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

2022 Fiscal Year Research-status Report

Predictive modeling of dynamic and nonlinear structural behavior by machine learning and its application to computational morphogenesis

Research Project

Project/Area Number 22K04416
Research InstitutionThe University of Kitakyushu

Principal Investigator

藤田 慎之輔  北九州市立大学, 国際環境工学部, 准教授 (80775958)

Project Period (FY) 2022-04-01 – 2026-03-31
Keywords最適化 / 機械学習 / 構造形態創生
Outline of Annual Research Achievements

シェル構造物を対象として,線形弾性範囲における応力予測モデルの構築と,同モデルを用いた形態創生,ならびに,幾何学的非線形性を考慮した場合におけるシェルの応力予測モデルの構築と,同モデルを用いた形態創生を行った。初年度に計算機を購入するなどの設備投資を行ったことで,大量の教師データ作成も滞りなく実施可能となり,線形弾性範囲においては,かなり高精度の応力予測モデルを構築できることが確認された。3~4年目に実施予定であった同モデルを用いた形態創生も先行して実施し,良好な結果が得られたことから,研究成果をコロキウム構造形態の解析と創生2022や,第62回日本建築学会九州支部研究発表会で報告した。
一方,幾何学的非線形性を考慮した場合におけるシェルの応力予測は,予測精度の確保に苦労した。それでも,予測モデルを用いることで計算時間の大幅な削減には成功し,同予測モデルを用いた形態創生手法を構築し,いくつかの数値解析例を通じて有効性を検証した。研究成果は,IASS2023にフルペーパーとして投稿中であり,現在査読中である。
いずれの形態創生においても,シェルの形状を入力変数として機械学習させ,構造最適化における設計変数についてもシェルの形状を扱っている。
今後は,形状だけに留まらず,断面についても入力変数ならびに設計変数として扱う予定である。
本アプローチは,1回の計算コストが大きい非線形解析を最適化の繰返し計算の中で行うことで生じる計算時間の肥大化を機械学習に置き換えることで解決するものであり,事前に予測モデルを構築する必要がある点はデメリットであるものの,一度予測モデルを構築してしまえば,最適化問題の制約条件などを様々に変更して繰り返し構造形態創生を行っても現実的な計算時間で最適解を得ることが可能となるため,トライアルアンドエラーの必要な構造設計実務において有効なアプローチとなると考えられる。

Current Status of Research Progress
Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

初年度から2年目までは,動的・非線形応答予測システムの開発と実装を行うこととしている。動的問題に対してはまだ研究が進行していないものの,幾何学的非線形解析については,予測モデルの構築のみならず,同予測モデルを用いた構造形態創生まで数値実験が進展していることを鑑みれば,研究自体は概ね順調に進展していると考えられる。

Strategy for Future Research Activity

まず,初年度には実装まで至らなかった動的応答に対する予測システムを構築する。並行して,初年度に行った幾何学的非線形応答の予測システムについて,予測精度の改善を試みる。
それらの予測システムを用いた構造形態創生をいくつかの数値解析モデルに対して適用し,有効性の検証を行うことを目標とする。
また,研究が順調に進展する前提であるが,別のアプローチからの研究にも着手する。これまではあくまであらゆる形状・断面の構造物に対してその応答予測システムを構築し,その予測モデルを用いて形態創生を行うアプローチによって非線形問題を有限時間で扱うことのできる形態創生手法の提案を行っているが,平行して,最適解そのものを教師データとして機械学習させ,最適化問題の各種制約条件を入力変数とすることで即座に優良解の候補を算出するアプローチも有効である可能性がある。同種の研究については,新たに大学院生の研究テーマとして設定し,平行して研究を進めていく。

  • Research Products

    (8 results)

All 2023 2022

All Presentation (8 results) (of which Int'l Joint Research: 4 results)

  • [Presentation] 機械学習を用いたラチスシェルの線形座屈荷重とひずみエネルギーの多目的最適化2023

    • Author(s)
      薮内佑馬,藤田慎之輔
    • Organizer
      第62回日本建築学会九州支部研究発表会
  • [Presentation] 非力学的性能を考慮した平面骨組のトポロジー最適化2022

    • Author(s)
      奥薗尚人,藤田慎之輔
    • Organizer
      コロキウム構造形態の解析と創生2022
  • [Presentation] 機械学習を用いたラチスシェルの線形弾性範囲内における応力予測および形状最適化2022

    • Author(s)
      薮内佑馬,藤田慎之輔
    • Organizer
      コロキウム構造形態の解析と創生2022
  • [Presentation] 機械学習を用いたラチスシェルの幾何学的非線形性状の予測モデルの構築2022

    • Author(s)
      田村直大,藤田慎之輔
    • Organizer
      コロキウム構造形態の解析と創生2022
  • [Presentation] Topology optimization of structural frames considering various non-mechanical performance formulated as MISOCP2022

    • Author(s)
      N. Okuzono, S. Fujita
    • Organizer
      15th World Congress on Computational Mechanics & 8th Asian Pacific Congress on Computational Mechanics (WCCM-APCOM 2022), Yokohama, Japan
    • Int'l Joint Research
  • [Presentation] Development of a prediction model for collapse load factor by machine learning and its application to shape optimization problems2022

    • Author(s)
      S. Fujita, T. Nishie
    • Organizer
      ACSMO2022, Matsue, Japan
    • Int'l Joint Research
  • [Presentation] Cross-sectional optimization of latticed shells consisting of steel pipes and H-beams solved as a continuous variable problem2022

    • Author(s)
      N. Tamura, S. Fujita
    • Organizer
      ACSMO2022, Matsue, Japan
    • Int'l Joint Research
  • [Presentation] Global topology optimization of frame structures considering the density of members2022

    • Author(s)
      N. Okuzono, S. Fujita
    • Organizer
      ACSMO2022, Matsue, Japan
    • Int'l Joint Research

URL: 

Published: 2023-12-25  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi