JP2019178894A - System for evaluating characteristics of structure - Google Patents
System for evaluating characteristics of structure Download PDFInfo
- Publication number
- JP2019178894A JP2019178894A JP2018066944A JP2018066944A JP2019178894A JP 2019178894 A JP2019178894 A JP 2019178894A JP 2018066944 A JP2018066944 A JP 2018066944A JP 2018066944 A JP2018066944 A JP 2018066944A JP 2019178894 A JP2019178894 A JP 2019178894A
- Authority
- JP
- Japan
- Prior art keywords
- moving image
- dynamic model
- unit
- feature amount
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004364 calculation method Methods 0.000 claims abstract description 49
- 238000006073 displacement reaction Methods 0.000 claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims description 45
- 230000002787 reinforcement Effects 0.000 claims description 30
- 238000013461 design Methods 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 7
- 230000003014 reinforcing effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 30
- 238000000034 method Methods 0.000 description 19
- 238000004458 analytical method Methods 0.000 description 11
- 230000009471 action Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000011664 signaling Effects 0.000 description 5
- 229910000831 Steel Inorganic materials 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000010959 steel Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000006249 magnetic particle Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
Description
本発明は、構造物特性評価システムに関する。 The present invention relates to a structure property evaluation system.
従来から、橋梁等の構造物の耐震構造等を設計する際に、対象となる構造物に係る構造物のモデルを構成し、有限要素法（ＦＥＭ）による解析を行うことが提案されている（例えば、特許文献１参照）。ＦＥＭ解析を行うことで、構造物の構造特性に関係する各種情報（構造特性パラメータ）を得ることができる。 Conventionally, when designing an earthquake-resistant structure of a structure such as a bridge, it has been proposed to construct a model of the structure related to the target structure and perform an analysis by a finite element method (FEM) ( For example, see Patent Document 1). By performing FEM analysis, various information (structural characteristic parameters) related to the structural characteristics of the structure can be obtained.
しかしながら、構造物によっては、ＦＥＭ解析を行うための構造物に係る詳細情報等が十分になく、ＦＥＭ解析の適用が困難な場合がある。 However, depending on the structure, detailed information or the like related to the structure for performing the FEM analysis is not sufficient, and application of the FEM analysis may be difficult.
本発明は上記を鑑みてなされたものであり、適切かつ簡易に構造物の構造特性パラメータを取得可能な構造物特性評価システムを提供することを目的とする。 The present invention has been made in view of the above, and an object of the present invention is to provide a structure property evaluation system capable of acquiring a structure property parameter of a structure appropriately and easily.
上記目的を達成するため、本発明の一形態に係る構造物特性評価システムは、構造物を撮像した動画像を取得する動画像取得部と、前記動画像取得部によって取得された動画像から、前記構造物の変位に係る特徴量を取得する特徴量算出部と、前記構造物に係る力学モデルに対して前記特徴量を代入し、強化学習により前記構造物に係る構造特性パラメータを算出するパラメータ算出部と、を有する。 In order to achieve the above object, a structure characteristic evaluation system according to an aspect of the present invention includes a moving image acquisition unit that acquires a moving image obtained by imaging a structure, and a moving image acquired by the moving image acquisition unit. A parameter for calculating a structural characteristic parameter relating to the structure by reinforcement learning by substituting the feature quantity for a dynamic model relating to the structure, and a feature quantity calculating unit that acquires a feature quantity relating to the displacement of the structure And a calculation unit.
本発明によれば、適切かつ簡易に構造物の構造特性パラメータを取得可能な構造物特性評価システムが提供される。 ADVANTAGE OF THE INVENTION According to this invention, the structure characteristic evaluation system which can acquire the structure characteristic parameter of a structure appropriately and easily is provided.
以下、添付図面を参照して、本発明を実施するための形態を詳細に説明する。なお、図面の説明においては同一要素には同一符号を付し、重複する説明を省略する。 DESCRIPTION OF EMBODIMENTS Hereinafter, embodiments for carrying out the present invention will be described in detail with reference to the accompanying drawings. In the description of the drawings, the same elements are denoted by the same reference numerals, and redundant description is omitted.
図１は、本実施形態に係る構造物特性評価システム１を示す図である。また、図２は、構造物特性評価システム１に含まれる特徴量算出部を示す図である。図１に示すように構造物特性評価システム１は、カメラ１０と、サーバ２０とを含んで構成される。構造物特性評価システム１は、構造物の構造特性パラメータを算出するシステムである。判定対象となる構造物は、橋梁又は建物等である。また、構造物の構造特性パラメータとは、例えば、構造物を構成する部材に関する形状（各部の厚さ等）、材料特性（密度、ヤング率等）が挙げられるがこれらに限定されるものではない。構造物特性評価システム１では、構造物がある力学モデルに基づいて動作していると仮定した場合の各部の構造特性パラメータを推定する機能を有する。構造物特性評価システム１により算出された構造特性パラメータは、例えば、構造物の補強又は改修等の施工内容の決定に用いられる。構造物特性評価システム１では、カメラ１０で撮像された動画像を用いて、サーバ２０によって構造特性パラメータの算出が行われる。 FIG. 1 is a diagram showing a structure property evaluation system 1 according to the present embodiment. FIG. 2 is a diagram showing a feature amount calculation unit included in the structure property evaluation system 1. As shown in FIG. 1, the structure property evaluation system 1 includes a camera 10 and a server 20. The structure property evaluation system 1 is a system for calculating structure property parameters of a structure. The structure to be determined is a bridge or a building. Examples of the structural property parameters of the structure include, but are not limited to, the shape (thickness of each part, etc.) and material properties (density, Young's modulus, etc.) related to the members constituting the structure. . The structure property evaluation system 1 has a function of estimating the structure property parameter of each part when it is assumed that the structure is operating based on a certain dynamic model. The structural property parameter calculated by the structural property evaluation system 1 is used, for example, for determination of construction contents such as reinforcement or repair of the structural member. In the structure property evaluation system 1, the structure property parameter is calculated by the server 20 using the moving image captured by the camera 10.
引き続いて、構造物特性評価システム１に含まれるカメラ１０及びサーバ２０の構成を説明する。カメラ１０は、構造特性パラメータの算出対象となる構造物を撮像して、構造物の動画像を取得する撮像装置である。カメラ１０は、予め構造物を撮像できる位置に固定的に設置される。カメラ１０としては、構造物の各部の振動等を検出することが可能な程度の解像度で撮像を行うことが可能な周知のカメラを用いることができる。カメラ１０とサーバ２０とは、互いに情報の送受信を行うことができる。カメラ１０は、予め設定されたフレームレート（ｆｐｓ）で構造物を撮像して、撮像した動画像をサーバ２０に送信する。 Subsequently, the configuration of the camera 10 and the server 20 included in the structure property evaluation system 1 will be described. The camera 10 is an imaging device that captures an image of a structure that is a calculation target of a structural characteristic parameter and acquires a moving image of the structure. The camera 10 is fixedly installed at a position where a structure can be imaged in advance. As the camera 10, a known camera that can capture an image with a resolution that can detect vibrations and the like of each part of the structure can be used. The camera 10 and the server 20 can exchange information with each other. The camera 10 images the structure at a preset frame rate (fps) and transmits the captured moving image to the server 20.
なお、構造物特性評価システム１による構造特性パラメータの算出には、外力を受けた場合の構造物の変位に係る情報が用いられる。したがって、カメラ１０が撮像する動画像は、構造物の変位を検出するための動画像である。構造物が橋梁である場合には、例えば、カメラ１０により、風による振動、車両の通過に伴う振動等が撮像される。そして、得られた動画像をカメラ１０からサーバ２０に対して送信する。 In addition, the information regarding the displacement of the structure when an external force is received is used for calculation of the structure characteristic parameter by the structure characteristic evaluation system 1. Therefore, the moving image captured by the camera 10 is a moving image for detecting the displacement of the structure. When the structure is a bridge, for example, the camera 10 images vibration due to wind, vibration associated with the passage of the vehicle, and the like. Then, the obtained moving image is transmitted from the camera 10 to the server 20.
図１に示すように、サーバ２０は、機能的には、動画像取得部２１、動画像データ保持部２２、特徴量算出部２３、初期値データ保持部２４、力学モデル保持部２５、力学モデル運用部２６、および、特性パラメータ保持部２７を含んで構成される。初期値データ保持部２４、力学モデル保持部２５および力学モデル運用部２６は、本実施形態に係る構造物特性評価システム１において、強化学習により構造物に係る構造特性パラメータを算出するパラメータ算出部として機能する。 As shown in FIG. 1, the server 20 functionally includes a moving image acquisition unit 21, a moving image data holding unit 22, a feature amount calculation unit 23, an initial value data holding unit 24, a dynamic model holding unit 25, a dynamic model. An operation unit 26 and a characteristic parameter holding unit 27 are included. The initial value data holding unit 24, the dynamic model holding unit 25, and the dynamic model operating unit 26 are parameter calculating units that calculate structural characteristic parameters related to the structure by reinforcement learning in the structural characteristic evaluation system 1 according to the present embodiment. Function.
動画像取得部２１は、構造物を撮像した動画像を取得する機能部である。動画像取得部２１は、構造物を撮像した動画像を取得する。動画像取得部２１は、取得した動画像を動画像データ保持部２２に出力する。 The moving image acquisition unit 21 is a functional unit that acquires a moving image obtained by imaging a structure. The moving image acquisition unit 21 acquires a moving image obtained by imaging a structure. The moving image acquisition unit 21 outputs the acquired moving image to the moving image data holding unit 22.
動画像データ保持部２２は、動画像取得部２１が取得した動画像に係るデータ（動画像データ）を保存する機能部である。保存された動画像データは、特徴量算出部２３に送られ、特徴量算出部２３による特徴量の算出に用いられる。 The moving image data holding unit 22 is a functional unit that stores data (moving image data) related to a moving image acquired by the moving image acquisition unit 21. The stored moving image data is sent to the feature amount calculation unit 23 and used for calculation of the feature amount by the feature amount calculation unit 23.
特徴量算出部２３は、動画像データから、構造物の変位に係る特徴量を検出する機能部である。「構造物の変位に係る特徴量」とは、例えば、構造物の複数の箇所についての振動に係る特徴量が挙げられる。ただし、構造物の複数の箇所についての振動に係る特徴量とは異なる情報を構造物に係る特徴量としてもよい。具体的には、構造物の変位に係る特徴量として構造物のたわみに係る特徴量または構造物のひずみに係る特徴量を使用することもできる。本実施形態では、特徴量算出部２３は、当該動画像から、ＰＯＣ（Phase Only Correlation）等の従来の技術によってサブピクセル単位での変位を検出して、構造物の複数の箇所についての振動を検出することで、変位に係る特徴量を算出する場合について説明する。 The feature amount calculation unit 23 is a functional unit that detects a feature amount related to the displacement of the structure from the moving image data. The “feature amount related to the displacement of the structure” includes, for example, a feature amount related to vibration at a plurality of locations of the structure. However, information different from the feature amount related to vibration at a plurality of locations of the structure may be used as the feature amount related to the structure. Specifically, a feature value related to the deflection of the structure or a feature value related to the distortion of the structure can be used as the feature value related to the displacement of the structure. In the present embodiment, the feature amount calculation unit 23 detects displacement in units of subpixels from the moving image by a conventional technique such as POC (Phase Only Correlation), and vibrates a plurality of locations of the structure. A case where a feature amount related to displacement is calculated by detection will be described.
特徴量算出部２３は、具体的には、動画像分割部３１、動画像選択部３２、要素分割部３３、および、特徴量計算部３４を含んで構成される。 Specifically, the feature amount calculating unit 23 includes a moving image dividing unit 31, a moving image selecting unit 32, an element dividing unit 33, and a feature amount calculating unit 34.
まず、動画像分割部３１は、図３に示すように、取得した動画像を、当該動画像を構成する個々のフレーム（画像）に分割する。次に、動画像選択部３２は、個々のフレームに分割された動画像データから、特徴量の算出に使用する動画像データ（当該動画像データに含まれるフレームデータ）を選択する。なお、複数の動画像データを選択してもよいし、一の動画像データから、一部の時間帯（例えば、対象の構造物に変位が発生している時間帯）の動画像データを区切って選択してもよい。要素分割部３３は、動画像選択部３２において選択された動画像データに含まれる各フレームにおいて、予め設定された位置の複数の領域の部分画像（位相画像）を抽出する（部分画像に分割する）。本実施形態では、個々の領域を要素Ｅと呼ぶ。要素Ｅのサイズは、予め設定されている。要素Ｅの位置は、動画像において構造物が写っている位置とされる。要素Ｅの位置は、例えば、予め構造物特性評価システム１のユーザによって設定され、特徴量算出部２３に記憶されている。あるいは、特徴量算出部２３が、動画像において構造物が写っている位置を検出して、検出された位置を要素Ｅの位置と設定してもよい。 First, as shown in FIG. 3, the moving image dividing unit 31 divides the acquired moving image into individual frames (images) constituting the moving image. Next, the moving image selection unit 32 selects moving image data (frame data included in the moving image data) to be used for calculating the feature amount from the moving image data divided into individual frames. A plurality of moving image data may be selected, or moving image data in a part of a time zone (for example, a time zone in which the target structure is displaced) is separated from one moving image data. May be selected. The element dividing unit 33 extracts partial images (phase images) of a plurality of regions at preset positions in each frame included in the moving image data selected by the moving image selecting unit 32 (divides the image into partial images). ). In the present embodiment, each region is referred to as an element E. The size of the element E is set in advance. The position of the element E is a position where the structure is shown in the moving image. The position of the element E is set in advance by the user of the structure property evaluation system 1 and stored in the feature amount calculation unit 23, for example. Alternatively, the feature amount calculation unit 23 may detect the position where the structure is shown in the moving image and set the detected position as the position of the element E.
次に、特徴量計算部３４は、前後のフレーム間の同一の（位置の）要素Ｅの位置ずれをサブピクセル精度で算出する。なお、前後のフレーム間の時間差Δｔは、フレームレート（ｆｐｓ）の逆数となる（Δｔ＝１／ｆｐｓ）。特徴量計算部３４は、例えば橋梁の状態を判定する場合には、動画像のｙ方向について位置ずれの算出を行う。橋梁の劣化は、縦方向（鉛直方向）の振動に応じて進むためである。特徴量計算部３４は、動画像から、各要素について前後の各フレーム間の位置ずれ（変位ｙ）を、構造物の振動に係る特徴量として算出する。特徴量計算部３４によって動画像から得られる振動に係る特徴量とは、図４に示すように要素ｉ及び時間（時刻）ｔ毎の変位ｙの値に係る関数、すなわち、ｙ（ｉ，ｔ）となる。特徴量計算部３４は、得られた振動に係る関数を、特徴量情報として力学モデル運用部２６に出力する。 Next, the feature amount calculation unit 34 calculates the positional shift of the same (position) element E between the previous and subsequent frames with sub-pixel accuracy. The time difference Δt between the previous and next frames is the reciprocal of the frame rate (fps) (Δt = 1 / fps). For example, when determining the state of the bridge, the feature amount calculation unit 34 calculates a positional shift in the y direction of the moving image. This is because the deterioration of the bridge proceeds according to the vibration in the vertical direction (vertical direction). The feature amount calculation unit 34 calculates a positional deviation (displacement y) between the front and rear frames of each element as a feature amount related to the vibration of the structure from the moving image. As shown in FIG. 4, the feature amount related to vibration obtained from the moving image by the feature amount calculation unit 34 is a function related to the value of displacement y for each element i and time (time) t, that is, y (i, t ) The feature quantity calculation unit 34 outputs the obtained function related to vibration to the dynamic model operation unit 26 as feature quantity information.
初期値データ保持部２４は、構造物に対応する力学モデルにおいて使用するパラメータの初期値に係る情報を保持する機能部である。初期値データ保持部２４において保持される初期値に係る情報とは、後述の力学モデルを用いて構造特性パラメータを算出する際に、力学モデルに対して適用する初期値としての構造特性パラメータに関する情報である。したがって、当該構造物の設計時に設定された構造特性パラメータに関する情報がある場合には、その設計時の構造特性パラメータに関する情報を初期値データとして初期値データ保持部２４において保持する。また、設計時の構造特性パラメータに関する情報がない場合には、例えば、設計書等を参考にして、例えば材料の一般的な特性の情報や、ＪＩＳ等で規格設定されている部材の場合には規格で規定されている寸法情報等を初期値データとすることもできる。また、構造物特性評価システム１を用いて以前に算出された構造特性パラメータを初期値データとして保持しておくこともできる。このように、力学モデルに適用する初期値データについては、適宜変更することができる。 The initial value data holding unit 24 is a functional unit that holds information relating to initial values of parameters used in a dynamic model corresponding to a structure. The information on the initial value held in the initial value data holding unit 24 is information on the structural property parameter as an initial value applied to the dynamic model when the structural property parameter is calculated using a dynamic model described later. It is. Therefore, when there is information on the structural characteristic parameter set at the time of designing the structure, the information on the structural characteristic parameter at the time of designing is held in the initial value data holding unit 24 as initial value data. In addition, when there is no information on the structural property parameters at the time of design, for example, in the case of a member that is standardized by JIS or the like, for example, information on general properties of materials with reference to a design document etc. The dimensional information defined in the standard can be used as the initial value data. Moreover, the structural characteristic parameter calculated previously using the structure characteristic evaluation system 1 can also be held as initial value data. Thus, the initial value data applied to the dynamic model can be changed as appropriate.
力学モデル保持部２５は、構造物の構造特性パラメータの算出に使用する力学モデルに係る情報を保持する機能部である。構造物の構造特性パラメータの算出に使用する力学モデルとは、構造物に係る公知の物理モデルである。例えば、構造物が橋梁である場合には、梁の支配方程式（支配微分方程式）が力学モデルとして用いられる。梁の支配方程式としては、所謂オイラー−ベルヌーイ梁、チモシェンコ梁に係る支配方程式などが公知である。例えば、オイラー−ベルヌーイ梁の場合、以下の数式（１）が支配方程式に基づく力学モデルとなる。
なお、上記の数式（１）におけるＦ（ｉ，ｔ）は外力に係る関数であり、ρ、Ａ、Ｅ、Ｉなどは、本実施形態での構造特性パラメータである（例えば、Ｅは構造物のヤング率である）。力学モデルを利用して算出可能な構造特性パラメータは、力学モデルがどのような構造特性パラメータを含んでいるかに依存する。 Note that F (i, t) in the above formula (1) is a function related to external force, and ρ, A, E, I, and the like are structural characteristic parameters in the present embodiment (for example, E is a structure) Of Young's modulus). The structural characteristic parameter that can be calculated using the mechanical model depends on what structural characteristic parameter the dynamic model includes.
力学モデル保持部２５では、構造特性パラメータの算出に使用する力学モデルを保持する。使用する力学モデルは、構造物の種類（橋梁、鉄塔、等）に応じて選択することができるため、構造物の種類毎に保持する構成とすることができる。また、同一種類の構造物においても、例えば、構造（形状）等に応じて使用する力学モデルを変更する構成としてもよい。したがって、力学モデル保持部２５では、同種の構造物（例えば、橋梁）に関する複数のモデリングから得られた数式、すなわち、複数種類の力学モデルを保持していてもよい。 The dynamic model holding unit 25 holds a dynamic model used for calculating the structural characteristic parameter. Since the dynamic model to be used can be selected according to the type of structure (bridge, steel tower, etc.), it can be configured to be held for each type of structure. Further, even in the same type of structure, for example, a configuration in which a dynamic model to be used is changed according to a structure (shape) or the like may be used. Therefore, the dynamic model holding unit 25 may hold mathematical formulas obtained from a plurality of modeling relating to the same type of structure (for example, a bridge), that is, a plurality of types of dynamic models.
