정확한 인장력 식별은 중요한 실제적 의미를 가지나, 공학에서 일반적으로 사용되는 주파수 방법은 계산식의 복잡성과 다양성 등의 문제점을 갖고 있다. 고정밀 인장력 식별을 실현하기 위해 물리정보 신경망(Physics-informed Neural Network, PINN)을 인장력 식별 분야에 도입하여 물리정보 신경망 기반의 사장 케이블 인장력 식별 방법을 제안하였다. 본 방법은 신경망 손실 함수에 사장 케이블 인장력을 나타내는 현수진동 방정식 손실 항을 물리정보로 도입하고, 인장력을 신경망의 학습 가능한 매개변수로 설정하며, 사장 케이블의 동적 변위 응답을 이용해 네트워크를 훈련시켜 손실 함수를 최소화함으로써 인장력 식별을 구현한다. 5개의 전형적인 사장 케이블 유한요소 모델을 구축하여 응답 데이터를 얻고 본 방법을 이용해 인장력 식별을 수행하였다. 결과는 모든 설정된 사장 케이블 인장력 식별 문제에서 본 방법의 인장력 식별 오차가 3%를 넘지 않고 식별 정확도가 높음을 보여준다; 네트워크가 예측한 변위장은 사장 케이블의 실제 변위를 정밀히 재구성하기 어렵지만 저차 진동 변위장은 잘 복원할 수 있다. 이를 바탕으로 실내 모형교량 실험을 실시하여 제안한 방법의 유효성을 다시 한 번 검증하였으며, 본 방법이 높은 식별 정밀도, 강한 신뢰성 및 양호한 확장성을 가지며, 실제 공학에서 사장 케이블 인장력 식별에 적합함을 증명하였다.

사장교;물리정보 신경망;진동방정식;인장력 식별;파라미터 식별