2020 Fiscal Year Research-status Report
構造物減災に向けた光ファイバひずみ計測高信頼化・高速化のための信号解析方法の研究
| Project/Area Number |
20K05002
|
|---|
| Research Institution | Mie University |
|---|
Principal Investigator |
成瀬 央 三重大学, 工学研究科, 教授 (60402690)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | 光ファイバ / ブリルアンゲインスペクトル / 計測 / ひずみ / 非負値行列因子分解 / ニューラルネットワーク |
|---|
| Outline of Annual Research Achievements |
急速に進む少子化高齢化による労働力人口の減少によって、トンネルや橋などのインフラ設備の災害を減らすための維持管理が困難になることが予想される。ブリルアン散乱現象に基づく光ファイバひずみ計測は、光ファイバに沿って長距離にわたるひずみの分布計測が可能であり、構造物の損傷検出や効率的な維持管理のための安全システムとして有望である。
この光ファイバひずみ計測では、光ファイバ内で生じるブリルアンゲインスペクトル（BGS）の周波数がひずみに比例してシフトする性質が利用されている。この計測の高信頼化と高速化を図るためには、ひずみ計測の基礎となる信号、すなわち光ファイバひずみ計測システムで観測されるBGSの解析が重要である。光ファイバ上の位置と周波数をパラメータとして観測されるBGSは、観測システムや物理特性は異なるものの、時間と周波数をパラメータとする音響スペクトル、縦と横の位置をパラメータとする画像などと同じ2次元のデータ構造を持っている。本研究では、このデータ構造の類似性に着目し、音響や画像などの分野で研究が進められている機械学習に、BGSの観測システムの特性や物理特性を組み込んだBGSの解析方法の開発を進めている。
構造物は、引っ張られた場合には最大ひずみが、圧縮された場合には最小ひずみ（負の最大ひずみ）が生じている場所で損傷を受けている可能性が高いため、これらのひずみや発生位置の検出が重要である。そこで、BGS解析に非負値行列因子分解を用いたBGS観測区間内の最大・最小ひずみの抽出方法の開発に取り組んだ。また、観測されたBGSからひずみを高速に計算するために、BGSの解析にニューラルネットワークを用いたひずみ計測方法の開発に取り組んだ。
令和２年度はそれぞれの方法について、計測方法の基礎検討や定式化、計測アルゴリズムの考案、それを実現するためのソフトウェアの開発を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
新型コロナウィルス感染拡大による研究活動の制約のために、研究の進捗が当初計画より少し遅れている。
(1) BGS解析に非負値行列因子分解を用いたBGS観測区間内の最大・最小ひずみの抽出方法の開発
光ファイバ上のひずみ計測位置を中心とするBGS観測区間で観測されたBGSから、その区間内で生じている最大と最小ひずみを抽出する方法を考案した。この方法では、複数の微小区間のBGSを基底として用いて観測されたBGSをこれらの基底の線形結合に分解し、その係数を解析することによって最大と最小ひずみに対応する基底を検出する。非負値行列因子分解では一般に最適な基底と係数が求められるのに対し、開発方法ではひずみ情報をもつ基底は保存したまま、係数だけが求められる。この方法を実現するためのソフトウェアを開発した。また、数値シミュレーションによって、本方法の基本的な動作の確認を行った。
(2) BGS解析にニューラルネットワークを用いたひずみ計測方法の開発
この方法は、ニューラルネットワーク（NN）の学習ステップと、学習されたNNを用いたひずみ計測ステップからなる。学習ステップでは、さまざまな折れ線で近似した不均一ひずみと、BGSの観測条件や物理特性を組み込んだBGS形状モデルを用いて、複数のひずみ計測位置と観測周波数からなる領域に含まれるBGSが計算される。NNの学習のためにこれらのBGSがNNに入力され、それに対応したひずみが出力されるようにNNのパラメータが調整される。計測ステップでは学習に用いられたBGSの場合と同様に、複数位置で観測されたBGSが学習済みのNNに入力され、ひずみが出力される。この方法を実行するアルゴリズムの考案とソフトウェアの開発を行った。また、数値シミュレーションによって、開発したアルゴリズムやソフトウェアの基本的な動作の確認を行った。
|
| Strategy for Future Research Activity |
令和２年度に開発したソフトウェアを利用した数値シミュレーションによって、開発した2つの方法、(1) BGS解析に非負値行列因子分解を用いたBGS観測区間内の最大・最小ひずみの抽出方法と、(2) BGS解析にニューラルネットワークを用いたひずみ計測方法について、これらの方法にかかわるパラメータがひずみ計測に与える影響を調べる。
前者の方法では、実験によって計測された光ファイバのBGSの半値全幅が、非負値行列因子分解に用いる基底を作成する計算において必要となる。この半値全幅の計測誤差が線形結合の係数に与える影響や、抽出された最大・最小ひずみに与える影響について調べる。また、分解に用いる基底すなわち各微小区間のBGSを計算する際のひずみの間隔、最大・最小ひずみを抽出する際に用いるしきい値、観測されたBGSの値に含まれるノイズ、などについても最大・最小ひずみ抽出に与える影響を調べ、本方法の計測特性を明らかにする。モニタリングに適用するためには計算時間の短縮が重要であることから、繰り返し計算による非負値行列因子分解の初期値の与え方についても明らかにする。
一方後者の方法については、教師データとして学習に用いるBGSに関連するパラメータとして、折れ線で近似した不均一ひずみの種類やそれより計算されNNに入力されるBGSの領域（含まれる周波数と計測位置の個数など）、BGSに含まれるノイズの大きさ、BGS をNNに入力する際の正規化の有無など、また、NNに関連するパラメータとしてNNの中間層の数や使用する活性化関数などが、ひずみ計測誤差に与える影響を調べ、本方法の計測特性を明らかにする。また、本方法においても実験によって得られたBGSの半値全幅が用いられるため、この半値全幅に含まれる誤差を考慮した学習方法についても検討する。
|
| Causes of Carryover |
新型コロナウィルスの世界的な広がりによって、令和2年度に参加を予定して当初計画で見込んでいた国際会議が開催されなかったこと、研究活動の制約のために、研究の進捗が当初計画より少し遅れた。その結果、国際会議や国内での研究成果発表のための旅費や参加費の支出がなくなった。また、有限要素法解析ソフト保守費の一部を、別経費から支出した。これらの理由によって、令和2年度の支出が計画額より大幅な減額となった。減額分については、今後、国内の学会、国際会議などで研究成果を発表するための旅費や参加費に使用する。
|
