Real-time hysteresis identification in controlled structures based on restoring force reconstruction and Kalman filter

2023 Fiscal Year Final Research Report

• Project/Area Number: 21K14284
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 23010:Building structures and materials-related
• Research Institution: Kyoto University (2022-2023); Tohoku University (2021)
• Principal Investigator: Guo Jia 京都大学, 農学研究科, 准教授 (50868081)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: 復元力 / カルマンフィルタ / 深層学習 / オートエンコーダー / ニューラルネットワーク / 履歴特性

Outline of Final Research Achievements

This study develops a new framework for real-time identification of the nonlinear hysteric behavior of seismic response-controlled structure using limited observation data. First, a pure Kalman filter algorithm is employed and it is proved that the additional augmentation of the restoring forces as state variables acts as the role of Tikhonov regularization. Furthermore, to address the numerical instability issues, a physics-deep neural network model and unsupervised autoencoders are integrated with the Kalman filter equation respectively. Numerical examples of various seismic isolation and vibration control structures, as well as shaking table experiments show that the improved methods have high estimation accuracy and stability, even with limited number of measured data.

Free Research Field

構造工学

Academic Significance and Societal Importance of the Research Achievements

日本においては、地震が災害リスクとして主要な位置を占めており、構造モニタリング技術は地震対策の一環としてさらなる発展が期待できる。現在の構造モニタリングの解析手法は、主に固有振動数、モード形状、減衰比のような建物全体の振動特性の変化を評価する手法が多いが、構造物の非線形性や局所的な損傷状況を把握するのには適していない。本研究では、免震・制振装置の非線形履歴挙動をリアルタイムに推定する方法を確立し、それによって装置の損傷を検知できる可能性を示した。これらの技術は、居住者や建物の施設管理者向けの建物の健全性や被害状況を瞬時に把握する基盤技術となる得るものである。