特許 6440892 内部状態推定システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】6440892

(24)【登録日】2018年11月30日

(45)【発行日】2018年12月19日

(54)【発明の名称】内部状態推定システム

(51)【国際特許分類】

   G01N 3/00 20060101AFI20181210BHJP

【ＦＩ】

   G01N3/00 Z

【請求項の数】4

【全頁数】10

(21)【出願番号】特願2018-165453(P2018-165453)

(22)【出願日】2018年9月4日

【審査請求日】2018年9月4日

【早期審査対象出願】

(73)【特許権者】

【識別番号】518315933

【氏名又は名称】新納 義昭

(73)【特許権者】

【識別番号】518315944

【氏名又は名称】田邊 豊博

(73)【特許権者】

【識別番号】518315955

【氏名又は名称】牧 聡

(74)【代理人】

【識別番号】110001601

【氏名又は名称】特許業務法人英和特許事務所

(72)【発明者】

【氏名】新納 義昭

【審査官】 西岡 貴央

(56)【参考文献】

【文献】 特開２０１７−１８７４７２（ＪＰ，Ａ）

【文献】 特開２０１２−１１２８５２（ＪＰ，Ａ）

【文献】 特開２０１５−１０８５８８（ＪＰ，Ａ）

【文献】 特開２０１７−１９９０８４（ＪＰ，Ａ）

【文献】 特開２００２−６２１９９（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０１Ｎ ３／００−３／６２

(57)【特許請求の範囲】

【請求項1】

三次元構造体の内部状態を推定するための内部状態推定システムであって、
前記三次元構造体の外面に設けられた加圧点に圧力を付加する圧力付加手段と、
前記三次元構造体の外面に設けられた複数の変位計測点で前記加圧点に所定圧力が付加される前後における変位を計測し、それぞれの変位データを出力する変位計測手段と、
前記三次元構造体について、その内部状態が各々異なる多数の構造体モデルを作成し、該多数の構造体モデルに関する構造データを出力する構造体モデルデータ出力手段と、
前記加圧点に付加される加圧データ及び前記構造体モデルデータ出力手段から出力される前記構造データを受けて、各構造体モデルについて数値解析手段を用いて前記複数の変位計測点に対応する点における変位解析を行い、変位解析の対象となった構造体モデルを特定する特定情報と該構造体モデルについて行われた変位解析により得られた複数の変位解析データを学習データとして出力する三次元モデル解析手段と、
前記変位計測手段で計測された前記加圧点に所定圧力が付加される前後における変位データの入力を受けて逆解析を行い、内部状態推定情報を出力するニューラルネットワークと、
前記ニューラルネットワークから出力された前記内部状態推定情報に応じて、前記三次元構造体の内部状態を表示する内部状態表示手段を備え、
前記ニューラルネットワークは、前記三次元モデル解析手段から出力される前記多数の構造体モデルについての学習データが予め与えられ、自己学習させることによって最適化されている
ことを特徴とする内部状態推定システム。

【請求項2】

前記三次元構造体は空洞体であり、前記内部状態は前記空洞体の壁の厚さである
ことを特徴とする請求項１記載の内部状態推定システム。

【請求項3】

前記空洞体は配管であり、前記内部状態は前記配管の管体の厚さである
ことを特徴とする請求項２記載の内部状態推定システム。

【請求項4】

前記三次元構造体は中実体であり、前記内部状態は前記中実体内部の材料強度である
ことを特徴とする請求項１記載の内部状態推定システム。

【発明の詳細な説明】

【技術分野】

【0001】

この発明は、長い期間にわたる使用や経年劣化による構造物の内部構造の変化及び構造物を構成する材料の変質、並びに設計時における構造と施工後における構造との差異等を精度良く推定できるようにするための内部状態推定システムに関する。

【背景技術】

【0002】

従来、構造物内部の状態を、その構造物を破壊せずに検査する方法としては、放射線、超音波、電磁波等を用いる方法が知られ、打音検査によって劣化度合いを推測することも行われている。
しかし、構造物が大きい場合には放射線による内部透視は困難であり、構造物が複雑な形状であったり構造物を構成する材料が変質したりした場合には、超音波や電磁波による検査は精度が落ちてしまうといった問題がある。
また、打音検査による推測は、経験のある検査者を必要とするため、労力やコストがかかる、後継者の育成に時間がかかるという問題がある上、劣化位置の特定が困難という問題もある。

【0003】

特許文献１（特開２０１８−４１１７８号公報）には、地中の異常箇所を検出するために用いられる数百ＭＨｚ帯の電磁波による地中レーダの画像認識において、ニューラルネットワークによる機械判定が研究されている旨記載されており（特に、段落０００２〜０００３を参照）、そのために必要な大量の学習用データを高速で生成する方法として、解析モデルが用いられて指定周波数のプローブ波の対象系への入射及び対象系からの反射波の受信がシミュレーションされ、そのシミュレーションを高速の演算処理要素によって実行するものが記載されている（特に、段落００１３を参照）。
しかし、この学習用データ生成方法は、地中レーダの画像認識によって地中の異常箇所を検出するものに適用されるものである。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１８−４１１７８号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

本発明が解決しようとする課題は、外観の観察や外表面の検査はできるが内部の観察や検査を行うことが困難な三次元構造体における内部構造の変化や三次元構造体を構成する材料の変質を把握するために、そのような三次元構造体の内部状態（厚さや材料強度等）を、放射線、超音波、電磁波（地中レーダを含む）等を用いた画像認識によることなく、精度良く推定できるようにするための内部状態推定システムを提供することである。

【課題を解決するための手段】

【0006】

上記の課題を解決するための請求項１に係る発明は、三次元構造体の内部状態を推定するための内部状態推定システムであって、
前記三次元構造体の外面に設けられた加圧点に圧力を付加する圧力付加手段と、
前記三次元構造体の外面に設けられた複数の変位計測点で前記加圧点に所定圧力が付加される前後における変位を計測し、それぞれの変位データを出力する変位計測手段と、
前記三次元構造体について、その内部状態が各々異なる多数の構造体モデルを作成し、該多数の構造体モデルに関する構造データを出力する構造体モデルデータ出力手段と、
前記加圧点に付加される加圧データ及び前記構造体モデルデータ出力手段から出力される前記構造データを受けて、各構造体モデルについて数値解析手段を用いて前記複数の変位計測点に対応する点における変位解析を行い、変位解析の対象となった構造体モデルを特定する特定情報と該構造体モデルについて行われた変位解析により得られた複数の変位解析データを学習データとして出力する三次元モデル解析手段と、
前記変位計測手段で計測された前記加圧点に所定圧力が付加される前後における変位データの入力を受けて逆解析を行い、内部状態推定情報を出力するニューラルネットワークと、
前記ニューラルネットワークから出力された前記内部状態推定情報に応じて、前記三次元構造体の内部状態を表示する内部状態表示手段を備え、
前記ニューラルネットワークは、前記三次元モデル解析手段から出力される前記多数の構造体モデルについての学習データが予め与えられ、自己学習させることによって最適化されていることを特徴とする。

【0007】

上記の課題を解決するための請求項２に係る発明は、請求項１に係る発明の内部状態推定システムにおいて、前記三次元構造体は空洞体であり、前記内部状態は前記空洞体の壁の厚さであることを特徴とする。

【0008】

上記の課題を解決するための請求項３に係る発明は、請求項２に係る発明の内部状態推定システムにおいて、前記空洞体は配管であり、前記内部状態は前記配管の管体の厚さであることを特徴とする。

【0009】

上記の課題を解決するための請求項４に係る発明は、請求項１に係る発明の内部状態推定システムにおいて、前記三次元構造体は中実体であり、前記内部状態は前記中実体内部の材料強度であることを特徴とする。

【発明の効果】

【0010】

請求項１に係る発明の内部状態推定システムは、複数の変位計測点で計測された加圧点に所定圧力が付加される前後における変位データを、ニューラルネットワークに入力することによって逆解析を行い、内部状態推定情報を出力し、出力された内部状態推定情報に応じて、前記三次元構造体の内部状態を表示する内部状態表示手段を備えているとともに、ニューラルネットワークは、三次元モデル解析手段から出力される多数の構造体モデルについての学習データが予め与えられ、自己学習させることによって最適化されているので、外観の観察や外表面の検査はできるが内部の観察や検査を行うことが困難な構造体の内部状態を、放射線、超音波、電磁波等を用いた画像認識によることなく、精度良く推定することができる。

【0011】

請求項２〜４に係る発明の内部状態推定システムは、請求項１に係る発明が奏する上記の効果に加え、請求項２においては空洞体の壁の厚さについて、請求項３においては配管の管体の厚さについて、請求項４においては中実体内部の材料強度について、精度良く推定することができる。