力学モデル運用部２６は、力学モデル保持部２５において保持された力学モデルと、初期値データ保持部２４において保持された初期値に係る情報と、特徴量算出部２３において得られた特徴量とを組み合わせて、構造特性パラメータの算出を行う機能を有する。 The dynamic model operation unit 26 includes the dynamic model held in the dynamic model holding unit 25, the information related to the initial value held in the initial value data holding unit 24, and the feature quantity obtained in the feature quantity calculation unit 23. In combination, it has a function of calculating structural characteristic parameters.
構造特性パラメータの算出については、カメラ１０の動画像から得られた構造物の振動に係る特徴量を、初期値に係る情報が適用された力学モデルに対して当てはめた上で、機械学習の一種である強化学習（Reinforcement Learning）を用いて構造特性パラメータを算出する。 Regarding the calculation of the structural characteristic parameter, a feature quantity related to the vibration of the structure obtained from the moving image of the camera 10 is applied to a dynamic model to which information related to the initial value is applied, and then a kind of machine learning. Structural characteristic parameters are calculated using Reinforcement Learning.
本実施形態に係る構造特性パラメータの算出に用いることができる強化学習のアルゴリズムとしては、例えば、Actor-Critic、Ｑ学習、Deep-Q-Network等が挙げられる。本実施形態では、上記で挙げた強化学習のアルゴリズムのうちActor-Criticアルゴリズムを適用する場合について、概略を説明する。ただし、これらの強化学習の方法に限定されるものではなく、力学モデル、構造特性パラメータの種類等に応じて適宜変更することができる。 Examples of the reinforcement learning algorithm that can be used for the calculation of the structural characteristic parameter according to the present embodiment include Actor-Critic, Q-learning, Deep-Q-Network, and the like. In this embodiment, an outline of a case where the Actor-Critic algorithm is applied among the reinforcement learning algorithms mentioned above will be described. However, the method is not limited to these reinforcement learning methods, and can be appropriately changed according to the dynamic model, the type of the structural characteristic parameter, and the like.
一般的に強化学習では、エージェント、環境、行動、報酬が与えられた場合に、報酬を最大化するように学習を行う（方策）を行うという作業が行われる。また、強化学習の一般的な手法の一つとして、ＴＤ誤差学習（Temporal Difference Learning）が知られている。ＴＤ誤差学習の学習方法とは、自分自身の評価を行い、評価値を更新することである。評価値の更新には、見積もりの評価値と実際に行動したときに得られる評価値との誤差（ＴＤ誤差）を０に近付けていくという作業が行われる。 Generally, in reinforcement learning, when an agent, environment, action, and reward are given, an operation of performing learning (policy) so as to maximize the reward is performed. As one of the general methods of reinforcement learning, TD error learning (Temporal Difference Learning) is known. The learning method for TD error learning is to perform self-evaluation and update the evaluation value. For updating the evaluation value, an operation is performed in which an error (TD error) between the estimated evaluation value and the evaluation value obtained when the user actually takes action approaches 0.
Actor-Criticアルゴリズムとは、ＴＤ誤差学習の一手法であり、エージェントがActorとCriticとから構成されるという特徴を有する。Actor-Criticの演算プロセスの例を図５に示す。 The Actor-Critic algorithm is a method of TD error learning and has a feature that an agent is composed of an Actor and a Critic. An example of the Actor-Critic calculation process is shown in FIG.
図５に示すように、Actorはまず環境から状態Ｓｔを認識する。そして、エージェントは、Actorに与えられている確率密度関数に基づいて、方策を決定し行動ａｔをとる。これにより状態はＳｔからＳｔ＋１へ移行する。この結果、Criticは、状態の変化に応じて報酬ｒｔ＋１を受け取る。 As shown in FIG. 5, the Actor first recognizes the state S t from the environment. Then, the agent, based on the probability density function is given to the Actor, determined measures take action a t. This state is the transition from S t to S t + 1. As a result, Critic receives a reward rt + 1 in response to a change in state.
このとき、Criticは、見積もり値と報酬との比較を行い、ＴＤ誤差を算出する。時刻ｔにおける評価値を状態価値関数Ｖ（Ｓｔ）とすると、時刻ｔ＋１におけるＴＤ誤差δｔは以下の数式（２）で算出することができる。
そして、Criticは、評価値のＴＤ誤差が０に近付くように、状態価値関数を更新する。更新は以下の数式（３）に基づいて行われる。
なお、数式（２）、（３）において、γは割引率（未知の状態評価関数であるために発生する割引を示す）であり、αは学習率（次の状態へのＴＤ誤差の反映率を示す）である。
At this time, Critic compares the estimated value with the reward and calculates the TD error. If the evaluation value at time t is the state value function V (S t ), the TD error δ t at time t + 1 can be calculated by the following equation (2).
Critic updates the state value function so that the TD error of the evaluation value approaches zero. The update is performed based on the following formula (3).
In Equations (2) and (3), γ is a discount rate (which indicates a discount that occurs because it is an unknown state evaluation function), and α is a learning rate (the rate of reflection of the TD error in the next state) Is shown).
また、Actorでは、ＴＤ誤差を参照して、当該ＴＤ誤差が０となるように、方策を変更し、行動する（ａｔ＋１）これを繰り返すことで、ＴＤ誤差がより小さくなるような状況に到達することができる。 In addition, the Actor refers to the TD error, changes the policy so that the TD error becomes 0, and acts (a t + 1 ). By repeating this, the situation where the TD error becomes smaller is reached. can do.
上記のActor-Criticアルゴリズムを本実施形態に係る力学モデルおよび構造特性パラメータに適用する。まず、Actor-Criticにおける状態Ｓｔには、構造特性パラメータの算出に使用する力学モデル（支配方程式）の左辺を当てはめる。また、行動ａｔは、力学モデルに含まれる構造特性パラメータの更新（数値変更）に該当する。また、方策に対応する確率密度関数は、関数πΦ（ａｔ｜ｓｔ）で表し、状態ｓｔのときに行動ａｔをとる確率密度関数である。Φは方策パラメータであり、構造特性パラメータの初期値と確率密度関数の形状を指定するパラメータに応じた集合を意味する。 The above Actor-Critic algorithm is applied to the mechanical model and structural property parameters according to the present embodiment. First, the left side of the dynamic model (dominant equation) used to calculate the structural characteristic parameter is applied to the state St in Actor-Critic. Moreover, action a t corresponds to the update of the structural properties parameters included in the dynamic model (numerical changes). Further, the probability density function corresponding to the measure, the function [pi [Phi | expressed by (a t s t), the probability density function to take action a t in the state s t. Φ is a policy parameter, which means a set corresponding to an initial value of a structural characteristic parameter and a parameter specifying a shape of a probability density function.
上記の方策に対応する確率密度関数は、例えば、力学モデルに含まれる構造特性パラメータが互いに独立であると仮定する場合には、各パラメータが正規分布であると仮定して、以下の数式（４）のように表現することができる。なお、数式（４）においてＺは正規化定数である。また、数式（４）に含まれる平均値μおよび分散σはそれぞれ以下の数式（５）、（６）のように更新することができる。
なお、上記は一例である。構造特性パラメータが互いに影響し合うと改定して、多変量正規分布を利用して確率密度関数を記述してもよい。
For example, when it is assumed that the structural characteristic parameters included in the dynamic model are independent of each other, the probability density function corresponding to the above-described policy is assumed to be normally distributed, and the following mathematical formula (4 ). In Equation (4), Z is a normalization constant. The average value μ and the variance σ included in the formula (4) can be updated as the following formulas (5) and (6), respectively.
The above is an example. The probability density function may be described using a multivariate normal distribution by revising that the structural characteristic parameters influence each other.
報酬ｒｔとしては、行動ａｔを行った結果の状態ｓｔにおける誤差に対応した報酬を設定する。誤差とは、行動ａｔを行った結果の力学モデルｓｔを算出した支配方程式（数式（１））において、振動に寄与する荷重がなくなった後の自由減衰振動を想定したときに、状態ｓｔの自由減衰振動に対する誤差を算出したものである上記の誤差が所定の閾値εまたはそれ以下の場合には、その値に応じて正の報酬を与え、所定の閾値εよりも大きい場合には、その値に応じて負の報酬を与えることとする。このような構成とすることで、誤差が小さいほうが好ましいというように報酬を設定することができる。 Reward as a r t, to set the remuneration corresponding to the error in the action a t was carried out of the result state s t. Error and, in action a t the result of dynamic model s t a calculated governing equations (Equation (1)), when assuming a free damped oscillation after it is no longer load contributes to the vibration, the state s If the above error, which is the error calculated for t free-damping vibration, is equal to or less than the predetermined threshold ε, a positive reward is given according to the value, and if it is greater than the predetermined threshold ε Depending on the value, a negative reward will be given. With such a configuration, it is possible to set a reward so that a smaller error is preferable.
力学モデル運用部２６では、上記のように、ＴＤ誤差が小さくなるようにActorの方策を変更し、Criticの状態価値関数を更新することを、動画像データから得られた特徴量の分だけ繰り返す。繰り返しが終了した後に、Actorの方策に基づいて、構造特性パラメータを決定する。この結果、強化学習後の構造特性パラメータが得られる。 In the dynamic model operation unit 26, as described above, the Actor policy is changed so as to reduce the TD error, and the state value function of Critic is updated by the amount of the feature amount obtained from the moving image data. . After the iteration is over, the structural property parameters are determined based on the actor's strategy. As a result, structural characteristic parameters after reinforcement learning are obtained.
