IMPEDANCE SPECTROSCOPIC METHOD FOR ANALYZING CONCRETE USING MACHINE LEARNING, AND RECORDING MEDIUM AND DEVICE FOR PERFORMING SAME

An impedance spectroscopic method for analyzing concrete using machine learning comprises the steps of: identifying electrical flow through moisture and conductive ions present in concrete by using nodes for measuring electricity, the electrical flow being identified on the basis of electrochemical impedance spectroscopy (EIS); generating a theoretical equivalent circuit model formed of a conductive path reflecting the electrical flow; normalizing an equivalent circuit reflecting the concrete microstructure, the equivalent circuit being normalized on the basis of impedance experiments using the theoretical equivalent circuit model; and generating, through machine learning, a prediction model for estimating the ratio of water and cement from parameter values of the equivalent circuit. Accordingly, the microstructure and blending ratio of cementitious materials can be estimated with greater accuracy and reliability. L'invention concerne un procédé spectroscopique d'impédance pour analyser du béton par apprentissage automatique, consistant : à identifier un flux électrique à travers l'humidité et des ions conducteurs présents dans le béton au moyen de noeuds permettant de mesurer l'électricité, le flux électrique étant identifié selon la spectroscopie d'impédance électrochimique (SIE) ; à générer un modèle de circuit équivalent théorique formé d'un trajet conducteur réfléchissant le flux électrique ; à normaliser un circuit équivalent reflétant la microstructure du béton, le circuit équivalent étant normalisé en fonction d'expériences d'impédance au moyen du modèle de circuit équivalent théorique ; et à générer, par apprentissage automatique, un modèle de prédiction pour estimer le rapport eau/ciment à partir de valeurs de paramètre du circuit équivalent. Ainsi, la microstructure et le rapport de mélange de matériaux cimentaires peuvent être estimés avec une plus grande précision et une plus grande fiabilité. 기계학습을 활용한 콘크리트 대상 임피던스 분광법의 분석 방법은, 전기화학적 임피던스 분광법(Electrochemical Impedance Spectroscopy; EIS)을 기초로, 전기를 측정하는 노드를 이용하여 콘크리트 내부에 존재하는 수분과 전도성 이온을 통한 전기적 흐름을 파악하는 단계; 상기 전기적 흐름을 반영한 전도성 경로로 구성되는 이론적 등가회로 모델을 생성하는 단계; 상기 이론적 등가회로 모델을 이용한 임피던스 실험을 기초로 콘크리트 미세구조를 반영하는 등가회로를 정규화하는 단계; 및 기계학습을 통하여 상기 등가회로의 매개변수 값으로부터 물과 시멘트 비를 추정하는 예측 모델을 생성하는 단계;를 포함한다. 이에 따라, 시멘트계 재료의 미세구조 및 배합비 추정의 정확도와 신뢰도를 높일 수 있다.