【図面の簡単な説明】

【0012】

【図1】実施例１の内部状態推定システムのブロック図。

【図2】解析対象である管体の外側の厚さが片減りしているパターンの種類を示す図。

【図3】実施例１の内部状態推定システムのアルゴリズムを示すフロー図。

【図4】実施例２で解析対象とした配管の配置を示す図。

【図5】実施例２で或る構造体モデルについて得られた変位解析データに基づいて、加圧点に所定圧力Ｐを付加した後の配管位置を表示させた結果を示す図。

【図6】実施例２で推定された減肉量と実際値との比較表。

【発明を実施するための形態】

【0013】

以下、実施例によって、本発明の実施の形態を説明する。

【実施例1】

【0014】

図１は実施例１の内部状態推定システムのブロック図である。
図１に示すように、実施例１の内部状態推定システムは、床面と壁面との間に設置された曲折した構造体Ｃ（具体的には中心線が円弧状で、かつ、中心線に直交する断面が円形状である中空の配管）の内部構造（配管の厚さ）を推定するためのものであって、次の各手段からなっている。
なお、構造体Ｃの外面は目視による観察が可能であり、構造体Ｃの内面は目視による観察は不可能であるが、管体の材質及び設置時における内壁の形状（図１において点線で示した部分）は分かっているものとする。
（１）構造体Ｃの外面に設けられた加圧点ｐに圧力を付加する圧力付加手段１。
（２）構造体Ｃの外面に設けられた変位計測点ａに設置され、加圧点ｐに所定圧力Ｐが付加される前後における変位を計測し、変位データＤａを出力する変位計測手段２ａ。
（３）構造体Ｃの外面に設けられた変位計測点ｂに設置され、加圧点ｐに所定圧力Ｐが付加される前後における変位を計測し、変位データＤｂを出力する変位計測手段２ｂ。
（４）構造体Ｃの外面に設けられた変位計測点ｃに設置され、加圧点ｐに所定圧力Ｐが付加される前後における変位を計測し、変位データＤｃを出力する変位計測手段２ｃ。
（５）構造体Ｃの外面に設けられた変位計測点ｄに設置され、加圧点ｐに所定圧力Ｐが付加される前後における変位を計測し、変位データＤｄを出力する変位計測手段２ｄ。

【0015】

（６）構造体Ｃについて、その内部構造が各々異なる構造体モデルＭ１〜Ｍｎを作成し、各構造体モデルに関する構造データＫ１〜Ｋｎを出力する構造体モデルデータ出力手段３。
（７）加圧点ｐに付加される加圧データＰ及び構造体モデルデータ出力手段３から出力される構造データＫ１〜Ｋｎを受けて、構造体モデルＭ１〜Ｍｎのそれぞれについて数値解析手段を用いて変位計測点ａ〜ｄに対応する点における変位解析を行い、構造体モデルＭ１については、構造データＫ１と変位計測点ａ〜ｄに対応する点における変位解析により得られた変位解析データＡａ１〜Ａｄ１を学習データＬ１として出力し、以下同様に構造体モデルＭｎについては、構造データＫｎと変位計測点ａ〜ｄに対応する点における変位解析により得られた変位解析データＡａｎ〜Ａｄｎを学習データＬｎとして出力する三次元モデル解析手段４。
なお、構造体モデルＭ１〜Ｍｎは、その外面形状を構造体Ｃと同一としてあるので、構造体モデルＭ１〜Ｍｎにおける変位計測点ａ〜ｄに対応する点の位置は、変位計測点ａ〜ｄと全て一致する。
（８）変位計測手段２ａ〜２ｄで計測された加圧点ｐに所定圧力Ｐが付加される前後における変位データＤａ〜Ｄｄの入力を受けて逆解析を行い、内部構造推定情報を出力するニューラルネットワーク５。
（９）ニューラルネットワーク５から出力された内部構造推定情報に応じて、構造体Ｃの内部構造を表示する内部構造表示手段６。

【0016】

以下では、各手段について詳しく説明する。
（圧力付加手段１）
加圧点ｐから任意の方向に圧力を付加することができる手段であり、通常は構造体Ｃの近くにある壁や柱に設置される。
なお、加圧点ｐは構造体Ｃの任意の位置に設定できるが、推定精度を上げるには、構造体Ｃの中央又は重心付近に設定した方が良い。そのため、図１の加圧点ｐは構造体Ｃの中心軸を通る断面の外側中央部に設定され、加圧の方向は中心軸の中央に向かう向きとなっている。

