構造健全性モニタリングのためのハイブリッド・スペクトル時系列融合フレームワーク

要旨: 構造健全性モニタリングは、工学システムから得られる振動応答を解析することで、構造の安全性を確保する上で重要な役割を果たします。本論文では、到達時間間隔の記述子とスペクトル特徴を統合して、微細なスケールと粗いスケールの両方の振動ダイナミクスを捉えるための、スペクトロ・テンプラル・アライメント（Spectro-Temporal Alignment）フレームワークおよびハイブリッド・スペクトロ・テンプラル・フュージョン（Hybrid Spectro-Temporal Fusion）フレームワークを提案します。LDS V406 の電気力学的振動試験機（electrodynamic shaker）から収集したデータに対して行った実験により、提案するスペクトロ・テンプラル表現が従来の入力定式化を大幅に上回ることが示されました。その結果、時間分解能 ({\Delta}{\tau}) が 0.02 の 0.008 の場合は従来型の機械学習モデルが有利である一方、より細かい分解能 ({\Delta}{\tau}) が 0.008 の場合には深層学習アーキテクチャの性能ポテンシャルを効果的に引き出せることが分かりました。分類精度に加えて、平均性能、標準偏差、変動係数、バランススコアを含む、縮約された指標に基づく包括的な安定性解析により、提案するハイブリッドフレームワークは、ベースラインおよびアライメントのみのアプローチと比較して、変動性を大幅に抑えつつ一貫してより高い精度を達成することが示されています。総合すると、これらの結果は、提案するフレームワークが振動に基づく構造健全性モニタリングに対して、頑健で正確かつ信頼性の高い解決策を提供することを示しています。