JP2020165673A

JP2020165673A - 構造物の状態判別モデル作成方法及びその作成システム

Info

Publication number: JP2020165673A
Application number: JP2019063613A
Authority: JP
Inventors: 利美木元; Toshimi Kimoto; 斉藤　宏; Hiroshi Saito; 宏斉藤
Original assignee: Port and Anchor Co Ltd; Up and Next Co Ltd
Current assignee: Port and Anchor Co Ltd; Up and Next Co Ltd
Priority date: 2019-03-28
Filing date: 2019-03-28
Publication date: 2020-10-08
Anticipated expiration: 2039-03-28
Also published as: JP6664777B1; WO2020195537A1

Abstract

【課題】構造物から測定した振動データを入力とし、その構造物の現在状態が正常か異常かを精度良く判別できる状態判別モデルの作成方法及びその作成システムを提供すること。【解決手段】構造物に対する振動データを入力して当該振動データの診断を行う構造物の状態判別モデルの作成方法及びその作成システムである。本発明のシステムは、構造物の振動モデルを内蔵したデータ生成装置及び状態判別モデルを作成するモデル作成装置を含む演算ユニットと、データ生成装置で生成された振動データを記憶するデータベースと、を備え、データ生成装置は、振動モデルに模擬振動を入力して振動解析による演算を行うことにより正常振動データ及び異常振動データを得てデータベースに転送し、モデル作成装置は、正常振動データ及び異常振動データを含むビッグデータに人工知能を含む機械学習及び統計学的手法を適用することにより、構造物に対する状態判別モデルを作成する。【選択図】図１

Description

本発明は、構造物に対する振動データを入力して当該振動データの診断を行う構造物の状態判別モデル作成方法及びその作成システムに関する。

建築物等の構造物は、付近を走行する交通手段等から発生される定常的な振動や、地震等の非定常的な振動を受けることにより、疲労や経年による劣化が生じることがある。実際の構造物設計は、経年による劣化や地震等の突発的に大きな振動にも長期にわたって耐え得るように振動データを用いた構造解析等を用いて行われることが多い。

このように大型の構造物に対して、数値シミュレーションによる解析を利用した設計を行うためのデータを取得する振動試験技術として、振動の実測値に数値シミュレーションによる構造解析を組み合わせて、振動の入力に対する構造物の応答特性や損傷の予測を行う手法が知られている。そして、これらの予測データを用いたＣＡＥによる具体的な構造物の設計も実用化されている。

ＣＡＥによる構造物の設計を行う際には、多くの場合、ＣＡＤを用いて作成した構造物の解析モデルを用いて構造解析や振動解析等を行い、その解析結果を実際の構造物の設計データに反映する手法が取られている。この手法によれば、実際の構造物あるいはこれを模した物を作製しなくても形状や材質等の設計変更を容易に行うことが可能となる。

このような解析モデルを作成あるいは改良する手法として、例えば、特許文献１には、モデルを定められた大きさの要素に分割する過程と、このモデルの要素に関する節点座標ベクトルに関する節点座標ベクトルについて固有値解析を行って固有ベクトルを算出する過程と、算出された固有ベクトルから形状の変更の候補を定める設計変数を生成する過程と、生成された設計変数を用いて構造最適化の解析を行う過程と、この構造最適化の結果を出力する過程と、を有するモデルの形状を修正して構造の最適化を行う設計システムにおける構造最適化方法が開示されている。この方法によれば、設計変更を行う際の設計変数の設定をコンピュータが自動で行うため、設計者のスキルに依存せずに最適な形状を導き出すことができるとされている。

また、特許文献２には、既存解析モデルが複数の部分解析モデルからなる複合的解析モデルである場合に、この複合的解析モデルについて、上記部分解析モデルのいずれかを変更対象部分解析モデルとして加えた形状変更を当該変更対象部分解析モデルに隣り合う隣接部分解析モデルに反映させることで、この隣接部分解析モデルに上記形状変更と連動した形状変更を加える連動変更処理を行う隣接部分解析モデル連動部を備えた、既存解析モデルに所望の形状変更を加えることで目的の解析モデルの作成を行う解析モデル作成システムが開示されている。このシステムによれば、既存解析モデルを利用して目的の複合的解析モデルを作成する場合に、部分的な形状変更等に伴うメッシュの歪み等を抑制して、目的解析モデルの生成をより省力的に行うことができるとされている。

特開２００２−１４９７１７号公報特開２００８−５２３３６号公報

従来のＣＡＤを用いた解析モデルの作成は、設計対象の構造物に類似した構造物の設計データを流用あるいは参考にして実行されることが多く、例えば、従来の構造物の設計データや振動解析データ等を集約したビッグデータを用いて、統計学的手法等を応用して設計する手法が考えられる。こうした従来の構造物の設計データや振動解析データ等をベースに設計を行った解析モデルでは、その構造物が正常に動作あるいは機能している状態での測定データが適用されるため、例えば振動データを入力した場合の演算結果では、その結果が異常であるかどうかの判別はできない。

このため、解析モデルによる演算結果から構造物の現在状態が正常か異常かを判別するためには、構造物の破壊限界等の具体的な異常時の測定データを取得しておき、解析モデルによる演算結果と当該異常時の測定データとを対比する手法が考えられる。しかしながら、このような異常時のデータを取得することは極めて困難であるため、あくまでも構造物が正常に動作あるいは機能している状態での測定データを基準に判別することとなり、結果として構造物の現在状態の判別精度を犠牲にせざるを得ないという問題があった。

そこで、本発明の目的は、構造物から測定した振動データを入力とし、その構造物の現在状態が正常か異常かを精度良く判別できる状態判別モデルの作成方法及びその作成システムを提供することにある。

上記課題を解決するために、本発明による、構造物に対する振動データを入力して当該振動データの診断を行う構造物の状態判別モデル作成方法は、前記構造物の振動モデルに模擬振動を入力して振動解析による演算を行うことにより正常振動データ及び異常振動データを得て、その後、得られた前記正常振動データ及び前記異常振動データを含むビッグデータに人工知能を含む機械学習及び統計学的手法を適用することにより、前記構造物の状態判別モデルを作成することを特徴とする。

また、本発明による、構造物に対する振動データを入力して当該振動データの診断を行う構造物の状態判別モデルの作成システムは、前記構造物の振動モデルを内蔵したデータ生成装置及び状態判別モデルを作成するモデル作成装置を含む演算ユニットと、前記データ生成装置で生成された前記振動データを記憶するデータベースと、を備え、前記データ生成装置は、前記振動モデルに模擬振動を入力して振動解析による演算を行うことにより正常振動データ及び異常振動データを得て前記データベースに転送し、前記モデル作成装置は、前記正常振動データ及び前記異常振動データを含むビッグデータに人工知能を含む機械学習及び統計学的手法を適用することにより、前記構造物に対する状態判別モデルを作成することを特徴とする。

かかる発明によれば、振動解析で得られた構造物の正常振動データ及び異常振動データを含むビッグデータに対して、人工知能を含む機械学習及び統計学的手法を適用して当該構造物の状態判別モデルを作成することにより、作成された状態判別モデルは、異常振動データを考慮した演算結果が得られるため、その構造物の現在状態が正常か異常かを精度良く判別できる。

本発明の代表的な一例による構造物の状態判別モデルの作成システムを示す概要図である。図１で示した解析モデルの構成を示す概略図であって、図２（ａ）は構造解析モデルを示し、図２（ｂ）は状態判別モデルを示す。本発明の代表的な一例による構造物の状態判別モデルの作成方法が実行する手順を示すフローチャートである。本発明による構造物の状態判別モデルの作成システムの代表的な適用例を示す概略図である。

以下、本発明の代表的な一例による構造物の状態判別モデルの作成方法及びその作成システムについて図面を用いて説明する。

図１は、本発明の代表的な一例による構造物の状態判別モデルの作成システムを示す概要図である。また、図２は、図１で示した解析モデルの構成を示す概略図であって、図２（ａ）は構造解析モデルを示し、図２（ｂ）は状態判別モデルを示す。本発明の代表的な一例による構造物の状態判別モデルの作成システム１００は、測定対象となる構造物の振動データを測定する振動センサ１１０と、構造物の異常を判別するための状態判別モデルを作成する演算ユニット１２０と、振動データを格納するデータベース１３０と、を含む。また、作成システム１００は、後述する図４に示すように、測定の開始指令や振動センサ１１０による測定条件を設定するための入力装置１４０と、この入力装置１４０によって入力された測定条件や構造物の各種情報さらには判別結果等を表示する表示装置１５０と、を含むように構成してもよい。

