JP2019095331A - Ｐｃ鋼材劣化状況判別システム及びプログラム - Google Patents

Abstract

【課題】非破壊検査データを人工知能により解析することで、そのＰＣ鋼材の劣化状況の判別を高精度に行う。【解決手段】ＰＣ鋼材７２に対する過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材７２の劣化状況の判別結果との３段階以上の連関度を予め取得する連関度取得ステップと、新たに劣化状況を判別するＰＣ鋼材７２が埋設されたＰＣ構造物７に対して上記非破壊検査を行うことにより得られた検査データが入力される入力ステップと、上記連関度取得ステップにおいて取得した連関度を参照し、上記入力ステップにおいて入力された情報に基づき、ＰＣ鋼材７２の劣化状況を判別する判別ステップとをコンピュータに実行させることを特徴とする。【選択図】図１

Description

本発明は、構造物中に埋設されたＰＣ鋼材の劣化状況を非破壊検査により判別するためのＰＣ鋼材劣化状況判別するためのＰＣ鋼材劣化状況判別システム及びプログラムに関する。

従来より、ポストテンション方式の橋梁や高架橋、建築物等のＰＣ構造物のシース内のＰＣ鋼材が腐食や水素脆化により劣化し、破断に至る虞がある。このため、従来においてシース内のＰＣ鋼材の劣化状況を非破壊検査により判別することが行われている。この非破壊検査方法としては、例えばＸ線透過法、赤外線サーモグラフィ法、電気抵抗計測、振動計測等による方法が用いられている。

特開２０００−２０６０９８号公報

しかしながら、これらの非破壊検査方法により検査データを取得することができたとしても、その検査データに基づいてＰＣ鋼材の劣化状況を正確に判別するのは容易ではない。実際に検査データのみからＰＣ鋼材の劣化状況をある程度正確に予測するためには相当の熟練を要するものとなっており、また熟練した経験を以ってしても時には誤った判別をしてしまう場合もあった。

このため、ＰＣ鋼材の劣化状況の判別を特段の熟練を積むことなく、正確な判別を自動的に行うことができる技術が従来より望まれていた。このＰＣ鋼材の劣化状況の自動的な判別を人工知能により行わせることで精度向上を図る技術思想も十分に考えられる。

中でも特許文献１には、建築構造物からの超音波反射エコーを受信して、柱等におけるきずの形状情報を取得し、きずの形状情報と、人工知能等によって求められた検査参照データベースとの比較を実施し、建築物の保全度合い等を評価する技術が開示されている。

しかしながら、この特許文献１の開示技術には、ＰＣ構造物のシース内におけるＰＣ鋼材の劣化状況について、非破壊検査データを人工知能により解析することで判別する技術は特段開示されていない。

そこで、本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、ＰＣ構造物のシース内におけるＰＣ鋼材の劣化状況を非破壊検査により判別するためのＰＣ鋼材劣化状況判別システム及びプログラムにおいて、特に非破壊検査データを人工知能により解析することで、そのＰＣ鋼材の劣化状況の判別を高精度に行うことが可能なＰＣ鋼材劣化状況判別システム及びプログラムを提供することにある。

本発明に係るＰＣ鋼材劣化状況判別システムは、構造物中に埋設されたＰＣ鋼材の劣化状況を非破壊検査により判別するためのＰＣ鋼材劣化状況判別システムにおいて、上記ＰＣ鋼材に対する過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶されているデータベースと、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して上記非破壊検査を行うことにより得られた検査データが入力される入力手段と、上記入力手段を介して入力された検査データを上記データベースに記憶されている連関度に関連付けられる検査データに割り当て、その割り当てられた検査データに設定された連関度に基づいて、ＰＣ鋼材の劣化状況を判別する判別手段とを備えることを特徴とする。

本発明に係るＰＣ鋼材劣化状況判別プログラムは、構造物中に埋設されたＰＣ鋼材の劣化状況を非破壊検査により判別するためのＰＣ鋼材劣化状況判別プログラムにおいて、上記ＰＣ鋼材に対する過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度を予め取得する連関度取得ステップと、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して上記非破壊検査を行うことにより得られた検査データが入力される入力ステップと、上記入力ステップにおいて入力された検査データを上記連関度取得ステップにおいて予め取得した連関度に関連付けられる検査データに割り当て、その割り当てられた検査データに設定された連関度に基づいて、ＰＣ鋼材の劣化状況を判別する判別ステップとをコンピュータに実行させることを特徴とする。

