ANNとSMAを組み合わせたサロゲート支援最適化フレームワークを用いた複合パネルの有限要素モデル更新の堅牢な戦略

仮想構造の調整が重要な理由

エンジニアはますます、橋梁、航空機部品、風力タービンの羽根などがどのように振動し使用中にどう振る舞うかを予測するためにコンピュータモデルに依存しています。しかしこれらのモデルは、入力される数値の正確さに依存します。複合積層材料は航空宇宙や海洋構造で一般的になっていますが、これらの材料のパラメータを正確に設定することは特に難しい。本論文は、試験データ、人工知能、自然に着想を得た探索手法を組み合わせて、複合パネルのコンピュータモデルを実構造とほぼ同じ振る舞いに調整する手法を示します。

実験からデジタルツインへ

研究は、ガラス繊維複合パネルの実物から始まります。これは薄い織布層を十層エポキシで積層したものです。実験室では、パネルを端部で支持し、計測ハンマーで軽く打撃して微小加速度計で振動を記録します。こうして得られた測定値を処理することで、重要な振動特徴—パネルの固有周波数（好んで振動する周波数）とそれに対応する曲げ形状—が抽出されます。これらの実験的な指紋が、コンピュータモデルが一致すべきゴールドスタンダードとなります。

最初のモデルの構築と検証

並行して、研究チームは標準的な構造シミュレーションツールを用いて同じパネルの詳細な仮想モデルを作成します。仮想パネルは多くの小さなシェル要素に分割され、積層構造や異方方向の剛性が表現されます。その固有周波数と振動形状を計算すると、予測はおおむね近いものの完全ではなく、いくつかの周波数は実験値と10％以上ずれていました。形状の詳細比較では、全体的なパターンは類似しているものの一致していないことが分かります。この不一致は、仮想モデルで仮定した剛性、厚さ、密度などの諸特性がわずかに誤っていることを示しています。

モデルを模倣する高速な代替器を学習させる

モデルパラメータを直接調整してフルシミュレーションを何千回も実行するのは遅すぎるため、著者らは「サロゲート」モデルを導入します。サロゲートは高コストなシミュレーションを模倣する高速な数学的代替器です。彼らは現実的な範囲内で厚さ、剛性、密度の組み合わせを数百点ランダムにサンプリングし、それぞれについてフルシミュレーションを実行して得られた周波数や形状一致度を収集しました。このデータセットで3種類のサロゲートを訓練します：単純な多項式面、統計的方法であるクリギング、そして人工ニューラルネットワークです。テストの結果、ニューラルネットワークが入力と振動応答の複雑な関係を最もよく捉えつつ評価が高速であり、各予測時間を秒から秒の一部へと短縮することが示されました。

粘菌に着想を得た探索で設計空間を探る

ニューラルネットワークがほぼ瞬時の予測器として働くようになると、次の課題は仮想パネルを実物と一致させるパラメータ組合せを海の中から探し出すことです。ここで研究者らは、粘菌が周囲を拡げて探索し、豊かな餌場に向かって収束する様子に着想を得たアルゴリズムを用います。最適化では各“個体”が候補となるパネル特性の組を表します。予測値と測定値の不一致度を導き手として、仮想粘菌は位置を変化させ、広い探索と局所的な洗練のバランスを取ります。この探索はサロゲート上でのみ実行されるため、何千もの試行を短時間で完了できます。

より鋭い一致と高速な計算

ニューラルネットワークと粘菌最適化を組み合わせた戦略はデジタルパネルを大幅に改善します。更新後、最初の5つの固有周波数のうち4つは実験値と1％未満の差に収まり、もっとも扱いの難しかった高次モードですら元のモデルと比べて著しく改善しました。必要となる調整は物理的に妥当であり、実効剛性のわずかな低下と厚さや密度の小さな修正が見られ、実際の製造ばらつきと整合します。同じニューラルネットワークサロゲートを用いて、鳥群や遺伝的進化に着想を得た既存の探索手法と比較しても、粘菌アプローチはより安定して収束し、計算時間を約7〜30％短縮します。実務的には、これはエンジニアが複合構造のより信頼できる“デジタルツイン”をより速く得られることを意味し、設計判断や感度の高い健全性監視の支援につながります。

引用: Kouhi, M., Mojtahedi, A. & Lotfollahi-Yaghin, M.A. A robust strategy for FE model updating of composite panels using a combined ANN-SMA surrogate-assisted optimization framework. Sci Rep 16, 10343 (2026). https://doi.org/10.1038/s41598-026-40583-7

キーワード: 複合構造, 有限要素モデル更新, サロゲートモデリング, 人工ニューラルネットワーク, メタヒューリスティック最適化