振動センサ１１０は、構造物の測定箇所に直接取り付けて振動を測定するタイプや、構造物に対して非接触でもその振動を検知できるタイプのいずれのものも適用できるが、例えば、圧電センサ等の振動変位を電気信号に変換して検出するタイプが用いられる。また、図１に示す具体例において、振動センサ１１０は、測定した振動データにその取得位置（場所）や測定時刻等の固有情報を付加したもの接続線１１２を介して演算ユニット１２０に送信する。

演算ユニット１２０は、測定対象である構造物を模擬した構造解析モデルＳＭを含むデータ生成装置１２２と、データベース１３０に格納された振動データを用いて状態判別モデルＤＭを生成するモデル作成装置１２４と、を含む。なお、演算ユニット１２０は、図１に示す構造物の状態判別モデルの作成システム１００全体の動作を制御する中央制御装置（図示せず）を含んでもよい。

データベース１３０は、正常振動データ１３４及び異常振動データ１３６を含むビッグデータ１３２を格納する記憶手段として構成される。正常振動データ１３４及び異常振動データ１３６は、上記したデータ生成装置１２２の構造解析モデルＳＭで出力されたものや、同一の構造物について過去に取得された実際の振動データ、あるいは対象となる構造物に類似する構造物で故障等の異常が発生した際の振動データ等、様々な条件あるいは環境で生成又は測定されたものを含み得る。

ここで、データベース１３０は、ビッグデータ１３２として、振動データとともに当該振動データを測定した振動センサ１１０の設置位置や、その判別結果が異常であった場合の異常発生位置（範囲）、あるいはその異常の深刻度といった情報を付加して保存しておいてもよい。これらの追加情報は、構造解析モデルＳＭで正常振動データ１３４あるいは異常振動データ１３６を生成する際や、状態判別モデルＤＭを作成する際に参照される。

演算ユニット１２０に含まれるデータ生成装置１２２は、構造解析モデルＳＭに模擬的振動（例えば振動センサ１１０からの入力用データ等）を入力し、数値演算による結果を振動データとしてデータベース１３０に出力する。ここで、図２（ａ）に示すように、構造解析モデルＳＭは、例えば有限要素法等の数値解析手法によって構造物を模擬したモデルであって、ＣＡＥ等による構造物の設計図面に基づいて、当該構造物に欠陥等の不良がない正常振動解析モデルＳＭ１と構造物の一部に意図的に欠陥等の不良部分を形成した異常振動解析モデルＳＭ２とを含むものとして構成される。

データ生成装置１２２の構造解析モデルＳＭから出力された振動データは、正常振動解析モデルＳＭ１の演算結果による正常振動データ１３４と、異常振動解析モデルＳＭ２の演算結果による異常振動データ１３６とを含むビッグデータ１３２として、データベース１３０に送信される。なお、データ生成装置１２２は、異常振動データ１３６の出力値が所定の閾値を超えた場合に、当該異常振動データ１３６に異常の深刻度を示す情報を追加する機能をさらに有してもよい。このとき、異常振動データ１３６には、上記不良部分の重要度あるいは深刻度に応じて、異常の重みづけを示すデータがさらに付加されてもよい。

通常、正常振動データ１３４は、構造物が正常に機能あるいは動作している場合に出力される振動データであるため、構造物の設計データをそのまま適用したモデルを用いて演算することができる。一方、異常振動データ１３６は、構造物に敢えて異常な箇所や過負荷等が発生した状態を模擬しなければ取得が困難である。そこで、本発明では、例えば異常振動解析モデルＳＭ２として、振動モデルの一部に意図的に不良部分を含ませたものを作成し、これに模擬振動を入力して振動解析による演算を行うことにより異常振動データ１３６を得る。このとき、上記した不良部分は、振動モデルの複数箇所に設けてもよい。

また、異常振動データ１３６を得る手法として、異常診断解析モデルＳＭ２に過大あるいは過小な模擬振動を入力した状態で、振動解析による演算を行って得るようにしてもよい。これらの手法により、様々なパターンの異常振動データ１３６を模擬的に取得することが可能となる。

