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根据设计标准进行设计和安全评估。另一方面，对于损坏预测等维护管理，需要一种能够使用传感器和检查信息再现实际结构的当前状态的分析模型。我们与国外专门研究人员的联合研究是通过结合数据和物理模型提出一种新的结构分析方法和桥梁健康监测方法。换句话说，这项研究与“基于物理信息的机器学习进行桥梁健康监测”相关，在土木工程结构的管理中发挥着重要作用。具体来说，我们使用Physics-informed Neural，它使用神经网络确定物理定律控制方程的权重，并提供控制方程的解，以建立一个模型，能够对土木工程结构在非线性中的行为进行逆分析我们研究了精确狄利克雷边界条件 PINN (PINN) 和精确狄利克雷边界条件 PINN (EPINN) 的适用性。主办研究人员将学习“设定数字孪生和桥梁健康监测中需要解决的紧迫问题”、“数值模拟和验证实验”以及“在结构动力学问题中的应用”、“PINN和EPINN的适用性研究”、“使用 FNO（傅里叶神经算子）预测桥梁的动态响应及其在异常检测中的应用”，“高性能计算基础设施我负责“检查在HPCI基于物理信息实现机器学习的算法和操作方法”。最初，联合研究计划持续两年，但自从他被聘为香港大学助理教授后，联合研究只持续了七个月，目前有两篇文章正在向国际知名期刊投稿。