Bayesian system identification of bridges subjected to normal and extreme loads

点击翻译按钮获取中文摘要

令和1年度は，初年度の研究で検討されるベイズ高速フーリエ変換（Bayesian Fast Fourier Transform）によるベイズ実働モード解析法に基づき，2段階の異常検知法の構築を行った．具体的に，ベイズ高速フーリエ変換を行い，モードパラメータの最確値（MPV）と共分散行列を計算し，モードパラメータの事後確率分布を推定し，健全時のモードパラメータの事後確率分布と現在モニタリングした振動データから求めたモードパラメータの事後確率分布の比であるベイズファクター（Bayes Factor）を求め，異常検知の指標とする2段階のベイズ異常検知法の構築を行った．シミュレーションデータおよびASCE（米国土木学会）のラーメン構造物のベンチマークテストデータを用いて，2段階のベイズ異常検知法の妥当性の検証を行った．長期モニタリングへの適用についても検討を行なった．すなわち，2段階ベイズ構造同定法に季節変動による同定振動数の変動をどのように正規化するかについて研究し，最適なデータ正規化法を構築する．データ正規化については，一般的な線形回帰のみではなく非線形回帰や逐次正規化できる方法についても検討を行なっている．ベイズ高速フーリエ変換を常時微動を用いた鉄道橋の洗堀検知にも適用し，観察対象の振動数帯域が明確な動態観察には有効であることも確認した．関連成果を，オーストラリアブリスベンで開催されたEASEC16にて「Damage detection based on Bayesian factor using ambient vibration data」と「Scour detection of railway bridges by microtremor monitoring」の題で発表を行なった．