上述した構成からなる本発明によれば、ＰＣ構造物のシース内におけるＰＣ鋼材の劣化状況の把握を、特段の熟練を要することなく容易に行うことが可能となる。また本発明によれば、ＰＣ鋼材の劣化状況の把握をより高精度に行うことが可能となる。更に、上述した連関度を人工知能で構成することにより、これを学習させることでその判別精度を更に向上させることが可能となる。

本発明を適用したＰＣ鋼材劣化状況判別システムの全体構成を示すブロック図である。 判別装置の具体的な構成例を示す図である。 本発明を適用したＰＣ鋼材劣化状況判別システムによる出力解の探索コンセプトについて説明するための図である。 本発明を適用したＰＣ鋼材劣化状況判別システムの処理動作を示すフローチャートである。 非破壊検査方法としてＸ線透過法を利用する場合における連関度の例を示す図である。 非破壊検査方法としてＸ線透過法を利用する場合における組み合わせの連関度を示す図である。 非破壊検査方法として漏洩磁束法を利用する場合における連関度の例を示す図である。 非破壊検査方法として漏洩磁束法を利用する場合における組み合わせの連関度の例を示す図である。 非破壊検査方法としてＡＥ(Acoustic Emission)を利用する場合における連関度の例を示す図である。 非破壊検査方法としてＡＥ(Acoustic Emission)を利用する場合における組み合わせの連関度の例を示す図である。 非破壊検査方法として電気抵抗計測を利用する場合における連関度の例を示す図である。 非破壊検査方法として電気抵抗計測を利用する場合における組み合わせの連関度の例を示す図である。 非破壊検査方法として振動計測を利用する場合における連関度の例を示す図である。 非破壊検査方法として振動計測を利用する場合における組み合わせの連関度の例を示す図である。 非破壊検査方法として赤外線サーモグラフィーを利用する場合における連関度の例を示す図である。 非破壊検査方法として赤外線サーモグラフィーを利用する場合における組み合わせの連関度の例を示す図である。 非破壊検査方法として高周波衝撃弾性波法を利用する場合における連関度の例を示す図である。 非破壊検査方法として高周波衝撃弾性波法を利用する場合における組み合わせの連関度の例を示す図である。 非破壊検査方法として電磁パルス法を利用する場合における連関度の例を示す図である。 非破壊検査方法として電磁パルス法を利用する場合における組み合わせの連関度の例を示す図である。 非破壊検査方法として電磁レーダー法を利用する場合における連関度の例を示す図である。 非破壊検査方法として電磁レーダー法を利用する場合における組み合わせの連関度の例を示す図である。 非破壊検査方法として自然電位法を利用する場合における連関度の例を示す図である。 非破壊検査方法として自然電位法を利用する場合における組み合わせの連関度の例を示す図である。 非破壊検査方法として分極抵抗法を利用する場合における連関度の例を示す図である。 非破壊検査方法として分極抵抗法を利用する場合における組み合わせの連関度の例を示す図である。 ２種以上の非破壊検査方法の検査データの組み合わせの連関度の例を示す図である。

以下、本発明を適用したＰＣ鋼材劣化状況判別システムついて、図面を参照しながら詳細に説明をする。

図１は、本発明を適用したＰＣ鋼材劣化状況判別システム１の全体構成を示すブロック図である。ＰＣ鋼材劣化状況判別システム１は、ＰＣ構造物７のシース７１内におけるＰＣ鋼材７２の劣化状況を非破壊検査により判別する。ＰＣ鋼材劣化状況判別システム１は、非破壊検査部８と、非破壊検査部８に接続された評価装置９と、評価装置９に接続された判別装置２と、判別装置２に接続されたデータベース３とを備えている。

