权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

データサイエンスに基づくPCグラウト充填レベルの自動判定

基于数据科学的PC灌浆液位自动测定

基本信息

批准号：
21K04232
负责人：
鈴木啓悟
金额：
$ 2.66万
依托单位：
University of Fukui
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

2022年度は実橋で供用されていたプレストレストコンクリート（PC）桁を用い、実証実験を行った。対象となるPC桁は2体に切り分けられている。これを供試体A、Bと呼称する。供試体A、Bにはグラウト施工がされていない未充填シース管と、グラウト施工されている充填シース管が存在する。これら試験体に対し超音波フェーズドアレイのフォーカシング探傷を行い、ノイズ除去および特徴抽出を目的とした独自のフィルタリング（以下、寄生フィルタ）を施したうえで、機械学習・深層学習を用いてシース管のグラウト充填、未充填の分類を行った。機械学習に入力するデータは、フェーズドアレイ探傷で得られる時刻－電圧の1次元波形に対して寄生フィルタを施した時刻歴データである。深層学習に入力するデータは寄生フィルタを施した後に、キルヒホフ近似の線形化逆散乱解析によりシース管を画像化したデータである。供試体Aを学習用、供試体Bを妥当性検証として、機械学習、深層学習それぞれの分類器を構築した。なお、寄生フィルタは高周波側データと低周波側データを出力できることから、深層学習には両データから作成した画像を結合した1枚の画像として適用した。機械学習は時刻歴情報に、周波数情報、位相情報を加えたデータ拡張したところ、ランダムフォレストを用いた分類精度は99.6%となった。また深層学習はVGG16を用いて83.5%の精度を記録した。機械学習、深層学習ともに概ね良好な精度を記録し、非破壊評価の自動判断に道筋をつけることが出来た。

In 2022, the は実 Bridge is available for use, and the 実证実験を行った.対肖となるPC桁は2体に Cutり分けられている.これを Subjects A and B are called する. Test specimens A and B have unfilled tubes and tubes filled with tubes. Ultrasound test system Injury line い, ノイズremoval および特徴draw をpurpose とした solo のフィルタリング (hereinafter, parasitic フィルタ) を士したうえで, machine learning deep learning をいてシース tube のグラウト filling, unfilled classification を行った. Mechanical learning has entered the force and the flaw detection has reached the moment - The 1-dimensional waveform of electric pressure is a parasitic waveform that is transmitted at all times. Deep learning に enter force するデータはparasitic フィルタを Shi した后に、キルヒホフApproximate linearization inverse scatter analysis and image processing. Test subject A is used for learning, test subject B is used for validity verification, machine learning, and deep learning are used to construct a classifier.なお, parasitic フィルタは high-frequency side データと low-frequency side データを output できることから, Deep learning is used to create an image and combine it with a single image to apply it. Mechanical learning includes time information, frequency information, and phase information. The classification accuracy of たところ and ランダムフォレストを is 99.6%. The deep learning method of VGG16 is recorded with an accuracy of 83.5%. Mechanical learning, deep learning, good generalization, good accuracy and record, non-destructive evaluation, automatic judgment, and road tendrils, it comes out.