深層学習を実装した微細構造解析による鉄筋コンクリート内部損傷の逆推定と性能評価

利用深度学习的微观结构分析对钢筋混凝土内部损伤进行逆估计和性能评估

基本信息

批准号：
22H00224
负责人：
長井宏平
金额：
$ 27.29万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (A)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

離散解析に深層学習アルゴリズムを取り入れるためのフレームワークの検討を行った。連続体解析と異なり，ひび割れ上の応力ひずみ関係の力学状態を考慮したモデルを構築することの困難さが生じている。学習データセットの作成を行っており，微細構造解析RBSMプログラムを用いて，理想状態やランダムな状態での鉄筋腐食によって生じる表面ひび割れのデータを整理することで，空間的な影響も考慮した，腐食膨張と表面ひび割れの関係性の整理を続けている。RCパネルの実験を行っており，複数鉄筋が腐食した際の力学相互作用のデータを得ている。コンクリート表面のひび割れを画像で連続撮影し変化を追っている。ひび割れ検知にはAI画像分析を用いている。ASR/DEF膨張と鉄筋による拘束の相互作用による全体の膨張とひび割れ発生，その後の鉄筋引抜き耐力を，実験と微細構造解析により検討している。鉄筋の拘束により，内部ひび割れが抑制されるとともに内部に圧縮応力が蓄積し，その状態で鉄筋引抜きをした際の挙動を耐力とともに合理的に再現できた。をまた，鉄筋腐食後の付着モデルの向上も行った。乾燥収縮の数値解析も行い，ASR/DEF膨張と同様に，実験と同様のひび割れパターンを再現できることを確認した。水分移動モデルについても，内部個所の水分量に応じて拡散係数を変化できるアルゴリズムとすることで，適切に内部の水分移動を表現できるプログラムへと改良し，実験との比較を行っている。

我们研究了一个将深度学习算法纳入离散分析的框架。与连续分析不同，很难构建一个模型，该模型考虑到裂纹上应力菌株关系的动态状态。我们正在创建训练数据集，并通过使用RBSM程序进行微观结构分析来组织由理想或随机状态的增强腐蚀引起的表面裂纹的数据，我们将继续组织腐蚀扩展与表面裂纹之间的关系，考虑到空间效应。我们已经在RC面板上进行了实验，并在多个增强杆腐蚀时进行了机械相互作用的数据。图像连续捕获混凝土表面的裂纹以跟踪变化。裂纹检测使用AI图像分析。通过实验和微观结构分析，研究了由于ASR/DEF扩展与约束之间的相互作用以及随后的增强拉伸强度而发生的总体扩张和破裂。加固棒的约束会抑制内部破裂，压缩应力积聚在内部，从而使加固条的行为与加固的强度合理地复制。我们还改善了加强钢腐蚀后的粘附模型。还进行了干收缩的数值分析，并且与ASR/DEF膨胀一样，可以证实与实验相同的裂纹模式可以复制。水分转移模型也已被修改为一种算法，可以根据水中的水分量来改变扩散系数，并已与实验进行了比较。