ＰＣ構造物７は、ＰＣ鋼材７２及びシース７１が内部に配設された橋梁や高架橋、建築物等である。

シース７１は、内部にＰＣ鋼棒又は多数のＰＣ鋼線等を始めとするＰＣ鋼材７２が緊張状態で、しかも当該シース７１の内壁面から離間する形で配設される。ちなみに、本実施の形態においては、ポストテンション方式のＰＣ構造物７を対象としていることから、かかる場合にはＰＣ構造物７中にシース７１を配置した後にコンクリートを充填並びに硬化させ、その後にシース７１内にＰＣ鋼材７２を挿入して引張応力を負荷する。更にその後、シース７１内にグラウトを充填して硬化させる。

非破壊検査部８は、例えばＸ線透過法、漏洩磁束法、ＡＥ（Acoustic Emission）、電気抵抗計測、振動計測、赤外線サーモグラフィー、高周波衝撃弾性波法、電磁パルス法、電磁レーダー法、自然電位法、分極抵抗法等の非破壊検査手法により、ＰＣ鋼材７２の劣化状況を判別するための検査データを検出する。非破壊検査部８は、検出した検査データを評価装置９へ送信する。

評価装置９は、例えばＰＣ（パーソナルコンピュータ）やスマートフォン、タブレット型端末、ウェアラブル端末等の電子機器で構成されている。この評価装置９は、非破壊検査部８により取得された検査データが波形からなるものであれば、それを解析することにより、シース７１内におけるグラウトの充填度を評価する上で最適なものに適宜加工する。例えばこの評価装置９は、得られた周波数軸のデータについてＦＦＴ（Fast Fourier Transform）変換を施すことにより、時間軸の波形データを周波数軸のスペクトラムデータに変換するようにしてもよい。評価装置９は、このようにして適宜加工した検査データを判別装置２へと送信する。

ちなみに、この評価装置９は、例えば図示しないディスプレイ等からなる表示部を介して各検査データを表示することができる。また評価装置９は、これら各データをストレージ内に記録し、ユーザによる命令に基づいてこれらデータを表示部へ表示し、又は携帯型メモリにこれらデータを書き込むことができる。ユーザは、この携帯型メモリを評価装置９から取り外して自由に持ち運びすることが可能となる。更に評価装置９は、これら各データを公衆通信網を介して他の電子機器へ転送することも可能となる。

なお、本発明においてこの評価装置９の構成は必須ではなく、省略するようにしてもよい。かかる場合には、非破壊検査部８から出力される検査データは、判別装置２へ直接送信されることとなる。

データベース３は、提供すべきＰＣ鋼材７２の劣化状況の判別条件に関するデータベースが構築されている。データベース３には、公衆通信網を介して送られてきた情報、或いは本システムのユーザによって入力された情報が蓄積される。またデータベース３は、判別装置２からの要求に基づいて、この蓄積した情報を判別装置２へと送信する。

判別装置２は、例えば、パーソナルコンピュータ（ＰＣ）等を始めとした電子機器で構成されているが、ＰＣ以外に、携帯電話、スマートフォン、タブレット型端末、ウェアラブル端末等、他のあらゆる電子機器で具現化されるものであってもよい。ユーザは、この判別装置２による探索解としてのＰＣ鋼材７２の劣化状況の判別結果を得ることにより、シース７１内におけるＰＣ鋼材７２が劣化しているか否かを判別することが可能となる。そして、ＰＣ鋼材７２が劣化している場合には、これを交換する等の作業を行うこととなる。

図２は、判別装置２の具体的な構成例を示している。この判別装置２は、判別装置２全体を制御するための制御部２４と、操作ボタンやキーボード等を介して各種制御用の指令を入力するための操作部２５と、有線通信又は無線通信を行うための通信部２６と、最適な設計条件を探索する探索部２７と、ハードディスク等に代表され、実行すべき検索を行うためのプログラムを格納するための記憶部２８とが内部バス２１にそれぞれ接続されている。更に、この内部バス２１には、実際に情報を表示するモニタとしての表示部２３が接続されている。

制御部２４は、内部バス２１を介して制御信号を送信することにより、判別装置２内に実装された各構成要素を制御するためのいわゆる中央制御ユニットである。また、この制御部２４は、操作部２５を介した操作に応じて各種制御用の指令を内部バス２１を介して伝達する。

