文献

J-GLOBAL ID：202202251940153689   整理番号：22A0439797

深層強化学習に基づく構造支配故障モード探索法【JST・京大機械翻訳】

Structural dominant failure modes searching method based on deep reinforcement learning

著者 (12件)： Guan Xiaoshu (Key Lab of Structures Dynamic Behavior and Control of the Ministry of Education, Harbin Institute of Technology, Harbin 150090, China) ,  Guan Xiaoshu (Key Lab of Smart Prevention and Mitigation of Civil Engineering Disasters of the Ministry of Industry and Information Technology, Harbin Institute of Technology, Harbin 150090, China) ,  Guan Xiaoshu (School of Civil Engineering, Harbin Institute of Technology, Harbin 150090, China) ,  Xiang Zhengliang (Key Lab of Structures Dynamic Behavior and Control of the Ministry of Education, Harbin Institute of Technology, Harbin 150090, China) ,  Xiang Zhengliang (Key Lab of Smart Prevention and Mitigation of Civil Engineering Disasters of the Ministry of Industry and Information Technology, Harbin Institute of Technology, Harbin 150090, China) ,  Xiang Zhengliang (School of Civil Engineering, Harbin Institute of Technology, Harbin 150090, China) ,  Bao Yuequan (Key Lab of Structures Dynamic Behavior and Control of the Ministry of Education, Harbin Institute of Technology, Harbin 150090, China) ,  Bao Yuequan (Key Lab of Smart Prevention and Mitigation of Civil Engineering Disasters of the Ministry of Industry and Information Technology, Harbin Institute of Technology, Harbin 150090, China) ,  Bao Yuequan (School of Civil Engineering, Harbin Institute of Technology, Harbin 150090, China) ,  Li Hui (Key Lab of Structures Dynamic Behavior and Control of the Ministry of Education, Harbin Institute of Technology, Harbin 150090, China) ,  Li Hui (Key Lab of Smart Prevention and Mitigation of Civil Engineering Disasters of the Ministry of Industry and Information Technology, Harbin Institute of Technology, Harbin 150090, China) ,  Li Hui (School of Civil Engineering, Harbin Institute of Technology, Harbin 150090, China)
資料名： Reliability Engineering & System Safety  (Reliability Engineering & System Safety)
巻： 219  ページ： Null  発行年： 2022年 
JST資料番号： D0980B  ISSN： 0951-8320  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 構造システムの支配的な破壊モード(DFM)は構造解析と破壊確率推定にとって重要である。しかしながら,既存の故障モード(FMs)検索方法は,しばしばコンビナトリアル爆発の問題に直面している。この問題に取り組むために,ディープ強化学習(DRL)ベースの方法をDFM探索のために提案して,それは確率ベースの故障成分選択プロセスを逐次決定プロセスに変換する。最初に,構造システムの故障段階と選択した故障成分をDRLの状態と動作に変換した。第二に,深いニューラルネットワーク(DNN)を確立して故障段階を観察し,故障成分を選択した。最後に,新しい報酬関数を設計して,故障成分選択方針を学習するネットワークを誘導した。提案方法を屋根トラス構造とトラス橋構造を通してテストした。訓練されたDNNは,故障段階を観察し,完全に未知の試験セットで最も重要な成分を選択することができることを実証した。同定されたDFMsの高精度を達成することができた。モンテカルロシミュレーション(MCS)とβ-アンジッピング法の計算結果と比較して,この提案方法は,組合せ爆発を扱う際に高精度で有意な計算効率優位性を示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 構造解析 ,  *故障 ,  ネットワーク ,  屋根 ,  トラス ,  ニューラルネットワーク ,  トラス橋 ,  *故障モード ,  破壊モード ,  破壊確率 ,  *強化学習
準シソーラス用語： モンテカルロシミュレーション ,  計算効率 ,  高精度 ,  深層強化学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 構造システム ,  深層強化学習 ,  深層ニューラルネットワーク ,  優性故障モード

分類 (1件)： 信頼性  (KB04040H)

タイトルに関連する用語 (4件)： 深層強化学習 ,  支配 ,  故障モード ,  探索法