2020 Fiscal Year Annual Research Report
Development of Hysteresis Model of Dilatant Fluid by Deep Learning and Examination of Practicality as Shock Absorber Material
| Project/Area Number |
20H02233
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
梶田 幸秀 九州大学, 工学研究院, 准教授 (10403940)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
松田 泰治 九州大学, 工学研究院, 教授 (50264065)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | ダイラタント流体 / 深層学習 / 復元力特性 / 衝撃緩衝材 |
|---|
| Outline of Annual Research Achievements |
ダイラタント流体を用いた重錘落下実験を実施し，また，購入した高速ビデオカメラで撮影した映像による重錘の速度の把握や，ダイラタント流体の表面の波状の計測なども行った。
なお，高速ビデオカメラは2台購入し，同時撮影による３次元での可視化についても実験は実施したが，コロナ禍で実験の実施が2021年1月頃にずれ込んだため，実験結果の詳細な分析は現時点でも進行中であり，2021年度夏頃には成果を公表したいと考えている。
なお，研究実施計画書には，ダイラタント流体材料を格納する容器として，鋼製枠だけでなく，伸縮性に富む柔らかいゴム材料を用いて検討する旨を述べていたがそちらについては，まだ実施できていない。
また，実施済みの重錘落下実験の結果を用い，実験で得られたダイラタント流体の荷重－変位関係を教師データとし，深層学習の技術を用いて，ニューラルネットワークによるダイラタント流体材料の復元力特性の作成については，入力要因として，変位増分，荷重増分，現時点での変位，1ステップ前の変位，1ステップ前の荷重などを入力要因とし，接線剛性を出力させることで，概ね再現性の高いニューラルネットワークを構築することができることを確認した。荷重－変位関係については良好の結果は得たが，別途実施した荷重－速度関係については，直接速度のデータを計測していないこともあり，変位データの1回微分を用いたところ，データのばらつきが大きくなったため，ニューラルネットワークにおいて，高い学習精度を得ることができなかった。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
コロナ禍により，実験に関しては初動が遅れたため，当初予定していたダイラタント流体を格納する容器の検討については未実施である。一方，数値解析，ダイラタント流体の荷重－変位関係の推定については，概ね順調に進んでいる。
|
| Strategy for Future Research Activity |
高速ビデオカメラの購入などは年度内に完了し，実験ができる体制は整っている。ダイラタント流体の格納容器については，当面，鋼製枠のまま，今年度予定しているコンクリート梁への衝突実験を実施し，格納容器の検討は今年度もしくは来年度の隙間時間をみつけて実施したいと考えている。解析については，研究計画通り，2021年度は，OpenSeesへの内挿に取り組む予定である。
|
