基于兰姆波压缩特征的复合层板增强型定量损伤检测

《Engineering Structures》：Enhanced quantitative damage detection for composite laminates based on compressed features of Lamb waves

　　

• スクイーズ?エキサイテーションと効率チャネルアテンションを組み合わせたネットワークを設計し、強化損傷指標を構築する。• 損傷位置を特定するための強化確率型損傷検出アルゴリズムを開発する。• 密度ベース空間クラスタリングおよび動的タイムウィーピング（DTW）アルゴリズムを用いて損傷境界と形状を決定する。• 実験結果により、提案手法は損傷 локалиzation と定量において高い精度を有することが示された。

**序論**

複合層板は、複雑な交番応力、低速度衝撃、および苛酷な運用環境下において、可視損傷の程度に応じた内部損傷を受けやすい。複合部品の構造的完全性、安全性、経済的パフォーマンスを確保するためには、タイムリーかつ包括的な損傷評価が極めて重要である[1]。 Lamb波の超音波検出は、長距離伝播範囲、多面的な欠陥応答性、構造的異質性への高感度により、板状複合構造の構造ヘルスモニタリング（SHM）において中心的な技術として登場した。しかしながら、Lamb波の多モーダル性と本質的な分散性は、信号解釈に多大な複雑さを導入する。モーダル変換、局所的減衰、材料の異方性などの現象は、異質複合媒体内の誘導波プロファイルを厳しく歪める。これらの歪みは、損傷感受性特徴の抽出を困難にし、高精度な損傷 localized定位および定量的構造特性評価を阻害する。

誘導波ベースの構造ヘルスモニタリングの本質的な解釈限界に対処するため、健全ベースライン状態と損傷検査状態間の信号特性を比較して構造物損傷を識別する多様な誘導波アレイ技術が開発されてきた。この分野の既存研究は主に3つのカテゴリに分けられる：損傷指標（DI）の定式化、人工知能（AI）活用損傷評価、空間損傷イメージングアルゴリズム。現在の実務において、誘導波速度、減衰、エネルギー散逸などの誘導波パラメータは、損傷感受性指標として広く採用されている。典型的な抽出特徴は、飛行時間[2]、散乱波エネルギー[3]、小波パケット成分エネルギー[4]など、時域?周波数域波形記述子の一式をカバーする。並行して、モーダル変化に関連する非線形波特性、すなわち第2高調波振幅、非線形誘導波係数[5]、S0/A0 モーダル振幅比[6]などが増加して利用されてきた。ベースライン比較ベースの診断、例えばクロス再帰量化的特徴[7]や局所信号差係数[8]と組み合わされ、これらのメトリクスは損傷特性評価のツールボックスをさらに豊かにする。しかしながら、既存の手法にはなお著しい欠点がある。具体的には、[7]のクロス再帰量化アプローチは単一ドメイン特徴にのみ依存し、マルチ特徴融合や次元圧縮を行わないため、ノイズ干渉や環境変動に対する頑健性が不十分である。根本的に、分離信号ドメインから抽出された損傷情報は、初期欠陥への高い感受性と構造劣化における安定した単調性を同時に満たすことは極めて困難である。単一特徴パラダイムは、局所的構造損傷のみを特徴付けられ、グローバルな構造ヘルス状態を反映することはできない。対照的に、特徴空間の盲目的拡張は高次元データ冗長性と次元の呪いを招き、定量的損傷評価の精度と信頼性を厳しく損なう。したがって、複数ドメイン特徴の知的圧縮と融合により統一され、頑健な損傷指標を構築することは、構造物欠陥の正確かつ包括的、解釈可能な定量化を実現するために極めて不可欠である。

