• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to project page

2021 Fiscal Year Research-status Report

Quatitative evaluation of pipe wall thinnings utilizing the combination of guided inspections and artificial intelligence

Research Project

Project/Area Number 21K03750
Research InstitutionThe University of Tokushima

Principal Investigator

西野 秀郎  徳島大学, 大学院社会産業理工学研究部(理工学域), 教授 (50316890)

Project Period (FY) 2021-04-01 – 2024-03-31
KeywordsAI / 人工知能 / 非破壊検査 / 超音波 / 深層ニューラルネットワーク
Outline of Annual Research Achievements

本申請研究では,超音波ガイド波計測における重要かつ未解明な配管減肉の減肉深さの定量を人工知能(AI)によって実現できるか?に解を与えることを目的としている。超音波ガイド波での欠陥での計測結果と反射波形を高速に計算できる数学モデル,そして有限要素法を用いた波形の導出 をもって欠陥反射信号を求め,波動論的な考察を行う。加えて各層1000ニューロンからなる3層の深層ニューラルネットワークを構築して減肉深さの推定を行い評価することとする。
前年度では,検出したガイド波の時間波形の全時間領域において深層ニューラルネットワーク(DNN)を適用し,減肉深さの推定を行う方法を提案した。この手法を用いることで減肉の位置と深さを同時にモニタリング可能となることを示すことができた。また肝心の減肉深さにおいては90%以上の正答率が得られている。本年度中に基礎部分の論文を執筆予定である。
加えて,ガイド波の時間波形より得られる時間周波数分布を畳み込みニューラルネットワーク(CNN)に適用することで減肉深さを推定する方法も行った。本手法においては,新たに共鳴現象を加味した高度化数学モデルを提唱し,これを用いて学習データを作成することで正答率が向上することを示すことができた。
基礎的検討として,減肉深さ推定に分類と回帰をそれぞれ用いることで,両者の特性を明らかにしている。

Current Status of Research Progress
Current Status of Research Progress

1: Research has progressed more than it was originally planned.

Reason

現在までに,予定していた項目全てを実施し,24種の人工減肉での評価を行い90%以上の正答率を得ている,その上で数学モデルの高度化,CNNでの評価,分類だけではなく回帰での評価も行なってきている。基礎的事項の論文執筆準備も行なっている。

Strategy for Future Research Activity

(1)実機減肉配管を用いたAIでの評価の実施として,実験と FEMでの試行をおこなう。
(2)複数の減肉が存在する場合,大きな減肉の後ろに小さな減肉がある場合や,2つの減肉が近接する場合の分解能の評価を行う。
(3)学習モデルは独自の数学モデルで構築しているが,減肉の存在を原因とする共鳴現象がモデル化できていない点,減肉率が70%以上の場合での誤差を有する点を解決する新たな高度化数学モデルを構築する。
(4)原著論文と学会発表を行う。

Causes of Carryover

試験用配管を三菱ケミカル(研究協力者)より無償にて入手できたことが影響しました。
使用予定であった超音波伝搬シミュレーションソフトウエア(ComWave)の年間契約が年間15万円程度値上げされました。以後2年間で30万円程度の予算超過となります。この補填として利用する予定です。
また,次年度にはセンサ購入を予定していましたが,1個8万円と高価で,必要部数の購入には残念ながら不足していましたが,3個もしくは4個を追加にて購入する予定です。

  • Research Products

    (4 results)

All 2021

All Presentation (4 results) (of which Int'l Joint Research: 1 results)

  • [Presentation] Multinominal classification of wall thinning of piping using a deep neural network based on the frequency variation of guided wave reflection coefficients at defect2021

    • Author(s)
      R. Katsuma, K. Hirano, M. Goka, M. Ishikawa, and H. Nishino
    • Organizer
      48th Annual review of progress in quantitative nondestructive evaluation
    • Int'l Joint Research
  • [Presentation] 数学モデルで算出したガイド波の欠陥反射率を学習データとするAIを用いた配管減肉の深さ推定2021

    • Author(s)
      勝間隆仁,平野光暉,石川真志,五家基樹,西野秀郎
    • Organizer
      日本機械学会2021年度年次大会
  • [Presentation] 不要な共鳴を抑制し広帯域励振を可能とするガイド波用圧電式リング型センサの設計指針2021

    • Author(s)
      二羽信輔,西野秀郎,石川真志
    • Organizer
      日本機械学会2021年度年次大会
  • [Presentation] Quantitative evaluation of wall thinning of piping using deep neural network based on the frequency variation of the T(0,1) mode guided wave reflection coefficient2021

    • Author(s)
      勝間隆仁,平野光暉,五家基樹,石川真志, 西野秀郎
    • Organizer
      超音波による非破壊評価シンポジウム

URL: 

Published: 2022-12-28  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi