JP6735034B2 - 構造物異常検知装置、構造物異常検知方法、記録媒体及び構造物異常検知システム - Google Patents

Description

本発明は、構造物異常検知装置、構造物異常検知方法、記録媒体及び構造物異常検知システムに関する。

建築物などの構造物に生じる劣化や異常を非破壊で検知することが望まれている。例えば、構造物としての橋梁の点検においては、検査路に検査員が赴き、目視やハンマー打音検査等による異常の検知（接触検査）を行い、優先的に補修すべき箇所を特定している。この接触検査は、耳で聴いた音で異常を判断するため、異常を定量的に判断することができない上、労働集約的であり作業効率が悪く、コストもかさむ傾向がある。

一般に、構造物の異常検知システムにおいては、加速度計を典型とする計測装置を構造物に規則的に配置し、構造物に局部振動を与えた時の計測結果から振動モードを求め、構造物が正常である時の振動モードからの変化の度合いを計算することで、各構造物の異常を判定している。

しかしながら、従来の異常検知システムでは、複数箇所に異常がある場合に異常として考えられるパターンをあらかじめモデル化しておかない限り、異常を検出できない。また、異常箇所の特定も不可能であると言う問題点があった。

複数位置における検査情報の関係性を利用して構造物の異常を検知するという構成を備えた構造物異常検知装置及び構造物異常検知方法が望まれていた。

そこで、本発明の目的は、複数位置の検査情報に基づいて、インフラ構造物の検査を効率化しコストを低減することができる構造物異常検知装置、構造物異常検知方法、記録媒体及び構造物異常検知システムを提供することである。

上記目的を達成するために、本発明の構造物異常検知装置は、
構造物の異常を検知する構造物異常検知装置であって、
第１の検査位置で取得される第１の検査値から、前記構造物の固有振動数における、所定の振動モードでの振動時の振動強度が第１の検査位置と同程度となる位置である第２の検査位置で取得される第２の検査値を予測するモデルを記憶する手段と、
特定時刻において取得した前記第１の検査値と前記第２の検査値の、前記モデルに対する適合度を評価することで、前記構造物の異常を検知する手段と、
を含むことを特徴としている。

また、上記目的を達成するために、本発明の構造物異常検知方法は、
構造物の異常を検知する構造物異常検知方法であって、
第１の検査位置で取得される第１の検査値から、前記構造物の固有振動数における、所定の振動モードでの振動時の振動強度が第１の検査位置と同程度となる位置である第２の検査位置で取得される第２の検査値を予測するモデルを記憶するステップと、
特定時刻において取得した前記第１の検査値と前記第２の検査値の、前記モデルに対する適合度を評価することで、前記構造物の異常を検知するステップと、
を含むことを特徴としている。

また、上記目的を達成するために、本発明の構造物異常検知プログラムは、
少なくとも一つのコンピュータ装置に以下の機能を実現させることが可能であり、構造物の異常を検知する構造物異常検知プログラムであって、
第１の検査位置で取得される第１の検査値から、前記構造物の固有振動数における、所定の振動モードでの振動時の振動強度が第１の検査位置と同程度となる位置である第２の検査位置で取得される第２の検査値を予測するモデルを記憶する機能と、
特定時刻において取得した前記第１の検査値と前記第２の検査値の、前記モデルに対する適合度を評価することで、前記構造物の異常を検知する機能と、
を含むことを特徴としている。

本発明によれば、インフラ構造物の異常検査を効率化し、コストを低減することができる。

構造物の異常を検知する構造物異常検知装置の機能構成を説明するブロック図である。 実施形態１において、橋梁の路面（床板）とその上を走行する車両とセンサとの関係を示す模式図である。 実施形態１における周波数と振動強度の関係を示したグラフである。 実施形態２において、橋梁の路面（床板）とその上を走行する車両とセンサとの関係を示す模式図である。 実施形態３において、橋梁の路面（床板）とその上を走行する車両とセンサとの関係を示す模式図である。 実施形態３における振動加速度と時刻の関係を示したグラフである。