一方、モデル作成装置１２４は、後述するデータベース１３０にアクセスしてビッグデータ１３２から正常振動データ１３４及び異常振動データ１３６を読み込み、これらの振動データに対して人工知能を含む機械学習及び統計学的手法を適用することにより、構造物に対応した状態判別モデルＤＭを作成する。ここで、モデル作成装置１２４では、状態判別モデルＤＭを作成するにあたり、多量の振動データからなるビッグデータ１３２を用いて、統計解析を中心とした手法や、データマイニング、機械学習、ディープラーニング等のニューラルネットワークを応用した手法等の様々な手法を組合せて適用することができる。また、モデル作成装置１２４は、随時更新されるビッグデータ１３２に定期的にアクセスして、状態判別モデルＤＭを修正あるいは更新するようにしてもよい。

状態判別モデルＤＭは、図２（ｂ）に示すように、入力した振動データが構造物を伝播して出力した場合の出力振動データを演算する振動伝播モデルＤＭ１と、入力した振動データが構造物を伝播したときにその振動が構造物に与える負荷や変位等を演算する状態出力モデルＤＭ２とを含むものとして構成される。なお、本実施例では、振動伝播モデルＤＭ１と状態出力モデルＤＭ２とを別々のモデルとして定義した場合を例示しているが、構造物を模擬したモデルを共通化し、当該モデルに上記した出力振動データを演算する機能と構造物の状態出力を演算する機能とを持たせるように構成してもよい。

振動伝播モデルＤＭ１は、多数の振動データ取得場所の箇所に対する正常振動データ１３４及び異常振動データ１３６をそれぞれ予め読込み、これらに人工知能を含む機械学習および統計学的手法を適用して演算ルールを生成する。その結果として、例えば、構造物を模したモデルの所定の入力位置に何らかの振動データ（振動センサ１１０で測定された振動データ）を入力した際に、その振動が構造物内を伝播して所定の出力位置に出力した場合の出力振動データを演算して出力する。このとき、振動伝播モデルＤＭ１は、演算した出力振動データが所定の閾値を超えたか否かで正常か異常かを判別したり、あるいは既にデータベース１３０に保存されている正常振動データ１３４又は異常振動データ１３６と対比して正常か異常かを判別し、その情報を出力振動データに付加する機能を有してもよい。

一方、状態出力モデルＤＭ２は、多数の振動センサ１１０から取得された振動データをそれぞれ振動伝搬モデルＤＭ１に与えて演算させた結果や、データベース１３０に格納されている個々の振動センサの情報（センサの位置、異常な振動データと判別された際の構造物全体への影響度、あるいは異常な振動データの深刻度等の付加的情報）を入力として、これらの振動データに人工知能を含む機械学習および統計学的手法を適用して演算ルールを生成する。その結果として、例えば、振動センサ１１０で測定された振動データを入力した際に、その測定位置や測定時刻等の固有情報を参照して、入力された振動データが構造物の形状や材質等の特性に照らして正常な振動状態を表すのか、あるいは異常な振動状態を表すのかを演算して出力する。

このとき、状態出力モデルＤＭ２は、データベース１３０に格納されている個々の振動センサの情報（センサの位置、異常な振動データと判別された際の構造物全体への影響度、あるいは異常な振動データの深刻度等の付加的情報）とを考慮して、構造物における異常の発生部位（範囲）やその深刻度を判別する。また、状態出力モデルＤＭ２は、複数位置での振動データを同時に入力し、これら複数位置の演算結果を構造物全体の評価として統合する機能を有するように構成してもよい。

図３は、本発明の代表的な一例による構造物の状態判別モデルの作成方法が実行する手順を示すフローチャートである。図３に示すように、演算ユニット１２０は、まず振動解析モデルＳＭに入力される模擬振動データを取得する（ステップＳ１）。このとき、模擬振動としては、例えば構造物に取り付けた１つあるいは複数の振動センサ１１０から取得されたものを適用できる。

続いて、演算ユニット１２０のデータ生成装置１２２は、振動解析モデルＳＭの正常振動解析モデルＳＭ１を読み出し（ステップＳ２）、当該正常振動解析モデルＳＭ１に模擬振動データを入力して正常振動データ１３４を演算させ、データベース１３０に出力する（ステップＳ３）。

