Physics-informed machine learning for bridge health monitoring

用于桥梁健康监测的物理信息机器学习

基本信息

批准号：
22F22062
负责人：
金哲佑
金额：
$ 1.41万
依托单位：
Kyoto University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-22 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22F22062/
关键词：
情報融合ニューラルネットワーク代替モデル PINN FNO

项目摘要

今までの有限要素解析の主な役割は，設計や設計基準に従う安全性の評価に重点が置かれている．一方で，損傷予測のような維持管理のためには，センサや点検情報を活かした実構造物の現状をそのまま再現できる解析モデルが必要になる．外国人特別研究員との共同研究は，データと物理モデルの融合による新し構造物の解析手法および橋梁ヘルスモニタリン手法の提案である．すなわち，土木構造物の管理において重要な役割を果たす「物理情報に基づく機械学習による橋梁ヘルスモニタリング」に関わる研究である．具体的には，土木構造物の非線形領域の挙動の逆解析までを可能にするモデル構築に，物理法則の支配方程式をニューラルネットワークによって重み付けを決めて，支配方程式の解を提供するPhysics-informed Neural Network (PINN)やExact Dirichlet boundary condition PINN (EPINN)の適用性について検討を行った．受け入れ研究者は「デジタルツインや橋梁ヘルスモニタリングにおける喫緊の解決すべき課題設定」，「妥当性検証のための数値シミュレーションと実験」，「構造動力学問題への適用」を，外国人特別研究員は「PINNとEPINNの適用性の検討」，「FNO（Fourier Neural Operator）による橋梁の動的応答の予測と異常検知への展開」，「High Performance Computing Infra (HPCI)での物理情報に基づく機械学習の実現アルゴリズムと運用方法検討」を担当した．当初は2ヵ年にわたる共同研究の予定だったが，香港大学のAssistant Professorとして採用されることになり，7ヶ月の共同研究にとどまったが，EPINNとFNOの適用可能性を明らかにし，関連成果を権威ある国際ジャーナルに２編を投稿中である．

到目前为止，有限元分析的主要作用一直集中在设计和安全评估上。另一方面，对于维护（例如损害预测），必须使用传感器和检查信息直接重现实际结构的当前状态的分析模型。与外国特殊研究人员的联合研究提出了一种新的结构分析方法和桥梁健康监测方法，通过结合数据和物理模型。换句话说，这是一项与“基于物理信息的机器学习”有关的研究，该研究在土木工程结构的管理中起着重要作用。具体而言，我们调查了物理信息神经网络（PINN）和确切的Dirichlet边界条件PINN（EPINN），通过加权物理法律的管理方程来为治理方程提供解决方案，确切的dirichlet边界条件PINN（EPINN）（EPINN）（EPINN）为构建构建构建构建构建的构建行为的跨性别构建方程提供了不断分析的行为。主持人的研究人员负责“设置在数字双胞胎和桥梁健康监控中要解决的紧急问题”，“数值模拟和实验验证”，以及“在结构动力学问题上的应用”，以及外国研究人员，“对PINNS和EPINNS的适用性进行检查，使用FNOS（fnier Neural Opertion and and offnos and offnos and offnos and offne and offnos and fornos ander and offnos and offnos and offnos ander and offnos ander and offnos ander and offnos ander and and oferal ander and and and and and ne and near toction）基于高性能计算中的物理信息（HPCI）的机器学习算法和操作方法。