本明細書において、「構造物」とは、例えば、ビル、住宅、橋梁などのコンクリートを用いて建造された建築物を指す。ただし、構造物は、パイプラインや上下水道などの配管であってもよい。更に、構造物は、金属を用いて構築された構造物（例えば鉄橋や、重機及び建機などの機械）であってもよい。また、構造物に生じる「異常」とは、亀裂、ボルトの脱落、ひび割れ、遊離石灰の発生などを含むことができる。

また、以下説明する各実施形態では、橋梁に伝播する振動は、橋梁を走行する車両から与えられる。しかしながら、橋梁などの構造物を伝播する振動は、構造物異常検知装置に加振手段を設け、この加振手段によって構造物に加えることもできる。車両に起因した振動を利用する場合、一般的に、重量が異なる複数種類の車両がセンサを通過するため、構造物を伝播する振動の振幅は様々になる。このため、構造物異常検知装置は、複数の振幅の共振状態情報を得ることができる。

以下、本発明を適用した各実施形態を、添付図面を参照して具体的に説明する。以下説明する実施形態は例示として説明するものであり、本発明を限定するものではないことは言うまでもない。

図１は、以下説明する各実施形態で用いられ、構造物の異常を検知する構造物異常検知システムの機能構成を説明するブロック図である。

図１において、構造物異常検知装置１（以下「異常検知装置」と称する）は、複数の検査値から予め予測して作成されたモデルを記憶したモデル記憶部１０と、予測検査値生成部１１と、異常判定部１２と、異常の有無を表示する表示部１４とから構成されている。

予測検査値生成部１１において、センサ１５で検知した第１の検査位置で取得される第１の検査値から、構造物の固有振動数における、所定の振動モードでの振動時の振動強度が第１の検査位置と同程度となる位置である第２の検査位置で取得される第２の検査値の予測検査値が生成される。また、異常判定部１２では、予測検査値生成部１１で得られた第２の検査位置の予測検査値と第２の検査位置においてセンサ１６が実測した検査値とを比較し、モデルに対する適合度を評価し、異常の有無を判定する。異常判定部１２では、異常の有無だけでなく、異常の程度を判定することもできる。

異常判定部１２からの情報は表示部１４に表示される。異常が発見された場合は、表示部１４は補修の指示を出すこともできる。また、モデル記憶部１０、予測検査値生成部１１、異常判定部１２、表示部１４を含むユニット１３は、構造物異常検知プログラムを記録した記録媒体（不図示）を備える。ユニット１３は、構造物異常検知プログラムとして、当該記録媒体と少なくとも一つのコンピュータを用いて、上記各機能を実行させることができる。その場合、一部または全てをクラウド化することもできる。記録媒体としては例えば、ハードディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、磁気テープ、不揮発性メモリカード、ＲＯＭを用いることができる。

図２は、構造物としての橋梁の路面（床板）とその上を走行する車両とセンサとの関係を示す模式図である。橋梁２０の路面を構成する床板２１上を車両２２が矢印方向に進行する。床板２１には、車両２２の通過する複数の検査位置に、振動を感知する複数のセンサＡ乃至Ｆが設けられている。センサが取得する振動データを記憶するストレージ（不図示）を設けることができる。センサＡ乃至Ｆ、ストレージ、構造物異常検知装置１を組み合わせることで構造物異常検知システムを構築することが可能である。各センサからの振動データはリアルタイムに収集することも可能である。

センサＡ乃至Ｆとしては、振動加速度を計測する振動センサ、変位を計測する変位センサ、歪を計測する歪センサ、音響を計測する音響センサを用いることができる。センサＡ乃至Ｆは、振動による変化を検知しやすい床板の裏に配置することが好ましい。これは、車両からの影響を小さくするためである。また、橋梁２０に直接配置せず、レーザーによる計測やカメラによる撮影により、遠方から検知するタイプのセンサであっても良い。更に、橋梁２０の周辺の気温、湿度、風速に代表される外部環境の情報や、路面の温度等の情報を検知するセンサを含んでも良い。

（実施形態１）
以下、本発明の実施形態１を説明する。構造物が正常である時、図２に示す複数のセンサＡ乃至Ｆにより取得した振動の時系列データを周波数データに変換し、各センサの周波数データの相関関係から予測したモデルを生成する。実施形態１で用いるセンサは、振動センサや変位センサであることが好ましい。時系列データは、周波数の異なる波が位相のずれも含んで重なり合っているデータであるが、周波数変換することで、位相の影響を取り除く事ができる。

ここで、モデルの生成について説明する。センサＡの値からセンサＢの値を予測するための関係式（予測式）を算出する。モデル化の際は、各センサからのデータの時間遅れを考慮しながら、センサＡ及びセンサＢのデータを小単位のデータにそれぞれ分割した上で、センサＡからセンサＢまたはセンサＢからセンサＡを、回帰モデル等を使って小単位毎に予測し、その際の係数に関して最小２乗法で探索的に最適値を算出し、相関度が最も大きいものを採用する。これ以外の方法で関係式を算出することもできる。

算出された関係式から得られた相関度が所定の値以上の場合に、それらのセンサの組は相関度が高いと判断する。あるいは、この相関度はセンサＢの値からセンサＡの値の予測においても定義でき、センサＡからセンサＢを予測する際の相関度、センサＢからセンサＡを予測する際の相関度がそれぞれ所定の値以上の場合に相関度が高いと判断しても良い。なお、ここでの相関度は、実測値と予測値の差が小さいほど大きくなる指標であれば良く、差の絶対値または二乗の総和や平均の逆数や、その他の指標であっても良い。モデル生成時は、相関度が高いセンサの組のみをモデル化しても良いし、全てのセンサ組をモデル化しても良い。

ここでは、生成したモデルを用いて予測した値と実測値とのずれから相関度を判定して、異常の有無を判断する。モデル化した際の予測値と実測値の差の絶対値の最大値より、任意の時点の実測値と予測値の差の絶対値が上回った時に異常が発生していると判断する。あるいは、モデル化する際の誤差も考慮し、最大値に一定の係数を乗じた上で、その値を上回った時に異常と判断しても良い。また、前記条件を満たすような実測値と予測値の差が生じる事象が特定の時刻で単発的に発生している場合には、異常が発生している確度が低い可能性があるため、周辺時刻との差の平均を取り、それが所定の値以上である場合に異常が発生していると判断しても良い。それ以外の方法で異常を検知しても良い。複数のセンサ位置で異常が発生していると判断される場合は、予測値との誤差が所定以上となる組み合わせが多いセンサほど、その異常度が高いと判断することができる。

ここで、周波数変換データの相関について説明する。各時系列データについて、その振幅が最大となる時点から、十分に減衰するまでの一定時間（車がある地点を通過し、その地点に対する車の加振の影響がなくなるまでの時間。実際には数秒程度）のデータを周波数変換し、周波数変換データの相関関係を利用した異常検知を行う。つまり、図２において、車両２２がセンサＡの上を通過し始めてからセンサＣの上を通過し終わって初めてデータが取得でき、センサ間の比較ができるようになる。モデル化の際も、橋梁２０が正常な状態の時に、加振源となる車両２２がセンサＡの上を通過し、センサＣの上を通過し終わって得られるセンサＡ〜センサＣの周波数変換データによってモデル化することができる。異常検知の際も同様して処理を行う。

上記のような処理にするため、隣接するセンサの時系列データにおいて、振幅が最大となる点が僅かな時刻のずれで生じている場合、それらは同一の加振源による加振の影響を受けていると判断し、その振幅が最大となる点の探索を行い、そこから一定時間分の信号を切り出す処理を行う。その後、切り出した区間の信号に対し周波数変換を行う。

構造物の異常時には振動特性が変化すると考えられ、その振動特性の変化をタイムリーに検知することができる。言い換えると、構造物の異常時に現れると考えられる障害原因箇所を境にした各センサの振動特性の変化の差を検出することができる。結果として、位相の影響を除いた周波数のみでの比較ができ、精度良く異常を検知することができる。

図２において、橋梁２０の正常時にはセンサＡ、Ｂ、Ｃ間に相関関係が成立するが、センサＣの位置に異常が検知されると、センサＡとセンサＢとの間には相関関係が成立するが、センサＣに対しては成り立たない。これをグラフに表したのが図３である。この場合センサＣの位置に亀裂２５（図２）が生じているとしている。

