Defect2Tree

「Defect2Tree」技術要約

問題提起
炭素繊維強化プラスチック（CFRP）コンポーネントにおける製造誘起のボイド欠陥は、信頼性の高い生産に対する大きな障壁となっている。これらの欠陥は極めて不規則な三次元形態を示し、従来の理想化（例：ストリップ、円、楕円）では十分に表現できない。このような簡略化は、分岐、連結性、境界曲率、および亀裂が発生しやすい先端といった重要なトポロジー的特徴を破棄してしまうため、トポロジーに敏感な欠陥評価およびその後の破壊予測を制限する。既存の手法はしばに孤立した幾何学的パラメータやマクロな平均値に依存しており、実際の欠陥トポロジーと機械的劣化または亀裂進展との間の定量的な関連付けに失敗している。さらに、古典的な破壊基準（応力拡大係数、エネルギー解放率）は、不規則な境界によって塑性域や局所的な歪集中が強く影響を受ける複雑なボイド欠陥に適用する場合、限界がある。

手法
本研究では、CTで解像されたボイド形態をスケルトン・ツリー表現へと変換し、実際の欠陥トポロジーと機械的に関連する亀裂応答とを結びつける、トポロジー保存型のフレームワークであるDefect2Treeを提案する。本手法は、以下の4つの統合された段階で進行する。

1. 欠陥再構成とスケルトン化：

   • X線コンピュータ断層撮影（CT）を用いて、CFRP内部のボイドを再構成する。
   • スケルトン化プロセス（形態学的収縮・膨張操作を使用）により、不規則なボイド境界を簡潔なスケルトンへと変換する。
   • ノード識別には、複雑ネットワーク理論とコサイン類似度を用い、交点（ノード）とエッジ上の点を区別することで、正確なグラフ表現を保証する。
   • **最小全域木（MST）**アルゴリズムを適用して、ループと冗長なエッジを排除し、構造をツリー形成へと簡素化することで、連結性を維持しながら総エッジ重量を最小化する。

2. ツリー不均質テンソルの構築：

   • スケルトンを幹（trunk）、枝（branch）、およびシュート（shoot：潜在的な亀裂発生部位を表す新生の側枝）へと解析する。
   • 幾何学的記述子（欠陥直径、アスペクト比、最小ボイド曲率半径、最小幹角度、フラクタル次元）とトポロジー的指標（次数中心性）を統合することにより、ツリー不均質テンソルを組み立てる。
   • このテンソルは、幾何学的な形状からエッジ・ノードのトポロジーに至るまで、ボイド形態を定量的に表現する。

3. 実験的検証と歪場解析：

   • 欠陥トポロジーの機械的影響を繊維の不均質性から分離するため、CT由来のボイド輪郭をDLPプリントされた樹脂サロゲート試験片における2D貫通孔として再現した。
   • これらの試験片に対してインサイチュ引張試験を行い、リアルタイムの同軸光学顕微鏡を用いて歪みの進化と亀裂進展を捕捉した。
   • 亀裂先端の塑性域を特定するために、**境界注意膨張（Boundary Attention Dilation: BAD）**アルゴリズムを開発した。これは、初期のアーウィンモデル半径に、形態学的勾配による注意と方向性重み付けを組み合わせ、反復的に塑性域半径（$r_p$）を精緻化するものである。
   • 粘弾性的な速度効果を考慮するために歪速度強度因子（$K_\varepsilon$）を導入し、枝ごとの亀裂発生リスクをランク付けするための歪場強度に関するE基準を定式化した。

4. 物理ガイド型予測：

   • ツリー不均質テンソル記述子と実験的な亀裂進展データを用いて、**ランダムフォレスト回帰（RFR）**モデルを学習させた。
   • モデルは、連続的な予測問題を、塑性域内における離散的な仮想亀裂方位の判別的選択として扱うことで、亀裂進展方向を予測する。

主な貢献

• Defect2Treeフレームワーク： 複雑で不規則な3Dボイド形態を、標準的な幾何学的簡略化で失われる分岐や連結性などの特徴を保持した、トポロジー保存型のツリー表現へと変換する新しい手法。
• ツリー不均質テンソル： 幾何学的詳細（曲率、フラクタル次元など）とネットワーク・トポロジー（次数中心性など）の両方を定量的に符号化し、機械学習の特長ベクトルとして機能する多次元データ構造。
• 歪場強度に関するE基準： 従来の応力強度基準では不十分な可能性がある不規則なボイドにおける亀裂発生リスクを評価するために、歪強度因子モーメントに基づき設計された新しい破壊評価指標。
• 境界注意膨張（BAD）アルゴリズム： 物理ベースの初期推定値と注意ガイド型の形態学的膨張を組み合わせることで、不規則な欠陥境界付近の塑性域半径を実験的に解明する計算手法。
• 物理ガイド型機械学習： E基準とツリー不均質テンソルをランダムフォレストモデルに統合し、亀裂進展方向を高精度に予測すること。

結果

• 亀裂発生予測： E基準は高リスクの枝を特定することに成功した。円錐形欠陥試験片において、モデルはBranch 9を発生部位（CII > 1.2）として正しく特定しており、これは実験観察における約34分での亀裂発生と一致した。
• 予測精度：
  • 円錐形欠陥試験片について、ランダムフォレストモデルは亀裂進展方向の予測において**93.64%**の精度を達成した。
  • 6つの代表的な欠陥形態（円錐形、リング形、鎌形、ストリップ形、ハンプ形、V字形）において、予測精度は**86.57%から95.75%の範囲にあり、全体平均精度は92.47%**であった。
  • モデルは、ほとんどの荷重過程を通じて安定した性能（R²は0.834から0.954の間）を示し、エラーのスパイクは不安定な亀裂進展段階でのみ発生した。
• 堅牢性： 本フレームワークは多様な欠陥形状に対して有効であることを証明したが、ストリップ形欠陥が最も高い精度を示した一方で、鎌形欠陥は最も低い精度となった。これは、後者の高度に湾曲した境界と局所的な先端摂動に起因する。

意義
本論文は、CT解像度の欠陥トポロジーから、実験的に裏付けられた亀裂進展評価へと至る、統合的かつ機械的に解釈可能な経路を確立している。CTベースの欠陥検出と構造健全性評価を橋渡しすることで、Defect2Treeは、スカラー量の空隙率指標や理想化された幾何学的記述量を超えた、転用可能なフレームワークを提供する。これは、不規則なボイド欠陥の事後CT評価のためのトポロジーに敏感なルートを提供し、欠陥の許容基準や複合材料プロセスの比較評価を支援する可能性がある。現在の検証は制御されたDLPプリント樹脂サロゲートを用いて行われているが、著者らは、トポロジーに基づく定式化は、信頼性の高い再構成と機械的特性評価が可能である限り、他の多孔質材料や複雑な欠陥形態にも拡張可能であると主張している。今後の課題として、系統的に制御された条件下で製造されたCFRP試験片を用い、プロセス・欠陥・性能の直接的な関係性を確立することが挙げられている。