| Project/Area Number |
21K14284
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 23010:Building structures and materials-related
|
|---|
| Research Institution | Kyoto University (2022-2023)
Tohoku University (2021) |
|---|
Principal Investigator |
Guo Jia 京都大学, 農学研究科, 准教授 (50868081)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2021: ¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000)
|
|---|
| Keywords | 復元力 / カルマンフィルタ / 深層学習 / オートエンコーダー / ニューラルネットワーク / 履歴特性 / Kalman filter / Autoencoder / Force identification / Unsupervised learning / Deep learning / Deep neural network / Force reconstruction / Linear multistep method / Data-driven approach / Identify hysteresis / Bayesian estimation / 構造ヘルスモニタリング / 復元力時刻歴推定 |
|---|
| Outline of Research at the Start |
計算機処理能力の向上と地震観測網の拡充に伴い、観測記録を活用した新たな技術の開発が目ざましい．本研究では、計測箇所の限られた地震観測データのみで免震・制振装置の性能変化や損傷をリアルタイムに推定・検知する新たな方法を開発する．この手法は、観測点数が少なくても高い推定精度が得られることと、復元力モデルを予め用意する必要がないことが特徴である．この手法の有効性と推定精度の検証は、計測装置が豊富に設置された既存の建物の観測データと、振動台実験から得られる実験データを用いて行う．
|
| Outline of Final Research Achievements |
This study develops a new framework for real-time identification of the nonlinear hysteric behavior of seismic response-controlled structure using limited observation data. First, a pure Kalman filter algorithm is employed and it is proved that the additional augmentation of the restoring forces as state variables acts as the role of Tikhonov regularization. Furthermore, to address the numerical instability issues, a physics-deep neural network model and unsupervised autoencoders are integrated with the Kalman filter equation respectively. Numerical examples of various seismic isolation and vibration control structures, as well as shaking table experiments show that the improved methods have high estimation accuracy and stability, even with limited number of measured data.
|
| Academic Significance and Societal Importance of the Research Achievements |
日本においては、地震が災害リスクとして主要な位置を占めており、構造モニタリング技術は地震対策の一環としてさらなる発展が期待できる。現在の構造モニタリングの解析手法は、主に固有振動数、モード形状、減衰比のような建物全体の振動特性の変化を評価する手法が多いが、構造物の非線形性や局所的な損傷状況を把握するのには適していない。本研究では、免震・制振装置の非線形履歴挙動をリアルタイムに推定する方法を確立し、それによって装置の損傷を検知できる可能性を示した。これらの技術は、居住者や建物の施設管理者向けの建物の健全性や被害状況を瞬時に把握する基盤技術となる得るものである。
|
