 실시한 교량에 대해 현장실험을 수행하였다. 바닥판 및 주거더의
변형률 응답을 측정하기 위한 변형률 게이지 부착위치는 예비실험과 동일하다(Fig. 1 참조). 단, 2.1절에서 살펴본 바와 같이 변형률 응답이 명확하게 나타나는 1차로를 대상으로 하며, 분석에 사용된 게이지는 SG_1, SG_2
및 SG_7이다. 현장실험은 식(6)에 나타낸 보정계수를 산정하기 위한 실험(이하 보정계수 산정실험)과 이 연구의 알고리즘을 검증하기 위한 실험(이하 알고리즘 검증실험)으로 구분하여
실시하였다. 변형률 응답은 1,000 Hz의 sampling rate로 측정하였으며, 단기간의 측정이므로 온도에 대한 보정은 실시하지 않았다.
Table 1. Axle spacings and weights of test vehicles
Vehicle Id.
|
Vehicle
type
|
Axle weight (kN)
|
Gross weight
(kN)
|
Axle spacing (m)
|
1st
|
2nd
|
3rd
|
1st~
2nd
|
2nd~
3rd
|
V1
|
2-axle truck
|
68.0
|
107.0
|
-
|
175.0
|
5.9
|
-
|
V2
|
2-axle truck
|
48.5
|
117.0
|
-
|
165.5
|
5.9
|
-
|
V3
|
3-axle truck
|
84.0
|
91.0
|
86.5
|
261.5
|
5.9
|
1.3
|
V4
|
3-axle trailer
|
35.0
|
102.5
|
105.0
|
242.5
|
3.6
|
7.2
|
V5
|
3-axle trailer
|
41.0
|
116.5
|
82.5
|
240.0
|
3.6
|
7.2
|
Photo. 3. Measurement of axle weight using a portable axle weighing scale
현장실험에 사용된 차량은 총 중량이 150∼250 kN의 2축 및 3축 트럭(트레일러)으로서 총 5대이다. 실험에 앞서 차량의 축간거리와 축중을 줄자
및 이동식 축중기를 이용하여 현장에서 실측하였으며(Photo. 3 참조), 실측결과는 Table 1과 같다. Table 1에 나타낸 총 다섯 대의 차량 중 V1은 보정계수 산정실험에 사용하였고, 나머지 네 대의 차량(V2∼V5)은 알고리즘 검증실험을 위한 것이다.
교통량이 비교적 적은 시간대를 대상으로 현장실험을 진행하였다. 보정계수 산정실험 주행횟수는 3회, 알고리즘 검증실험 주행횟수는 차량별 1∼2회이다.
3.2 축간거리 추정결과
주행차량의 축간거리는 현장실험에 이용된 다섯 대의 모든 차량에 대해 추정하였다. Fig. 9에 3축의 트레일러가 주행할 때 발생되는 바닥판의 변형률 이력곡선을 예로서 나타내었다. Fig. 9에 의하면 단면 A-A에 설치된 센서 Id. SG_1에서 측정된 응답의 피크 발생시간은 5.146 sec, 5.561 sec 및 6.390 sec이며,
단면 B-B에 설치된 센서 Id. SG_2에서 측정된 응답의 피크 발생시간은 5.235 sec, 5.652 sec 및 6.482 sec이다. 따라서,
평균적인 시간 지연 $\Delta t$는 0.091 sec이고, 각 응답의 피크 간 평균 시간 차이는 0.416 sec(첫 번째와 두 번째 피크)와
0.830 sec(두 번째와 세 번째 피크)이다. 이렇게 계산된 피크치 사이의 시간 지연과 시간 차이 및 센서 간의 이격거리(=0.8 m)를 식(2), (3)에 적용하면 차량의 주행속도와 축간거리를 계산할 수 있다.
Table 2에 총 10회에 걸쳐 실시된 실험결과를 이용하여 응답의 피크 발생시간, 센서 응답 간 시간 지연 및 각 응답의 피크 간 시간 차이를 정리하여 나타내었다.
Table 3은 Table 2의 실험결과를 이용하여 추정한 차량 축간거리이다. Table 3의 오차는 실측치에 대한 추정치의 오차이다. 바닥판의 변형률 응답을 이용하여 주행차량의 축간거리를 추정한 결과인 Table 3에 의하면 최대 오차는 -5.1%이고, 평균 오차는 약 2.1%로서 줄자를 이용하여 실측한 결과와 매우 유사하다는 것을 알 수 있다. 한편, 주행차량의
속도 추정결과는 2축 차량의 경우에 약 45∼50 km/h의 범위, 3축 차량의 경우에 약 22∼37 km/h의 범위로 나타났다. 특히 3축 트레일러의
주행속도가 느린 것은 차량의 노후화 등의 영향으로 판단된다. 여기서 추정된 차량의 주행속도는 중량 추정에 활용된다.
