2020 Fiscal Year Research-status Report
Vehicle vibration inspecting method for high-speed railway structures
| Project/Area Number |
20K21013
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
内藤 英樹 東北大学, 工学研究科, 准教授 (50361142)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
運上 茂樹 東北大学, 工学研究科, 教授 (60355815)
|
|---|
| Project Period (FY) |
2020-07-30 – 2023-03-31
|
| Keywords | 機械学習 / 非破壊検査 / 振動試験 / コンクリート構造物 / ひび割れ |
|---|
| Outline of Annual Research Achievements |
本研究は、加振器とレーザー振動計を用いて、コンクリート構造物内部のひび割れや空隙を高精度に検査する走査式の非破壊検査法を開発する。2つの個別要素技術 (ハードとソフト) の研究進捗状況を以下に示す。
個別要素技術1 (ハード開発): 加振器とレーザー振動計を一体化させた走査ワゴンを試作した。空隙を埋め込んだコンクリート試験体と鉄道軌道スラブを用いた実大試験体に対して、走査ワゴンによる構造物内部の空隙検知を試みた。その結果、いずれの試験体でも、空隙の影響による振動特性の変化を捉えられることが確認できた。しかし、この試作走査ワゴンでは、走行時にタイヤの接触によって余計な振動が励起されるため、入力をコントロールできていないことも判明した。タイヤの大きさや材質、走査ワゴンの移動速度等を検討して、この不具合を改善する必要がある。
個別要素技術2 (ソフト開発): ソフト開発は順調に進んでいる。レーザー振動計によって測定した時刻歴速度波形を高速フーリエ変換し、周波数応答関数に変換する。さらに、走査試験によって得られる大量の周波数応答関数をAIに学習させることにより、健全/不健全を判定する方法を提示した。事前に不健全箇所での測定データが得られている場合 (教師あり学習) では、サポートベクターマシンによる健全/不健全判定は90%程度の高い正解率を示した。さらに、事前に不健全箇所での測定データが得られない場合 (教師なし学習) でも、主成分分析によるデータ圧縮と再構成の不可逆性を利用して、70%程度の正解率で不健全箇所を判別できた。今後は、さらなるAIの高度化に取り組んでいく。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
コロナ禍によって出張や実験の機会が減り、代わりにプログラミングに充てられる時間が増えた。これにより、特にソフト面の開発において良い成果が得られた。
|
| Strategy for Future Research Activity |
試作した走査ワゴンの改良が必要である。走査ワゴンの試作と改良を重ねて、アップグレードを図っていく。また、ソフト面についても引き続きAIの高度化に取り組み、健全性診断の精度向上につなげていく。
|
| Causes of Carryover |
コロナ禍により、予定していた実験の一部が実施できずに、次年度に持ち越すこととなったため。残額は、コンクリート試験体の製作費、廃棄費、および実験消耗品費に充てる。
|