次に、データ生成装置１２２は、振動解析モデルＳＭの異常振動解析モデルＳＭ２を読み出し（ステップＳ４）、当該異常振動解析モデルＳＭ２に模擬振動データを入力して異常振動データ１３６を演算させ、データベース１３０に出力する（ステップＳ５）。このとき、異常振動モデルＳＭ２を複数用意しておき、１つの模擬振動データから複数の異常振動データを生成するようにしてもよい。そして、データベース１３０は、データ生成装置１２２から出力された正常振動データ１３４及び異常振動データ１３６をビッグデータ１３２に追加してデータを更新する（ステップＳ６）。

続いて、演算ユニット１２０は、モデル作成装置１２４にデータベース１３０から正常振動データ１３４及び異常振動データ１３６を含むビッグデータ１３２を読み込む（ステップＳ７）。このとき、読み込まれる振動データは、ビッグデータ１３２のすべてを読み込んでも良いし、例えば構造物の特定箇所に振動を入力した場合のデータのみ等の所定のフィルタリングをかけたものを読み込んでも良い。

次に、モデル作成装置１２４は、読み込んだ正常振動データ１３４及び異常振動データ１３６に対して、人工知能を含む機械学習及び統計学的手法を適用することにより、構造物に対応した状態判別モデルＤＭを作成し（ステップＳ８）、状態判別モデルＤＭの作成を終了する。このとき、対象となる構造物に対して状態判別モデルＤＭを新規に作成した場合はこれを新たに保存し、既に作成された状態判別モデルＤＭを保有している場合は、既存のモデルに対して新たに作成したモデルを上書き更新して保存する。これにより、本発明による構造物の状態判別モデルの作成方法では、正常振動データだけでなく、構造物に対する異常振動データをも考慮した状態判別モデルが作成される。

図４は、本発明による構造物の状態判別モデルの作成システムの代表的な適用例を示す概略図である。図４に示すように、本発明による構造物の状態判別モデルの作成システム１００は、例えば、トンネル１０やビル２０等の建築物、あるいは走行するバス３０等の輸送手段に適用される。本実施例において、作成システム１００の振動センサ１１０は、トンネル１０やビル２０の壁面あるいはバス３０の車体等の振動が伝達して測定可能な箇所に取り付けられる。

なお、振動センサ１１０からの信号は、図１に示すように演算ユニット１２０と接続線１１２を介して有線で送信されても良いし、図４に示すように電磁波等の無線接続により送信されてもよい。これにより、振動の測定位置が演算ユニット１２０から離れた遠隔地にあった場合であっても、当該遠隔地で測定された振動データを用いて構造物の状態判別モデルを作成することができる。

振動センサ１１０で取得された振動データは演算ユニット１２０に送信され、この振動データを受信した演算ユニット１２０において、図３に示した手順にしたがって測定対象である構造物の状態判別モデルの作成を実行する。ここで、演算ユニット１２０は、作成した状態判別モデルＤＭを用いて、振動センサ１１０で測定した振動データが正常であるか異常であるかの診断を行ったり、あるいは測定した振動データを用いて構造物の現在状態を判別する判別装置（図示せず）をさらに含むように構成してもよい。このとき、判別装置は、構造物における異常の発生部位（範囲）やその深刻度を判別する機能を有するのが好ましい。

また、演算ユニット１２０は、上記した判別装置において診断した振動データが異常と判別された場合に、警報を発する警報装置（図示せず）をさらに含むように構成してもよい。警報装置としては、例えば、ブザーやサイレン等の音声によるものや、ランプあるいはモニター等の表示によるもの、さらにはこれらを組合せたもの等が適用できる。

さらに、測定対象が移動する輸送手段等の場合には、図４に示した状態判別モデルの作成システム１００を構造物（バス３０等の輸送手段）に搭載するように構成してもよい。このような構成であれば、測定した振動データを遠隔地に送信するのが困難な環境であっても、常時最新の振動データに基づいて状態判別モデルＤＭを作成あるいは更新することが可能となる。

