국내 교량의 노후화가 급격하게 진행되고 있다. 2023년 현재 공용년수 30년 이상의 교량은 전체의 약 17%를 차지하며, 향후 10년 내에 공용년수 30년 이상의 교량이 전체의 약 48%로 증가할 것으로 예상된다. 노후된 교량의 증가에 따라 효과적인 교량 유지관리 방안이 필요하며, 유한요소법(Finite Element Method, FEM) 기반 수치해석이 중요하게 사용되고 있다. 수치해석 기법은 교량의 거동과 현재 상태를 분석하는 데 유용하지만, 설계 기반 수치해석 모델은 교량의 시공 후 상황을 완벽하게 반영하지 못하여 실제 공용 중인 교량과 거동의 차이가 발생한다. 이러한 문제를 해결하기 위해 수치해석 모델을 실제 모델과 유사하게 개선하는 수치해석 모델업데이팅 기법들이 활발하게 연구되고 있으며 본 논문에서는 베이지안 최적화(Bayesian optimization)된 깊은신경망(Deep Neural Network, DNN) 기반 FEM 업데이팅 기법을 새롭게 제안하였다. 개발한 모델업데이팅 방식은 다양한 모델에서의 적용을 위해 상용 FEM 프로그램과 연동하였으며 대상 모델에 최적화된 DNN 탐색 과정에 베이지안 최적화(Bayesian optimization) 기법을 적용하였다. 개발한 모델업데이팅 기법은 시뮬레이션을 통해 신뢰성 검증하였으며, 실측 데이터에 기반한 모델업데이팅을 성공적으로 수행하였다.
개발한 모델업데이팅 기법을 검증을 위한 시뮬레이션 모델로 PSC-Box 교량과 I-Girder 교량을 선정하였다. 검증을 위해 시뮬레이션 모델 부재 손상 시나리오를 설계하여 교량 동적 특성을 추출하였다. 손상된 시뮬레이션 모델의 교량 동적 특성을 사용한 모델업데이팅 수행을 통해 업데이팅된 모델을 도출하였다. 업데이팅된 수치해석 모델의 부재 강성과 손상된 시뮬레이션 모델의 부재 강성과의 비교를 통해 업데이팅된 수치해석 모델의 신뢰성을 검증하였다.
실제 교량 모델업데이팅을 위해 공용 중인 철도교량에서 가속도 데이터를 수집하였다. 수집한 가속도 데이터를 통하여 교량 동적 특성을 분석하였고 개발한 모델업데이팅 기법을 사용하여 모델업데이팅 실시하였다. 초기 수치해석 모델과 업데이팅된 수치해석모델에 KTX 하중 시나리오를 모델링하여 업데이팅된 수치해석 모델의 동적 수직변위가 실 계측 수직 변위와 유사하게 개선되는 것을 검증하였다.