風の構造ヘルスモニタリングにおける応答時間系列予測とデジタルツイン支援のためのマルチモーダル深層学習を備えたトランスフォーマ自己注意エンコーダーデコーダ

要旨: ここでは、風によって誘起される構造応答の予測能力を、革新的なトランスフォーマー手法により検討する。モデルはまた、橋梁の構造ヘルスモニタリングのためのデジタルツイン要素も提供する。まず、このアプローチは、システムの時間的特性を用いて予測モデルを学習する。次に、振動予測を実測値と比較して、大きな逸脱を検出する。最後に、同定された事例を構造変化の早期警戒指標として用いる。人工知能に基づくモデルは、風の定常性や構造の通常振動挙動に関する仮定を必要としないため、応答予測の既存手法よりも優れている。具体的には、風によって励起された動的挙動は、環境条件や交通条件が変化した際に不十分な予測につながることに起因する不確実性を抱える。これにより、通常の振動挙動を何とみなすべきかが困難な形で線引きされる。そこで、本枠組みをノルウェー科学技術大学によってモニタリングされているハルダンゲル橋の実環境計測データに基づき、厳密に検証する。このアプローチは、現実的な条件下で、またシステム励振の変化に関して、正確な構造挙動を捉える。重要な点として、本結果は、トランスフォーマーに基づくデジタルツイン要素が、時間的特性に関してシステムのライフサイクル全体にわたり、レジリエントなインフラ管理、継続学習、適応的モニタリングのための次世代ツールとして機能し得る可能性を示している。