2022 Fiscal Year Annual Research Report
Practical bridge health monitoring fusing sensor information, analytical information and engineer judgement
| Project/Area Number |
22H01576
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
金 哲佑 京都大学, 工学研究科, 教授 (80379487)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
五井 良直 京都大学, 工学研究科, 助教 (30831359)
張 凱淳 京都大学, 工学研究科, 講師 (50751723)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | 構造ヘルスモニタリング / 長期モニタリング / 情報融合 / リスク評価 |
|---|
| Outline of Annual Research Achievements |
本研究では，センサ情報に解析情報や，橋梁管理者および技術者の判断を融合し，費用対効果も評価できる実践的なBHM仕組みの構築を目指す．模型橋梁損傷実験と実橋モニタリングによってその有効性検証を目的としている．研究初年度である本年度の研究と実績を以下のまとめる．
① BHMに技術者と管理者の判断を取り入れた意思決定の仕組みの構築：まず，鉄道橋の洗掘モニタリングに着目し，洗掘のリスク評価の検討を行った．また，鉄道橋の洗掘による交通遮断時の被害額推計方法の検討も行いBHMの費用対効果の枠組み提案に着手した．
② センサ情報の融合によるBHMの状態予測精度の向上：橋梁ヘルスモニタリングによる状態予測の精度向上を考えると，単種類のセンサ情報だけでは限界があった．本研究では，加速度によるモード情報のみならず，加速度から橋梁の回転角および変位同定手法を開発した．これによって，構造物の異常検知の精度向上につながると考える．さらに，センサ情報を活用し構造解析モデルをアップデートし，橋梁の健全性評価をできる仕組みとして，NNのスケールファクターの利用とFNO（Fourier Neural Operator)の検討を行った．
③ 模型橋梁と実橋梁のモニタリングシステム整備と模型橋梁の損傷実験:妥当性検証のために，実橋へのモニタリングシステム，特に高精度の加速度センサを整備するとともに，模型橋梁による損傷実験を行った．
関連成果を，国際会議にて４編（そのうち2編はDOI付きの論文），国内の学会にて3編，国内の専門雑誌に１遍を発表している．特に，国内の学会発表では2編が優秀発表賞に選ばれた．総じて当初の計画とおりの充実した研究が行われたと評価できる．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
今年度は，研究の初年度であり，関連研究の枠組の提案と次年度以降の検証のために実験の整備を主な目的としていたが，リスク評価のパイロット枠組が提案でき，当初の計画以上に進展していると判断する．また，センサ情報の融合によるBHMの状態予測精度の向上について，センサの組み合わせなどの検討を計画していたが，高精度の加速度センサの加速度から橋梁の回転角と変位を求める具体的な手法が提案できた．
|
| Strategy for Future Research Activity |
初年度の枠組とセンサ情報から同定できた多様な物理情報を用い，実橋梁を対象としたリスク評価を行う．その結果をもって，橋梁管理者と議論し，実践的な手法として改良していく．また，センサからの多様な物理情報と構造物の数値モデルの高度な融合として，センサ情報を用いた構造物の非線形領域までの予測精度を上げる検討を行う．これによって，構造物の健全性や余寿命の予測可能性を検討する．具体的には，以下の研究を推進する．
「鉄道橋橋脚の長期振動モニタリングデータを用いた，洗掘のリスク評価」，「小規模斜張橋の長期ケーブル張力モニタリングデータと有限要素解析によるFragility Curveの提案とリスク評価」，「振動データから抽出した特徴量の異常検知の精度と安定性向上のために，今までの時系列モデルから，時系列の相関関数と正規化を導入した手法を検討」，「実橋梁および照明柱などの道路付属物の異常検知への適用性を検討」，「今までの線形領域でのFEモデルアップデートを拡張し，非線形挙動までの再現できるFEモデルアップデートを検討」，「機械学習や深層学習を取り入れた代替モデルの検討」，「橋梁実験データを活用した代替モデルの有効性の検討」を進める．
研究成果は，権威ある専門雑誌および国際会議にて積極的に発信する所存である．
|
