2022 Fiscal Year Annual Research Report
High-speed scanning inspection for civil structures
| Project/Area Number |
22H01568
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
内藤 英樹 東北大学, 工学研究科, 准教授 (50361142)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
前島 拓 日本大学, 工学部, 講師 (20845630)
木本 智幸 大分工業高等専門学校, 電気電子工学科, 教授 (30259973)
山本 佳士 法政大学, デザイン工学部, 教授 (70532802)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Keywords | 非破壊検査 / ヘルスモニタリング / コンクリート構造物 / 舗装 / 機械学習 / 異常検知 / 振動試験 |
|---|
| Outline of Annual Research Achievements |
本研究は、高精度の振動試験法を移動体に組み込むことで、道路、鉄道軌道、空港滑走路を広範囲かつ高速に点検する。大量の点検データにより機械学習を鍛えることで、構造物内部の劣化状態を把握し、構造物の安全性と対策の緊急性を即時に判断できる診断システムに繋げる。22年度の研究実績を以下に列挙する。
(1)走行式点検装置の開発: 小型加振器と加速度センサをキャタピラー機構に組み込んだ走行式点検装置を試作した。試作機は、屋内の床面を歩行速度で移動しながら、測定データを取得することができた。
(2)機械学習による構造物内部の異常検知: 上記(1)の試作機は22年度末に完成した。それまでの期間は、加振器とセンサを手支持して、コンクリート構造物の局所振動試験を行った。試験体による基礎検討では、RCはり試験体に静的荷重を加えて曲げひび割れあるいはせん断ひび割れを導入して、局所振動試験を行った。オートエンコーダを使った異常検知手法により、引張鉄筋降伏後の曲げひび割れやせん断ひび割れを推定できることが示唆された。また、研究分担者らが過去に実施したRC床版の輪荷重走行試験データに異常検知手法を適用したところ、輪荷重走行回数の増加に伴って、床版内部の劣化進展状況が可視化できることが確認できた。さらに、高速道路橋の現場実証検討では、局所振動試験と異常検知手法により、RC床版内部のひび割れや浮きを検知できる可能性が示唆された。
(3)構造物内部の劣化状態の詳細把握: 上記(2)のRCはり試験体の局所振動試験データに対して、機械学習によるひび割れ図の描画を試みた。畳み込みニューラル・ネットワークによる教師あり学習により、局所振動試験データ (周波数応答関数) を基にして、RCはり試験体の内部のひび割れ分布を描くことができた。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
研究分担者に作成いただいた機械学習のプログラムコードが優れており、当初の予想以上に高い識別性能と汎用性を備えた機械学習モデルが実装できたため。
|
| Strategy for Future Research Activity |
22年度の3つの検討項目をさらに進める。個別検討項目ごとに次年度の内容を列挙する。
(1) 走行式点検装置の開発: カムシャフト機構など、キャタピラー機構以外の方法による走行式点検装置を試作する。
(2) 機械学習による構造物内部の異常検知: 厚さが異なる道路橋RC床版の間で点検データを横断できるように、データの前処理方法を考える。具体的には、共振周波数を基準として、周波数応答関数を周波数方向に伸縮することで、可能になると考えている。アスファルト舗装は温度によって物性が大きく変化するが、この方法を用いることで、舗装厚さ、床版厚さ、温度に依らず、点検データをひとまとめに扱うことが可能になると期待している。
(3) 構造物内部の劣化状態の詳細把握: RCはり試験体の載荷試験を行い、局所振動試験および電磁波レーダによる内部ひび割れの可視化検討を行う。特に、局所振動試験では、多点センサを連続配置することにより、取得される情報量を増やし、機械学習の推定精度の向上に繋げていく。
|
