Submerged Floating Tunnel (SFT), unlike an underwater tunnel, may be collided by external vessel, such as submarine etc., due to installation in underwater environment. The collision with external vessel may cause structural damage and personal injury. For this reason, it is important to understand the structural stability of the SFT according to the collision, and it is necessary to identify the impact location and the magnitude of the impact load. In this study, we propose an artificial neural network for load identification using collision responses in real time to estimates the impact location and maximum impact force. To estimate the impact location and maximum impact force, a neural network based a multi-layered perceptron (MLP) was built and Abaqus was used to build SFT finite element model for collecting the training dataset. The neural network to estimate the impact location uses the maximum acceleration value, and the neural network to estimate the maximum impact force uses the maximum acceleration value and the impact location as training data. For the verification of the proposed estimation impact location network model, this research includes an experimental program using SFT model and result reveal that the impact location can be identified.
해중터널(SFT)은 해저 터널과 달리 수중환경에 설치되는 특성 때문에 외부 접근체와 충돌이 발생할 수 있으며 이는 구조손상 및 인명피해를 야기할 수 있다. 이러한 이유로 충돌에 따른 해중터널의 구조적 안정성을 파악하는 것이 중요하며, 충돌 위치와 충돌하중 크기를 파악하는 것이 필요하다. 본 연구에서는 충돌 발생 시 실시간으로 충돌 응답을 수집하여 충돌 위치와 하중 크기를 추정하는 인공신경망 기반 하중 식별 기법을 제안하고자 한다. 충돌 위치와 충격량 추정을 위해 다충 퍼셉트론(MLP)를 기본 모델로 신경망을 구축하였으며, 학습 데이터는 Abaqus 기반 해중터널 유한요소 모델을 활용되었다. 충돌위치 추정 신경망은 최대가속도 값을, 충돌하중 크기 추정 신경망은 최대가속도 값 및 최대가속도 도달시간을 학습 데이터로 사용하고, 다층 퍼셉트론을 기반으로 활성화 함수 및 최적화 알고리즘을 비교하며 충돌위치 추정 신경망과 충돌하중 크기 신경망을 구축하였다. 제안한 신경망 모델 검증을 위해 해중 해중터널 모형 실험을 이용하여 충돌위치 추정하는 것을 확인하였다.
