2021 Fiscal Year Research-status Report
Construction of digital twin nondestructive evaluation for laser ultrasonic visualization testing
| Project/Area Number |
21K04231
|
|---|
| Research Institution | Gunma University |
|---|
Principal Investigator |
斎藤 隆泰 群馬大学, 大学院理工学府, 准教授 (00535114)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 弾性波動解析 / 非破壊評価 / デジタルツイン / レーザー超音波 / 逆解析 / 人工知能 |
|---|
| Outline of Annual Research Achievements |
本研究目的は，NDE4.0と呼ばれる将来の非破壊検査法のロードマップに倣い，デジタルツインやAI等をキーワードに，新たな非破壊検査法を構築することである．そのような目的を達成するために，本研究では，A)デジタルツインのための弾性波動伝搬シミュレーターの開発，B)弾性波動伝搬シミュレーターによるビッグデータ生成，C)レーザー超音波可視化試験(LUVT)とAIの融合，D)AIを活かした逆解析手法の開発，の4つの主要テーマを掲げ，最終的にそれらを実施することで，デジタルツイン非破壊評価のプロトタイプを構築する．
A)に対しては，差分法や有限要素法，境界要素法，および有限要素法と境界要素法の結合解法を用いた超音波シミュレーターを開発した．一方，B)についてであるが，A)で開発した手法の中で，最も必要計算時間が短い差分法を用いて，様々な欠陥位置に対する超音波シミュレーションを大量に実行し，欠陥からの散乱波動場に対する波形データ，および画像データに対するビッグデータを作成した．対象とした材料は等方性材料と，炭素繊維強化プラスチック，オステナイト系鋼材である．また，C)については，現行のLUVTに機械学習を応用し，レーザースキャンした材料に対する弾性定数を推定する方法を開発した．さらに，LUVTで得られる画像データ中の欠陥の有無を判定するAIのプロトタイプも作成した．このプロトタイプの作成にはRNN（リカレントニューラルネットワーク）や深層学習を用いている．D)については，B)で作成したビッグデータを足掛かりに，それら散乱波形データと対応する欠陥位置データから，機械的に欠陥の位置や大きさを推定する新しい逆解析手法のプロトタイプを開発した．また，超音波計測で得られた波形を，時間反転させて，時間反転させたデータを仮想的な材料空間での入射超音波として与え，欠陥を推定する時間反転法も開発した．
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
先に述べた主要4テーマについて，現在までの進捗状況を整理すると，下記のようになる．
A)既に主要3大数値解析手法に対して弾性波動伝搬シミュレーションを開発している．また，解析対象も3次元解析や薄板等，多岐に渡る．よって，今年度は十分に成果を出していると言える．
B)ここではA)で開発した超音波シミュレーターを用いて，ビッグデータを作成することが目的となるが，上記で述べた材料に対して，代表的な周波数帯でのビッグデータをすべて取得することを終えているため，今後の研究に対する基本的なデータを取得することができた．
C)一方，LUVTとAIの融合では，まずはノイズ等の不確定データを含まないB)で作成したビッグデータとLUVTとの融合を仮想的に試みた．その結果，それら性質の良いデータに対しては，人間と同様に欠陥の有無を判定できるだけでなく，欠陥が空洞なのか，き裂等かを判定することもできることを示せた．また，ブラックボックスとなりやすいAIに対して，実際にAIがデータの何に着目をして欠陥の有無等を判定したかをGrad-CAMを用いて理解することも行った．その結果，AIも人間と同様に，散乱波形を追跡することで欠陥の有無等を判定できることがわかった．これらの成果を，アルミニウム試験体に対する実際のLUVTに対しても応用し，ほぼ同様の結果を得ることができた．さらに，令和4年度に実施する予定であった，レーザースキャンによる材料の弾性定数の推定についても機械学習で実施することができた．
D)AIを用いた逆解析手法の応用は，令和4年度以降に実施する予定であったが，2次元スカラー波動，2次元弾性波動問題を対象に，深層学習ベース逆散乱解析手法を開発した．数値解析結果より，本手法の有効性も確認している．
以上より，A)-D)いずれに対しても，当初の計画またはそれ以上の成果を残せていると判断した．
|
| Strategy for Future Research Activity |
上記に基づき考えられる今後の研究の推進方策は，4つのテーマ毎に区分して次のように与えられる．
A)有限要素法を用いたシミュレーターはMPI-OpenMPのハイブリッド並列化により，3次元の大規模問題に対応できるように改良する必要がある．一方，境界要素法については，H-matrix方や高速多重極法を適用することで，計算の効率化を図ることが必須となる．
B)AIの作成では，学習に用いるデータの質が，開発するAIの質に大きく影響を及ぼす．そのため，令和4年度も引き続き，A)で開発した手法を用いて，データの増強を図る．なお，実際のLUVTにおけるビッグデータの作成も必要であろう．
C)開発したレーザースキャンによる弾性定数の推定法は，現在までのところ，等方性の材料や，一方向炭素繊維強化プラスチックに対して，その有効性を確認している．またLUVTに対するAIの融合については，一定の成果を得ているが，実際の非破壊評価の現場では，欠陥の種類や大きさは多種多様である．そのため，そのような多種多様な欠陥に対応するためには，計測実験で得られたデータだけでAIを構築することは，難しい．今後は，B)で作成した数値解析によるビッグデータを効率的に使って，計測実験結果と数値解析結果の両者を学習したAIを作成することを検討する必要がある．
D)AIを用いた新たな逆解析手法の開発については，数値解析ベースであるが，その有効性を示している．そこで，今後は実際の計測実験結果に対する有効性を示す必要がある．また，時間反転解析に対しても，実際の計測データに対する有効性を検討する必要がある．
また，これらA)-D)を統合した，デジタルツイン非破壊評価のプロトタイプを構築し，簡単に仮想空間上での超音波非破壊評価結果を示すことも今後の課題である．
|
| Causes of Carryover |
【次年度使用額が生じた理由】
R3年度は，予定していた全ての学会発表が新型コロナウィルスの影響により中止またはオンライン開催となった．予定した一部の研究打ち合わせについても同様である．そのため，新型コロナウィルスの影響の感染状況がより落ち着くと思われる，R4年度に，R3年度分として計上していた学会参加のための旅費および対応する学会参加費の一部を繰り越した．
【使用計画】
R3年度に中止になった非破壊検査に関する国際会議がR4年度に延期になっており，R4年度は，5月の段階で米国で開催する予定となっている．そのため，R3年度に繰り越した予算を，この米国における非破壊検査に関する国際会議の参加費と旅費に企てる予定である．
|