Fig. 9. Strain history curves of bridge deck induced by running of 3-axle trailer
3.3 축중 및 총 중량 추정결과
주행차량의 축중 및 총 중량 추정은 두 단계로 구분된다. 먼저 중량이 기지인 차량(차량 Id. V1)을 이용하여 보정계수 산정실험을 실시하고, 이로부터
차량의 총 중량과 변형률 이력곡선 면적 사이의 관계를 나타내는 보정계수 $F_{calibration}$을 구한다. 보정계수 $F_{calibration}$을
구한 후, 임의의 차량(차량 Id. V2∼V5)에 의해 유발되는 변형률 이력곡선을 분석하여 차량의 중량을 추정한다.
보정계수 산정실험은 차량 Id. V1을 이용하여 총 3회에 걸쳐 실시하였다. 총 3회의 주행실험을 통해 얻어진 변형률 이력곡선(게이지 Id. SG_7)을
Table 3에 나타낸 주행속도를 이용하여 $x$축을 거리로 변환시킨 결과는 Fig. 10과 같다. 차량 Id. V1의 총 중량 175.0 kN과 Fig. 10의 변형률 이력곡선의 면적을 이용하면 식(6)에 의해 보정계수 $F_{calibration}$을 구할 수 있으며, 그 결과는 Table 4와 같다. 세 차례의 주행실험을 통해 얻어진 변형률 이력곡선 면적의 최댓값과 최솟값은 각각 98.2$\mu\epsilon · m$와 95.1$\mu\epsilon
· m$이며, 이때의 편차는 3%을 약간 상회하는 수준이므로 보정계수 산정실험은 적정하게 실시된 것으로 판단된다.
이 연구에서 제안한 주행차량의 중량 추정 알고리즘을 검증하기 위해 차량 Id. V2∼V5를 이용하여 총 7회의 주행실험을 실시하였다. 3축 트레일러의
주행에 의한 주거더 변형률 이력곡선(게이지 Id. SG_7)과 이것의 $x$축을 거리로 변환시킨 결과를 Fig. 11에 예로서 나타내었다.
Table 2. Peak occurrence time, time delay between sensor responses, and time interval
between peaks
Items
|
Peak occurrence time (sec)
|
$\Delta t_{i}$
(sec)
|
$\Delta t_{ave}$
(sec)
|
Time interval between peaks (sec)
|
SG_2
|
SG_1
|
SG_2
|
SG_1
|
Ave.
|
V1
|
#1
|
1st peak
|
5.729
|
5.662
|
0.067
|
0.065
|
0.453
|
0.458
|
0.456
|
2nd peak
|
6.182
|
6.120
|
0.062
|
#2
|
1st peak
|
6.427
|
6.365
|
0.062
|
0.060
|
0.424
|
0.428
|
0.426
|
2nd peak
|
6.851
|
6.793
|
0.058
|
#3
|
1st peak
|
4.748
|
4.688
|
0.060
|
0.062
|
0.432
|
0.429
|
0.431
|
2nd peak
|
5.180
|
5.117
|
0.063
|
V2
|
#1
|
1st peak
|
6.208
|
6.147
|
0.061
|
0.059
|
0.433
|
0.436
|
0.435
|
2nd peak
|
6.641
|
6.583
|
0.058
|
#2
|
1st peak
|
4.491
|
4.428
|
0.063
|
0.059
|
0.414
|
0.423
|
0.419
|
2nd peak
|
4.905
|
4.851
|
0.054
|
V3
|
#1
|
1st peak
|
3.557
|
3.481
|
0.076
|
0.077
|
0.563
|
0.564
|
0.564
|
2nd peak
|
4.120
|
4.045
|
0.075
|
0.124
|
0.120
|
0.122
|
3rd peak
|
4.244
|
4.165
|
0.079
|
V4
|
#1
|
1st peak
|
4.455
|
4.336
|
0.119
|
0.114
|
0.509
|
0.521
|
0.515
|
2nd peak
|
4.964
|
4.857
|
0.107
|
1.059
|
1.051
|
1.055
|
3rd peak
|
6.023
|
5.908
|
0.115
|
#2
|
1st peak
|
5.235
|
5.146
|
0.089
|
0.091
|
0.417
|
0.415
|
0.416
|
2nd peak
|
5.652
|
5.561
|
0.091
|
0.830
|
0.829
|
0.830
|
3rd peak
|
6.482
|
6.390
|
0.092
|
V5
|
#1
|
1st peak
|
5.575
|
5.449
|
0.126
|
0.129
|
0.572
|
0.570
|
0.571
|
2nd peak
|
6.147
|
6.019
|
0.128
|
1.165
|
1.161
|
1.163
|
3rd peak
|
7.312
|
7.180
|
0.132
|
#2
|
1st peak
|
5.066
|
4.977
|
0.089
|
0.094
|
0.422
|
0.414
|
0.418
|
2nd peak
|
5.488
|
5.391
|
0.097
|
0.856
|
0.857
|
0.857
|
3rd peak
|
6.344
|
6.248
|
0.096
|
Table 3. Estimation results of velocity and axle spacing of test vehicles using strain
response of bridge deck
Vehicle Id.
