| Project/Area Number |
20K05002
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 25020:Safety engineering-related
|
|---|
| Research Institution | Mie University |
|---|
Principal Investigator |
成瀬 央 三重大学, 工学研究科, 教授 (60402690)
|
|---|
| Project Period (FY) |
2020-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2023: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2022: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2021: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2020: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
|
|---|
| Keywords | 光ファイバ / ブリルアンゲインスペクトル / 計測 / ひずみ / モデル / 誤差 / ニューラルネットワーク / 非負値行列因子分解 / ひずみ計測 / 減災 / 構造物 / 信号解析 |
|---|
| Outline of Research at the Start |
インフラ設備など、構造物の災害の急増が大きな社会問題になっている。さらに現在、急速に進む少子高齢化による労働力人口の減少は、インフラ設備を安全に維持管理することをより困難にしていく。本研究では、構造物の損傷の早期検出や効率的な維持管理を可能とする、光ファイバをセンサに用いた光ファイバひずみ計測の高信頼化と高速化を図るために、分布的に（光ファイバに沿って多点で）観測される信号であるブリルアンゲインスペクトル（以下、BGS）の、機械学習に基づく革新的な解析方法を開発する。
|
| Outline of Annual Research Achievements |
光ファイバ内で生じるブリルアン散乱光スペクトル（ブリルアンゲインスペクトル：BGS）の周波数は、光ファイバのひずみに比例してシフトする。この現象を利用した光ファイバひずみ計測は長距離にわたって分布計測が可能であるため、現在、社会的な問題となっている老朽化インフラ設備などのモニタリングに適している。これまでのひずみ方法では、ひずみ計測位置を中心とするBGS観測区間におけるひずみは均一であり、暗黙のうちに、観測されるBGSはローレンツ関数で近似されることが仮定されていた。局所的に（観測区間内で）変化するひずみはBGSを変形させるため、従来のBGS解析方法に基づくひずみ計測では誤差が大きくなる問題があった。この問題を克服するために、本助成事業では、以下の2課題について研究を進めてきた。
(1) 非負値行列因子分解を用いたBGS観測区間内の最大・最小ひずみの抽出
(2) 不均一ひずみ下のBGSに基づくニューラルネットワークを用いたひずみ計測
(1)については、令和4年度末までに研究が終了している。
(2)について、今年度研究を進めた。本ひずみ計測方法の特徴は、空間分解能内のひずみの不均一性を考慮して計算したBGS値を用いてニューラルネットワークを訓練していることであり、不均一なひずみをも高精度、高速に計測することを可能にしている。この方法について、数値シミュレーションによってニューラルネットワークに入力するBGS値の領域などが誤差に与える影響を明らかにするとともに、さまざまなノイズや半値全幅をもつBGS値を用いてニューラルネットワークを訓練することによって、それらの影響を受けずにひずみを計測できることを明らかにした。また、各ひずみ計測位置において観測されたBGSから、ニューラルネットワークに入力するBGS値の領域を粗く探索する方法を明らかにした。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
(1) 非負値行列因子分解を用いたBGS観測区間内の最大・最小ひずみの抽出
本課題については令和4年度で終了している。
(2) 不均一ひずみ下のBGSに基づくニューラルネットワークを用いたひずみ計測
BGS解析にニューラルネットワークを用いた本ひずみ計測は、各ひずみ計測位置において、ニューラルネットワークに入力するBGS値の周波数領域を決定する粗探索と、それに続く、決定された周波数領域内のBGS値を用いた精密計測から構成されている。後者については、数値シミュレーションによって、ニューラルネットワーク訓練用のBGS値計算に含まれるさまざまなパラメータについてひずみ計測誤差との関係を詳しく調べ、精密計測における基本的な誤差の特性を明らかにした。一方前者については、精密計測訓練用と同様にして計算されたBGS値を用いてニューラルネットワークを訓練することによって、精密計測に用いる周波数領域の適合性を判定する方法を考案した。数値シミュレーションによって、誤った判定は適合性判定境界近くの数MHz以内のみであることなどを明らかにした。また、粗探索から精密計測まで、本方法全体としての有効性を数値シミュレーションによって確認した。このシミュレーションでは、支持点と荷重点ではV字状に変化し、それ以外では直線的に変化する真直梁生じる典型的な不均一ひずみについて調べられている。この不均一ひずみに対しても、粗探索によってBGS値の周波数領域を適切に決定できること、また、その領域内のBGS値を用いて高精度にひずみを計測できることを確認した。これらの研究成果を、第28回光ファイバセンサ国際会議などで発表した。
|
| Strategy for Future Research Activity |
(1) 非負値行列因子分解を用いたBGS観測区間内の最大・最小ひずみの抽出
本課題については、当初の目的が達成されたので、令和5年度に引き続き令和6年度も実施しない。
(2) 不均一ひずみ下のBGSに基づくニューラルネットワークを用いたひずみ計測
今後は、粗探索と精密計測の2ステップからなっている現在のひずみ計測方法を、1ステップで計測を行う方法に変更し、それを実行するためのソフトウェアを開発する。それを用いて、ひずみ計測誤差の基本的特性を数値シミュレーションによって調べ、変更方法の有効性を調べる。また、ニューラルネットワーク訓練用のBGS値計算の基礎となるひずみモデルの検討を行い、空間分解能やひずみモデル化領域と誤差との関係を明らかにするとともに、分布荷重が作用している部材に生じる、曲線的に変化するひずみに対する誤差低減の可能性についても調べる。そして、これまでの研究成果をまとめ、論文として投稿する。
|