特性パラメータ保持部２７は、力学モデル運用部２６において算出された構造特性パラメータを保持する機能部である。特性パラメータ保持部２７において保持される構造特性パラメータは、必要に応じてサーバ２０から外部装置等へ出力される。 The characteristic parameter holding unit 27 is a functional unit that holds the structural characteristic parameters calculated by the dynamic model operating unit 26. The structural characteristic parameters held in the characteristic parameter holding unit 27 are output from the server 20 to an external device or the like as necessary.
なお、動画像選択部３２によって選択した動画像から算出した構造特性パラメータは、ある条件下における構造物の特性であるため、過学習している可能性がある。そのため、初期値を、前回算出した構造物特性パラメータとし、異なる動画像を用いて再度学習を繰り返していくことで、あらゆる状況に対して最適と考えられる構造物パラメータを算出することが可能となる。したがって、力学モデル運用部２６において算出された構造特性パラメータは、特性パラメータ保持部２７において保持されることに加えて、初期値データ保持部２４においても保持し、適宜力学モデル運用部２６において使用される。 Note that the structure characteristic parameter calculated from the moving image selected by the moving image selection unit 32 is a characteristic of the structure under a certain condition, and may be overlearned. Therefore, it is possible to calculate structure parameters that are considered optimal for all situations by using the initial value as the previously calculated structure characteristic parameter and repeating learning using different moving images. . Therefore, in addition to being held in the characteristic parameter holding unit 27, the structural characteristic parameter calculated in the dynamic model operating unit 26 is also held in the initial value data holding unit 24 and used in the dynamic model operating unit 26 as appropriate. The
次に、図６に示すフローチャートを参照しながら、本実施形態に係る構造物特性評価システム１で実行される処理（構造物特性評価システム１が行う動作方法）を説明する。 Next, a process executed by the structure characteristic evaluation system 1 according to the present embodiment (an operation method performed by the structure characteristic evaluation system 1) will be described with reference to a flowchart shown in FIG.
まず、カメラ１０により、構造物（構造物）の動画像を撮影する。撮影した動画像データは、カメラ１０からサーバ２０へ送られ、サーバ２０の動画像取得部２１において取得する（Ｓ０１）。動画像取得部２１において取得された動画像データは、動画像データ保持部２２において保持される。 First, a moving image of a structure (structure) is captured by the camera 10. The captured moving image data is sent from the camera 10 to the server 20 and acquired by the moving image acquisition unit 21 of the server 20 (S01). The moving image data acquired by the moving image acquisition unit 21 is held by the moving image data holding unit 22.
次に、動画像選択部３２において、構造物に係る特徴量の算出に使用する動画像データを選択する。次に、要素分割部３３において、動画像データを参照して、同一の構造物に係るフレームが複数あるか否かを判定する（Ｓ０２）。同一の構造物を撮像したフレームが複数ない場合（Ｓ０２−ＮＯ）には、振動に係る情報が得られないため、再度動画像の取得（Ｓ０１）から繰り返すか、もしくは、動画像選択部３２における動画像データの選択から繰り返す。一方、同一の構造物を撮像したフレームが複数ある場合（Ｓ０２−ＹＥＳ）には、当該フレームを利用して、特徴量の算出を行う。まず、要素分割部３３において、各動画像（フレーム）に含まれる構造物を複数の要素に分割する（Ｓ０３）。次に、特徴量計算部３４において、分割した要素ごとに、時系列で他のフレームと比較し、各要素について前後の各フレーム間の微小な移動量である位置ずれ（変位ｙ）を、構造物の振動に係る特徴量として算出する（Ｓ０４）。なお、変位ｙに係る関数ｙ（ｉ，ｔ）を、時空間関数としている。このようにして得られた振動に係る特徴量は、特徴量算出部２３から力学モデル運用部２６へ送られる。 Next, the moving image selection unit 32 selects moving image data to be used for calculating the feature amount related to the structure. Next, the element dividing unit 33 refers to the moving image data to determine whether there are a plurality of frames related to the same structure (S02). When there are not a plurality of frames in which the same structure is imaged (S02-NO), since information related to vibration is not obtained, the process repeats from the acquisition of moving images (S01) or in the moving image selection unit 32. Repeat from the selection of moving image data. On the other hand, when there are a plurality of frames in which the same structure is imaged (S02-YES), the feature amount is calculated using the frames. First, the element dividing unit 33 divides a structure included in each moving image (frame) into a plurality of elements (S03). Next, in the feature quantity calculation unit 34, each divided element is compared with other frames in time series, and a positional shift (displacement y), which is a minute movement amount between each frame before and after each element, is structured. It is calculated as a feature amount related to the vibration of the object (S04). A function y (i, t) related to the displacement y is a spatiotemporal function. The feature quantity related to the vibration obtained in this way is sent from the feature quantity calculation unit 23 to the dynamic model operation unit 26.
次に、力学モデル運用部２６では、力学モデル保持部２５において保持される力学モデルから、構造特性パラメータの算出に用いる力学モデルを選択する。そして、特徴量算出部２３から送られた振動に係る特徴量である関数ｙ（ｉ，ｔ）（時空間関数）に基づいて、力学モデルに必要となる微分係数を算出し、算出結果を力学モデルに代入する（Ｓ０５）。上記の数式で例示したように、力学モデルには振動に係る関数ｙの微分係数が含まれる場合がある。力学モデル運用部２６では、力学モデルに使用される微分係数がある場合には、特徴量となる関数から微分係数を算出し、これを力学モデルに適用する。 Next, the dynamic model operation unit 26 selects a dynamic model to be used for calculation of the structural characteristic parameter from the dynamic model held in the dynamic model holding unit 25. Then, based on the function y (i, t) (a spatio-temporal function) that is a feature quantity related to vibration sent from the feature quantity calculation unit 23, a differential coefficient necessary for the dynamic model is calculated, and the calculation result is calculated as a dynamic value. Substitute into the model (S05). As illustrated in the above mathematical formula, the dynamic model may include a differential coefficient of the function y related to vibration. When there is a differential coefficient used in the dynamic model, the dynamic model operation unit 26 calculates the differential coefficient from the function serving as the feature quantity and applies it to the dynamic model.
次に、力学モデル運用部２６では、力学モデルに含まれる構造特性パラメータを強化学習によって更新する（Ｓ０６）。構造特性パラメータの初期値は、初期値データ保持部２４に保持される値を利用する。また、前回と同じ力学モデルを使用する際には、上述したように、前回の強化学習により更新された構造特性パラメータを使用することができる。また、強化学習は、例えば、Actor-Criticアルゴリズム等を用いることができる。強化学習を行うことで、構造特性パラメータが更新される。その後、強化学習により得られた構造特性パラメータを出力する（Ｓ０７）。 Next, the dynamic model operation unit 26 updates the structural characteristic parameters included in the dynamic model by reinforcement learning (S06). As the initial value of the structural characteristic parameter, a value held in the initial value data holding unit 24 is used. In addition, when using the same dynamic model as the previous time, as described above, the structural characteristic parameter updated by the previous reinforcement learning can be used. For reinforcement learning, for example, an Actor-Critic algorithm or the like can be used. By performing reinforcement learning, the structural characteristic parameter is updated. Thereafter, the structural characteristic parameter obtained by the reinforcement learning is output (S07).
なお、力学モデル運用部２６による構造特性パラメータの算出に係る処理には適宜変更を加えることができる。以下、いくつか変形例について説明する。 Note that the processing related to the calculation of the structural characteristic parameter by the dynamic model operation unit 26 can be appropriately changed. Hereinafter, some modifications will be described.
上述したように、同一の構造物は複数の要素に分割され、要素毎に特徴量が算出される場合がある。この場合、特徴量毎に、強化学習によって構造特性パラメータが算出される。すなわち、同一の構造物を撮像した動画像データから、複数の特徴量が得られることで、同一項目の構造特性パラメータに関して、（動画像において得られた要素毎に）複数の算出結果が得られる場合がある。その場合、同一項目に係る複数の構造特性パラメータに基づいて、「動画像データから得られた構造特性パラメータ」として出力する「一の構造特性パラメータ」を決定する構成としてもよい。同一項目に係る複数の構造特性パラメータが得られた場合に、どのように「一の構造特性パラメータ」を決定するかは、適宜変更することができる。例えば、同一項目に関して得られた複数のパラメータの平均値を「一の構造特性パラメータ」としてもよい。また、構造特性パラメータの項目の特徴に応じて、例えば、同一項目に関して得られた複数のパラメータのうちの最小値を「一の構造特性パラメータ」としてもよい。 As described above, the same structure may be divided into a plurality of elements, and a feature amount may be calculated for each element. In this case, a structural characteristic parameter is calculated by reinforcement learning for each feature amount. That is, by obtaining a plurality of feature amounts from moving image data obtained by imaging the same structure, a plurality of calculation results can be obtained (for each element obtained in the moving image) with respect to the structural characteristic parameters of the same item. There is a case. In this case, “one structural characteristic parameter” to be output as “structural characteristic parameter obtained from moving image data” may be determined based on a plurality of structural characteristic parameters related to the same item. How to determine “one structural characteristic parameter” when a plurality of structural characteristic parameters related to the same item are obtained can be changed as appropriate. For example, an average value of a plurality of parameters obtained for the same item may be set as “one structural characteristic parameter”. Further, for example, the minimum value among a plurality of parameters obtained for the same item may be set as “one structural property parameter” according to the feature of the item of the structural property parameter.
また、力学モデル運用部２６では、力学モデルに含まれる構造特性パラメータの強化学習による更新（Ｓ０６）の際に、算出結果を評価し、その評価結果に基づいて必要であれば再計算を行う仕組みとしてもよい。例えば、強化学習の結果算出された構造特性パラメータの分散が所定の閾値よりも大きい場合には、予め定められた条件に基づいて力学モデルの一部を変更して、再計算を行う構成としてもよい。 In addition, the dynamic model operation unit 26 evaluates the calculation result when updating the structural characteristic parameter included in the dynamic model by reinforcement learning (S06), and performs recalculation based on the evaluation result if necessary. It is good. For example, when the variance of structural characteristic parameters calculated as a result of reinforcement learning is greater than a predetermined threshold, a part of the dynamic model may be changed based on a predetermined condition and recalculated. Good.
また、力学モデル保持部２５において、構造特性パラメータの算出の際の境界条件（各パラメータの限界値等）の設定を変更した力学モデルを予め複数保持しておき、力学モデル運用部２６では、構造特性パラメータの算出の条件等に基づいて適切なものを選択して計算を行う構成としてもよい。また、構造物の周辺環境の変動（例えば、季節変動）に応じて、構造特性パラメータの算出に用いる力学モデルの方策に用いられる確率密度関数の分散を変更する構成としてもよい。 The mechanical model storage unit 25 stores in advance a plurality of mechanical models in which the setting of boundary conditions (limit values of each parameter, etc.) at the time of calculation of structural characteristic parameters is changed. A configuration may be adopted in which calculation is performed by selecting an appropriate one based on conditions for calculating characteristic parameters. Further, the variance of the probability density function used in the policy of the dynamic model used for calculating the structural characteristic parameter may be changed according to the change in the surrounding environment of the structure (for example, seasonal change).
また、力学モデル運用部２６による力学モデルを利用した強化学習の際には、各構造特性パラメータが取り得る値に予め制限を加えておき、強化学習により誤った値が算出されることを防ぐ構成としてもよい。例えば、実質的に正の値しか取らないパラメータに対しては、強化学習の途中において０以下の値が選ばれた時点で再計算を行うこととすることができる。 Further, in the reinforcement learning using the dynamic model by the dynamic model operation unit 26, a limit is added in advance to a value that each structural characteristic parameter can take, and an erroneous value is prevented from being calculated by the reinforcement learning. It is good. For example, for a parameter that takes substantially only a positive value, recalculation can be performed when a value of 0 or less is selected during reinforcement learning.
以上の処理により、カメラ１０で撮像した動画像データから、構造物に係る構造特性パラメータが算出され、出力される。 Through the above processing, the structural characteristic parameters related to the structure are calculated and output from the moving image data captured by the camera 10.
なお、上記の力学モデルを利用した構造特性パラメータの算出は、構造物において発生する種々の振動（変位）が含まれた動画像を用いて行われることが好ましい。このような構成とすることで、特定の外力を受けた場合の特定の振動のみを反映した構造特性パラメータが算出されることを防ぐことができる。 The calculation of the structural characteristic parameter using the above-described dynamic model is preferably performed using a moving image including various vibrations (displacements) generated in the structure. By adopting such a configuration, it is possible to prevent calculation of structural characteristic parameters that reflect only specific vibrations when a specific external force is applied.
一方、構造物が橋梁の場合には、橋梁上を車両が通行した際の振動に係る動画像のみを用いて構造特性パラメータを算出する構成とすることができる。 On the other hand, when the structure is a bridge, a structure characteristic parameter can be calculated using only a moving image related to vibration when a vehicle passes over the bridge.
橋梁上の車両の通行により発生する振動は、図７に示すように、時間ｔが進むにつれて、車両通行による強制加振から自由減衰変動へ変化する、という理想的な振動が発生すると想定することができる。したがって、橋梁がこの図７に示す波形で振動すると仮定をして、特徴量を算出することができる。 As shown in FIG. 7, it is assumed that the vibration generated by the passage of the vehicle on the bridge is an ideal vibration that changes from the forced excitation due to the vehicle passage to the free attenuation fluctuation as the time t advances. Can do. Therefore, assuming that the bridge vibrates with the waveform shown in FIG. 7, the feature amount can be calculated.
なお、車両通行時の動画像から特徴量を算出する場合、特徴量算出部２３には、図８に示すように、動画像において構造物に対して加振を行う荷重（車両）の位置および移動等を評価する荷重状況認識部３５が設けられる。荷重状況認識部３５が、動画像データから荷重となる車両の位置および移動に係る情報を取得し、これを動画像選択部３２に対して送ることで、動画像選択部３２では荷重となる車両の移動を考慮した動画像の選択ができる。また、特徴量計算部３４では、車両の通行による振動を考慮して特徴量を算出することができる。また、荷重状況認識部３５が、力学モデル運用部２６に対して荷重に係る情報を提供することで、力学モデル（例えば、数式（１）におけるＦ（ｉ，ｔ））に対して車両に対応する重量等を反映する構成としてもよい。 In addition, when calculating the feature amount from the moving image when the vehicle passes, the feature amount calculating unit 23, as shown in FIG. 8, the position of the load (vehicle) for exciting the structure in the moving image, and A load situation recognition unit 35 for evaluating movement and the like is provided. The load situation recognition unit 35 acquires information related to the position and movement of the vehicle as a load from the moving image data, and sends the information to the moving image selection unit 32, whereby the moving image selection unit 32 uses the vehicle as a load. Can be selected in consideration of movement of In addition, the feature quantity calculation unit 34 can calculate the feature quantity in consideration of vibration caused by traffic of the vehicle. In addition, the load status recognition unit 35 provides information related to the load to the dynamic model operation unit 26, so that the vehicle corresponds to the dynamic model (for example, F (i, t) in Expression (1)). It is good also as a structure reflecting the weight to do.
このように、特徴量の算出に係る具体的な手順についても、動画像データの特徴等を考慮して適宜変更することができる。 As described above, the specific procedure related to the calculation of the feature amount can be appropriately changed in consideration of the feature of the moving image data.
以上のように、本実施形態に係る構造物特性評価システム１は、構造物を撮像した動画像を取得する動画像取得部２１と、動画像取得部２１によって取得された動画像から、構造物の変位に係る特徴量を取得する特徴量算出部２３と、構造物に係る力学モデルに対して特徴量を代入し、強化学習により構造物に係る構造特性パラメータを算出するパラメータ算出部（初期値データ保持部２４、力学モデル保持部２５、力学モデル運用部２６）と、を有する。このような構成を有することで、適切かつ簡易に構造物の構造特性パラメータを取得可能となる。 As described above, the structure characteristic evaluation system 1 according to this embodiment includes a moving image acquisition unit 21 that acquires a moving image obtained by imaging a structure and a moving image acquired by the moving image acquisition unit 21. A feature amount calculation unit 23 that acquires a feature amount related to the displacement of the object, and a parameter calculation unit (initial value) that substitutes the feature amount for a dynamic model related to the structure and calculates a structural characteristic parameter related to the structure by reinforcement learning A data holding unit 24, a dynamic model holding unit 25, and a dynamic model operating unit 26). By having such a configuration, it is possible to acquire the structural characteristic parameters of the structure appropriately and easily.
従来は、橋梁等の構造物の耐震構造等を設計する際には、対象となる構造物に係る構造物のモデルを構成し、ＦＥＭ解析を用いることで構造特性パラメータ等を得ることが一般的であった。しかしながら、ＦＥＭ解析を行うための構造物のモデルの作成には詳細な設計図面等が必要である。したがって、既存の構造物に関しては、ＦＥＭ解析を行うための詳細な情報を入手することが困難な場合があった。また、設計図面等が得られた場合であっても、構造物によっては設計図面とは異なる状態で建築されたものもあり、設計図面だけでは正確な評価をしづらい場合がある。 Conventionally, when designing an earthquake-resistant structure of a structure such as a bridge, it is common to construct a model of the structure related to the target structure and obtain structural characteristic parameters etc. by using FEM analysis Met. However, a detailed design drawing or the like is required to create a model of a structure for performing FEM analysis. Therefore, it has been difficult to obtain detailed information for performing FEM analysis for existing structures. Even when a design drawing or the like is obtained, some structures are constructed in a state different from the design drawing, and it may be difficult to accurately evaluate the design drawing alone.
また、ＦＥＭ解析から構造特性パラメータを算出する場合、従来は、構造物に対して加速度センサ等のセンサを設置することで得られたセンサ情報に基づいてＦＥＭ解析に利用する構造物のモデルのパラメータを調整することが必要であった。センサ情報を得るためには、実際に構造物に対してセンサ等を取付ける必要があるため、センサ情報の取得に係る作業コストが発生する。また、センサ情報に基づく構造物のモデルのパラメータの調整に関しても、作業コストが発生するだけでなく、パラメータの調整に係る技術を習得した特定の技術者が対応する必要があるといった課題があった。 Also, when calculating structural characteristic parameters from FEM analysis, conventionally, structural model parameters used for FEM analysis based on sensor information obtained by installing a sensor such as an acceleration sensor on the structure. It was necessary to adjust. In order to obtain the sensor information, it is necessary to actually attach a sensor or the like to the structure, so that an operation cost related to acquisition of the sensor information occurs. In addition, regarding the adjustment of the parameters of the model of the structure based on the sensor information, there is a problem that not only the operation cost is generated, but also a specific engineer who has acquired the technique related to the adjustment of the parameters needs to cope with it. .
これに対して、本実施形態に係る構造物特性評価システム１では、構造特性パラメータの算出に必要な情報としては、動画像から得られる構造物の変位に係る特徴量となる。また、構造物特性評価システム１では、この特徴量を力学モデル運用部２６において力学モデルに適用し、強化学習を行うことで、構造特性パラメータを算出することができる。したがって、従来用いられていたセンサ情報に対応する情報である特徴量に係る情報の取得に関しては作業コストを大幅に低減することができる。また、従来のＦＥＭ解析およびパラメータの調整に代えて、強化学習により構造特性パラメータを算出することができるため、特定の技術者の対応等も不要となり、作業コストも低減することができる。このように、適切かつ簡易に構造物の構造特性パラメータを取得可能となる。 On the other hand, in the structure property evaluation system 1 according to the present embodiment, the information necessary for calculating the structure property parameter is a feature amount related to the displacement of the structure obtained from the moving image. In the structure characteristic evaluation system 1, the structural characteristic parameter can be calculated by applying this feature amount to the dynamic model in the dynamic model operation unit 26 and performing reinforcement learning. Therefore, it is possible to significantly reduce the work cost with respect to the acquisition of information related to the feature amount, which is information corresponding to sensor information that has been used conventionally. In addition, since structural characteristic parameters can be calculated by reinforcement learning instead of conventional FEM analysis and parameter adjustment, it is not necessary to deal with a specific engineer and work costs can be reduced. In this way, the structural characteristic parameters of the structure can be acquired appropriately and easily.
