正確な索力識別は重要な実用的意義を持つが、工学で一般的に用いられる周波数法には計算式が複雑多様であるなどの問題が存在する。高精度な索力識別を実現するために、物理情報ニューラルネットワーク（Physics-informed Neural Network, PINN）を索力識別分野に導入し、物理情報ニューラルネットワークに基づく斜張索の索力識別手法を提案した。本手法は神経ネットワークの損失関数に斜張索の索力を表す弦振動方程式の損失項を物理情報として導入し、索力を神経ネットワークの学習可能なパラメータとして設定し、斜張索の動的変位応答を用いてネットワークを訓練し、損失関数を最小化することで索力識別を実現する。5本の典型的な斜張索の有限要素モデルを構築して応答データを取得し、本手法を用いて索力識別を行った。結果は、設定されたすべての斜張索索力識別問題において、本手法の識別誤差は3％を超えず、識別精度が高いことを示した。ネットワークが予測した変位場は斜張索の実際の変位を正確に再構築することは困難であるが、低次の振動変位場は良好に再現できる。その上で、室内モデル橋梁試験により提案手法の有効性を再検証し、本手法が高い識別精度、強い信頼性および良好な拡張性を持ち、実際の工学における斜張索索力識別に適していることを証明した。

斜張橋;物理情報ニューラルネットワーク;振動方程式;索力識別;パラメータ識別