操作部２５は、キーボードやタッチパネルにより具現化され、プログラムを実行するための実行命令がユーザから入力される。この操作部２５は、上記実行命令がユーザから入力された場合には、これを制御部２４に通知する。この通知を受けた制御部２４は、探索部２７を始め、各構成要素と協調させて所望の処理動作を実行していくこととなる。

探索部２７は、ＰＣ鋼材７２の劣化状況の判別結果を探索する。この探索部２７は、探索動作を実行するに当たり、必要な情報として記憶部２８に記憶されている各種情報や、データベース３に記憶されている各種情報を読み出す。この探索部２７は、人工知能により制御されるものであってもよい。この人工知能はいかなる周知の人工知能技術に基づくものであってもよい。

表示部２３は、制御部２４による制御に基づいて表示画像を作り出すグラフィックコントローラにより構成されている。この表示部２３は、例えば、液晶ディスプレイ（ＬＣＤ）等によって実現される。

記憶部２８は、ハードディスクで構成される場合において、制御部２４による制御に基づき、各アドレスに対して所定の情報が書き込まれるとともに、必要に応じてこれが読み出される。また、この記憶部２８には、本発明を実行するためのプログラムが格納されている。このプログラムは制御部２４により読み出されて実行されることになる。

上述した構成からなるＰＣ鋼材劣化状況判別システム１における動作について説明をする。

ＰＣ鋼材劣化状況判別システム１では、例えば図３に示すように、検査データＡ、Ｂ、・・・からなる入力パラメータに基づいて、ＰＣ鋼材７２の劣化状況の判別結果に関する出力解を探索する。このＰＣ鋼材７２の劣化状況の判別結果は、例えば腐食度合や、断面欠損の度合、破断の有無等を判定する。腐食度合、断面欠損の度合は、例えば０％、５０％、１００％等のような確率として示されるものであってもよいし、ＰＣ鋼材７２における側面視、断面視でいかなる分布で腐食や断面欠損が起きているかを示すものであってもよい。

入力パラメータとしては、非破壊検査部８により検出され、必要に応じて評価装置９により加工され、解析された検査データである。検査データＡ、Ｂ、・・が入力パラメータとして入力される。

このようにして検査データが非破壊検査部８により検出された後に、実際に探索プログラムによる処理動作が実行されていくこととなる。この探索プログラムの処理動作フローを図４に示す。

評価装置９は、ステップＳ１１において非破壊検査部８により検出された検査データについて各種解析を行い、また後段の探索装置による探索を行い易くするために各種データに加工を施す（ステップＳ１２）。

次にステップＳ１３へ移行し、ステップＳ１２において解析、加工した検査データと連関度の出力解を探索する。この探索を行う前において、データベース３は、参照用の入力パラメータ（以下、参照用入力パラメータという。）と、出力解としてのＰＣ鋼材７２の劣化状況の判別結果との３段階以上の連関度を予め取得しておく。

Ｘ線透過法
図５は、このデータベース３において予め取得した連関度の例を示している。この図５の例では、非破壊検査部８における非破壊検査方法として、Ｘ線透過法を利用する。このＸ線透過法に基づいて非破壊検査部８により検出した検査データは、例えばＸ線透過法に基づいて撮影した画像等で構成される。このため、参照用入力パラメータにおいては、これらＸ線透過法に基づいて撮影した画像ｒ１、ｒ２、ｒ３、・・・・を予め学習させることとなる。

データベース３には、参照用入力パラメータとしてのＸ線透過法に基づいて撮影した画像ｒ１、ｒ２、ｒ３、・・・・と、出力解としてのＰＣ鋼材７２の劣化状況の判別結果との間での３段階以上の連関度を予め記憶させておく。図５の例によれば、参照用入力パラメータが画像ｒ１である場合に、「断面欠損率４０％」が連関度８０％、「腐食率１０％」が連関度６０％で設定されている。また参照用入力パラメータが画像ｒ２である場合に、「腐食率９０％」が連関度９０％、「断面欠損率５％」が連関度４０％で設定されている。

