本プロンプトは、橋梁の加速度計から得られる振動データ（時系列データ）を入力し、力学モデルに基づいた逆問題解析を行うことで、構造体の疲労度および損傷リスクを定量化するAI分析フレームワークである。 ### 1. 解析用プロンプト：構造疲労推定エンジン 以下のプロンプトを、数値解析可能なAI（Python環境を保持するLLM等）に入力すること。 --- **【入力テンプレート】** ```markdown # 役割 あなたは土木工学および構造力学の専門家です。提供された橋梁の振動データに基づき、構造疲労度を推定してください。 # 入力データ 1. 橋梁の基本仕様: [スパン長, 断面二次モーメント, ヤング率, 密度, 減衰定数] 2. 観測データ: [CSV形式または加速度時系列データの統計量：固有振動数, 振幅スペクトル, 加速度RMS値] 3. 期間: [観測開始からの経過年数] # 分析ステップ ステップ1：【固有振動数シフトの解析】 入力された固有振動数の変化から、剛性の低下率を算出せよ。f^2 ∝ k/m の関係に基づき、現時点での損傷度を推定すること。 ステップ2：【応力振幅の推定】 観測された加速度データから、対象部材にかかる応力振幅を算出せよ。モーダル解析を用いて、特定モード（1次〜3次）の変位から曲げモーメントを逆算すること。 ステップ3：【疲労蓄積度の算出（マイナー則の適用）】 累積損傷則（Σ(ni/Ni)）を用い、現在の疲労蓄積度を計算せよ。S-N曲線（応力振幅と破断までの繰返し数の関係）を設定し、残存寿命を予測すること。 # 出力形式 - 損傷推定スコア（0.0〜1.0） - 危険度評価（低・中・高） - メンテナンス推奨事項 ``` --- ### 2. 構造疲労解析用Pythonスクリプト 振動データからスペクトル密度を算出し、疲労解析の基礎となるピーク周波数を抽出するコードスニペット。 ```python import numpy as np import scipy.signal as signal def calculate_fatigue_indicators(acceleration_data, fs): """ 加速度データから疲労解析のための特徴量を抽出する :param acceleration_data: 加速度時系列データ :param fs: サンプリング周波数 :return: 固有振動数候補、RMS値 """ # 1. パワースペクトル密度(PSD)の算出 f, psd = signal.welch(acceleration_data, fs, nperseg=1024) # 2. 固有振動数の特定（PSDのピークを抽出） peaks, _ = signal.find_peaks(psd, height=np.mean(psd)*5) dominant_frequencies = f[peaks] # 3. RMS加速度の算出（振動エネルギーの指標） rms_acceleration = np.sqrt(np.mean(acceleration_data**2)) return dominant_frequencies, rms_acceleration # 使用例 # data = load_bridge_data("bridge_sensor_01.csv") # freqs, rms = calculate_fatigue_indicators(data, 100) # print(f"抽出された固有振動数: {freqs}") ``` ### 3. 解析精度の向上に向けた変数設計ガイド 橋梁の振動解析における「疲労」を逆算するためには、以下の物理パラメータの精度が不可欠である。解析実行前に、各変数を以下のガイドに従って調整すること。 1. **剛性低下の閾値設定** * 通常、固有振動数が初期値から5%以上低下した場合、構造的な損傷が進行している兆候とみなす。 * 計算式：`k_current / k_initial = (f_current / f_initial)^2` 2. **S-N曲線の選定** * 鋼橋の場合は「AASHTO」または「日本道路協会」の道路橋示方書に準拠した疲労区分（A〜E）を適用すること。 * 変数 `m`（傾き）を部材の種類に応じて設定する。 3. **減衰定数の考慮** * 構造の老朽化が進むと減衰定数が変化する可能性がある。ログデクリメント法（対数減衰率）により、実測データから減衰定数を補正すること。 ### 4. 疲労リスク評価フレームワーク（意思決定ツール） AIが出力した数値を、以下の表に照らし合わせてメンテナンス計画へ落とし込むこと。 | 累積損傷度(D) | 状態評価 | アクションプラン | | :--- | :--- | :--- | | D < 0.2 | 健全 | 定期的なモニタリング継続 | | 0.2 ≦ D < 0.5 | 注意 | 振動増幅傾向の監視、現地目視点検の実施 | | 0.5 ≦ D < 0.8 | 警戒 | 非破壊検査による亀裂確認、詳細構造解析の実施 | | D ≧ 0.8 | 緊急 | 交通規制、補強工事の即時検討 | ### 5. 運用上の注意点 * **環境ノイズの除去**: 橋梁振動には、風揺れや大型車両の通行による過渡的な振動が含まれる。疲労解析には「自由振動成分」のみを抽出する必要があるため、ローパスフィルタ（遮断周波数：20Hz〜50Hz程度）を適用することを推奨する。 * **温度補正**: 橋梁の固有振動数は気温変化による鋼材の弾性係数の変化や、支承部の拘束条件の変化によっても変動する。必ず「季節ごとの温度データ」を外部変数として加味すること。 * **非線形性の扱い**: 構造疲労が極限に達している場合、振動特性は線形モデルから乖離する。この場合、AIには「力学モデルの再構築」を指示し、非線形有限要素法（FEM）の知見を導入するようプロンプトを書き換えること。 ### 6. まとめ：解析のフローチャート 1. **データクリーニング**: ノイズを除去し、定常的な振動波形を抽出。 2. **モード同定**: 固有振動数とモード形状を特定し、初期設計値と比較。 3. **応力逆算**: 加速度から構造力学の運動方程式を用いて、部材応力を推定。 4. **寿命予測**: マイナー則を適用し、疲労蓄積を定量化。 5. **リスク判定**: 評価表に基づき、次のアクションを確定。 以上のプロンプトセットは、橋梁の「健康診断」を物理的な裏付けを持って実行するためのものである。数値の変動が何を意味するか、常に力学的な視点（剛性と質量のバランス）に立ち返って確認してほしい。このフレームワークを活用することで、経験則に頼らない、データ駆動型の保全体制を構築することが可能となる。