JP7341414B2 - 損傷度予測装置、学習済モデル、及び学習済モデルの生成方法 - Google Patents
損傷度予測装置、学習済モデル、及び学習済モデルの生成方法 Download PDFInfo
- Publication number
- JP7341414B2 JP7341414B2 JP2020044696A JP2020044696A JP7341414B2 JP 7341414 B2 JP7341414 B2 JP 7341414B2 JP 2020044696 A JP2020044696 A JP 2020044696A JP 2020044696 A JP2020044696 A JP 2020044696A JP 7341414 B2 JP7341414 B2 JP 7341414B2
- Authority
- JP
- Japan
- Prior art keywords
- beam structure
- damage
- distribution
- external force
- map
- 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.)
- Active
Links
Images
Landscapes
- Bridges Or Land Bridges (AREA)
Description
図1は、一実施形態に係る損傷度予測装置1の機能構成を例示する図である。損傷度予測装置1は、対象となる構造物に対し外力が与えられたときの損傷を予測するシステムである。対象となる構造物は、桟橋又は橋梁の梁構造体である。損傷度予測装置1は、対象となる構造物の損傷を、その構造物の構造解析によらずに機械学習を用いて予測する。
(1)桟橋又は橋梁の梁構造における劣化度分布又は健全性判定分布のマップ、
(2)その梁構造の平面形状、及び
(3)その梁構造に与えられる外力
を少なくとも含む。またこの教師データは、出力データ(又は目的変数)としてその梁構造にその外力が与えられたときの構造解析結果から得られるその梁構造の損傷状態を示す情報を少なくとも含む。この教師データは、少なくとも1つの桟橋又は橋梁に関するデータである。学習済モデルMは、学習装置2により生成される。
(a)対象となる構造物の点検結果から得られた梁構造における劣化度分布又は健全性判定分布のマップ、
(b)対象となる構造物における梁構造の平面形状、及び
(c)対象となる構造物に与えられる想定外力
を少なくとも含む。これらの説明変数に対し学習済モデルMから得られる目的変数(すなわち予測の結果)は、対象となる構造物の損傷状態を示す情報を少なくとも含む。出力手段14は、予測手段13が得た、構造物の損傷状態を示す情報を出力する。
損傷度予測装置1の動作説明に先立ち、本実施形態において用いられる機械学習モデルの概要を説明する。
図5は、教師データを準備する処理を例示するフローチャートである。ここでは、様々なサイズの桟橋を対象として、その各々に複数の解析条件(例えば、劣化度分布及び外力に関する条件)を与えて構造解析が実施される。構造解析には既知の構造解析ソフトウェア(例えば、株式会社フォーラムエイト製の「Engineer's Studio」など)が用いられる。構造解析の結果として損傷の範囲、損傷の度合い、及び損傷の割合のデータが得られる。これらのデータが教師データとして用いられる。
図12は、機械学習モデル9の学習処理を例示するフローチャートである。図12のフローは、例えば、損傷度予測装置1の管理者又はユーザから学習の指示が与えられたことを契機として開始される。あるいは、図12のフローは、所定量の教師データが蓄積されたことを契機として開始されてもよい。
図13は、損傷度の予測処理を例示するシーケンスチャートである。損傷度の予測は、ユーザからの要求に応じて行われる。
(ア)対象となる構造物の点検結果から得られた梁構造における劣化度分布又は健全性判定分布。
(イ)対象となる構造物における梁構造の平面形状。
(ウ)対象となる構造物に与えられる想定外力。
(a)対象となる構造物の点検結果から得られた梁構造における劣化度分布又は健全性判定分布のマップ、
(b)対象となる構造物における梁構造の平面形状、及び
(c)対象となる構造物に与えられる想定外力。
本発明は上述の実施形態に限定されるものではなく、種々の変形実施が可能である。以下、変形例をいくつか説明する。以下の変形例に記載された事項のうち2つ以上のものが組み合わせて用いられてもよい。
実施形態においては、劣化度分布のデータが、部分梁の識別子とその部分梁の劣化度との組を複数含む文字列のデータである例を説明した。しかし劣化度分布のデータ形式はこれに限定されない。例えば、図8に例示したような劣化度分布のマップ(すなわち画像)データが、劣化度分布のデータとして学習装置2に入力されてもよい。これは、学習及び予測のいずれの処理においても適用できる。なおこの場合、劣化度分布のデータをマップに変換する処理は省略されてもよい。
予測手段13は、所定の確率モデルを用いて将来の劣化度又は健全性を予測してもよい。この確率モデルは、過去の状態推移に基づく確率により将来の状態推移を推定するモデルであり、一例としてはマルコフ連鎖モデルである。この例において、予測手段13は、学習済モデルMと確率モデルとを組み合わせて予測を行う。より具体的には、予測手段13は、学習済モデルMからの出力を確率モデルに入力する。予測手段13は、さらに、現在時刻及び予測の対象となる将来時刻を確率モデルに入力する。これらの時刻は、例えば入力手段12を介してユーザにより入力される。
対象となる梁構造物が複数層の梁構造を有している場合、予測の対象となる梁構造はどれか単一の層に限定されない。複数の層に対して学習及び予測の処理が適用されてもよい。
Claims (9)
- 桟橋又は橋梁の梁構造における劣化度分布又は健全性判定分布のマップ、当該梁構造の平面形状、及び前記梁構造に与えられる外力を入力データとし、前記梁構造に前記外力が与えられたときの構造解析結果から得られる前記梁構造の損傷状態を示す情報を出力データとする教師データを与えて機械学習をさせた学習済モデルを用いた予測手段に対する入力データとして、対象となる構造物の点検結果から得られた梁構造における劣化度分布又は健全性判定分布のマップ、当該対象となる構造物における梁構造の平面形状、及び当該対象となる構造物に与えられる想定外力の入力を受け付ける入力手段と、
前記学習済モデルから得られる、前記対象となる構造物に対し前記想定外力が与えられたときに予測される損傷状態を示す情報を出力する出力手段と
を有する損傷度予測装置。 - 前記出力手段は、前記損傷状態を示す情報として、当該損傷の範囲、当該損傷の度合い、及び当該損傷の割合の少なくとも一つ以上の情報を出力する
請求項1に記載の損傷度予測装置。 - 前記出力手段は、前記損傷状態を示す情報として、前記梁構造における損傷区分に基づく損傷度分布のマップを出力し、
前記損傷度分布のマップが前記梁構造を示す図上にマッピングされる
請求項2に記載の損傷度予測装置。 - 前記梁構造に関し、前記劣化度分布又は健全性判定分布を用いて確率モデルに従い将来の時点における劣化度分布又は健全性判定分布を予測する予測手段を有し、
前記出力手段は、前記予測された劣化度分布又は健全性判定分布を前記学習済モデルに入力して得られた、前記想定外力が与えられたときに予測される損傷状態を示す情報を出力する
請求項1乃至3のいずれか一項に記載の損傷度予測装置。 - 前記劣化度分布又は健全性判定分布のマップは、複数の梁構造に対して共通の空間的サイズを有する
請求項1乃至4のいずれか一項に記載の損傷度予測装置。 - 桟橋又は橋梁の梁構造における劣化度分布又は健全性判定分布のマップ、当該梁構造の平面形状、及び当該梁構造に与えられる外力が入力される入力層と、
前記梁構造に前記外力が与えられたときの構造解析結果から得られる当該梁構造の損傷状態を示す情報を出力する出力層と、
前記梁構造における劣化度分布又は健全性判定分布のマップ、当該梁構造の平面形状、及び当該梁構造に与えられる外力を入力データとし、当該梁構造に前記外力が与えられたときの構造解析結果から得られる当該梁構造の損傷状態を示す情報を出力データとする教師データを用いてパラメータが学習された中間層と
を有し、
対象となる構造物の点検結果から得られた梁構造における劣化度分布又は健全性判定分布のマップ、当該梁構造の平面形状、及び当該梁構造に与えられる想定外力を示すデータを取得し、
前記対象となる構造物の梁構造における劣化度分布又は健全性判定分布のマップ、当該梁構造の平面形状、及び当該梁構造に与えられる想定外力を示すデータを前記入力層に入力し、前記中間層にて演算し、当該梁構造に当該想定外力が与えられたときの当該梁構造の損傷状態を示す情報を前記出力層から出力する
ようコンピュータを機能させるための学習済モデル。 - 梁構造を有する桟橋又は橋梁の損傷度の予測をする損傷度予測装置に適用するための学習済モデルを生成するモデル生成方法であって、
前記梁構造における劣化度分布又は健全性判定分布のマップ、当該梁構造の平面形状、及び当該梁構造に与えられる外力、当該梁構造に前記外力が与えられたときの構造解析結果から得られる当該梁構造の損傷状態を示す情報を含む教師データを取得するステップと、
前記教師データを用いて、前記梁構造における劣化度分布又は健全性判定分布のマップ、当該梁構造の平面形状、及び当該梁構造に与えられる外力を入力し、当該梁構造に当該外力が与えられたときの構造解析結果から得られる当該梁構造の損傷状態を示す情報を出力する学習済モデルを生成するステップと
を有する学習済モデルの生成方法。 - 前記梁構造の損傷状態を示す情報は、前記劣化度分布又は健全性判定分布のマップに対応する、損傷区分に基づく損傷度の分布を前記梁構造を示す図上に示す画像を含む
請求項7に記載の学習済モデルの生成方法。 - 前記劣化度分布又は健全性判定分布のマップは、複数の梁構造に対して共通の空間的サイズを有する
請求項7乃至8のいずれか一項に記載の学習済モデルの生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020044696A JP7341414B2 (ja) | 2020-03-13 | 2020-03-13 | 損傷度予測装置、学習済モデル、及び学習済モデルの生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020044696A JP7341414B2 (ja) | 2020-03-13 | 2020-03-13 | 損傷度予測装置、学習済モデル、及び学習済モデルの生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021143575A JP2021143575A (ja) | 2021-09-24 |
