1997 Fiscal Year Annual Research Report
動的逆問題法に基づく解析モデルの実験データで修正する方法の開発
| Project/Area Number |
09750251
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
施 勤忠 東京工業大学, 工学部・機械科学科, 助手 (60282844)
|
|---|
| Keywords | System Identification / Model Modification / Finite Element Method / Holographic Neural Network / Damage Detection / Feedforward Neural Network / LVQ Neural Network |
|---|
| Research Abstract |
設計段階におけるコンピュータシミュレーションの担う役割は,年々増大の一途をたどっている。しかし,大規模で複雑な構造となると,有限要素法(FEM)モデルで代表される適切な設計モデルを設計段階で構築することは困難である。その際,まず適当な規模のFEMモデルを構築し,実験のモード特性と一致しない箇所を同定し,FEMモデルと実験データの合致しないところ(以下欠陥部と称する)のみを修正する手法が最も有望視されている。本研究では,この考えに則り,ニューラルネットワークの手法を援用して欠陥部の同定を行った。その際,ホログラフィックニューラルネットワーク(HNN)の利用を初めて試みた。開発した手法の有効性をみるため,2次元周辺単純支持平板の1要素の物性値がばらつく問題について欠陥の位置及びその大きさの同定を行った。その結果,これまで用いられているバックプロパゲーションニューラルネットワーク(BNN)に比しはるかに優れていることを示した。しかし,実用化には観測点を減らす検討も重要である。本研究では,欠陥の大きさは不問にし,場所だけを同定する問題に絞って観測点の削減法について検討した時に,固有モード感度情報が有効であり,場所のみの探索にはHNNより,学習ベクトル量子化ニューラルネットワーク(LVQ)の方が適応性がよいことを示した。さらに,欠陥が複数である場合,LVQを用いた同定を行い,欠陥の大きさがある程度大きくなると,検出が100%可能であることがわかった。
本研究の成果を国際,国内会議及び雑誌論文集において発表した。
|
-
[Publications] I.Hagiwara, Q.Shi and A.Inoue: Proc.on Int.Symp.of Optimization and Innovative Design 97,(in CD-ROM),JSME. (1997)
-
[Publications] 萩原 一郎, 施 勤忠, 小机 わかえ: "目的関数のニューラルネットワーク推定による衝撃最適設計法の開発" 日本機械学会論文集(A編). 63巻616号. 2510-2517 (1997)
-
[Publications] 萩原 一郎, 井上 亜友子, 施 勤忠: "ニューラルネットワークと計算力学に基づく構造同定法の検討" 日本機械学会論文集(C編). (掲載決定).
