The workability of cement-based materials should be scientifically analyzed through the rheological behavior. The Bingham equation is generally adopted to describe the flow of cement-based materials. Rheometer is a device that measures the two parameters of the Bingham equation. Numerous rheometers are used with various geometries and measuring protocols. However, the rheological measurement provides different Bingham parameters for a single material when rheometers, geometry or even the measuring protocol is replaced. This study aims to construct a model that can yield the ideal Bingham parameters, which are identical for a single material regardless of the measurement conditions, with inputs of raw measurements. This study first introduces the generation of ideal domain using the theoretical Bingham model. Then, the unsupervised domain adaptation allows the model predicting ideal Bingham parameters with inputs of raw measurements. The experiments were conducted with mortar mixtures measured by three different measuring protocols. The proposed method significantly reduced the Bingham parameter discrepancy. We also investigated the effects of the measurements number on the resultant models. Owing to the ideal domain generation and physical properties of variables, the adversarial training was also successfully conducted using 10 measurements representing the distribution of the corresponding measurement domain. Finally, the proposed method was applied to the concrete dataset, 12 mixtures, expected to have broad range of Bingham parameters, measured by BML, BTRHEOM, IBB rheometers. The proposed method provided nearly identical values regardless of the used rheometer.
콘크리트의 작업 성능은 유변학적 분석을 통해 과학적으로 분석되어야 한다. 시멘트 기반 재료의 유변학적 거동은 일반적으로 빙햄 모델을 통해 분석되며, 레오미터를 통해 빙햄 모델의 두가지 파라미터를 측정한다. 현재 레오미터 관련 표준 측정방법이 정의되지 않아, 다양한 종류의 레오미터, 측정 프로토콜, 또는 측정부를 사용하여 빙햄 파라미터를 측정하고 있다. 하지만, 유변학적 측정은 사용한 레오미터, 측정부, 측정 프로토콜 중 하나라도 바뀌어 측정 조건이 달라지면, 같은 샘플에 대해서 다른 값을 산출한다. 이 연구에서는 원 측정 값을 인풋으로 받아 측정 조건에 관계없이 같은 값을 가지는, 이상적인 빙햄 파라미터를 아웃풋으로 산출하는 인공지능을 개발하였다. 이상적인 도메인을 이론적인 빙햄 모델을 통해 생성하였으며, 도메인 적응 기법을 통해서 이상적인 도메인으로부터 학습된 인공신경망이 실제 측정도메인에서 작동할 수 있도록 설계하였다. 알고리즘의 시행은 3가지 다른 측정 프로토콜로 측정된 모르타르 샘플을 통해서 진행하였으며, 알고리즘 시행 결과 측정 값의 차이가 현저히 줄어들었다. 또한, 제안된 방법은 3개의 서로 다른 레오미터를 통해 측정된 12개의 콘크리트 샘플에 적용되었으며, 측정한 레오미터에 관계없이 거의 동등한 빙햄 파라미터가 산출되었다.