このとき、構造物に演算ユニット１２０のみを搭載する軽量な構成を選択してもよい。このような軽量な構成であれば車載機器等の１機能として構成することも可能となる。

以上のような構成を備えることにより、本発明による構造物の状態判別モデルの作成方法及びその作成システムは、データベースに格納されている正常振動データ及び異常振動データを含むビッグデータに基づいて、人工知能を含む機械学習及び統計学的手法を用いることにより状態判別モデルを作成する。このため、作成された状態判別モデルは、異常振動データを考慮した演算結果が得られることにより、その構造物の現在状態が正常か異常かを精度良く判別できる。

以上、本発明による実施例及びこれに基づく変形例を説明したが、本発明は必ずしもこれらの例に限定されるものではない。また、当業者であれば、本発明の主旨又は添付した特許請求の範囲を逸脱することなく、様々な代替実施例及び改変例を見出すことができるであろう。

また、上記した具体例では、本発明による構造物の状態判別モデルの作成システムを建築物や車両等に適用した場合を例示したが、振動が伝達するものであれば、例えば山や河川等の地震振動を測定したり、あるいは航空機や船舶等の車両以外の輸送機器の振動測定に適用してもよい。

１０トンネル
２０ビル
３０バス
１００構造物の状態判別モデルの作成システム
１１０振動センサ
１１２接続線
１２０演算ユニット
１２２データ生成装置
１２４モデル作成装置
１３０データベース
１３２ビッグデータ
１３４正常振動データ
１３６異常振動データ
１４０入力装置
１５０表示装置

Claims

構造物に対する振動データを入力して当該振動データの診断を行う構造物の状態判別モデル作成方法であって、
前記構造物の振動モデルに模擬振動を入力して振動解析による演算を行うことにより正常振動データ及び異常振動データを得て、
その後、得られた前記正常振動データ及び前記異常振動データを含むビッグデータに人工知能を含む機械学習及び統計学的手法を適用することにより、前記構造物の状態判別モデルを作成することを特徴とする構造物の状態判別モデル作成方法。
前記異常振動データは、前記振動モデルの一部に意図的に不良部分を含ませた状態で、振動解析による演算を行って得られたものであることを特徴とする請求項１に記載の構造物の状態判別モデル作成方法。
前記不良部分は、前記振動モデルの複数箇所に設けられたものであることを特徴とする請求項２に記載の構造物の状態判別モデル作成方法。
前記異常振動データは、前記振動モデルに過大あるいは過小な模擬振動を入力した状態で、振動解析による演算を行って得られたものあることを特徴とする請求項１に記載の構造物の状態判別モデル作成方法。
前記異常振動データの出力値が所定の閾値を超えた場合に、当該異常振動データに異常の深刻度を示す情報を追加することを特徴とする請求項１〜４のいずれか１項に記載の構造物の状態判別モデル作成方法。
構造物に対する振動データを入力して当該振動データの診断を行う構造物の状態判別モデルの作成システムであって、
前記構造物の振動モデルを内蔵したデータ生成装置及び状態判別モデルを作成するモデル作成装置を含む演算ユニットと、前記データ生成装置で生成された前記振動データを記憶するデータベースと、を備え、
前記データ生成装置は、前記振動モデルに模擬振動を入力して振動解析による演算を行うことにより正常振動データ及び異常振動データを得て前記データベースに転送し、
前記モデル作成装置は、前記正常振動データ及び前記異常振動データを含むビッグデータに人工知能を含む機械学習及び統計学的手法を適用することにより、前記構造物に対する状態判別モデルを作成することを特徴とする構造物の状態判別モデルの作成システム。
前記振動モデルは、その一部に意図的に不良部分を含むことを特徴とする請求項６に記載の構造物の状態判別モデルの作成システム。
前記不良部分は、前記振動モデルの複数箇所に設けられたものであることを特徴とする請求項７に記載の構造物の状態判別モデルの作成システム。
前記データ生成装置は、前記振動モデルに過大あるいは過小な模擬振動を入力した状態で振動解析による演算を行うことにより、前記異常振動データを得ることを特徴とする請求項６に記載の構造物の状態判別モデルの作成システム。
前記データ生成装置は、前記異常振動データの出力値が所定の閾値を超えた場合に、当該異常振動データに異常の深刻度を示す情報を追加する機能をさらに有することを特徴とする請求項６〜９のいずれか１項に記載の構造物の状態判別モデルの作成システム。