【0017】

（変位計測手段２ａ〜２ｄ）
変位計測手段２ａ〜２ｄは、構造体Ｃの任意の４点（ａ〜ｄ）に設置可能であり、加圧点ｐに圧力が付加される前における各点の位置を基準位置として、加圧点ｐに圧力が付加された後における各点の変位（ｘ，ｙ，ｚ方向の位置又は移動距離）を計測し、変位データＤａ〜Ｄｄを出力するものである。
なお、図１では、変位計測手段２ｂは加圧点ｐと同じ位置（非常に近い位置）に設置し、変位計測手段２ａ及び２ｃは構造体Ｃの中心軸を通る断面の外側における加圧点ｐの上側及び下側に設置し、変位計測手段２ｄは同断面における内側中央部に設置している。

【0018】

（構造体モデルデータ出力手段３）
構造体モデルデータ出力手段３は、内部構造が各々異なる構造体モデルＭ１〜Ｍｎとして、設置時における内壁の形状（図１において点線で示した部分であり、通常は設計図から特定できる）を基準として、構造体Ｃの内部を流体が流れたことによる摩滅や付着物による増厚等を考慮して、様々なパターンのものを作成する。
例えば、次の（ａ）〜（ｆ）の全１７６００パターンが挙げられる。
（ａ）管体の厚さが基準の厚さから均一に減少しているパターンで、厚さの減少分を０．１ｍｍずつ増加させた２００パターン。
（ｂ）管体の内側の厚さの減少分が外側の厚さの減少分の（１−ｘ）倍となっているパターンで、外側の厚さの減少分を０．１ｍｍずつ増加させた２００パターン（ただし、ｘは０．１、０．２、・・・、１の１０通りあるので、全部で２０００パターン）。
（ｃ）管体の外側の厚さが片減りしており、他の部分は上記（ａ）及び（ｂ）と同じパターン（図２（１）のように外側の中央部が片減りしているパターン、図２（２）のように外側の上部が片減りしているパターン、図２（３）のように外側の下部が片減りしているパターン）で、片減りしている部分毎に２００パターン＋２０００パターン。
（ｄ）管体の厚さが基準の厚さから均一に増加しているパターンで、厚さの増加分を０．１ｍｍずつ増加させた２００パターン。
（ｅ）管体の内側の厚さの増加分が外側の厚さの増加分の（１＋ｘ）倍となっているパターンで、外側の厚さの増加分を０．１ｍｍずつ増加させた２００パターン（ただし、ｘは０．１、０．２、・・・、１の１０通りあるので、全部で２０００パターン）。
（ｆ）管体の外側の厚さが偏って増加しており、他の部分は上記（ｄ）及び（ｅ）と同じパターンで、偏って増加している部分毎に２００パターン＋２０００パターン。
また、実施例１では、管体が床面及び壁面に完全固定され、配管の外径を１４ｃｍ、内径を８ｃｍとして、各構造体モデルに関する構造データＫ１〜Ｋｎを出力している。

【0019】

（三次元モデル解析手段４）
実施例１の三次元モデル解析手段４では、数値解析手段として有限要素法による解析手段（以下「ＦＥＭ解析手段」という。）を用いた。
ＦＥＭ解析手段によれば、三次元モデルを多数の四面体のメッシュに切り、条件を定義した上で解析させると、所定の位置に圧力や振動が付加された場合に、その三次元モデル内の任意の点（任意の四面体の頂点）の位置がどのように変動するかを計算できる。
そのため、構造体モデルデータ出力手段３によって、内部構造が各々異なる構造体モデルＭ１〜Ｍｎが作成され、各構造体モデルに関する構造データＫ１〜Ｋｎが出力されると、各構造体モデルについて、加圧点ｐに所定圧力Ｐが付加された場合における計測点ａ〜ｄに対応する点の変位解析データが得られるので、大量の学習データＬ１〜Ｌｎを短時間のうちに用意することができる。

【0020】

（ニューラルネットワーク５）
ニューラルネットワーク５は、図１に示すように、入力層５Ｉ、出力層５Ｏ、学習データ蓄積手段５Ｌ、学習データ蓄積手段５Ｌに大量の学習データＬ１〜Ｌｎを入力する学習データ入力手段５Ｔ並びに図示しない複数の中間層、その他で構築される。
また、中間層は、畳み込み層やプーリング層、全結合層など様々に工夫された層を、必要に応じて組み合わせて構成される。
そして、ニューラルネットワーク５は、学習データ蓄積手段５Ｌに大量の学習データＬ１〜Ｌｎを蓄え、自己学習させることによって最適化される。そして、十分な数（対象の形状の複雑さに応じて１万〜数１０万）の学習データによって最適化されたパラメータを用いることにより９５％以上の推定精度を得ることができる。
そうした上で、入力層５Ｉに変位計測手段２ａ〜２ｄで計測された変位データＤａ〜Ｄｄが入力されると、ニューラルネットワーク５は逆解析を行い、実際の配管における内部構造に近い内部構造推定情報を高い精度で出力する。

【0021】

（内部構造表示手段６）
内部構造表示手段６は、ニューラルネットワーク５から出力された内部構造推定情報に応じて、構造体Ｃの内部構造を表示するものであり、通常の表示態様では構造体Ｃの中心軸を通る断面の状態を表示する。
なお、構造体Ｃの中心軸に垂直な断面の状態を複数箇所分表示する態様も選択できる。

【0022】

図３は、実施例１の内部状態推定システムのアルゴリズムを示すフロー図であり、以下の手順（Ｔ１）〜（Ｔ４）で多数の学習データＬ１〜Ｌｎを生成し、ニューラルネットワークに蓄積して自己学習させた上で、手順（１）〜（６）で構造体Ｃの内部構造を推定し、推定した内部構造を表示する。
（Ｔ１）構造体Ｃの現況及び設計図等に基づいて、多数の構造体モデル（Ｍ１〜Ｍｎ）を作成する。
（Ｔ２）各構造体モデルの構造データＫ１〜Ｋｎを作成する。
（Ｔ３）ＦＥＭ解析手段により、加圧データＰ及び各構造データＫ１〜Ｋｎに基づく変位解析を行い、変位計測点ａ〜ｄに対応する点の変位解析データを出力する。
（Ｔ４）多数の学習データＬ１〜Ｌｎを生成する。
（１）構造体Ｃの加圧点ｐに所定圧力Ｐを付加する。
（２）変位計測点ａ〜ｄで所定圧力Ｐが付加される前後における変位データＤａ〜Ｄｄを計測する。
（３）変位データＤａ〜Ｄｄをニューラルネットワーク５に送る。
（４）ニューラルネットワーク５は、入力された変位データＤａ〜Ｄｄに基づいて逆解析を行う。
（５）逆解析により内部構造推定情報を出力し、内部構造表示手段６に送る。
（６）内部構造表示手段６は、内部構造推定情報に基づいて内部構造の表示を行う。

【実施例2】

【0023】

図４は実施例２の内部状態推定システムで解析対象となる配管の配置を示す図である。
全ての配管は、外径５ｍｍ、内径４ｍｍ、管体の厚さは減肉のないところで１ｍｍであり、図４の上下端は完全拘束、左端はピン拘束（拘束位置を支点として動くことができる状態）となっており、加圧点は左右配管の中央左寄りとし、所定圧力Ｐ（１００Ｎ）は矢印で示すように鉛直方向（Ｚ軸の負の方向）へ付加した。
また、変位計測点は図４に○で示すように１３箇所とした。
なお、実施例２では配管が鉄製のため、所定圧力Ｐを１００Ｎとしたが、塩ビ製であれば１０Ｎ程度で十分な変位を得ることができる。

【0024】

多数の構造体モデルを作成するに当たっては、配管の減肉位置と減肉量を変えて行った。減肉量は０．２ｍｍ、０．５ｍｍ及び０．７ｍｍの３通りを想定した。
実施例１と同様、各構造体モデルの構造データを作成し加圧点に所定圧力Ｐを付加したものとして、ＦＥＭ解析手段により各変位計測点に対応する点の変位解析データを得た。
なお、図５は或る構造体モデルについて得られた変位解析データに基づいて、加圧点に所定圧力Ｐを付加した後の配管位置を表示させた結果を示す図である。

【0025】

そして、実施例１と同様にＦＥＭ解析手段を用いて多数の学習データを生成し、予めニューラルネットワークに蓄積して自己学習させたが、実施例２の配管は複雑であるため、ＦＥＭ解析は８１１８３個の構造体モデルについて行い、そのうち７３０６５個の構造体モデルにおける変位解析データ等を学習データとし、自己学習は６万回行った。
また、残り８１１８個の構造体モデルにおける変位解析データ等は検証用とした。
図６は検証用データの変位解析データ（１３箇所の変位計測点についてのデータ）をニューラルネットワークに入力し、逆解析して得られた４箇所（図４のＡ１〜Ａ４）における減肉量の推定値と実際値（検証用データにおける４箇所の減肉量）との比較表である。
なお、減肉量は管体の断面積（減肉量をｘｍｍとした時、｛５²−(４＋ｘ)²｝×πとなる。）で表示した。実際値１はＡ１〜Ａ３の減肉量が０．２ｍｍ、Ａ４の減肉量が０．７ｍｍであり、実際値２はＡ１〜Ａ３の減肉量が０．２ｍｍ、Ａ４の減肉量が０．５ｍｍである。
推定値と実際値を比較してみると、両者の値には若干のずれがあるものの、最も減肉量の大きい箇所は一致しており、減肉の進んでいる箇所を推定できていることが分かる。

【0026】

実施例の変形例を列記する。
（１）実施例１及び２の内部状態推定システムは、中空の配管の内部構造（配管の減肉）を推定するためのものであったが、配管の減肉に限らず配管の材料強度を推定するためのものとしても良い。そのため、本明細書中では、「内部構造」や「内部構造・・・」に代えて「内部状態」や「内部状態・・・」と記載している箇所もある。
例えば、配管の内側が劣化するケースでは、管体の内面から所定深さにある領域の強度が小さくなっている構造体モデルを多数作成し、多数の学習データを生成すれば良い。
（２）実施例１及び２の内部状態推定システムは、中空の配管の内部構造（配管の減肉）を推定するためのものであったが、中空の配管に限らず、内部に空洞部を有する三次元構造体（空洞体）に適用して、空洞体の壁の厚さを推定することもできる。

【0027】

（３）実施例１及び２の内部状態推定システムは、中空の配管の内部構造（配管の減肉）を推定するためのものであったが、中空の配管に限らず、中実の三次元構造体（中実体）に適用して、中実体の材料強度を推定することもできる。
そうした場合、例えば、中実体の内部に鉄筋が含まれているケースにおいては、鉄筋の一部又は全部について強度が小さくなっている構造体モデル、鉄筋の一部が設置されていない構造体モデル及びそれらを組み合わせた構造体モデルを作成し、多数の学習データを生成すれば良い。また、鉄筋の周囲の材料が劣化するケースにおいては、鉄筋の強度に加え、鉄筋の周囲の材料強度が小さくなっている構造体モデルを多数作成し、多数の学習データを生成すれば良い。
（４）実施例１及び２の内部状態推定システムでは、学習データや検証データの生成にＦＥＭ解析手段を用いたが、ＦＥＭ解析手段に限らず、差分法や境界要素法等に基づく数値解析手段を用いても良い。

【符号の説明】

【0028】

１ 圧力付加手段 ２ａ〜２ｄ 変位計測手段
３ 構造体モデルデータ出力手段 ４ 三次元モデル解析手段
５ ニューラルネットワーク ５Ｉ 入力層 ５Ｏ 出力層
５Ｌ 学習データ蓄積手段 ５Ｌ 学習データ蓄積手段
６ 内部構造表示手段
Ａａ１〜Ａｄ１，Ａａｎ〜Ａｄｎ 変位解析データ ａ〜ｄ 変位計測点
Ｃ 構造体 Ｄａ〜Ｄｄ 変位データ Ｋ１〜Ｋｎ 構造データ
Ｌ１〜Ｌｎ 学習データ Ｍ１〜Ｍｎ 構造体モデル
ｐ 加圧点 Ｐ 所定圧力

【要約】

【課題】外観の観察や外表面の検査はできるが内部の観察や検査を行うことが困難な三次元構造体の内部状態を、放射線、超音波、電磁波等を用いた画像認識によることなく、精度良く推定できるようにすること。
【解決手段】加圧点ｐに圧力を加える圧力付加手段１、変位計測手段２ａ〜２ｄ、構造体モデルＭ１〜Ｍｎを作成する構造体モデルデータ出力手段３、加圧データＰ及び構造データＫ１〜Ｋｎを受けて変位解析を行い大量の学習データＬ１〜Ｌｎを生成する三次元モデル解析手段４、予め学習データＬ１〜Ｌｎが与えられて最適化されており、変位データＤａ〜Ｄｄの入力を受けて逆解析を行い三次元構造体の内部構造を推定するニューラルネットワーク５及び内部構造表示手段６を備える内部状態推定システム。
【選択図】 図１

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】