2022 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 | 深層学習 / 機械学習 / 時間反転法 / レーザー超音波可視化試験 / デジタルツイン / 人工知能 / 超音波シミュレーション |
|---|
| Outline of Annual Research Achievements |
本研究は，申請書に書かれているように4つの研究目的と内容に分かれている．当該年度の実績を，各項目毎に記述する．
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：アイソジオメトリック解析を用いた時間領域境界要素法を作成し，高度化することを行った．また時間反転法収束のための超音波シミュレーションコードも作成した．
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：上記A)等で開発した弾性波動伝搬シミュレーターを用いて，仮想空間上での超音波シミュレーションを多数回実行し，後のC),D)等で援用できるようなビッグデータを作成した．これらはデータの増強を目的としていることもあり，1年目から適宜行っている．
C)レーザー超音波可視化試験(LUVT)とAIの融合：LUVTでは，レーザー照射面における超音波伝搬を可視化することができる．そこで，本研究では，これら可視化結果を大量に集め，それらの深層学習を行うことで，LUVTにAIを融合させた．ただし，学習データは，適宜，データ拡張を行うことで，データを増強している．まだVGG16やResNet等の，既存の画像認識で使われた重みを利用する転移学習やファイチューニングを行うことで，AIの高度化を図った．本結果は論文に投稿・掲載され一定の成果を得いている．
D)AIを活かした逆解析手法の開発：先進超音波探傷法の1つとしてアレイ探傷法が知られている．アレイ探傷法は，複数の素子で超音波を送受信することができ，効率的に検査を実施することができる．本研究では，2次元スカラー波動問題や，2次元異方性面外波動問題等を対象に，A), B)で開発した弾性波動伝搬シミュレーターを用いてアレイ探傷法に対する数値シミュレーションを行い，それらの結果を深層学習させることで欠陥の位置や大きさを推定するAIを開発した．論文に投稿・掲載され，一定の成果を得ている．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究実績概要と同様に，4つの各項目毎に進捗を説明する．
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：アイソジオメトリック解析を用いた超音波シミュレーションは，2次元スカラー、2次元弾性波動問題まで行っている．そのため，当初の予定は概ね達成されている．
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：一般的に，深層学習や機械学習では，データが多ければ多い程よい．そのため，本項目におけるビッグデータの作成については，終わりは存在しないが，実用的な範囲内におけるデータの増強は，本年度も実行できたと考えている．
C)レーザー超音波可視化試験(LUVT)とAIの融合：実際の計測実験で得られた結果および数値シミュレーションで得られた結果の両者に対するAIを作成し，いずれも良好な結果を得ている．また，それらデータを合算させて学習に使用したり，転移学習を行って，高度化も図っている．手法としては，既に3年間の目標を達成しており，当初の計画以上に進展していると判断できる．
D)AIを活かした逆解析手法の開発：今年度予定していた研究は順調に消化し，深層学習を用いて欠陥の大きさや位置を推定することができている．また，査読付き国際会議等にも結果は投稿しており，本項目も順調に進展していると言える．以上A)-D)の項目を順調に実施することができたが，本年度も，予定していた国際会議や，一部の国内学会等で発表できなかった．その分の旅費を翌年度に繰り越しているため，2023年度に成果発表を行う予定でいる．また，D)では欠陥の大きさや位置を推定するために，人工知能の基礎である深層学習を用いたが，このような逆問題のみならず，B)等の超音波シミュレーションといった順解析に深層学習を応用する方法も着想できたため，適宜実施していきたいと思っている．
|
| Strategy for Future Research Activity |
研究実績の概要と同様に，4つの各項目毎に進捗を説明する．
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：今後の研究推進方策として，これまで開発してきたシミュレーターを3次元問題へと拡張することが考えられる．また，現在までの進捗状況で述べたように，AIを用いてこのようなシミュレーションを実装することも検討している．
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：既に概ね目標を達成できているため，引き続きビッグデータの増強を図る，周波数や欠陥の位置等を変化させた場合のシミュレーションを多数回実施し，適宜C)やD)の高度化を図る．
C)レーザー超音波可視化試験(LUVT)とAIの融合：C)については当初の目標を概ね達成できている．そのためB)で作成したビッグデータ画像を増強させた分を学習に取り入れて，作成したAIの高度化を図る．特に，CFRP等の異方性材料中では超音波伝搬は複雑な挙動を示すことが知られているため，それらに対するデータを増強する．また，底面や側面における反射波を実際の欠陥と区別するような方法も検討していく必要があると考えている．
D)AIを活かした逆解析手法の開発：今後は，3次元スカラー波動問題，および3次元弾性波動問題へと拡張する．なお，本研究自体の目標には掲げていないが，実際に超音波アレイ探傷機を購入し，それらを用いて得られた波形をテストデータに使うことは，有用であるので，次回以降の研究課題として検討する．一方，時間判定法を用いた逆解析手法については，異方性問題や3次元問題へ拡張することも有用であると考える．そのため，今後はそれらに対する定式化を示すことで，実装を行っていく予定である．なお，AIに関する研究データは数多くの学習データが必要となる．それらをどのように効率的に作成するか，今後も検討する必要がある．
|
| Causes of Carryover |
前年度も本年度に引き続き，国際会議で発表することができなかった．また一部の国内学会もオンラインで開催されるなど，旅費を予定通り使用することが出来なかったため，それらを次年度に繰り越している．また，一部超音波探傷試験に使用する機械も，半導体不足の影響で，納品できなかったため，その分を繰り越している．
|
Research Products
(25 results)
