| 1 |
1
콘크리트의 물성이 포함된 데이터베이스를 구축하는 단계;
상기 데이터베이스로부터 콘크리트 물성을 예측하는 단계;
상기 데이터베이스의 유효영역을 설정하는 단계; 및
직접 탐색법을 이용하여 최적 배합을 선정하는 단계를 포함하는 것을 특징으로 하는 콘크리트 배합 선정방법
|
| 2 |
2
제 1항에 있어서, 상기 콘크리트 물성을 예측하기 위해 인공신경회로망을 사용하는 것을 특징으로 하는 콘크리트 배합 선정방법
|
| 3 |
3
제 2항에 있어서,
상기 인공신경회로망을 이용하여 상기 콘크리트의 강도를 예측하는 것을 특징으로 하는 콘크리트 배합 선정방법
|
| 4 |
4
제 1항에 있어서,
상기 데이터베이스의 유효영역 설정을 위해 퀵헐 알고리즘을 사용하는 것을 특징으로 하는 콘크리트 배합 선정방법
|
| 5 |
5
제 1항에 있어서, 상기 직접 탐색법은
상기 데이터베이스를 기초로 구성재료의 배합을 생성하는 단계;
상기 생성된 배합의 목적함수를 평가하는 단계; 및
상기 목적함수가 종료조건을 만족하는 경우 최적화된 배합으로 종료되는 단계를 포함하는 것을 특징으로 하는 콘크리트 배합 선정방법
|
| 6 |
6
제 5항에 있어서,
상기 목적함수가 상기 종료조건을 만족하지 못하는 경우 상기 데이터베이스를 기초로 상기 구성재료의 배합을 새로 생성하여 목적함수를 평가하는 단계로 리턴 되는 단계를 더 포함하는 것을 특징으로 하는 콘크리트 배합 선정방법
|
| 7 |
7
제 5항 또는 제 6항에 있어서,
상기 직접 탐색법은 유전자알고리즘을 사용하는 것을 특징으로 하는 콘크리트 배합 선정방법
|
| 8 |
8
제 5항 또는 제 6항에 있어서,
상기 목적함수에는 상기 구성재료의 부피, 유효영역, 강도, 가격이 포함되는 것을 특징으로 하는 콘크리트 배합 선정방법
|
| 9 |
9
제 8항에 있어서,
상기 구성재료는 시멘트, 물, 잔 골재 및 굵은 골재인 것을 특징으로 하는 콘크리트 배합 선정방법
|
| 10 |
10
제 9항에 있어서,
상기 구성재료의 부피의 합은 1m3인 것을 특징으로 하는 콘크리트 배합 선정방법
|
| 11 |
11
제 5항 또는 제 6항에 있어서,
상기 종료조건은 50회인 것을 특징으로 하는 콘크리트 배합 선정방법
|
| 12 |
12
콘크리트의 물성이 포함된 데이터베이스를 구축하는 단계;
인공신경회로망을 이용하여 상기 데이터베이스로부터 콘크리트의 강도를 예측하는 단계;
상기 콘크리트의 가격을 예측하는 단계;
퀵헐 알고리즘을 이용하여 상기 데이터베이스의 유효영역을 설정하는 단계; 및
상기 콘크리트의 강도와, 상기 콘크리트의 가격과, 상기 데이터베이스의 유효영역을 토대로, 유전자 알고리즘을 이용하여 최적 배합을 선정하는 단계를 포함하는 것을 특징으로 하는 콘크리트 배합 선정방법
|
