| 研究概要 |
設計段階におけるコンピュータシミュレーションの担う役割は,年々増大の一途をたどっている。しかし,大規模で複雑な構造となると,有限要素法(FEM)モデルで代表される適切な設計モデルを設計段階で構築することは困難である。その際,まず適当な規模のFEMモデルを構築し,実験のモード特性と一致しない箇所を同定し,FEMモデルと実験データの合致しないところ(以下欠陥部と称する)のみを修正する手法が最も有望視されている。本研究では,この考えに則り,ニューラルネットワークの手法を援用して欠陥部の同定を行った。その際,ホログラフィックニューラルネットワーク(HNN)の利用を初めて試みた。開発した手法の有効性を見るため,2次元周辺単純支持平板の1要素の物性値がばらつく問題について欠陥部の位置及びその大きさの同定を行った。その結果,これまで用いられているバックプロパゲーションニューラルネットワーク(BNN)に比しはるかに優れていることを示した。しかし,実用化には観測点を減らす検討も重要である。本研究では,欠陥部の大きさは不問にし,場所だけを同定する問題に絞って観測点の削減法について検討した時には固有モード感度情報が有効であり,場所のみの探索にはHNNより学習ベクトル量子化ニューラルネットワーク(LVQ)の方が適応性がよいことを示した。さらに,欠陥部が複数である場合において,LVQを用いた同定を行い,欠陥部の大きさがある程度大きくなると検出が100%可能であることがわかった。また、本研究の手法を用いて旅客機タービンブレードの不具合の検出を行い、約9割程度の正解率が得られた。
本研究の成果を国際,国内会議及び雑誌論文集において発表した。
|
