This thesis presents a technique for evaluating the fiber distribution of a fiber-reinforced composite; it also investigates how the fiber distribution affects the tensile behavior of PVA-ECC and SFR-UHSC. The proposed evaluation technique is composed of stepwise tasks. First, the fiber images detected by a prototype thresholding algorithm are classified into five types by a watershed segmentation algorithm and an artificial neural network. Next, any aggregate fiber images, that is, misdetected fiber images, are detected correctly by means of the watershed segmentation algorithm and morphological reconstruction. Test results confirm that the fiber detection performance was enhanced and that the dispersion coefficient and orientation were calculated accurately. The developed evaluation technique was used to investigate how the fiber distribution affects the tensile behavior of PVA-ECC and SFR-UHSC.
For the PVA-ECC, a fiber bridging constitutive law that quantitatively considers the distribution of fiber orientation was derived, and a fiber distribution analysis was conducted on four specimens with different mix proportions. After that, image analysis was used to obtain fiber bridging curves from the distribution of fiber orientation, and these curves were compared with those obtained from the assumption of a two-dimensional and three-dimensional distribution of the fiber orientation. Furthermore, the uniaxial tensile behavior of the ECC was analyzed by comparing the experimental test results with the simulation results based on the fiber bridging curves and micromechanical parameters. The comparison and simulation results confirm that the uniaxial tensile behavior can be approximately predicted by using the proposed method with image analysis of the fiber distribution characteristics.
For the SFR-UHSC, flexural tests were conducted on specimens manufactured with two different placing directions, and measurements were taken of the flexural behaviors, including cracking and ultimate flexural strengths. A fiber distribution analysis was then conducted. Furthermore, the predicted flexural strength for an assumed uniform distribution of the fibers and the predicted flexural strength were compared on the basis of image analysis of the fiber distribution. The difference in the fiber distribution is noticeable, particularly in terms of the dispersion coefficient, the number of fibers in a unit area, and the fiber orientation in the placement directions. The image analysis gives a remarkable reduction in the estimation errors of flexural strength.
이 논문은 섬유 보강 시멘트 복합체의 섬유 분포 특성을 정량적으로 평가할 수 있는 디지털 이미지 프로세싱 기반 섬유 분포 특성 평가 기법을 제시하였고, 섬유 분포 특성이 PVA-ECC와 SFR-UHSC의 인장거동에 미치는 영향을 파악하였다.
제안한 알고리즘은 형광 현미경을 사용하여 얻은 섬유 이미지를 유형별로 분류하고, 분류된 분류된 섬유 이미지의 특성에 따라 분수령 알고리즘(watershed algorithm)과 형태학적 재구성(morphological reconstruction)을 이용하여 보다 정확히 섬유를 검출하는 과정으로 구성된다. 이 과정에서 섬유 이미지를 총 5가지 유형으로 분류하였으며, 인공신경회로망(ANN)을 분류기로 활용하기 위하여 형상 특성을 나타내는 5가지 특징값을 추출하였다. 추출된 특징값에 대한 데이터베이스를 구축하여 ANN을 학습하여 분류기를 구축함으로써 섬유의 유형을 자동으로 분류할 수 있도록 하였다. 또한 5가지 섬유 이미지 유형 중에서 잘못 검출된 섬유이미지를 분수령 알고리즘과 형태학적 재구성을 통하여 섬유를 정확히 검출할 수 있는 기법을 제안하였다. 가상 섬유 이미지와 실제 섬유 이미지로 실험한 결과, 제안된 기법을 통하여 섬유 분산성 계수, 섬유 방향성을 정확히 계산할 수 있는 것으로 나타났다.
섬유 분포 특성이 PVA-ECC의 인장거동에 미치는 영향을 평가하기 위하여 먼저, 측정된 섬유 방향성 분포와 개수를 고려할 수 있는 섬유 가교 작용을 수식적으로 유도하고, 다른 배합으로 제조된 4가지 시편의 섬유 분포 특성을 분석하였다. 분석된 자료를 바탕으로 섬유 가교 곡선을 구하였고, 섬유 방향성에 대한 분포 특성을 2차원과 3차원으로 무작위로 분포한다고 가정하여 구한 섬유 가교 곡선과 비교하였다. 또한 섬유 가교 곡선과 미시역학 변수를 사용하여 ECC의 1축 인장 거동에 대하여 시뮬레이션을 수행하였다. 섬유 가교 곡선을 비교한 결과와 시뮬레이션 결과를 통하여, 섬유 분포 특성의 이미지 분석을 통하여 ECC의 1축 인장거동을 비교적 정확히 예측할 수 있는 것으로 나타났다.
강섬유 보강 초고강도 콘크리트의 타설방법에 따라 섬유의 방향성이 인장강도에 미치는 영향을 파악하고자 휨인장실험을 수행하였고, 섬유 방향성 이외에 분산성 계수, 단위면적당 섬유의 개수 등, 분포 특성을 정량적으로 분석하였다. 분석 결과 타설방법에 따라 섬유 분포 특성에 상당한 차이가 있음을 확인할 수 있었다. 그리고 섬유의 방향 분포특성은 강섬유 보강 초고강도 콘크리트의 균열발생강도에는 크게 영향을 미치지 않으나, 휨인장강도에 미치는 영향은 아주 큰 것으로 나타났으며, 이론적인 휨강도 모델식에 실제 섬유 방향성 분포를 적용하여 예측한 결과, 실험결과와 잘 일치하는 것으로 나타났다.