|
Estimated
velocity
(m/s)
|
Measured
axle spacing (m)
|
Estimated
axle spacing (m)
|
Percent error (%)
|
1st~2nd
|
2nd~3rd
|
1st~
2nd
|
2nd~3rd
|
1st~
2nd
|
2nd~
3rd
|
V1
|
#1
|
12.4
|
5.9
|
-
|
5.65
|
-
|
-4.2
|
-
|
#2
|
13.3
|
5.68
|
-
|
-3.7
|
-
|
#3
|
13.0
|
5.60
|
-
|
-5.1
|
-
|
V2
|
#1
|
13.4
|
5.9
|
-
|
5.84
|
-
|
-1.0
|
-
|
#2
|
13.7
|
5.72
|
-
|
-3.0
|
-
|
V3
|
#1
|
10.4
|
5.9
|
1.3
|
5.88
|
1.27
|
-0.3
|
-2.1
|
V4
|
#1
|
7.0
|
3.6
|
7.2
|
3.62
|
7.43
|
0.7
|
3.1
|
#2
|
8.8
|
3.67
|
7.32
|
2.0
|
1.7
|
V5
|
#1
|
6.2
|
3.6
|
7.2
|
3.55
|
7.23
|
-1.4
|
0.4
|
#2
|
8.5
|
3.56
|
7.29
|
-1.2
|
1.2
|
알고리즘 검증실험을 통해 측정된 주거더 변형률 이력곡선(게이지 Id. SG_7)의 $x$축을 거리로 변환시킨 후 적분하여 면적을 구하였다. 주거더
변형률 이력곡선의 면적과 Table 4의 보정계수 평균치 1.810을 적용하여 차량 Id. V2∼V5의 총 중량을 추정하였으며, 그 결과를 실측 중량과 비교하여 Table 5에 나타내었다. Table 5의 오차는 실측 중량에 대한 추정 중량의 오차이다. 주거더의 변형률 응답을 이용하여 주행차량의 총 중량을 추정한 결과인 Table 5에 의하면 최대 오차는 5.1%이고, 평균 오차는 약 2.6%로서 실측 중량과 매우 유사하다는 것을 알 수 있다.
Fig. 10. Strain history curves with $x$-axis converted to distance to calculate calibration
factor
Fig. 11. Strain history curves of girder induced by running of 3-axle trailer
Fig. 12. Strain history curve and its range of bridge deck induced by running of 3-axle
trailer
Table 5에 나타낸 총 중량 추정결과와 바닥판의 변형률 피크치 변동범위를 이용하면 식(8)~(10)에 의해 주행차량의 축중을 추정할 수 있다. 3축 트레일러의 주행에 의한 바닥판 변형률 이력곡선(게이지 Id. SG_1, SG_2)의 예를 Fig. 12에 나타내었다. Fig. 12에 나타낸 바와 같이 각각의 센서에 측정된 첫 번째 피크치 변동범위는 6.243$\mu\epsilon$과 11.448$\mu\epsilon$, 두
번째 피크치 변동범위는 20.913$\mu\epsilon$과 28.803$\mu\epsilon$ 그리고 세 번째 피크치 변동범위는 17.164$\mu\epsilon$과
27.627$\mu\epsilon$으로서 두 센서의 응답크기는 다소 차이가 있다. 따라서, 이 연구에서는 두 센서의 응답치 평균을 적용하여 주행차량의
축중을 추정하였다.
