損傷と運用変動を切り分ける：出力のみの構造物損傷同定のためのラベルフリー自己教師あり表現学習フレームワーク

要旨: 損傷の同定は、構造健康モニタリングにおける中核的な課題である。 しかし実際には、励振や環境条件のばらつきといった損傷以外の交絡効果によって、その信頼性がしばしば損なわれる。これらは、構造損傷によって引き起こされる変化と同等、あるいはそれを上回るほどの変化を誘発し得る。 本研究では、この課題に対処するため、頑健な振動ベースの構造損傷同定のための自己教師ありラベルフリー・ディスエンタングル表現学習フレームワークを提案する。 提案フレームワークは、生の振動加速度信号から直接学習するために、2つの潜在表現を備えたオートエンコーダを用いる。自己教師あり不変性正則化として、構造損傷は一定であると仮定しつつ運用および環境条件が変化するベースラインデータに基づいて、一つの潜在表現に対して分散—不変性—共分散正則化（VICReg）を適用する。さらに、周波数領域の制約を導入し、潜在表現から再構成されたパワースペクトル密度と、対応する入力時系列から計算されたパワースペクトル密度との一致を強制する。これらの仕組みにより、ディスエンタングルメントが促進され、学習された表現は、ノイズとなる変動に対して不変でありながら、損傷に関連する特徴に対して敏感となる。 このフレームワークは、完全にエンドツーエンドで、かつラベルフリーの方法で学習され、損傷、励振、環境条件に関する事前情報を必要としないため、実世界の応用に適している。 その有効性は、橋梁とギアボックスを含む、2種類の異なる実世界の振動データセットで検証される。 結果は、運用条件の変動に対する頑健性、強い汎化能力、および損傷の検出と定量の両方における良好な性能を示している。