2019 Fiscal Year Research-status Report
Ultrasonic Imaging of Pre-tensioned Conrete Section Based on Extracting Ultrasonic Scattering Waves from Tendon
| Project/Area Number |
18K04321
|
|---|
| Research Institution | University of Fukui |
|---|
Principal Investigator |
鈴木 啓悟 福井大学, 学術研究院工学系部門, 准教授 (40546339)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 機械学習 / 電食実験 / 画像化 |
|---|
| Outline of Annual Research Achievements |
コンクリート内在鋼棒を対象とした画像化手法は、腐食・健全の差別化の有効性が見出されているものの、最終的な判断は定性的となる。そこで機械学習の援用による、腐食・健全の判定支援の可能性を探った。判定に用いるのは探傷波形データである。得られる教師データが限定的であることから、線形サポートベクターマシンを(LSVM)を用いた。2018年度に製作の予め腐食させた鋼棒と健全鋼棒を導入したコンクリート試験体の超音波計測に基づき、健全鋼棒データと腐食鋼棒データの教師データを準備した。この教師データを備えた学習モデルに対し、新規に鋼棒を配したコンクリート試験体の実験データを入力し、判定を試みた。新試験体は28日間の気中養生後、定電圧を負荷した電食試験を行い、腐食を徐々に進行させる。判定に用いるデータは鋼棒反射部分を抽出した2092点の離散データである。電食実験を開始した日から10日間は鋼棒は健全と判定とされたが、その後より継続して腐食判定となっている。画像化処理については電食実験開始時と比較して有意な差異が見られていないことから、ごく初期の腐食層生成においてもLSVMによる判定は有効となる可能性を示唆している。以上の結果より、これまで構築した画像化手法にLSVMの機械学習を援用することで、鋼棒の初期腐食判定の精度向上が期待できる。実験は2020年度も継続し、鋼棒像の画像化結果と機械学習の両面から鋼棒状態の判定手法を構築していく予定である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
内在鋼棒の画像化手法については順調に構築が進んでおり、その画像化結果の判定を支援するための機械学習手法にも着手出来ている。
|
| Strategy for Future Research Activity |
腐食進行度が異なる鋼棒を導入したコンクリート試験体を複数使用し、腐食判別性能について検証する。検証は画像化した鋼棒像の確認に加え、波形データそのものから機械学習に基づいて判別する。波形データは生波形に加え、前処理として寄生的離散ウェーブレット変換を用いたフィルタリング波形の両データを適用する。
|