JP7341414B2 true JP7341414B2 (ja) | 2023-09-11 |
Family
ID=77766145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020044696A Active JP7341414B2 (ja) | 2020-03-13 | 2020-03-13 | 損傷度予測装置、学習済モデル、及び学習済モデルの生成方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7341414B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7495081B2 (ja) | 2021-02-24 | 2024-06-04 | 五洋建設株式会社 | 損傷度予測装置、学習済モデル、学習済モデルの生成方法、及び損傷度予測方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013195354A (ja) | 2012-03-22 | 2013-09-30 | Shimizu Corp | 建物の健全性確認方法 |
WO2017043275A1 (ja) | 2015-09-10 | 2017-03-16 | 富士フイルム株式会社 | 健全度判定装置、健全度判定方法および健全度判定プログラム |
JP2017117147A (ja) | 2015-12-24 | 2017-06-29 | 前田建設工業株式会社 | 構造物の施工管理方法 |
WO2018179376A1 (ja) | 2017-03-31 | 2018-10-04 | 日本電気株式会社 | 劣化予測装置、劣化予測方法、及び、コンピュータ読み取り可能な記録媒体 |
JP2019207128A (ja) | 2018-05-28 | 2019-12-05 | 清水建設株式会社 | 建物損傷検知装置、建物損傷検知モデル学習装置、建物損傷検知方法、建物損傷検知モデル学習方法、プログラム |
-
2020
- 2020-03-13 JP JP2020044696A patent/JP7341414B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013195354A (ja) | 2012-03-22 | 2013-09-30 | Shimizu Corp | 建物の健全性確認方法 |
WO2017043275A1 (ja) | 2015-09-10 | 2017-03-16 | 富士フイルム株式会社 | 健全度判定装置、健全度判定方法および健全度判定プログラム |
JP2017117147A (ja) | 2015-12-24 | 2017-06-29 | 前田建設工業株式会社 | 構造物の施工管理方法 |
WO2018179376A1 (ja) | 2017-03-31 | 2018-10-04 | 日本電気株式会社 | 劣化予測装置、劣化予測方法、及び、コンピュータ読み取り可能な記録媒体 |
JP2019207128A (ja) | 2018-05-28 | 2019-12-05 | 清水建設株式会社 | 建物損傷検知装置、建物損傷検知モデル学習装置、建物損傷検知方法、建物損傷検知モデル学習方法、プログラム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7495081B2 (ja) | 2021-02-24 | 2024-06-04 | 五洋建設株式会社 | 損傷度予測装置、学習済モデル、学習済モデルの生成方法、及び損傷度予測方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021143575A (ja) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Critical review of data-driven decision-making in bridge operation and maintenance | |
Xie et al. | The promise of implementing machine learning in earthquake engineering: A state-of-the-art review | |
Frangopol et al. | Bridge life-cycle performance and cost: analysis, prediction, optimisation and decision-making | |
Gao et al. | Digital twin and its application in transportation infrastructure | |
Niyirora et al. | Intelligent damage diagnosis in bridges using vibration-based monitoring approaches and machine learning: a systematic review | |
Chen et al. | Convolutional neural networks (CNNs)-based multi-category damage detection and recognition of high-speed rail (HSR) reinforced concrete (RC) bridges using test images | |