図３は、車両がセンサＡの位置を通過して、センサＣの地点を過ぎるまでの特定の期間データを用いて、周波数と振動強度の関係を示したグラフである。正常時には、センサＡ、Ｂ、Ｃの相関がみられるが、異常時にはセンサＣの検査値が相関からずれていることがグラフから分かる。

正常時における相関関係は、異常の発見された箇所の補修が行われた後は、補修後のデータに更新されて、正常時の相関関係となる。

ここで「時系列データ」について説明する。時系列データとは、異なる時刻に計測されたデータの系列である。連続的（時間間隔が密）に計測されたデータであっても良いし、非連続的に計測されたデータでも良い。また、計測間隔は、等間隔である必要はない。

相関関係は同一時刻における各センサの値からのみ判断するので、必ずしも同一の計測項目でなくても良い。各センサの値が全て変位、あるいは全て振動加速度となっていなくても良く、複数の計測項目が混在したデータであっても良い。例えば、モデル化する期間とは異なる期間のデータを使って異常検知することも可能である。

また、確率分布モデルを用いれば、センサのデータの間に成り立つ相関関係を、センサのデータが所定の値となる確率で規定することができる。確率分布モデルにおいて稀な確率で発生する検査値がセンサから得られた場合、検査値が予測検査値とずれているとみなすことができ、そのずれの大きさは確率の逆数に基づいて決定される量で代替可能である。この確率分布モデルの特徴を用いれば、確率分布モデルを用いて異常検知することも可能である。

（実施形態２）
実施形態２では、実施形態１で説明した周波数変換データのうち、振動モードが同一の床板において、正規化した周波数変換データの各モードの固有振動数における振動強度が同程度となる点の周波数変換データの相関関係をモデル化して、構造物の異常を検知する。

実施形態２においても、センサは振動センサや変位センサであることが好ましい。実施形態１と同様に、生成したモデルを用いて予測した値と実測値とのずれを見て、異常を検知することができる。異常時に現れると考えられる障害原因箇所を境にした各センサの振動特性の変化の差が現れた時、異常として検出する。

図４は、実施形態２において、橋梁の路面（床板）とその上を走行する車両とセンサとの関係を示す模式図である。正常時のモデルでは、センサ５とセンサ２３間については、相関関係が成立するが、センサ２とセンサ５間とセンサ２とセンサ２３間には成立していない。ここで、例えばセンサ２３の位置に異常が発生していると、センサ５とセンサ２３の間にも相関関係が成立しなくなり、異常が発生していることを検知できることになる。なお、図４では、右側の床板２１は一部図示されていないため、センサ２３が床板２１の右寄りに描かれているが、実際にはセンサ５もセンサ２３も、ほぼ同じ長さを持つ床板２１のほぼ同じ位置（中央付近）に設けられている。ほぼ同じ位置に設けられ、その挙動が似ていることにより、相関関係が生じる。

実施形態２では、実施形態１と異なり、複数のセンサ全ての振動データを用いることなく、特定のセンサだけの振動データ（検査値）のみをサンプリングして、異常を検知することが可能となる。

実施形態２によれば、類似の挙動をとるセンサ間の関係のみをモデル化するため、精度の良いモデルの生成及び精度の良い異常検知が可能となる。

（実施形態３）
実施形態３では、時系列データの相関関係を利用して異常を検知する。各センサにより取得した時系列データからセンサ間の相関関係をモデル化し、そのモデルと実測値を比較することで異常を検知する。

実施形態３では、異常時に発生すると考えられる、伝搬する信号の減衰（強度の低下）や、伝搬速度の変化が見られた時、モデルと実測値を比較することで相関度を判定し、異常として検知する。

図５は、実施形態３において、橋梁３０の路面（床板）３１とその上を走行する車両３２とセンサとの関係を示す模式図である。図２と同様に、正常時には、センサＡ、Ｂ、Ｃの相関がみられるが、異常時にはセンサＣの検査値が相関からずれていることが図６に示すグラフから分かる。センサＣの位置に亀裂３４が生じている。

図６は、車両がセンサＡの位置を通過して、センサＣの地点を過ぎるまでの期間データを用いて、振動加速度と時刻の関係を示したグラフである。センサＣの検査位置において相関関係が成立していないことから、センサＣの位置において異常（亀裂３４）が発生していることが分かる。

