ディープニューラルネットワークを用いた光弾性ＣＴ法の開発

点击翻译按钮获取中文摘要

本研究では，非破壊かつ非接触に三次元応力分布を推定可能な光弾性ＣＴ法の開発を目的とし，①ディープニューラルネットワーク（ＤＮＮ）の学習環境の構築，②応力分布の再構成シミュレーション，③実験装置の製作および④実機による検証実験を行った．①ＤＮＮの学習環境の構築：実験によってＤＮＮの学習に用いる多数のデータを用意するのは現実的ではないため，有限要素法（シミュレーション）およびジョーンズ計算法（光学計算）により，多数のデータを用意した．また，ＤＮＮの構築および学習，応力の再構成および結果の評価を行うプログラムを作成した．②応力分布の再構成シミュレーション：①で作成したプログラムを用いて，まずは計算機上で光弾性ＣＴ法を再現し，シミュレーションを行った．本来実験で得るべき投影図を光学計算により算出し，学習済みのＤＮＮの入力データとして使用した．その結果，大部分の応力成分で元の分布に近い結果が得られた．一方で，一部では全く異なる応力分布を示す場合もあり，推定精度のさらなる改善が必要である．③実験装置の製作：光弾性ＣＴ実験を実施するための装置を製作した．静的な応力分布を有する物体を回転させることで，多方向からの投影図を取得する実験装置を製作した．④実機による検証実験：③の実験装置を用いて投影図を取得し，それを②の学習済みＤＮＮモデルに入力して応力分布を再構成した．その結果，応力の六成分のうち，一成分のみ分布形態が一致したが，他の五成分の分布は一致しなかった．その一方で，本研究により，ディープニューラルネットワークを用いた光弾性ＣＴ法の手順が具現化され，実用化のための課題が明らかになってきた．今後は，ＤＮＮモデルを最適化するとともに，実機実験の再現性も向上させることで推定精度を改善していく必要がある．