これらの連関度は、以前にＸ線透過法に基づいて非破壊検査を行った際の画像ｒ１、ｒ２、ｒ３、・・・と、その判別結果としての腐食度合や、断面欠損の度合、破断の有無等をデータベース３内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この連関度は、Ｘ線透過法に基づいて非破壊検査を行った際の画像に基づいて、実際のシース７１内におけるＰＣ鋼材７２の劣化状況を判別する上での的確性を示すものである。例えばＸ線透過法に基づく画像ｒ３に対しては、連関度７０％の「破断」が最も的確な判断に近く、連関度５０％の「断面欠損率４０％」がこれに続く的確な判断ということになる。同様にＸ線透過法に基づく画像ｒ２に対しては、連関度９０％の「腐食率９０％」が最も的確な判断に近く、連関度４０％の「断面欠損率５％」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、ＰＣ鋼材７２の劣化状況を判別する作業を行う。このＰＣ鋼材７２の劣化状況を判別する上で予め取得した図５に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータの画像が、参照用入力パラメータとしての画像ｒ１か、又はこれに近似するものである場合には、上述した連関度を参照した場合、連関度の最も高い「断面欠損率４０％」を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる「腐食率１０％」を最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論である。即ち、このＰＣ鋼材７２の劣化状況の選択は、連関度が高いものから順に選択される場合に限定されるものではなく、ケースに応じて連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

また、ステップＳ１２において解析した入力パラメータの画像が、参照用入力パラメータとしての画像ｒ２にも一部類似しているが、画像ｒ３にも一部類似し、何れに割り当ててよいか分からない場合については、例えば、画像間の特徴等に着目して判断するようにしてもよい。かかる場合には、例えばＰＣ鋼材７２を構成する画素の輝度を画像内の特徴領域とみなして何れに割り当てるか判断するようにしてもよい。入力パラメータの画像が何れの参照用入力パラメータに類似しているかを判別する際には、例えばディープラーニング等を活用するようにしてもよい。ディープラーニングを通じて画像上の特徴量に基づき、何れの参照用入力パラメータに割り当てるかを判別することとなる。このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された連関度に基づいて出力解としてのＰＣ鋼材７２の劣化状況を選択することになる。

なお、ステップＳ１２において解析した入力パラメータに対する出力解の選択方法は、上述した方法に限定されるものではなく、連関度を参照するものであればいかなる方法に基づいて実行するようにしてもよい。また、このステップＳ１３の探索動作では、人工知能を利用して行うようにしてもよい。

次にステップＳ１４へ移行し、選択した最適解としてのＰＣ鋼材７２の劣化状況を表示部２３を介して表示する。これによりユーザは、表示部２３を視認することにより、これからＰＣ鋼材７２の劣化状況の判別結果を即座に把握することが可能となる。

図６は、Ｘ線透過法による過去の非破壊検査の検査データとしての画像ｒ１、ｒ２、・・・と、ＰＣ鋼材７２の形態情報やＰＣ鋼材７２の配置情報の何れか１以上との組み合わせと当該組み合わせに対するＰＣ鋼材７２の劣化状況との３段階以上の連関度が設定されている例を示している。

ＰＣ鋼材７２の形態情報としては、例えばＰＣ鋼材７２の材質や部材の厚み等の情報や、ＰＣ鋼材７２がＰＣ鋼線の束で構成されている場合には、その空洞の形成箇所や、空洞の大きさ等の情報で構成される。またＰＣ鋼材７２の配置情報は、その配置形態に関するあらゆる情報が含まれる。このＰＣ鋼材７２の配置情報の例としては、例えば、正面視におけるＰＣ鋼材７２が並列で配置されているか否か、またＰＣ鋼材７２間の間隔等に関する情報が含まれる。

かかる場合において、連関度は、図６に示すように、非破壊検査の検査データとしての画像ｒ１、ｒ２、・・と、ＰＣ鋼材７２の形態情報やＰＣ鋼材７２の配置情報の何れか１以上の組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の連関度である。例えば、ノード６１ａは、画像ｒ１が連関度８０％で、また配置情報としての「並列配置」が連関度８０％で連関している。またノード６１ｃは、画像ｒ２が連関度６０％で、形態情報としての「部材厚 ５００ｍｍ〜１５００ｍｍ」が連関度６０％、配置情報としての「非並列配置」が連関度４０％で連関している。