また、上記の構造物特性評価システム１は、力学モデルは、梁の支配方程式である構成としている。 In the structure characteristic evaluation system 1 described above, the dynamic model is configured to be the governing equation of the beam.
構造物が橋梁である場合、従来は橋梁に関する複雑な構造モデルを用いてＦＥＭ解析を行っていたが、これに対して構造物特性評価システム１では、一般的な梁の支配方程式を使用して構造特性パラメータを算出している。このような構成とすることで、特に橋梁に係る構造特性パラメータの算出の際に、より簡易に算出が可能な構成を実現している。なお、構造物が橋梁ではない場合であっても、力学モデルとして梁の支配方程式が使用できる場合、従来と比較して簡単な構造モデルを使用して構造特性パラメータの算出を行うことができる。 When the structure is a bridge, the FEM analysis was conventionally performed using a complex structural model related to the bridge. In contrast, the structural property evaluation system 1 uses a general beam governing equation. Structural characteristic parameters are calculated. By adopting such a configuration, a configuration capable of simpler calculation is realized particularly when calculating the structural characteristic parameters relating to the bridge. Even if the structure is not a bridge, if the governing equation of the beam can be used as the dynamic model, the structural characteristic parameter can be calculated using a simple structural model as compared with the conventional case.
また、上記のパラメータ算出部（初期値データ保持部２４、力学モデル保持部２５、力学モデル運用部２６）は、強化学習により算出する構造特性パラメータの初期値として、構造物に係る設計書に記載された情報を適用する。このように、設計書に記載された情報を反映した上で強化学習を行う構成とすることで、初期値として構造物に関係ない値を適用した場合と比較して、強化学習による構造特性パラメータの算出をより素早くかつ正確に行うことができる。 In addition, the parameter calculation unit (the initial value data holding unit 24, the dynamic model holding unit 25, and the dynamic model operation unit 26) described in the design document relating to the structure as the initial value of the structural characteristic parameter calculated by the reinforcement learning. Applied information. In this way, by adopting a configuration in which reinforcement learning is performed after reflecting the information described in the design document, structural characteristic parameters by reinforcement learning are compared with the case where values not related to the structure are applied as initial values. Can be calculated more quickly and accurately.
なお、上記実施形態では、構造物特性評価システム１を橋梁に対して適用する場合について説明したが、橋梁以外の構造物（建築物）についても、風または交通振動等により変位が発生する構造物であれば、橋梁と同様に構造特性パラメータを算出することができる。 In the above embodiment, the case where the structural property evaluation system 1 is applied to a bridge has been described. However, a structure (a building) other than a bridge is also subject to displacement due to wind or traffic vibration. If so, the structural characteristic parameters can be calculated in the same manner as the bridge.
例えば、対象となる構造物が電柱または鉄塔である場合でも、本実施形態に係る構造物特性評価システム１を適用できる。構造物が電柱である場合には、片持ち梁と考えて、橋梁と同様にオイラー−ベルヌーイの支配方程式を適用することができる。また、構造物が鉄塔である場合には、鉄塔を構成する各部材についての特徴量を動画像データから算出し、各部材の構成に応じて個別に力学モデルを適用することで、橋梁と同様に構造特性パラメータを算出することができる。このように、対象となる構造物の形状等に応じて力学モデルを適切に選択し設定することで、構造物に係る構造特性パラメータを算出することができる。 For example, even when the target structure is a utility pole or a steel tower, the structure characteristic evaluation system 1 according to this embodiment can be applied. If the structure is a utility pole, it can be considered as a cantilever and the Euler-Bernoulli governing equation can be applied in the same way as a bridge. In addition, when the structure is a steel tower, the feature amount for each member constituting the steel tower is calculated from the moving image data, and the dynamic model is individually applied according to the structure of each member, so that it is the same as the bridge The structural characteristic parameters can be calculated. As described above, by appropriately selecting and setting the dynamic model according to the shape or the like of the target structure, the structural characteristic parameter related to the structure can be calculated.
なお、本発明に係る構造物特性評価システムは、動画像が取得できればよいので、構造物特性評価システム以外から動画像を取得できる構成となっていてもよい。例えば、本実施形態に係るサーバ２０は、（構造物特性評価システム以外の）カメラ１０から動画像を取得できる構成となっていれば、サーバ２０のみで構造物特性評価システムが構成されていてもよい。 Note that the structure characteristic evaluation system according to the present invention only needs to be able to acquire a moving image, and thus may be configured to acquire a moving image from other than the structure characteristic evaluation system. For example, if the server 20 according to the present embodiment has a configuration capable of acquiring a moving image from the camera 10 (other than the structure property evaluation system), even if the structure property evaluation system is configured only by the server 20. Good.
（その他）
上記実施の形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及び／又はソフトウェアの任意の組み合わせによって実現される。また、各機能ブロックの実現手段は特に限定されない。すなわち、各機能ブロックは、物理的及び／又は論理的に結合した１つの装置により実現されてもよいし、物理的及び／又は論理的に分離した２つ以上の装置を直接的及び／又は間接的に(例えば、有線及び／又は無線)で接続し、これら複数の装置により実現されてもよい。
(Other)
The block diagram used in the description of the above embodiment shows functional unit blocks. These functional blocks (components) are realized by any combination of hardware and / or software. Further, the means for realizing each functional block is not particularly limited. That is, each functional block may be realized by one device physically and / or logically coupled, and two or more devices physically and / or logically separated may be directly and / or indirectly. (For example, wired and / or wireless) and may be realized by these plural devices.
例えば、本発明の一実施の形態におけるサーバ２０は、本実施形態のサーバ２０の処理を行うコンピュータとして機能してもよい。図９は、本実施形態に係るサーバ２０のハードウェア構成の一例を示す図である。上述のサーバ２０は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。 For example, the server 20 according to an embodiment of the present invention may function as a computer that performs processing of the server 20 according to the present embodiment. FIG. 9 is a diagram illustrating an example of a hardware configuration of the server 20 according to the present embodiment. The server 20 described above may be physically configured as a computer device including a processor 1001, a memory 1002, a storage 1003, a communication device 1004, an input device 1005, an output device 1006, a bus 1007, and the like.
なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。サーバ２０のハードウェア構成は、図に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。 In the following description, the term “apparatus” can be read as a circuit, a device, a unit, or the like. The hardware configuration of the server 20 may be configured to include one or a plurality of devices illustrated in the figure, or may be configured not to include some devices.
サーバ２０における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることで、プロセッサ１００１が演算を行い、通信装置１００４による通信や、メモリ１００２及びストレージ１００３におけるデータの読み出し及び／又は書き込みを制御することで実現される。 Each function in the server 20 is performed by reading predetermined software (program) on hardware such as the processor 1001 and the memory 1002, so that the processor 1001 performs an operation and performs communication by the communication device 1004 and in the memory 1002 and the storage 1003. This is realized by controlling reading and / or writing of data.
プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）で構成されてもよい。例えば、サーバ２０の各機能は、プロセッサ１００１で実現されてもよい。 For example, the processor 1001 controls the entire computer by operating an operating system. The processor 1001 may be configured by a central processing unit (CPU) including an interface with peripheral devices, a control device, an arithmetic device, a register, and the like. For example, each function of the server 20 may be realized by the processor 1001.
また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュールやデータを、ストレージ１００３及び／又は通信装置１００４からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態で説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、サーバ２０の各機能は、メモリ１００２に格納され、プロセッサ１００１で動作する制御プログラムによって実現されてもよい。上述の各種処理は、１つのプロセッサ１００１で実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップで実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。 Further, the processor 1001 reads a program (program code), software module, and data from the storage 1003 and / or the communication device 1004 to the memory 1002, and executes various processes according to these. As the program, a program that causes a computer to execute at least a part of the operations described in the above embodiments is used. For example, each function of the server 20 may be realized by a control program stored in the memory 1002 and operating on the processor 1001. Although the above-described various processes have been described as being executed by one processor 1001, they may be executed simultaneously or sequentially by two or more processors 1001. The processor 1001 may be implemented by one or more chips. Note that the program may be transmitted from a network via a telecommunication line.
メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（ElectricallyErasable Programmable ＲＯＭ）、ＲＡＭ（Random Access Memory）などの少なくとも１つで構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本発明の一実施の形態に係る方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。 The memory 1002 is a computer-readable recording medium and includes, for example, at least one of ROM (Read Only Memory), EPROM (Erasable Programmable ROM), EEPROM (Electrically Erasable Programmable ROM), RAM (Random Access Memory), and the like. May be. The memory 1002 may be called a register, a cache, a main memory (main storage device), or the like. The memory 1002 can store a program (program code), a software module, and the like that can be executed to perform the method according to the embodiment of the present invention.
ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ−ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ−ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つで構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及び／又はストレージ１００３を含むデータベース、サーバその他の適切な媒体であってもよい。 The storage 1003 is a computer-readable recording medium, such as an optical disc such as a CD-ROM (Compact Disc ROM), a hard disc drive, a flexible disc, a magneto-optical disc (eg, a compact disc, a digital versatile disc, a Blu-ray). (Registered trademark) disk, smart card, flash memory (for example, card, stick, key drive), floppy (registered trademark) disk, magnetic strip, and the like. The storage 1003 may be referred to as an auxiliary storage device. The storage medium described above may be, for example, a database, server, or other suitable medium including the memory 1002 and / or the storage 1003.
