| Project/Area Number |
23K22849
|
|---|
| Project/Area Number (Other) |
22H01579 (2022-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2022-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 22020:Structure engineering and earthquake engineering-related
|
|---|
| Research Institution | Railway Technical Research Institute |
|---|
Principal Investigator |
松岡 弘大 公益財団法人鉄道総合技術研究所, その他部局等, 研究員(移行) (60747202)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
貝戸 清之 大阪大学, 大学院工学研究科, 准教授 (30467550)
水谷 大二郎 東北大学, 工学研究科, 助教 (30813414)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥15,730,000 (Direct Cost: ¥12,100,000、Indirect Cost: ¥3,630,000)
Fiscal Year 2024: ¥5,070,000 (Direct Cost: ¥3,900,000、Indirect Cost: ¥1,170,000)
Fiscal Year 2023: ¥5,070,000 (Direct Cost: ¥3,900,000、Indirect Cost: ¥1,170,000)
Fiscal Year 2022: ¥5,590,000 (Direct Cost: ¥4,300,000、Indirect Cost: ¥1,290,000)
|
|---|
| Keywords | ベイズ更新 / 構造逆解析 / 不確実性 / データ取得戦略 / 構造モデル更新 / ベイズ推定 / MCMC法 / 不確実性推定 / 鉄道橋 |
|---|
| Outline of Research at the Start |
構造物の測定データに基づく高精度なCBMやリスクマネジメントを実現するうえで，構造モデルのベイズ更新における現有性能の不確実性評価は不可避な課題であるが，モデルパラメータ間に相関を有する場合，分布の裾が複雑にゆがみ，評価が困難であった．これに対して，本研究は以下の2項目を実施する．
a)パラメータ間に相関を有する場合の高精度な構造性能の不確実性推定法の開発
b)測定データの数と質による不確実性制御手法と最適データ取得戦略の提案
これにより実現される高精度なリスクの定量化や補修・補強の効率化，および不確実性を効果的に低減させる最適データ取得戦略を通じ，次世代維持管理の実現に貢献する．
|
| Outline of Annual Research Achievements |
デジタルツインにより作成したモデルの良し悪しの評価は、デジタル化に伴う今後の新たな課題と想定されるが、不確実性の観点に基づく体系的な整理はなされていない。本研究では、デジタルツインの根幹技術である測定データに基づく構造モデルパラメータの推定において、特に鉄道橋を対象として、これまで困難であったパラメータ間の相関を考慮した不確実性評価法の開発を目標とする。
当該年度は測定データに基づく構造モデルパラメータ（固有振動数、支承支持ばね係数、モード減衰比）の二段階ベイズ推定手法に、昨年度開発した列車通過時の橋りょう応答の高速計算アルゴリズムを導入した。これにより、推定に要する計算時間を一般的な計算アルゴリズムを利用した場合の半分から1/4程度に高速化した。また、開発した手法の実橋りょうでの有効性を検証するため、支間長約30mの高速鉄道橋りょうを対象とし、実測最大変位データに合わせて橋りょうモデルパラメータ（固有振動数、支承支持ばね係数、モード減衰比）のベイズ推計を行った。一段階目におけるマルコフ連鎖モンテカルロシミュレーション（MCMC）法の結果、各パラメータ分布はパラメータ間の相関により大きくゆがむことを確認した。提案した二段階目の推定（レプリカ交換MCMC法）により不確実性評価のためのサンプルを大量に補填することで、MCMC法のみでは対応するサンプルが少なく十分に評価できなかった各パラメータ相関を考慮した下限5%の空間を評価できることを明らかにした。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
過去測定データへの構築手法の適用と検証および論文執筆など、当初計画に基づき順調に進展している。
|
| Strategy for Future Research Activity |
今後、学習に利用するデータ数を変更し、モデルパラメータの不確実性にデータ取得が及ぼす影響を明らかにすることで、不確実性制御に関する知見を取得する予定である。
|