実施形態３によれば、実施形態１と違い、周波数変換の処理をする必要がないため、処理を高速に行うことができる。

（実施形態４）
実施形態４では、実施形態２の異常検出方法を時系列データに対して行う。あらかじめ正規化した周波数変換データの固有振動数における振動強度が同程度（差が所定の値以内）となる点同士で、その時系列データの相関関係を用いてモデルを生成し、異常検知を行う。この場合、実施形態２に比べて、異常検知の際に周波数変換の処理を行う必要がないため、処理を高速に行うことができる。

以上、本発明の好ましい実施形態について説明したが、本発明はこれらの実施形態に限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、橋梁の振動データを取得する場合、走行する車両を加振源としているが、車両とは別の加振源を用いることもできる。また、センサは等間隔で設ける必要はなく、任意の間隔で設けることができる。

上記の実施形態の一部または全部は、以下の付記のようにも記載されうるが、以下には限らない。

（付記１）構造物の異常を検知する構造物異常検知装置であって、第１の検査位置で取得される第１の検査値から、前記構造物の固有振動数における、所定の振動モードでの振動時の振動強度が第１の検査位置と同程度となる位置である第２の検査位置で取得される第２の検査値を予測するモデルを記憶する手段と、特定時刻において取得した前記第１の検査値と前記第２の検査値の、前記モデルに対する適合度を評価することで、前記構造物の異常を検知する手段と、を含むことを特徴とする構造物異常検知装置。

（付記２）前記記憶する手段は、前記第１の検査値及び前記第２の検査値を周波数変換して得られる周波数変換データの相関関係に基づき前記モデルを記憶することを特徴とする付記１に記載の構造物異常検知装置。

（付記３）前記記憶する手段は、前記第１の検査値及び前記第２の検査値を周波数変換して得られる周波数変換データを正規化し、前記固有振動数における前記振動強度が同程度となる前記周波数変換データの相関関係に基づき前記モデルを記憶することを特徴とする付記１に記載の構造物異常検知装置。

（付記４）構造物の異常を検知する構造物異常検知方法であって、第１の検査位置で取得される第１の検査値から、前記構造物の固有振動数における、所定の振動モードでの振動時の振動強度が第１の検査位置と同程度となる位置である第２の検査位置で取得される第２の検査値を予測するモデルを記憶するステップと、特定時刻において取得した前記第１の検査値と前記第２の検査値の、前記モデルに対する適合度を評価することで、前記構造物の異常を検知するステップと、を含むことを特徴とする構造物異常検知方法。

（付記５）前記記憶するステップにおいて、前記第１の検査値及び前記第２の検査値を周波数変換して得られる周波数変換データの相関関係に基づき前記モデルを記憶することを特徴とする付記４に記載の構造物異常検知方法。

（付記６）前記記憶するステップにおいて、前記第１の検査値及び前記第２の検査値を周波数変換して得られる周波数変換データを正規化し、固有振動数における前記振動強度が同程度となる前記周波数変換データの相関関係に基づき前記モデルを記憶することを特徴とする付記４に記載の構造物異常検知方法。

（付記７）少なくとも一つのコンピュータ装置に以下の機能を実現させることが可能であり、構造物の異常を検知する構造物異常検知プログラムを記録した記録媒体であって、前記構造物異常検知プログラムは、第１の検査位置で取得される第１の検査値から、前記構造物の固有振動数における、所定の振動モードでの振動時の振動強度が第１の検査位置と同程度となる位置である第２の検査位置で取得される第２の検査値を予測するモデルを記憶する機能と、特定時刻において取得した前記第１の検査値と前記第２の検査値の、前記モデルに対する適合度を評価することで、前記構造物の異常を検知する機能と、を含むことを特徴とする記録媒体。

（付記８）前記記憶する機能では、前記第１の検査値及び前記第２の検査値を周波数変換して得られる周波数変換データの相関関係に基づき前記モデルを記憶することを特徴とする付記７に記載の記録媒体。

