研究課題/領域番号 |
22H00224
|
研究種目 |
基盤研究(A)
|
配分区分 | 補助金 |
応募区分 | 一般 |
審査区分 |
中区分22:土木工学およびその関連分野
|
研究機関 | 東京大学 |
研究代表者 |
長井 宏平 東京大学, 生産技術研究所, 准教授 (00451790)
|
研究分担者 |
松本 浩嗣 北海道大学, 工学研究院, 准教授 (10573660)
酒井 雄也 東京大学, 生産技術研究所, 准教授 (40624531)
浅本 晋吾 埼玉大学, 理工学研究科, 准教授 (50436333)
|
研究期間 (年度) |
2022-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2023年度)
|
配分額 *注記 |
42,640千円 (直接経費: 32,800千円、間接経費: 9,840千円)
2024年度: 11,700千円 (直接経費: 9,000千円、間接経費: 2,700千円)
2023年度: 13,130千円 (直接経費: 10,100千円、間接経費: 3,030千円)
2022年度: 17,810千円 (直接経費: 13,700千円、間接経費: 4,110千円)
|
キーワード | コンクリート工学 / 鉄筋腐食 / 微細構造解析 / 内部推定 / 体積変化ひび割れ / 逆推定 / 機械学習 / 体積変化 |
研究開始時の研究の概要 |
劣化により損傷した鉄筋コンクリートの表面情報から内部のコンクリート損傷状態と鉄筋腐食分布を逆推定する深層学習を組み込んだ微細構造解析システムを開発し,数値解析により内部損傷を再現したうえで,現在および将来の構造性能評価を可能とすることが本研究の目的である。離散解析手法RBSMによる三次元微細構造解析システムに新たに深層学習としてPhysics-Informed Neural Networks (PINN)のアルゴリズムを取り入れ高精度の逆推定を可能とする。劣化現象としては体積変化を伴う鉄筋腐食,ASR,DEF,乾燥収縮を対象とする。
|
研究実績の概要 |
離散解析に深層学習アルゴリズムを取り入れるためのフレームワークの検討を行った。連続体解析と異なり,ひび割れ上の応力ひずみ関係の力学状態を考慮したモデルを構築することの困難さが生じている。学習データセットの作成を行っており,微細構造解析RBSMプログラムを用いて,理想状態やランダムな状態での鉄筋腐食によって生じる表面ひび割れのデータを整理することで,空間的な影響も考慮した,腐食膨張と表面ひび割れの関係性の整理を続けている。 RCパネルの実験を行っており,複数鉄筋が腐食した際の力学相互作用のデータを得ている。コンクリート表面のひび割れを画像で連続撮影し変化を追っている。ひび割れ検知にはAI画像分析を用いている。 ASR/DEF膨張と鉄筋による拘束の相互作用による全体の膨張とひび割れ発生,その後の鉄筋引抜き耐力を,実験と微細構造解析により検討している。鉄筋の拘束により,内部ひび割れが抑制されるとともに内部に圧縮応力が蓄積し,その状態で鉄筋引抜きをした際の挙動を耐力とともに合理的に再現できた。をまた,鉄筋腐食後の付着モデルの向上も行った。 乾燥収縮の数値解析も行い,ASR/DEF膨張と同様に,実験と同様のひび割れパターンを再現できることを確認した。 水分移動モデルについても,内部個所の水分量に応じて拡散係数を変化できるアルゴリズムとすることで,適切に内部の水分移動を表現できるプログラムへと改良し,実験との比較を行っている。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
解析アルゴリズムの検討と,解析,実験,解析と実験の比較を行っており,おおむね順調に進捗している。
|
今後の研究の推進方策 |
予定通りに解析と実験を継続する。
|