ニューラルネットワークによる構造物の塑性履歴挙動のモデリング

点击翻译按钮获取中文摘要

本研究では,構造物または構造要素の履歴特性が静的な繰り返し載荷実験などにより得られているとき,この情報を学習させたニューラルネットワーク(NN)から推定される復元力を動的応答解析に用いることにより,実構造物または実構造要素の復元力特性を反映した動的応答予測手法を提案した。提案手法の有効性を検証するために,Ramberg-Osgood型,Bi-Linear型,Degrading Tri-Linear型及びスリップ型履歴特性を有する1自由度せん断型質点系モデルを想定して,履歴復元力特性及び動的応答のモデリング・シミュレーションを行った。先ず,各履歴特性に対応する変位-復元力データを得,データ中のある時点の変位(現在変位)及びその時点よりも過去の履歴情報をNNへの入力情報として学習データを構成し,このデータを学習させることによってNN内に変位-復元力関係を構築した。塑性化レベルの異なる複数組の学習データを学習させることにより,高精度の変位-復元力関係及び動的応答の推定が可能となることが明らかとなり,提案手法の有効性が確認された。さらに,実構造物への適用性を検討するために,履歴ダンパーを組み込んだ制振ラーメン骨組模型の動的応答予測を行った。先ず,履歴ダンパーの静的繰り返し載荷実験を行い,得られたデータを入力情報としてNN内に変位-復元力関係を構築し,El Centro地震及びTaft地震波を入力したときの時刻歴応答を予測し,振動台実験による応答波形と比較した。変位-復元力関係については良好な推定結果が得られたが,動的応答については満足すべき一致が得られず,その原因究明が課題として残された。