（付記９）前記記憶する機能では、前記第１の検査値及び前記第２の検査値を周波数変換して得られる周波数変換データを正規化し、固有振動数における振動強度が同程度となる前記周波数変換データの相関関係に基づき前記モデルを記憶することを特徴とする付記７に記載の記録媒体。

（付記１０）構造物異常検知システムであって、橋梁に配置され、振動データを取得するセンサと、前記センサが取得した振動データを記憶するストレージと、構造物異常検知装置と、を有し、前記センサから得られる前記橋梁の複数位置の前記振動データによって前記橋梁の異常を検知することを特徴とする構造物異常検知システム。

以上、実施形態（及び変形形態）を参照して本願発明を説明したが、本願発明は上記実施形態（及び変形形態）に限定されるものではない。本願発明の構成及び詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

この出願は、２０１５年１０月１３日に出願された日本出願特願２０１５−２０２０７５を基礎とする優先権を主張し、その開示の全てをここに取り込む。

Claims (9)

1. 構造物の異常を検知する構造物異常検知装置であって、
   第１の検査位置で取得される第１の検査値から、前記構造物の固有振動数における、所定の振動モードでの振動時の振動強度が第１の検査位置と同程度となる位置である第２の検査位置で取得される第２の検査値を予測するモデルを記憶する手段と、
   特定時刻において取得した前記第１の検査値と前記第２の検査値の、前記モデルに対する適合度を評価することで、前記構造物の異常を検知する手段と、
   を含むことを特徴とする構造物異常検知装置。
2. 前記記憶する手段は、前記第１の検査値及び前記第２の検査値を周波数変換して得られる周波数変換データの相関関係に基づき前記モデルを記憶することを特徴とする請求項１に記載の構造物異常検知装置。
3. 前記記憶する手段は、前記第１の検査値及び前記第２の検査値を周波数変換して得られる周波数変換データを正規化し、前記固有振動数における前記振動強度が同程度となる前記周波数変換データの相関関係に基づき前記モデルを記憶することを特徴とする請求項１に記載の構造物異常検知装置。
4. 構造物の異常を検知する構造物異常検知方法であって、
   第１の検査位置で取得される第１の検査値から、前記構造物の固有振動数における、所定の振動モードでの振動時の振動強度が第１の検査位置と同程度となる位置である第２の検査位置で取得される第２の検査値を予測するモデルを記憶するステップと、
   特定時刻において取得した前記第１の検査値と前記第２の検査値の、前記モデルに対する適合度を評価することで、前記構造物の異常を検知するステップと、
   を含むことを特徴とする構造物異常検知方法。
5. 前記記憶するステップにおいて、前記第１の検査値及び前記第２の検査値を周波数変換して得られる周波数変換データの相関関係に基づき前記モデルを記憶することを特徴とする請求項４に記載の構造物異常検知方法。
6. 前記記憶するステップにおいて、前記第１の検査値及び前記第２の検査値を周波数変換して得られる周波数変換データを正規化し、固有振動数における前記振動強度が同程度となる前記周波数変換データの相関関係に基づき前記モデルを記憶することを特徴とする請求項４に記載の構造物異常検知方法。
7. 少なくとも一つのコンピュータ装置に以下の機能を実現させることが可能であり、構造物の異常を検知する構造物異常検知プログラムであって、
   第１の検査位置で取得される第１の検査値から、前記構造物の固有振動数における、所定の振動モードでの振動時の振動強度が第１の検査位置と同程度となる位置である第２の検査位置で取得される第２の検査値を予測するモデルを記憶する機能と、
   特定時刻において取得した前記第１の検査値と前記第２の検査値の、前記モデルに対する適合度を評価することで、前記構造物の異常を検知する機能と、
   を含むことを特徴とする構造物異常検知プログラム。
8. 前記記憶する機能では、前記第１の検査値及び前記第２の検査値を周波数変換して得られる周波数変換データの相関関係に基づき前記モデルを記憶することを特徴とする請求項７に記載の構造物異常検知プログラム。
9. 前記記憶する機能では、前記第１の検査値及び前記第２の検査値を周波数変換して得られる周波数変換データを正規化し、固有振動数における振動強度が同程度となる前記周波数変換データの相関関係に基づき前記モデルを記憶することを特徴とする請求項７に記載の構造物異常検知プログラム。

Images