通信装置１００４は、有線及び／又は無線ネットワークを介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。例えば、サーバ２０の各機能は、通信装置１００４で実現されてもよい。 The communication device 1004 is hardware (transmission / reception device) for performing communication between computers via a wired and / or wireless network, and is also referred to as a network device, a network controller, a network card, a communication module, or the like. For example, each function of the server 20 may be realized by the communication device 1004.
入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。 The input device 1005 is an input device (for example, a keyboard, a mouse, a microphone, a switch, a button, a sensor, or the like) that accepts an external input. The output device 1006 is an output device (for example, a display, a speaker, an LED lamp, etc.) that performs output to the outside. The input device 1005 and the output device 1006 may have an integrated configuration (for example, a touch panel).
また、プロセッサ１００１やメモリ１００２などの各装置は、情報を通信するためのバス１００７で接続される。バス１００７は、単一のバスで構成されてもよいし、装置間で異なるバスで構成されてもよい。 Each device such as the processor 1001 and the memory 1002 is connected by a bus 1007 for communicating information. The bus 1007 may be configured with a single bus or may be configured with different buses between apparatuses.
また、サーバ２０は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field Programmable Gate Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つで実装されてもよい。 The server 20 includes hardware such as a microprocessor, a digital signal processor (DSP), an application specific integrated circuit (ASIC), a programmable logic device (PLD), and a field programmable gate array (FPGA). Some or all of the functional blocks may be realized by the hardware. For example, the processor 1001 may be implemented by at least one of these hardware.
以上、本実施形態について詳細に説明したが、当業者にとっては、本実施形態が本明細書中に説明した実施形態に限定されるものではないということは明らかである。本実施形態は、特許請求の範囲の記載により定まる本発明の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本明細書の記載は、例示説明を目的とするものであり、本実施形態に対して何ら制限的な意味を有するものではない。 Although the present embodiment has been described in detail above, it will be apparent to those skilled in the art that the present embodiment is not limited to the embodiment described in this specification. The present embodiment can be implemented as a modification and change without departing from the spirit and scope of the present invention defined by the description of the scope of claims. Therefore, the description of the present specification is for illustrative purposes and does not have any limiting meaning to the present embodiment.
情報の通知は、本明細書で説明した態様／実施形態に限られず、他の方法で行われてもよい。例えば、情報の通知は、物理レイヤシグナリング（例えば、ＤＣＩ（Downlink Control Information）、ＵＣＩ（Uplink Control Information））、上位レイヤシグナリング（例えば、ＲＲＣ（Radio Resource Control）シグナリング、ＭＡＣ（Medium Access Control）シグナリング、報知情報（ＭＩＢ（Master Information Block）、ＳＩＢ（System Information Block）））、その他の信号又はこれらの組み合わせによって実施されてもよい。また、ＲＲＣシグナリングは、ＲＲＣメッセージと呼ばれてもよく、例えば、ＲＲＣ接続セットアップ（RRC Connection Setup）メッセージ、ＲＲＣ接続再構成（RRCConnection Reconfiguration）メッセージなどであってもよい。 The notification of information is not limited to the aspect / embodiment described in the present specification, and may be performed by other methods. For example, information notification includes physical layer signaling (for example, DCI (Downlink Control Information), UCI (Uplink Control Information)), upper layer signaling (for example, RRC (Radio Resource Control) signaling, MAC (Medium Access Control) signaling), It may be implemented by broadcast information (MIB (Master Information Block), SIB (System Information Block))), other signals, or a combination thereof. The RRC signaling may be referred to as an RRC message, and may be, for example, an RRC connection setup message, an RRC connection reconfiguration message, or the like.
本明細書で説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本明細書で説明した方法については、例示的な順序で様々なステップの要素を提示しており、提示した特定の順序に限定されない。 As long as there is no contradiction, the order of the processing procedures, sequences, flowcharts, and the like of each aspect / embodiment described in this specification may be changed. For example, the methods described herein present the elements of the various steps in an exemplary order and are not limited to the specific order presented.
入出力された情報等は特定の場所(例えば、メモリ)に保存されてもよいし、管理テーブルで管理してもよい。入出力される情報等は、上書き、更新、または追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。 Input / output information and the like may be stored in a specific location (for example, a memory) or may be managed by a management table. Input / output information and the like can be overwritten, updated, or additionally written. The output information or the like may be deleted. The input information or the like may be transmitted to another device.
判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：trueまたはfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。 The determination may be performed by a value represented by 1 bit (0 or 1), may be performed by a true / false value (Boolean: true or false), or may be performed by comparing numerical values (for example, a predetermined value) Comparison with the value).
本明細書で説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。 Each aspect / embodiment described in this specification may be used independently, may be used in combination, or may be switched according to execution. In addition, notification of predetermined information (for example, notification of being “X”) is not limited to explicitly performed, but is performed implicitly (for example, notification of the predetermined information is not performed). Also good.
ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。 Software, whether it is called software, firmware, middleware, microcode, hardware description language, or other names, instructions, instruction sets, code, code segments, program codes, programs, subprograms, software modules , Applications, software applications, software packages, routines, subroutines, objects, executable files, execution threads, procedures, functions, etc. should be interpreted broadly.
また、ソフトウェア、命令などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、同軸ケーブル、光ファイバケーブル、ツイストペア及びデジタル加入者回線（ＤＳＬ）などの有線技術及び／又は赤外線、無線及びマイクロ波などの無線技術を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び／又は無線技術は、伝送媒体の定義内に含まれる。 Also, software, instructions, etc. may be transmitted / received via a transmission medium. For example, software may use websites, servers, or other devices using wired technology such as coaxial cable, fiber optic cable, twisted pair and digital subscriber line (DSL) and / or wireless technology such as infrared, wireless and microwave. When transmitted from a remote source, these wired and / or wireless technologies are included within the definition of transmission media.
本明細書で説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。 Information, signals, etc. described herein may be represented using any of a variety of different technologies. For example, data, commands, commands, information, signals, bits, symbols, chips, etc. that may be referred to throughout the above description are voltages, currents, electromagnetic waves, magnetic fields or magnetic particles, light fields or photons, or any of these May be represented by a combination of
なお、本明細書で説明した用語及び／又は本明細書の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。 Note that the terms described in this specification and / or terms necessary for understanding this specification may be replaced with terms having the same or similar meaning.
本明細書で使用する「システム」および「ネットワーク」という用語は、互換的に使用される。 As used herein, the terms “system” and “network” are used interchangeably.
また、本明細書で説明した情報、パラメータなどは、絶対値で表されてもよいし、所定の値からの相対値で表されてもよいし、対応する別の情報で表されてもよい。 In addition, information, parameters, and the like described in this specification may be represented by absolute values, may be represented by relative values from a predetermined value, or may be represented by other corresponding information. .
上述したパラメータに使用する名称はいかなる点においても限定的なものではない。さらに、これらのパラメータを使用する数式等は、本明細書で明示的に開示したものと異なる場合もある。 The names used for the parameters described above are not limiting in any way. Further, mathematical formulas and the like that use these parameters may differ from those explicitly disclosed herein.
本明細書で使用する「判断(determining)」、「決定(determining)」という用語は、多種多様な動作を包含する場合がある。「判断」、「決定」は、例えば、判定(judging)、計算(calculating)、算出(computing)、処理(processing)、導出(deriving)、調査(investigating)、探索(looking up)（例えば、テーブル、データベースまたは別のデータ構造での探索）、確認(ascertaining)した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、受信(receiving)（例えば、情報を受信すること）、送信(transmitting)(例えば、情報を送信すること)、入力(input)、出力(output)、アクセス(accessing)（例えば、メモリ中のデータにアクセスすること）した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、解決(resolving)、選択(selecting)、選定(choosing)、確立(establishing)、比較(comparing)などした事を「判断」「決定」したとみなす事を含み得る。つまり、「判断」「決定」は、何らかの動作を「判断」「決定」したとみなす事を含み得る。 As used herein, the terms “determining” and “determining” may encompass a wide variety of actions. “Judgment” and “determination” are, for example, judgment, calculation, calculation, processing, derivation, investigating, looking up (eg, table , Searching in a database or another data structure), considering ascertaining as “determining”, “deciding”, and the like. In addition, “determination” and “determination” include receiving (for example, receiving information), transmitting (for example, transmitting information), input (input), output (output), and access. (accessing) (e.g., accessing data in a memory) may be considered as "determined" or "determined". In addition, “determination” and “decision” means that “resolving”, “selecting”, “choosing”, “establishing”, and “comparing” are regarded as “determining” and “deciding”. May be included. In other words, “determination” and “determination” may include considering some operation as “determination” and “determination”.
「接続された(connected)」、「結合された(coupled)」という用語、又はこれらのあらゆる変形は、２又はそれ以上の要素間の直接的又は間接的なあらゆる接続又は結合を意味し、互いに「接続」又は「結合」された２つの要素間に１又はそれ以上の中間要素が存在することを含むことができる。要素間の結合又は接続は、物理的なものであっても、論理的なものであっても、或いはこれらの組み合わせであってもよい。本明細書で使用する場合、２つの要素は、１又はそれ以上の電線、ケーブル及び／又はプリント電気接続を使用することにより、並びにいくつかの非限定的かつ非包括的な例として、無線周波数領域、マイクロ波領域及び光（可視及び不可視の両方）領域の波長を有する電磁エネルギーなどの電磁エネルギーを使用することにより、互いに「接続」又は「結合」されると考えることができる。 The terms “connected”, “coupled”, or any variation thereof, means any direct or indirect connection or coupling between two or more elements and It can include the presence of one or more intermediate elements between two “connected” or “coupled” elements. The coupling or connection between the elements may be physical, logical, or a combination thereof. As used herein, the two elements are radio frequency by using one or more wires, cables and / or printed electrical connections, and as some non-limiting and non-inclusive examples By using electromagnetic energy, such as electromagnetic energy having a wavelength in the region, microwave region, and light (both visible and invisible) region, it can be considered to be “connected” or “coupled” to each other.