Table 4. Calibration factor calculated by using field test results
Vehicle Id.
|
Gross weight
(kN)
|
Area of strain curve
($\mu\epsilon · m$)
|
Calibration factor, $F_{calibration}$
(kN/($\mu\epsilon · m$))
|
Average $F_{calibration}$
(kN/($\mu\epsilon · m$))
|
V1
|
#1
|
175.0
|
98.2
|
1.782
|
1.810
|
#2
|
175.0
|
95.1
|
1.840
|
#3
|
175.0
|
96.8
|
1.808
|
Table 5. Estimation results of gross weight using verification test results
Vehicle Id.
|
Measured gross weight (kN)
|
Area of strain curve
($\mu\epsilon · m$)
|
Average $F_{calibration}$
(kN/($\mu\epsilon · m$))
|
Estimated gross weight
(kN)
|
Percent error
(%)
|
V2
|
#1
|
165.5
|
96.1
|
1.810
|
173.9
|
5.1
|
#2
|
95.9
|
173.6
|
4.9
|
V3
|
#1
|
261.5
|
142.0
|
257.0
|
-1.7
|
V4
|
#1
|
242.5
|
137.4
|
248.7
|
2.6
|
#2
|
138.0
|
249.8
|
3.0
|
V5
|
#1
|
240.0
|
133.9
|
242.4
|
1.0
|
#2
|
132.9
|
240.5
|
0.2
|
알고리즘 검증실험을 통해 얻어진 바닥판의 피크치 변동범위 및 각 피크의 비를 Table 6에 정리하였다. Table 6의 결과와 식(10)을 이용하여 추정한 주행차량의 축중은 Table 7과 같다. Table 7의 오차는 실측 축중에 대한 추정 축중의 오차이다.
실측 축중에 대한 추정 축중의 최대 오차는 -21.6%, 평균 오차는 약 9.3%로서 총 중량 추정결과(최대 5.1%, 평균 약 2.6%)에 비해
정확도가 다소 낮으며, 축중이 50kN 이하인 경우(대부분의 경우에 첫 번째 축에 해당)에 오차가 보다 커지는 것을 알 수 있다. 축중 추정 정확도가
떨어지는 것은 차륜에 의한 바닥판 응답은 매우 짧은 시간에 발생하므로 주거더의 응답에 비해 실험오차가 커질 개연성이 있기 때문으로 판단된다.
축중 추정 결과가 가장 불량한 경우는 차량 Id. V2의 두 번째 주행실험에 대한 것으로서 첫 번째와 두 번째 축의 중량 추정 오차는 각각 -21.6%와
15.9%이다. 이 경우에 대한 총 중량 추정 오차는 4.9%이다. 이 연구에서는 교량의 휨 거동에 주행차량의 축중 및 총 중량이 미치는 영향 정도를
검토하기 위해 차량 Id. V2의 실측 중량(48.5+117.0=165.5kN)과 추정 중량(38.0+135.6=173.6 kN)을 이용하여 구조해석을
수행하였다. 축간거리는 실측치인 5.9 m를 동일하게 적용하였다. 구조해석은 단순보에 대해 경간길이를 10 m부터 50 m까지 10 m씩 증가시켜가며
실시하였다. 구조해석에 의한 경간길이 30 m의 단순보 중앙점의 모멘트 이력곡선을 Fig. 13에 나타내었으며, 모든 해석경우에 대한 단순보 중앙점의 최대 모멘트는 Table 8과 같다. Table 8에 나타낸 추정 중량에 의한 최대 모멘트의 오차는 축중 추정 오차와 총 중량 추정 오차의 사이에 있으며, 경간길이가 증가할수록 총 중량 추정 오차에
가까워진다. Table 8은 특정한 경우에 대한 결과이므로 일반화할 수는 없지만, 경간길이 20 m 이상인 교량의 경우는 축중 보다는 총 중량을 정확하게 추정하는 것이 중요하다고
판단된다.
