AI-Enabled Structural Health Monitoring with Piezoelectric Sensors

構造ヘルスモニタリングとは、現代社会を支える橋、航空機、建造物を、絶えず静かに監視する習慣のことです。エンジニアは、亀裂が壊滅的な崩壊に至るのを待つのではなく、人間の目では到底気づけないような微細な損傷の兆候を察知するために、センサーを使用して「音」を聴きます。この「聴く」ための最も効果的な道具の一つが、圧電トランスデューサと呼ばれる特殊なセラミック材料です。これらの小さく平らなパッチは、スピーカーとマイクロフォンの両方の役割を果たすというユニークな能力を持っています。これらに微弱な電気パルスを送ると、それらは振動し、貼り付けられた金属を通じて機械的な波を伝えます。もしその金属が健全であれば、波はスムーズに伝わります。しかし、もし亀裂や欠陥があれば、波は跳ね返ったり、散乱したり、速度が変化したりし、センサーはその変化した信号を捉えます。エンジニアは、信号がどのように変化するかを分析することで、構造物に損傷があるかどうか、そしてその損傷がどこにあるのかを判断できるのです。

最近の研究において、インドのベンガルールにあるM S Ramaiah University of Applied SciencesのShashank Padasalagi氏とHarshitha Pawar氏は、コンピュータ・シミュレーションと人工知能を組み合わせることで、このプロセスをさらにスマートにする方法を探求しました。彼らは、多くの軽量構造物の一般的な構成要素である単純なアルミニウム製の梁（ビーム）に焦点を当て、圧電センサーからの電気信号を見るだけで、コンピュータに亀裂を見つける方法を教えられるかどうかを検証しました。研究チームはこの特定の実験のためにラボで物理的な梁を作成したわけではなく、強力なシミュレーション・ソフトウェア内で、その梁の非常に詳細な「デジタルツイン」を作成しました。この仮想環境により、梁に沿った数十の異なる場所に亀動を配置し、それぞれの新しい位置に対して電気信号がどのように変化するかを正確に記録することができました。

研究者たちはまず、長さ200ミリメートルの長方形のアルミニウム梁をモデリングすることから始めました。信号を送るアクチュエータとして機能する小さな圧電パッチを一点に接着し、もう一つのパッチを信号を聞き取るセンサーとして接着しました。次に、デジタル上の梁の中に模擬的な亀裂を導入し、梁の長さに沿って20ミリメートルから180ミリメートルの間で段階的に移動させました。これら33箇所の各位置において、電気電圧が時間とともにどのように変動するかを確認するためにシミュレーションを実行しました。これらの複雑で変化する波形から、ピークの高さや信号の到達速度など、信号の形状とタイミングを説明する6つの特定の数値を取り出しました。4つの異なるリスニングポイントからのデータを組み合わせることで、あらゆる亀裂の位置に対して詳細な「指紋（フィンガープリント）」を作成しました。

このデジタル指紋のライブラリを手に入れたチームは、コンピュータがパターンを学習できるかどうかを確認するために、機械学習を活用しました。彼らは作業を2つのタスクに分けました。第一に、梁が健全であるか、あるいは亀裂があるかを単に判断すること、第二に、亀裂が正確にどこにあるかを推測することです。第一のタスクでは、「健全な」信号と「亀裂のある」信号の間に境界線を引くことを学習する分類ツールを使用しました。コンピュータを訓練するための健全な例のセットを作成するために、彼らは亀裂のある信号の一つを取り出し、数学的に調整を加えることで、ランダムなノイズを加えたりタイミングをずらしたりして、完璧な梁がどのように見えるかをシミュレートしました。その後、健全な信号から突然亀裂のある信号へと切り替わる一連のデータを用いてシステムをテストしました。コンピュータは損傷が現れた瞬間を正確に特定し、信号が変化した直後にアラームを鳴らし、このコンセプトが連続的なモニタリングのタイムラインにおいて機能することを証明しました。

第二のタスクである亀裂の特定において、研究者たちは、信頼性の尺度を内包した予測を行うように設計された別のタイプの機械学習モデルを使用しました。このモデルは、亀裂のある梁のデータのみを使用して学習され、信号の特徴に基づいて亀裂の位置を推測するように求められました。結果は、コンピュータが亀裂の位置の傾向を概ね追跡できていることを示しましたが、完全に精密というわけではありませんでした。モデルは平均25.09ミリメートルの誤差で位置を推定しました。これは大きな誤差のように聞こえるかもしれませんが、システムは自身の不確実性に対して正直であり、単一の、おそらく間違った推測を与えるのではなく、起こりうる場所の範囲を提供しました。研究では、データが可視化され、異なる亀裂位置からの信号が実際に明確なグループを形成していることが示され、亀裂が梁にユニークな署名を残していることが確認されました。

研究者たちは、自分たちの発見を、完成した即戦力のソリューションとしてではなく、あくまで概念実証（プルーフ・オブ・コンセプト）として提示することに注意を払いました。彼らは、自分たちの「健全な」データが、実際の損傷のない梁からではなく、亀裂のあるシミュレーションから人工的に生成されたものであるため、結果に対する信頼性に限界があることを指摘しました。さらに、データセット全体が、実際の金属や実際のセンサーを用いた物理的な実験からではなく、コンピュータモデルから得られたものであることも述べています。こうした制限はあるものの、この研究は明確な進むべき道を示しています。それは、波が金属の中をどのように伝わるかという物理学と、人工知能のパターン認識能力を組み合わせることで、損傷を検知し、特定するシステムを構築できるということです。この研究は、より多くのデータ、実世界でのテスト、そして洗練されたモデルがあれば、このアプローチが最終的に、肉眼では見えないトラブルを事前に察知することで、私たちのインフラの安全を守る助けとなる可能性があることを示唆しています。