Bayesian system identification of bridges subjected to normal and extreme loads
| Project/Area Number |
17F17371
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Single-year Grants |
|---|
| Section | 外国 |
|---|
| Research Field |
Structural engineering/Earthquake engineering/Maintenance management engineering
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
金 哲佑 京都大学, 工学研究科, 教授 (80379487)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
ZHANG FENGLIANG 京都大学, 工学(系)研究科(研究院), 外国人特別研究員
ZHANG FENG-LIANG 京都大学, 工学(系)研究科(研究院), 外国人特別研究員
|
|---|
| Project Period (FY) |
2017-11-10 – 2021-03-31
|
| Project Status |
Granted (Fiscal Year 2020)
|
| Budget Amount *help |
¥2,400,000 (Direct Cost: ¥2,400,000)
Fiscal Year 2019: ¥600,000 (Direct Cost: ¥600,000)
Fiscal Year 2018: ¥1,200,000 (Direct Cost: ¥1,200,000)
Fiscal Year 2017: ¥600,000 (Direct Cost: ¥600,000)
|
|---|
| Keywords | ベイズFFT / ベイズファクター / 損傷検知 / 季節変動 / 常時振動 / ベイズ / 構造同定 / 異常検知 / 振動モニタリング |
|---|
| Outline of Annual Research Achievements |
令和1年度は，初年度の研究で検討されるベイズ高速フーリエ変換（Bayesian Fast Fourier Transform）によるベイズ実働モード解析法に基づき，2段階の異常検知法の構築を行った．具体的に，ベイズ高速フーリエ変換を行い，モードパラメータの最確値（MPV）と共分散行列を計算し，モードパラメータの事後確率分布を推定し，健全時のモードパラメータの事後確率分布と現在モニタリングした振動データから求めたモードパラメータの事後確率分布の比であるベイズファクター（Bayes Factor）を求め，異常検知の指標とする2段階のベイズ異常検知法の構築を行った．シミュレーションデータおよびASCE（米国土木学会）のラーメン構造物のベンチマークテストデータを用いて，2段階のベイズ異常検知法の妥当性の検証を行った．
長期モニタリングへの適用についても検討を行なった．すなわち，2段階ベイズ構造同定法に季節変動による同定振動数の変動をどのように正規化するかについて研究し，最適なデータ正規化法を構築する．データ正規化については，一般的な線形回帰のみではなく非線形回帰や逐次正規化できる方法についても検討を行なっている．
ベイズ高速フーリエ変換を常時微動を用いた鉄道橋の洗堀検知にも適用し，観察対象の振動数帯域が明確な動態観察には有効であることも確認した．
関連成果を，オーストラリアブリスベンで開催されたEASEC16にて「Damage detection based on Bayesian factor using ambient vibration data」と「Scour detection of railway bridges by microtremor monitoring」の題で発表を行なった．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
高速フーリエ変換（Bayesian Fast Fourier Transform）によるベイズ実働モード解析法とモードパラメータの事後確率分布の比による異常可能性の指標化を目指し， 2段階のベイズ異常検知法の構築に成功した．有限要素解析によりシミュレートされた橋梁モデルの損傷前後の加速度応答を用いて，提案手法の妥当性検証を行い，損傷度のみならずセンサーアレであれば，損傷位置の同定も可能であることが分かった．また，実用化の観点から，ASCE（米国土木学会）の4階建ての鋼ラーメンの建物モデルのベンチマークテストデータを用いて妥当性検討も行い，提案手法により高精度で損傷検知が可能であることが示唆された．今後は，供用中の橋梁構造物への適用可能性について検証を行う必要がある．
2段階のベイズ異常検知法の長期モニタリングへの適用についても検討を行い，まずは，季節変動による同定振動数の変動をどのように正規化するかについて検討を行なった．明石海峡大橋の１年間のモニタリングデータを入手し，モニタリング対象の特徴量と外部因子である風速，風向，気温との相関性の調査を行なった．また，最適なデータ正規化法について検討を行い，回帰精度の観点からは一般的な線形回帰よりは非線形回帰の方が良いことを明らかにした．ただし，多様なデータセットによる検討が必要である．
よって，研究の進捗状況はおおむね良好であると評価している．
|
| Strategy for Future Research Activity |
今までの研究成果と課題を踏まえて，今後の研究推進について以下の方策を定めることで，研究目標の達成を目指す．2段階のベイズ異常検知法の橋梁構造物への適用性についての検証を行う必要があり，実橋梁での損傷実験データを入手し検証を行う計画である．実橋梁での損傷実験データとして，鋼トラス橋の撤去前に行った損傷実験データを入手しており，今後の検証に活かす目処がついている．
季節変動による同定振動数の変動をどのように正規化するかについては，多様なデータセットによる検討が必要であり，諸外国の長期モニタリングデータの入手に手掛けている．関連して，オーストラリアの研究機関から斜張橋の長期モニタリングデータの共有について協力を得ることになっており，今後の検討に活用する計画である．
現在，関連分野の権威ある国際ジャーナルであるStructural Control and Health Monitoringに「Efficient Bayesian FFT method for damage detection using ambient vibration data with consideration of uncertainty」について投稿する計画であり，APSSRA 2020にて「Addressing the impact of uncertain environmental variables in long-term SHM with Fast-ICA and Bayesian Methods」を，ISRERM2020にて「Investigation on Temperature-Driven Pattern Recognition of Structural Health Monitoring: a Case Study」の題で発表を行う予定である．
|
Report
(2 results)
Research Products
(4 results)