本明細書で使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。 As used herein, the phrase “based on” does not mean “based only on,” unless expressly specified otherwise. In other words, the phrase “based on” means both “based only on” and “based at least on.”
本明細書で「第１の」、「第２の」などの呼称を使用した場合においては、その要素へのいかなる参照も、それらの要素の量または順序を全般的に限定するものではない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本明細書で使用され得る。したがって、第１および第２の要素への参照は、２つの要素のみがそこで採用され得ること、または何らかの形で第１の要素が第２の要素に先行しなければならないことを意味しない。 Where the designation "first", "second", etc. is used herein, any reference to that element does not generally limit the amount or order of those elements. These designations can be used herein as a convenient way to distinguish between two or more elements. Thus, a reference to the first and second elements does not mean that only two elements can be employed there, or that in some way the first element must precede the second element.
「含む（include）」、「含んでいる（including）」、およびそれらの変形が、本明細書あるいは特許請求の範囲で使用されている限り、これら用語は、用語「備える(comprising)」と同様に、包括的であることが意図される。さらに、本明細書あるいは特許請求の範囲において使用されている用語「または（or）」は、排他的論理和ではないことが意図される。 These terms are similar to the term “comprising” as long as “include”, “including” and variations thereof are used herein or in the claims. It is intended to be comprehensive. Furthermore, the term “or” as used herein or in the claims is not intended to be an exclusive OR.
本明細書において、文脈または技術的に明らかに1つのみしか存在しない装置である場合以外は、複数の装置をも含むものとする。本開示の全体において、文脈から明らかに単数を示したものではなければ、複数のものを含むものとする。 In this specification, a plurality of devices are also included unless there is only one device that is clearly present in context or technically. Throughout this disclosure, the plural is included unless the context clearly indicates one.
１…構造物特性評価システム、１０…カメラ、２０…サーバ、２１…動画像取得部、２２…動画像データ保持部、２３…特徴量算出部、２４…初期値データ保持部、２５…力学モデル保持部、２６…力学モデル運用部、２７…特性パラメータ保持部。 DESCRIPTION OF SYMBOLS 1 ... Structure characteristic evaluation system, 10 ... Camera, 20 ... Server, 21 ... Moving image acquisition part, 22 ... Moving image data holding part, 23 ... Feature-value calculation part, 24 ... Initial value data holding part, 25 ... Dynamic model Holding unit, 26 ... dynamic model operation unit, 27 ... characteristic parameter holding unit.
Claims (3)
前記動画像取得部によって取得された動画像から、前記構造物の変位に係る特徴量を取得する特徴量算出部と、
前記構造物に係る力学モデルに対して前記特徴量を代入し、強化学習により前記構造物に係る構造特性パラメータを算出するパラメータ算出部と、
を有する構造物特性評価システム。 A moving image acquisition unit for acquiring a moving image obtained by imaging a structure;
A feature amount calculation unit that acquires a feature amount related to the displacement of the structure from the moving image acquired by the moving image acquisition unit;
A parameter calculation unit that substitutes the feature amount for the dynamic model related to the structure and calculates a structural characteristic parameter related to the structure by reinforcement learning;
A structural property evaluation system.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018066944A JP7054641B2 (en) | 2018-03-30 | 2018-03-30 | Structure characterization system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018066944A JP7054641B2 (en) | 2018-03-30 | 2018-03-30 | Structure characterization system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019178894A true JP2019178894A (en) | 2019-10-17 |
| JP7054641B2 JP7054641B2 (en) | 2022-04-14 |
Family
ID=68278413
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018066944A Active JP7054641B2 (en) | 2018-03-30 | 2018-03-30 | Structure characterization system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7054641B2 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111680341A (en) * | 2020-04-10 | 2020-09-18 | 中国能源建设集团浙江省电力设计院有限公司 | Bearing capacity analysis method for pre-drilled pile sinking pile foundation in dam region |
| JP2022087587A (en) * | 2020-12-01 | 2022-06-13 | 三菱重工業株式会社 | Analysis device, analysis method, and program |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07181075A (en) * | 1993-12-22 | 1995-07-18 | Hitachi Zosen Corp | Method and apparatus for measuring displacement of object |
| JP2003222566A (en) * | 2002-01-31 | 2003-08-08 | Yamato Sekkei Kk | Structural damage estimation system and program |
| JP2007205860A (en) * | 2006-02-01 | 2007-08-16 | Sekisui Jushi Co Ltd | Method for evaluating durability of existing sign pole and baseline setting method for executing durability evaluation of existing sign pole |
| JP2013195354A (en) * | 2012-03-22 | 2013-09-30 | Shimizu Corp | Method for checking soundness of building |
| US20130268241A1 (en) * | 2012-04-10 | 2013-10-10 | Lockheed Martin Corporation | Efficient health management, diagnosis and prognosis of a machine |
| JP2015175827A (en) * | 2014-03-18 | 2015-10-05 | 日本電気株式会社 | Vibration measurement device |
| JP2017125742A (en) * | 2016-01-13 | 2017-07-20 | 清水建設株式会社 | Mass/rigidity distribution setup method for determining soundness of building and mass/rigidity distribution setup system for determining soundness of building |
| JP2017157112A (en) * | 2016-03-03 | 2017-09-07 | 三菱日立パワーシステムズ株式会社 | Control parameter automatic adjustment apparatus, control parameter automatic adjustment method, and control parameter automatic adjustment apparatus network |
| JP2017215306A (en) * | 2016-02-24 | 2017-12-07 | パナソニックＩｐマネジメント株式会社 | Displacement detection device and displacement detection method |
| JP2018004473A (en) * | 2016-07-04 | 2018-01-11 | ファナック株式会社 | Mechanical learning device for learning estimated life of bearing, life estimation device, and mechanical learning method |
-
2018
- 2018-03-30 JP JP2018066944A patent/JP7054641B2/en active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07181075A (en) * | 1993-12-22 | 1995-07-18 | Hitachi Zosen Corp | Method and apparatus for measuring displacement of object |
| JP2003222566A (en) * | 2002-01-31 | 2003-08-08 | Yamato Sekkei Kk | Structural damage estimation system and program |
| JP2007205860A (en) * | 2006-02-01 | 2007-08-16 | Sekisui Jushi Co Ltd | Method for evaluating durability of existing sign pole and baseline setting method for executing durability evaluation of existing sign pole |
| JP2013195354A (en) * | 2012-03-22 | 2013-09-30 | Shimizu Corp | Method for checking soundness of building |
| US20130268241A1 (en) * | 2012-04-10 | 2013-10-10 | Lockheed Martin Corporation | Efficient health management, diagnosis and prognosis of a machine |
| JP2015175827A (en) * | 2014-03-18 | 2015-10-05 | 日本電気株式会社 | Vibration measurement device |
| JP2017125742A (en) * | 2016-01-13 | 2017-07-20 | 清水建設株式会社 | Mass/rigidity distribution setup method for determining soundness of building and mass/rigidity distribution setup system for determining soundness of building |
| JP2017215306A (en) * | 2016-02-24 | 2017-12-07 | パナソニックＩｐマネジメント株式会社 | Displacement detection device and displacement detection method |
| JP2017157112A (en) * | 2016-03-03 | 2017-09-07 | 三菱日立パワーシステムズ株式会社 | Control parameter automatic adjustment apparatus, control parameter automatic adjustment method, and control parameter automatic adjustment apparatus network |
| JP2018004473A (en) * | 2016-07-04 | 2018-01-11 | ファナック株式会社 | Mechanical learning device for learning estimated life of bearing, life estimation device, and mechanical learning method |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111680341A (en) * | 2020-04-10 | 2020-09-18 | 中国能源建设集团浙江省电力设计院有限公司 | Bearing capacity analysis method for pre-drilled pile sinking pile foundation in dam region |
| JP2022087587A (en) * | 2020-12-01 | 2022-06-13 | 三菱重工業株式会社 | Analysis device, analysis method, and program |
| JP7493436B2 (en) | 2020-12-01 | 2024-05-31 | 三菱重工業株式会社 | Analysis device, analysis method, and program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7054641B2 (en) | 2022-04-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6944405B2 (en) | Building judgment system | |
| JP6411661B2 (en) | Vulnerability scanning method and apparatus | |
| CN110956255B (en) | Difficult sample mining method and device, electronic equipment and computer readable storage medium | |
| JP7058164B2 (en) | Traffic route judgment system | |
| JP2016004525A (en) | Data analysis system and data analysis method | |
| US20140140576A1 (en) | Object detection apparatus detection method and program | |
| CN111611144B (en) | Method, apparatus, computing device, and medium for processing performance test data | |
| JP2019178894A (en) | System for evaluating characteristics of structure | |
| WO2020255728A1 (en) | Vibration measurement device, vibration measurement method, and computer-readable storage medium | |
| US11245696B2 (en) | Device management system and device management method | |
| CN114064168A (en) | Interface optimization method and medical equipment | |
| JP2015170200A (en) | Failure prediction device and failure prediction method | |
| JP7483095B2 (en) | A multi-purpose anomaly detection system for industrial systems | |
| JP6994996B2 (en) | Traffic route judgment system | |
| US20230196109A1 (en) | Non-transitory computer-readable recording medium for storing model generation program, model generation method, and model generation device | |
| JP2023037848A (en) | Displacement quantity calculation device | |
| JP2015184818A (en) | Server, model application propriety determination method and computer program | |
| WO2019176087A1 (en) | Learning device and learning method | |
| JP6783075B2 (en) | Home judgment device, judgment method, and program | |
| JP5505936B2 (en) | Image processing unit and image processing program | |
| KR102319386B1 (en) | Apparatus and method of calculating failure intensity | |
| JP2021148622A (en) | Structure determination system | |
| JP7451280B2 (en) | Structure determination system | |
| WO2019202791A1 (en) | Pastime preference estimation device and pastime preference estimation method | |
| JP7365287B2 (en) | Structure analysis system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200814 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210518 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210525 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210719 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210831 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220329 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220404 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7054641 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |