| 研究課題/領域番号 |
21K03750
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分18010:材料力学および機械材料関連
|
|---|
| 研究機関 | 徳島大学 |
|---|
研究代表者 |
西野 秀郎 徳島大学, 大学院社会産業理工学研究部(理工学域), 教授 (50316890)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | 人工知能 / マルチレイヤーパーセプトロン / 超音波計測 / ガイド波 / 非破壊検査 / 減肉評価 / 深層ニューラルネットワーク / 畳み込みニューラルネットワーク / AI / 超音波 / ディープラーニング |
|---|
| 研究開始時の研究の概要 |
本研究では，超音波ガイド波計測における重要かつ未解明な配管減肉の減肉深さの定量を人工知能(AI)によって実現できるか？に解を与えることを目的とする。AIは，容易に得られる情報(入力)から知りたい情報(出力)が得られる技術である。これまで申請者はガイド波の欠陥での反射現象を良く説明できる数学モデルを構築し，その中で多周波数の反射率に多くの減肉形状の情報が有することを証明している。本AIでは，入力は多周波数の反射率とし，出力は減肉深さである。AIの実現にはまた大量の学習データが必要である。数学モデルは，多種多量の学習データを極めて高速に取得できる。有限要素法の利用も併せてAIの精度を高める。
|
| 研究実績の概要 |
本申請研究では，超音波ガイド波計測における重要かつ未解明な配管減肉の減肉深さの定量を人工知能(AI)によって実現できるか？に解を与えることを目的として，新たな２つの新規着眼点をもって研究を実施してきた。一つは多周波数のガイド波の反射率をAIの入力に用いることである。これまで多くの波動パラメータをAIに与える方法が示されてきたが，実機の減肉量の定量はできていない状況であった。本研究では多周波数のガイド波の反射率には，減肉量の情報が含まれることを間接的に証明し，結果としてAIでの減肉定量に成功している。他方の着眼点は教師ありAIにおける大量の学習データの収集方法の新たな方法の提案である。これまでの多くの方法では，学習データの収集にシミュレータを用いており，数千程度以上の学習データの収集は残念ながら困難であった。本研究では独自の数学モデルで反射波形を求める手法を提案して，数万程度以上の学習データの収集を可能としている。この大量の学習データを用いることで高い推定率を獲得できている。
２１個の人工減肉を作成した配管に対して，多層パーセプトロンを用いた分類スキームを適用した結果。減肉分類幅0.5mmにおいて許容幅0.5mmにおける正答率は９３％，減肉分類幅0.25mmにおいて許容幅0.5mmにおける正答率は８９％であることを示せた。
さらに化学プラントの実機配管に発生した６つの減肉の推定においては，減肉分類幅0.5mmにおいて許容幅0.5mmにおける正答率は１００％，減肉分類幅0.25mmにおいて許容幅0.5mmにおける正答率においても１００％であることを示せた。
本手法が実機の配管減肉においても高い正答率を示せたことで次期の科研費研究基盤(C)へ繋ぐことができている。加えてIF=7の論文（Structural Health Monitoring誌）が2024年5月時点でアクセプトされている。
|
