土木工学部門

  • 深層学習を用いた衝撃弾性波法によるコンクリート中のひび割れ検出

    コンクリート構造物における内部ひび割れ検出を目的として、インパクトエコー法にAIを統合した手法を提案している。FFTデータを用いた教師あり深層学習により損傷レベルを分類するとともに、実構造物への適用を考慮し、オートエンコーダによる教師なし学習により、教師データの構築を不要とした損傷検知を可能とした。

  • 3Dプリントコンクリートにおけるフィラメント内部空隙の幾何学的・トポロジー的発展に及ぼすプリンティングパラメータの影響

    3Dコンクリートプリンティングによる空隙構造の形成メカニズムに関して、近年開発されたトポロジカルデータ解析手法であるパーシステントホモロジー(PH)を適用した。PH解析により、フィラメント内空隙のトポロジー的変化を特徴づけることができ、層の押圧条件では一貫したトポロジー的空隙構造が示された。幾何学的およびトポロジー的アプローチは、製造プロセスに起因するフィラメント内空隙とプリント造形物の特性とを関連付けるための新たな記述指標を提供する可能性がある。

  • 地盤工学的観点から考える豪雨時の渡河橋梁による流木捕捉の功罪

    流木発生源のAI予測に基づき、橋梁基礎の流木災害リスクを評価する。数値解析・模型実験・AIにより、流木捕捉による堰上げに伴う地盤内浸透力増大による支持力低下や内部侵食促進と、河床低下・局所洗掘抑制の両面効果を定量化する。これに基づき、豪雨時の流木捕捉影響を考慮した直接基礎の安定性評価手法を構築し、設計実務への適用を目指す。

  • 沿岸流れ場における分散性波浪集中

    巨大波は古くから海難事故の要因の一つといわれてきましたが、未だ発生機構が未解明の問題です。本研究で初めて導出した理論では、水深の変化や流れがあると巨大波が著しく増幅し、最大6倍を超える高さにまで到達することが実証実験によって明らかになりました。巨大波災害への対策、予測技術の開発に、本研究成果の貢献が期待されます。

  • 海水成分の共存下におけるセメント系材料中のストロンチウムイオンの移行挙動

    本研究では、非破壊CT-XRD手法と高精度CT画像ベースのアルゴリズムから構成される解析フレームワークを、海水による劣化とSr²⁺移動が連成するシナリオに初めて適用し、同一供試体内における拡散性の変化および相組成の変化を評価した。ここで得られた成果は、劣化したコンクリート中におけるSr²⁺移動に対して海水成分が果たす役割を明らかにするものであり、福島第一原子力発電所における放射性廃棄物管理に関連する有用な知見を提供する。

  • 基本解近似解法を用いたEringenによる非局所弾性体のSH波動散乱解析

    Eringenによる非局所弾性体は、古典弾性論では取り扱いが困難な現象を解析可能にする力学モデルである。本研究では、メッシュフリー法のひとつである基本解近似解法を用いて、非局所弾性体に対する波動散乱解析を行った。非局所弾性体に特有な表面力作用素の解析表現を導出し、超音波非破壊検査において重要となる散乱特性を評価した。

  • 確率的相関を考慮したネットワークにおける信頼性経路探索問題:ハイパーグラフ上の線形計画法問題

    NP困難な問題として知られる信頼性経路探索問題は、本研究で開発したハイパーグラフ上では、容易に求解可能な線形計画法問題として表現できることを世界で初めて証明した。未だ解決していない数学の7大難問であるP vs NP問題に対して重要な知見を与える研究である。

  • 3D-RBSMによる3Dプリンティングコンクリートの異方性圧縮挙動及び引抜性能のメソスケール解析

    本研究は、3D剛体バネモデル(RBSM)を用い、鉄筋入り3Dプリンタコンクリートの異方性を分析しました。解析の結果、積層界面の空隙が性能に影響し、積層平行方向の載荷は高い圧縮・付着強度を示す一方、垂直方向は界面の弱部により性能が低下することが判明しました。本成果は、構造最適化に向けた予測枠組みを提供します。

  • 鋼材腐食と凍結融解の複合作用がコンクリート中の異形鉄筋の引抜き性状に及ぼす影響

    本研究は、積雪寒冷地のコンクリート構造物に多く生じる鉄筋腐食と凍結融解による複合劣化について、作用順序とひび割れ履歴が鉄筋の付着性能に及ぼす影響を、初めて体系的に検討したものである。特に、先行ひび割れが劣化を著しく加速することが示され、耐久性評価には損傷履歴の考慮が不可欠であることを明らかにした。

  • グラフベースネットワークとクラックアテンションを用いたマルチモジュール深層学習によるLiDAR点群からのトンネル覆工ひび割れ抽出

    本研究は、鉄道トンネル覆工のひび割れを効率的に検出するため,LiDAR点群データを直接利用する深層学習手法「PointCrackNet」を提案している。グラフベース畳み込みやアテンション機構を組み合わせることで微細なひび割れを高精度に抽出し,大規模実データによる検証でも既存手法より優れた性能を示しており,トンネル点検の自動化とインフラ維持管理の高度化に貢献する成果である。