自律的表現能力を収穫するため、機械学習や深層学習を含むデータ駆動AIモデルは、その強力な非線形マッピングと特徴学習能力により、SHMにおいて広く採用されてきた[9,10]。Feng ら[11]は人工ニューラルネットワークを用いて複合パネルの衝撃 localized定位のための複数周波数超音波誘導波特徴を融合した。Song ら[12]はマルチアテンション機構ベースのクロス融合フレームワークを開発し、誘導波信号の局所?グローバル特性を統合して複合損傷 localized定位を行った。同様に、Liao ら[13]は次元削減された誘導波信号からマルチスケール特徴を抽出し、センシング経路間で融合することで複合板の高精度 localized定位を達成した。特徴抽出と空間反転のギャップを架橋するため、Gao ら[14]は畳み込みニューラルネットワークとスタック型オートエンコーダを結合して広帯域 Lamb信号を活用し、欠陥の localized定位と定量を行う一方、Zhang ら[15]は1次元畳み込みニューラルネットワーク構成により時間変化損傷指標を座標に直接マッピングした。さらに、Wu ら[16]は深層畳み込みネットワークと連続小波変換を統合して剥離境界を特定した。これらの進歩にもかかわらず、従来のデータ駆動ネットワークは圧倒的なボトルネックに直面する。すなわち、運用中工学構造物が臨界破損条件下で動作することは極めて稀であり、モデル訓練のための十分な破損データセットを収集することは notoriously困難である。疎な訓練リポジトリを使用して未知の条件を予測することは、予測信頼性を損なう認識的不確実性を本質的に導入する。さらに、これらの従来のブラックボックスAIフレームワークは、一貫して十分な物理的解釈可能性と機械的透明性を欠いている。

データ駆動スキームと並行して、遅延和（DAS）法[17]、位相配列イメージング[18]、確率ベースイメージング、仮想時間反転法[19]などの物理的時間遅延 localized定位手法が広く調査されてきた。古典的DASアルゴリズムは、構造欠陥からの誘導波反射の空間分散を利用する。Michaels[20]は、DAS復元におけるピクセル振幅がノッチ幾何形状と穴トラッキングと強い相関を有することを実証した。Cai ら[21]は仮想時間反転DAS方式内の等方的伝達関数を解析することで複数損傷分解能を向上させ、Shan ら[22]はDASアーキテクチャを大型炭素繊維強化ポリマー（CFRP）航空機パネルにスケールアップした。構成制約を解決するため、Nokhbatolfoghahai ら[23]は疎な再構成をDASフレームワークと組み合わせ複合板 localized定位を行い、Sharif-Khodaei and Aliabadi[24]は複合層板における衝撃モニタリングのための飛行時間（ToF）ベース localized定位を検証し、Hall ら[25]はピクセルコントラストを向上させるため適応的最小分散重み係数を適用した。しかしながら、DASの localized定位忠実度は、複合積層の本質的な異方性により方向依存の深刻な変化を経験する群速度ベクトルに厳しく依存しているため、依然として厳しく制限される。

異質信号特性から構築された損傷指標は経路固有の深刻さを反映できるため、確率ベース能動センシングイメージングは疎なトランスデューサーネットワークを使用して、大型複雑構造上の構造異常をマッピングする。例えば、Liu ら[26]はLяпунов指数確率的トラッキングにより剥離可視化を達成し、Zhang ら[27]は連立再帰プロット損傷指標を用いて確率的再構成を実施した。しかしながら、両手法とも注意駆動最適化を欠く手作業低次元指標に厳しく依存するため、ノイズアーティファクトに極めて脆弱である。さらに、固定重み配分は経路依存の深刻さを差別化できず、最終的な再構成を歪める。Xu ら[28]の分散補償共分散イメージング、Luo ら[29]のベースラインフリー相関マッピング、Motamed ら[30]の連続小波インデックス、Ihn ら[31]のマルチモーダルエネルギートラッキングなどの後続の進歩により確率的イメージング能力は拡張されたが、その localized定位性能は依然としてセンサ密度により厳しく制約され、疎なトランスデューサーレイアウト内に空間的盲点を導入することがしばしばある。

従来のDAS法と確率ベースアルゴリズムは、孤立した損傷中心 localized定位を主対象とし、完全な損傷形態と正確な境界スケールを再構成することはできない。精緻な損傷情報を取得するため、最近の研究ではデータ駆動モデルを空間イメージンググリッドと融合し、損傷特性評価を向上させている。Zhang ら[32]は畳み込み疎符号化をUNetアーキテクチャと組み合わせて低解像度DASマップをアップスケールし、高忠実度損傷分布再構成を行った。Lu ら[33]は楕円軌道モデリングと確率マッピングを頑健なベイズフレームワークに統合し、層状ブレード損傷の定量的同定を達成した。Wang ら[34]は圧縮センシングと深層学習を活用して、限定されたトランスデューサーによる高精度損傷 localized定位を実現した。同様に、Zeng ら[35]は連続隠れマルコフモデルと重み付き平均イメージングを融合して円孔損傷特徴を特性評価した。これらのハイブリッド戦略は特性評価性能を向上させるものの、依然として顕著な工学的限界に苦しむ。空間重み係数は経験的に事前定義されており、データ適応的機能による動的最適化が行われていないため、手法の汎化能力と精度が制限される。さらに、一部の研究では各センシング経路に沿った最確散乱源を損傷境界再構成の頂点として直接使用している[36]。しかしながら、未クラスタリング散乱点の生凸包から導出される損傷境界は、波動、エッジ効果、測定ノイズにより厳しく歪むため、定量的過大評価を招くことが多い[37]。[35]と[37]の代表的研究では、凸包面積計算または単純円近似により損傷サイズを定量化する。このような過度に単純化されたスキームは実際の不規則損傷形状に適応できず、非円形欠陥に対してかなりの定量化誤差を引き起こす。全体的に、既存の損傷イメージングと定量化パラダイムは、損傷指標スケールと物理寸法間の固有のマッピングを無視するか、厳格な数学的根拠と理論的頑健性を欠く極めて経験的な相関を採用している。

上記のオープンな問題に鑑みて、本研究は根本的な科学的問題に対処する：複合層板内の損傷の存在、位置、形状、サイズの総合的かつ高精度な評価は、人工知能、統合物理知識、高次疎なLamb波センシング信号を相乗的に組み合わせることで実現可能か。これに応えて、本論文ではLamb波の圧縮特徴に基づく強化定量的損傷検出法を提案する。本作業の主な貢献は以下の通りである：

(1) スクイーズ?エキサイテーション（SE）モジュールと効率的チャネルアテンション（ECA）機構の統合により、マルチドメインパラメータを環境免疫強化損傷指標（EDI）に圧縮する新しい特徴駆動型アテンションネットワークを確立する。テストされた複合構造の範囲内において、この指標は幾何学的仮定や複雑な損傷力学モデリングを必要とせず、特徴構築段階において幾何学的非依存の欠陥定量を直接実現する。

(2) EDI空間確率融合イメージング（EDI-SPFI）アルゴリズムを本作業で開発した。これは経路ごとのEDI値をピクセルレベルの確率分布に変換し、損傷中心と実際の散乱位置の正確な同定を行う。従来の手法と異なり、提案フレームワークはエネルギー重み付きDASイメージングと局所確率場の融合を採用し、方向依存反復群速度補償を放棄することで、高異方性複合構造における頑健なイメージング性能を実現する。

(3) 適応型密度ベース空間クラスタリング（Ada-DBSCAN）アルゴリズムは、偽陽性エッジ反射を排除し真の損傷境界を分離するクローズドループ位相検証機構を導入する。このクラスタリングワークフローは動的タイムウィーピング（DTW）形状マッチングおよび最大内接正則形状ルーチンと同時に動作し、欠陥の位置と断面面積を同時に評価し、統一的幾何学的基準下で完全な定量的境界を提供する。

**セクション断片**

**マルチドメイン特徴抽出**

複合層板における損傷発生は、超音波Lamb波の線形伝播経路を変化させ、顕著な波形歪みを引き起こす。これらの捕捉された波形を評価することで、関連する欠陥誘発変化を分離し、構造欠陥検出と localized定位を促進できる。具体的には、健全な複合層板にセンサアレイを取り付けた直後に取得された初期波形をベースライン参照信号として指定する。新たに記録された検査波形は比較用に用いられる。

**損傷 localized定位と定量化**

localized定位アプローチは図2に示され、4つの主要コンポーネントから構成される：楕円軌道交差による損傷中心決定、Ada-DBSCANを用いた損傷散乱点同定、凸包概念に基づく損傷境界検出、DTWによる損傷サイズ評価。

**(a)(b)(c)(d)**

**方法の実装**

図3は本研究で提案した強化定量的検出法のフローチャートを示す。詳細な手順は以下の通り要約される：

**Step 1: 訓練データセット構築。** センサーネットワークレイアウトと試験片パラメータに基づき、異なる損傷サイズの $K$ 個の有限要素モデル（FEM）を確立する。各アクチュエータ-センサ経路からLamb波信号を収集し、シミュレーションデータセット $S_0 = (s_k, y_k)_{k=1}^{K}$ およびテストセット $s_{test}$ を構築する。ここで $s_k = \{x_k, c\}_{c=1}^{C} \in \mathbb{R}^{P \times C}$、$P$ はセンシング信号の長さ、$C$ は

**損傷シミュレーション**

提案手法を評価するため、炭素繊維強化ポリマー（CFRP）交差積層板に対して、異なる剥離サイズと形態の有限要素モデル（FEM）を確立した。実験試験片の物理的特性を参照し、積層順序 $[0_2/90_4]_s$、密度 $\rho = 1517 \, \text{kg/m}^3$、弾性パラメータ $E_1 = 127.55 \, \text{GPA}$, $E_2 = E_3 = 8.41 \, \text{GPA}$, $G_{12} = G_{13} = 6.2 \, \text{GPA}$, $G_{23} = 2.82 \, \text{GPA}$, $\nu_{12} = \nu_{13} = 0.31$, $\nu_{23} = 0.49$ の複合板をモデリングした。全体的に

**不規則形状損傷検出実験の記述**

提案手法の有効性は、NASA予測データリポジトリ[38]からの疲労損傷進行データを用いて検証された。データセットの実験報告に記述されているように、ドッグボーンノッチ付き $[0_2/90_4]_s$ 交差積層試験片（図8(a)）に対して破損までの引張-引張疲労試験を行った。試験は5 Hzの周波数、最大応力が耐力の80%、応力比0.14の荷重制御条件で実施された。6対の

**結論**

本作業では、EDI-SPFIとAda-DBSCANアルゴリズムを統合した複合層板向け全定量的損傷検出法を提案する。この手法はLamb波ベースの損傷定量化において目標的な技術的改善を達成する。埋め込まれたSE-ECAネットワークはマルチチャネルLamb波特徴を融合し、冗長情報をフィルタリングし中核損傷特性を保持して、信頼性の高いEDI構築を支援する。EDI重み付きDAS、DTWおよび最大内接正則形状アルゴリズムと組み合わせることで、

**CRediT著者貢献声明**
Xiaofeng Liu: 執筆 – 査読?編集、執筆 – 原稿作成、監督、方法論、概念化。Daiping Wei: 可視化、検証、ソフトウェア。Fuyuan Liang: 可視化、検証。

林博：监督、资源、方法论。

利益冲突声明

作者声明，他们没有任何已知的财务利益冲突或个人关系，这些冲突或关系可能影响本研究报告的工作。

致谢

本工作得到了中国国家自然科学基金的资助，项目编号为 T2421001。

刘小锋｜魏太平｜梁福元｜林博