Construction of digital twin nondestructive evaluation for laser ultrasonic visualization testing

激光超声可视化检测数字孪生无损评估构建

• 批准号: 21K04231
• 负责人: 斎藤 隆泰
• 金额: $ 2.58万
• 依托单位: Gunma University
• 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
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K04231/
• 关键词: 深層学習; 機械学習; 時間反転法; レーザー超音波可視化試験; デジタルツイン; 人工知能; 超音波シミュレーション; 弾性波動解析; 非破壊評価; レーザー超音波; 逆解析; レーザー超音波可視化試験(LUVT); 逆問題

本研究は，申請書に書かれているように4つの研究目的と内容に分かれている．当該年度の実績を，各項目毎に記述する．A)デジタルツインのための弾性波動伝搬シミュレーターの開発：アイソジオメトリック解析を用いた時間領域境界要素法を作成し，高度化することを行った．また時間反転法収束のための超音波シミュレーションコードも作成した．B)弾性波動伝搬シミュレーターによるビッグデータ生成：上記A)等で開発した弾性波動伝搬シミュレーターを用いて，仮想空間上での超音波シミュレーションを多数回実行し，後のC),D)等で援用できるようなビッグデータを作成した．これらはデータの増強を目的としていることもあり，1年目から適宜行っている．C)レーザー超音波可視化試験(LUVT)とAIの融合：LUVTでは，レーザー照射面における超音波伝搬を可視化することができる．そこで，本研究では，これら可視化結果を大量に集め，それらの深層学習を行うことで，LUVTにAIを融合させた．ただし，学習データは，適宜，データ拡張を行うことで，データを増強している．まだVGG16やResNet等の，既存の画像認識で使われた重みを利用する転移学習やファイチューニングを行うことで，AIの高度化を図った．本結果は論文に投稿・掲載され一定の成果を得いている．D)AIを活かした逆解析手法の開発：先進超音波探傷法の1つとしてアレイ探傷法が知られている．アレイ探傷法は，複数の素子で超音波を送受信することができ，効率的に検査を実施することができる．本研究では，2次元スカラー波動問題や，2次元異方性面外波動問題等を対象に，A), B)で開発した弾性波動伝搬シミュレーターを用いてアレイ探傷法に対する数値シミュレーションを行い，それらの結果を深層学習させることで欠陥の位置や大きさを推定するAIを開発した．論文に投稿・掲載され，一定の成果を得ている．

This study is divided into four parts: the purpose and content of the application. When the performance of the year is described, the performance ratio of each item is changed to the development level. B) The property ratio is used to generate the property ratio. A) The property ratio is used to generate the property ratio.B) The property ratio is used to generate the property ratio. C) The property ratio is used to generate the property ratio. D) The property ratio is used to generate the property ratio. C) Ultrasound visualization trial (LUVT) and AI fusion: LUVT is the opposite of the original, and the ultrasound visualization trial is the opposite of the original, and the ultrasound visualization trial is the opposite of the original. In this study, the results of visualization are collected in large quantities, and deep learning is performed in large quantities. A: I'm sorry. VGG16, ResNet, etc. Existing image recognition, make use of the shift learning, make use of the shift learning. D) Development of AI and inverse analysis method: Advanced ultrasonic flaw detection method. The ultrasonic detection method is used to detect ultrasonic waves transmitted and received by multiple elements. In this study, the two-dimensional anisotropic out-of-plane ratio problem and the two-dimensional anisotropic out-of-plane ratio problem were studied. A), B), and D) were investigated. Paper submission, publication, certain achievements were obtained.

项目成果

等方弾性体・粘弾性体中の空洞に対する線形化Born逆散乱解析の適用性の検討

线性玻恩逆散射分析对各向同性弹性体和粘弹性体空腔的适用性检验

• 发表时间: 2021
• 期刊: 計算数理工学論文集
• 作者: 斎藤 隆泰;竹田 晴彦;廣瀬 壮一;T. Saitoh and A. Ishiguro;斎藤隆泰・豊田哲志;竹田晴彦・斎藤隆泰・廣瀬壮一
• 通讯作者: 竹田晴彦・斎藤隆泰・廣瀬壮一

LUVT非破壊探傷のためのデータ拡張

LUVT无损探伤数据扩展

• 发表时间: 2023
• 作者: TAKEDA Haruhiko;SAITOH Takahiro;HIROSE Sohichi;斎藤隆泰・松原江里・廣瀬壮一;斎藤隆泰・石黒明日海・木本和志・中畑和之;竹田晴彦・福島輝宙・斎藤隆泰;斎藤隆泰;中島未椰・塚越勇真・斎藤隆泰・加藤毅;中島未椰・斎藤隆泰・加藤毅
• 通讯作者: 中島未椰・斎藤隆泰・加藤毅

2次元波動問題を対象とした深層学習ベース逆散乱解析手法の開発

基于深度学习的二维波问题逆散射分析方法的开发

• 发表时间: 2022
• 作者: TAKEDA Haruhiko;SAITOH Takahiro;HIROSE Sohichi;斎藤隆泰・松原江里・廣瀬壮一;斎藤隆泰・石黒明日海・木本和志・中畑和之;竹田晴彦・福島輝宙・斎藤隆泰;斎藤隆泰;中島未椰・塚越勇真・斎藤隆泰・加藤毅;中島未椰・斎藤隆泰・加藤毅;斎藤隆泰・笹岡真次・川上真穂・廣瀬壮一;斎藤隆泰;斎藤隆泰;中畑和之・中村悠人・丸山泰蔵・斎藤隆泰;笹岡真次・斎藤隆泰・廣瀬壮一
• 通讯作者: 笹岡真次・斎藤隆泰・廣瀬壮一

LUVTと深層学習を用いた等方性材料中の表面欠陥の自動検出

使用 LUVT 和深度学习自动检测各向同性材料的表面缺陷

• 发表时间: 2022
• 作者: TAKEDA Haruhiko;SAITOH Takahiro;HIROSE Sohichi;斎藤隆泰・松原江里・廣瀬壮一;斎藤隆泰・石黒明日海・木本和志・中畑和之;竹田晴彦・福島輝宙・斎藤隆泰;斎藤隆泰;中島未椰・塚越勇真・斎藤隆泰・加藤毅;中島未椰・斎藤隆泰・加藤毅;斎藤隆泰・笹岡真次・川上真穂・廣瀬壮一;斎藤隆泰;斎藤隆泰;中畑和之・中村悠人・丸山泰蔵・斎藤隆泰;笹岡真次・斎藤隆泰・廣瀬壮一;豊田哲志・斎藤隆泰・加藤毅・廣瀬壮一
• 通讯作者: 豊田哲志・斎藤隆泰・加藤毅・廣瀬壮一

Forward and inverse scattering analyses for defects in anisotropic and viscoelastic solids

各向异性和粘弹性固体缺陷的正向和反向散射分析

• 发表时间: 2022
• 作者: T. Saitoh;A. Furukawa and S. Hirose;斎藤隆泰;Takahiro SAITOH;Takahiro SAITOH
• 通讯作者: Takahiro SAITOH