高強度オフショアボルトにおける水素誘発音響放出信号の時間周波数特徴量エンジニアリングを用いた自動分類
Automatic Classification of Hydrogen-Induced Acoustic Emission Signals in High-Strength Offshore Bolts Using Time–Frequency Feature Engineering
高強度オフショアボルトにおける水素脆化(HE)は、従来の検査方法では早期の水素誘発亀裂(HIC)の検出が困難な重要な劣化メカニズムである。本研究では、サイクリック負荷下でのインサイチュ電気化学的水素チャージを受けた高強度オフショアボルトにおける水素関連損傷メカニズムを特定するための自動音響放出(AE)信号分類フレームワークを提案する。改質された特性クラス10.9鋼ボルトに対し、局所的水素チャージとマルチチャネルAEモニタリングを統合した専用軸疲労リグを用いて疲労実験を行った。水素非チャージ条件下でのベースライン疲労実験も、水素アシストおよび非水素アシストAE活動の比較のために実施された。AEデータは、信号フィルタリング、特徴抽出、主成分分析(PCA)、ガウス混合モデル(GMM)クラスタリングを含む構造化フレームワークを用いて分析された。信号識別を改善するため、連続ウェーブレット変換解析によってサポートされるスペクトルおよび時間的エネルギー分布特徴量(部分電力およびエネルギー比パラメータを含む)が導入された。提案されたフレームワークは、水素発生、塑性変形、水素誘発亀裂、脆性破壊に関連するAE信号の分離を可能にした。手動分類されたデータセットとの比較により、自動分類と物理的に解釈された信号クラスターとの間に強い一致が示され、走査型電子顕微鏡(SEM)はHIC関連AE活動に関連する水素アシスト脆性破壊特徴量の存在を支持した。スペクトルおよび時間的エネルギー分布特徴量の導入は、インサイチュ水素チャージ条件下でのクラスター分離性を向上させた。結果は、物理的に情報に基づいた特徴量エンジニアリングと自動クラスタリングの組み合わせが、高強度鋼ファスナーにおける水素アシストAE活動のメカニズム情報に基づいた特定のための有望な概念実証アプローチを提供することを示している。
- インサイチュ電気化学的水素チャージとマルチチャネルAEモニタリングを統合した軸疲労リグで、クラス10.9高強度鋼ボルトの疲労実験を実施した。
- AE信号をフィルタリング・特徴抽出・PCA・GMMクラスタリングで自動分類し、水素発生・塑性変形・水素誘発亀裂(HIC)・脆性破壊に対応する信号クラスを分離できることを示した。
- 連続ウェーブレット変換によるスペクトル・時間的エネルギー分布特徴量(部分電力・エネルギー比パラメータ)の導入でクラスター分離性が向上した。
- SEM観察によりHIC関連AE活動に対応する水素アシスト脆性破壊の特徴が確認され、自動分類と手動分類の結果が強く一致した。
高強度鋼ファスナーの水素脆化検出は洋上風力などオフショア構造物の保守・安全に直結する領域で、本研究はAE信号+機械学習(PCA/GMM+ウェーブレット特徴量)による自動分類の概念実証を示した。無破壊・インサイチュでの水素誘発亀裂検出は検査コスト削減と事故リスク低減につながるため、材料評価・モニタリング技術を手掛ける企業や洋上風力O&M事業者にとって中期的に注目すべき技術シーズと言える。ただし現時点は実験室レベルの実証で、商用化・標準化は未達であり投資判断には追加検証が必要。