Fig. 13. Bending moment history curves of center of simple beam with span length of
30m by measured and estimated weight
Table 6. Strain range and ratio of peaks of bridge deck
Items
|
①, $\Delta S_{k}$
($\mu\epsilon$)
|
②, $\Delta S_{su m}$
($\mu\epsilon$)
|
①/②, $R_{k}$
|
V2
|
#1
|
1st peak
|
9.318
|
35.102
|
0.265
|
2nd peak
|
25.784
|
0.735
|
#2
|
1st peak
|
5.446
|
24.858
|
0.219
|
2nd peak
|
19.412
|
0.781
|
V3
|
#1
|
1st peak
|
12.602
|
34.428
|
0.366
|
2nd peak
|
11.623
|
0.338
|
3rd peak
|
10.204
|
0.296
|
V4
|
#1
|
1st peak
|
8.846
|
56.099
|
0.158
|
2nd peak
|
24.858
|
0.443
|
3rd peak
|
22.396
|
0.399
|
#2
|
1st peak
|
9.986
|
59.329
|
0.168
|
2nd peak
|
25.974
|
0.438
|
3rd peak
|
23.370
|
0.394
|
V5
|
#1
|
1st peak
|
5.030
|
34.793
|
0.145
|
2nd peak
|
17.729
|
0.510
|
3rd peak
|
12.035
|
0.346
|
#2
|
1st peak
|
7.504
|
49.539
|
0.151
|
2nd peak
|
24.816
|
0.501
|
3rd peak
|
17.220
|
0.348
|
Table 7. Estimation results of axke weight using verification test results
Items
|
Measured axle weight (kN)
|
Estimated gross weight (kN)
|
$R_{k}$
|
Estimated axle weight (kN)
|
Percent error
(%)
|
V2
|
#1
|
1st axle
|
48.5
|
173.9
|
0.265
|
46.2
|
-4.8
|
2nd axle
|
117.0
|
0.735
|
127.7
|
9.2
|
#2
|
1st axle
|
48.5
|
173.6
|
0.219
|
38.0
|
-21.6
|
2nd axle
|
117.0
|
0.781
|
135.6
|
15.9
|
V3
|
#1
|
1st axle
|
84.0
|
257.0
|
0.366
|
94.1
|
12.0
|
2nd axle
|
91.0
|
0.338
|
86.8
|
-4.7
|
3rd axle
|
86.5
|
0.296
|
76.2
|
-11.9
|
V4
|
#1
|
1st axle
|
35.0
|
248.7
|
0.158
|
39.2
|
12.0
|
2nd axle
|
102.5
|
0.443
|
110.2
|
7.5
|
3rd axle
|
105.0
|
0.399
|
99.3
|
-5.4
|
#2
|
1st axle
|
35.0
|
249.8
|
0.168
|
42.0
|
20.1
|
2nd axle
|
102.5
|
0.438
|
109.4
|
6.7
|
3rd axle
|
105.0
|
0.394
|
98.4
|
-6.3
|
V5
|
#1
|
1st axle
|
41.0
|
242.4
|
0.145
|
35.0
|
-14.5
|
2nd axle
|
116.5
|
0.510
|
123.5
|
6.0
|
3rd axle
|
82.5
|
0.346
|
83.8
|
1.6
|
#2
|
1st axle
|
41.0
|
240.5
|
0.151
|
36.4
|
-11.2
|
2nd axle
|
116.5
|
0.501
|
120.5
|
3.4
|
3rd axle
|
82.5
|
0.348
|
83.6
|
1.3
|
Table 8. Maximum bending moment of center of simple beam by measured and estimated
weight
Span length (m)
|
Maximum bending moment (kN·m)
|
Percent error (%)
|
By measured weight
|
By estimated weight
|
10
|
296.1
|
343.2
|
15.9
|
20
|
686.8
|
760.5
|
10.7
|
30
|
1102.0
|
1197.0
|
8.6
|
40
|
1517.0
|
1633.0
|
7.6
|
50
|
1932.0
|
2069.0
|
7.1
|
4. 결 론
이 연구는 교량의 구조적 특성을 활용한 단순화된 BWIM에 관한 것으로서 알고리즘 개발 및 현장실험을 통해 얻어진 결과를 요약하면 다음과 같다.
1) 가로보가 없는 단지간 교량의 바닥판 및 주거더 변형률 응답을 이용하여 간편하게 주행차량의 축간거리 및 중량을 추정할 수 있는 단순화된 알고리즘을
제안하였다.
2) 이 연구에서 제안된 알고리즘을 현장실험결과에 적용하여 분석한 결과, 주행차량의 축간거리 및 총 중량 추정 평균 오차는 각각 약 2.1% 및 약
2.6%로서 실측 결과와 매우 유사하였다. 축중 추정에 대한 평균 오차는 약 9.3%로서 총 중량 추정결과에 비해 정확도가 상대적으로 낮았다.
3) 경간길이 20∼50 m 범위의 중소규모 교량의 변형률 응답은 차량의 축중 보다 총 중량에 의한 영향이 지배적이다.
4) 이 연구에서 제안한 단순화된 BWIM 알고리즘의 타당성 및 정확성을 현장실험을 통해 검증하였다.
이 연구를 통해 교량의 구조적 특성을 잘 활용하면 복잡한 연산과정 없이 간편하게 주행차량의 축간거리 및 중량 추정이 가능하다는 것을 확인하였다. 이
연구의 기본개념은 다양한 교량에 대해 상부구조형식의 구조적 특성에 따라 유동적으로 적용될 수 있다고 판단된다.