CN108596507B (zh) | 一种海上养殖网箱的受灾破坏预警方法 | |
CN107025357A (zh) | 基于支持向量机的船撞桥桩基损伤识别方法 | |
JP7229383B2 (ja) | 情報処理装置、特定方法、及び特定プログラム | |
JP7341414B2 (ja) | 損傷度予測装置、学習済モデル、及び学習済モデルの生成方法 | |
Jia et al. | Bridge seismic damage assessment model applying artificial neural networks and the random forest algorithm | |
Wang et al. | When the digital twin meets the preventive conservation of movable wooden artifacts | |
JP7495081B2 (ja) | 損傷度予測装置、学習済モデル、学習済モデルの生成方法、及び損傷度予測方法 | |
CN117422990A (zh) | 一种基于机器学习的桥梁结构分类与评估方法 | |
Wei et al. | Life-cycle thinking-based decision support framework for multispan simply supported bridges under typhoon-induced wave, current and surge conditions | |
WO2021240650A1 (ja) | 管路脆弱性推定システム、管路脆弱性推定方法、モデル作成装置、およびプログラム | |
Pillai et al. | Multi-Objective Optimization of Mooring Systems for Offshore Renewable Energy | |
Chen et al. | Smart bridge maintenance using cluster merging algorithm based on self-organizing map optimization | |
Fujikubo et al. | A digital twin for ship structures—R&D project in Japan | |
Mendler | Minimum diagnosable damage and optimal sensor placement for structural health monitoring | |
Zhang | Post-earthquake performance assessment and decision-making for tall buildings: integrating statistical modeling, machine learning, stochastic simulation and optimization | |
Yau et al. | Analyzing Taiwan Bridge Management System for decision making in bridge maintenance: A big data approach | |
Riveros et al. | A procedure for predicting the deterioration of steel hydraulic structures to enhance their maintenance, management, and rehabilitation | |
Christodoulou et al. | Automated building stock data mining and classification using open source data | |
Hommes et al. | Parallel modeling approach to assess morphological impacts of offshore sand extraction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221003 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230526 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230530 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230615 |
|
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: 20230801 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230821 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7341414 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |