Discovery Sagaサイレントキーワード俯瞰

構造最適化 / 機械学習 / 強化学習 / 鋼構造骨組 / 建築骨組 / 構造設計 / 最適化

建築の鋼構造骨組を対象として，優れた構造性能を有する設計の特徴を，機械学習によって抽出する手法を開発した。その手法を用いて得られた部材の配置や断面性能の関係などのメタレベルの知識を用いることにより，優れた設計を少ない計算量で得ることができる手法を提案した。さらに，構造設計における逐次設計変更のプロセスをマルコフ決定過程としてモデル化し，強化学習を用いて学習することにより，さまざまな設計条件を満たす設計を求めることができるエージェントを開発した。また，機械学習の分野で有用とされている最適化手法が，ある種の最適設計に対して既存の手法よりも有用であることを明らかにした。

大規模建築鋼構造骨組の優れた力学的性能につながる部材配置や部材断面の特徴量を，機械学習の手法であるサポートベクターマシンで求める手法を提案し，その手法を用いて，静的地震荷重に対する応答を最小化する問題に対する近似最適解を，少ない計算量で得られることを示した。また，構造設計において部材断面を逐次変更するプロセスをマルコフ決定過程としてモデル化し，強化学習を用いて最適方策を求めることにより，さまざまな実際的条件を考慮した構造設計を行うエージェントを開発した。さらに，交互方向乗数法や次元削減などの機械学習で用いられる手法に基づいて，扱いにくい最適設計問題に対して優れた近似解を得る手法を提案した。

モードシェイプ / 構造設計 / 振動モード解析 / 固有振動数 / 固有値解析 / 最小二乗法 / パラメータ同定 / リブ補強矩形板 / 最小自乗法 / 最適化 / 片持つはり

振動子設計や騒音低減化設計などに資するため,任意の所望の振動モードシェイプを有する構造物の寸法諸元を理論的設計することができる,モードシェイプシンセシス法の基本概念を構築することを目的とし,本年度は3次元振動体のモードシェイプシンセシスを試みた.得られた主な結果は以下の通りである.
(1)有限要素のモデルの縦弾性係数,密度分布を求めるモードシェイプシンセシス法の提案振動構造物を有限要素モデルで表し,構造物の固有振動数および振動モードシェイプを指定して,それらを生成するように,各要素の密度および縦弾性係数を求める,新しいモードシェイプシンセシス法を提案した.
(2)提案したモードシェイプシンセシス法の定式化8節点6面体要素め質量行列,剛性行列を密度と縦弾性係数の関数で表し,さらに構造物全体の振動方程式を導出した.この方程式を変形して,各要素の密度と縦弾性係数を未知数として求める連立1次方程式を導いた.得られた方程式は式数が未知数より多いため、固有値解析に基づく最小自乗法を適用して解を求める手順を明らかにした.
(3)実験モード解析による検証計算式の妥当性を検証するために,一様片持ち矩形板および円形ランド付き球殻の実験振動モード解析と有限要素法振動モード解析を行い,両者がよく一致することを確認した.
(4)リブ付き矩形板への通用まず、一部の要素の密度,縦弾性係数を変えた矩形板の有限要素法モード解析で得た固有振動数,モードを与えて,シンセシスを行ったところ,与えた諸元が完全に再現され,提案した計算の妥当性が確認された.また,リブ付き矩形板のモード解析結果を与えてシンセシスを行ったところ,指定値にもっとも近い固有振動数;モードシェイプを生成する密度,縦弾性係数分布を得た.
以上,連続体の振動構造設計に,提案したモードシェイプシンセシス法が有用であることが確認された.

【研究分担者】
寒野善博	東京大学	大学院情報理工学系研究科	教授	(Kakenデータベース)
木村俊明	京都大学	工学研究科	助教	(Kakenデータベース)

【研究分担者】
森川広一	東京工業大学	大学院・理工学研究科	助手	(Kakenデータベース)
岩附信行	東京工業大学	大学院・理工学研究科	助教授	(Kakenデータベース)