このような連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての非破壊検査の検査データとしての画像ｒ１、ｒ２、・・ＰＣ鋼材７２の形態情報やＰＣ鋼材７２の配置情報の連関度に応じた出力解を探索する。探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図６に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、画像ｒ１であり、かつ形態情報として「部材厚 １５０〜５００ｍｍ」である場合、連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「断面欠損率４０％」が連関度６０％、「破断」が連関度４０％で関連付けられている。

探索プログラムは、この探索結果に基づいて同様にステップＳ１４において解を出力することになる。

漏洩磁束法
図７の例では、非破壊検査部８における非破壊検査方法として、漏洩磁束法を利用する。この漏洩磁束法は、強磁性体であるＰＣ鋼材７２を着磁させ、漏洩磁束の有無を判定することによりＰＣ鋼材７２の劣化を判断する手法である。この漏洩磁束法に基づいて非破壊検査部８により検出した検査データは、例えば磁束密度の分布等のデータで構成される。このため、参照用入力パラメータにおいては、これら漏洩磁束法に基づいて検出した磁束密度の分布等のデータを予め学習させることとなる。

データベース３には、参照用入力パラメータとしての磁束密度の分布と、出力解としてのＰＣ鋼材７２における劣化状況の判別結果との間での３段階以上の連関度を予め記憶させておく。図７の例によれば、参照用入力パラメータの磁束密度の分布ｒ１である場合に、「断面欠損率４０％」が連関度８０％、「腐食率１０％」が連関度６０％で設定されている。また参照用入力パラメータが磁束密度の分布ｒ２である場合に、「腐食率９０％」が連関度９０％、「断面欠損率５％」が連関度４０％で設定されている。

これらの連関度は、以前に漏洩磁束法に基づいて非破壊検査を行った際の分布ｒ１、ｒ２、ｒ３、・・・と、その判別結果としての腐食度合や、断面欠損の度合、破断の有無等をデータベース３内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この連関度は、漏洩磁束法に基づいて非破壊検査を行った際のデータに基づいて、実際のシース７１内におけるＰＣ鋼材７２の劣化状況を判別する上での的確性を示すものである。例えば漏洩磁束法に基づく分布ｒ３に対しては、連関度７０％の「破断」が最も的確な判断に近く、連関度５０％の「断面欠損率４０％」がこれに続く的確な判断ということになる。同様に漏洩磁束法に基づく画像ｒ２に対しては、連関度９０％の「腐食率９０％」が最も的確な判断に近く、連関度４０％の「断面欠損率５％」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、ＰＣ鋼材７２の劣化状況を判別する作業を行う。このＰＣ鋼材７２の劣化状況を判別する上で予め取得した図７に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての分布ｒ１か、又はこれに近似するものである場合には、上述した連関度を参照した場合、連関度の最も高い「断面欠損率４０％」を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる「腐食率１０％」を最適解として選択するようにしてもよい。ＰＣ鋼材７２の劣化状況の選択は、ケースに応じて連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

また、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての分布ｒ２にも一部類似しているが、分布ｒ３にも一部類似し、何れに割り当ててよいか分からない場合については、例えば、ディープラーニングを通じて画像上の特徴量に基づき判断するようにしてもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された連関度に基づいて出力解としてのＰＣ鋼材７２の劣化状況を選択することになる。

図８は、漏洩磁束法による過去の非破壊検査の検査データとしての分布ｒ１、ｒ２、・・・と、ＰＣ鋼材７２の形態情報、ＰＣ鋼材７２の種類情報、ＰＣ鋼材７２の配置情報、ＰＣ鋼材７２が挿通されるシース７１の情報の何れか１以上との組み合わせと当該組み合わせに対するＰＣ鋼材７２の劣化状況との３段階以上の連関度が設定されている例を示している。

ＰＣ鋼材７２の形態情報の例としては上述と同様である。ＰＣ鋼材７２の種類情報は、実際に使用されているＰＣ鋼材７２の種類に関するあらゆる情報を含む。ＰＣ鋼材７２の配置情報は、上述に加え、ＰＣ鋼材７２のかぶり厚、ＰＣ鋼材７２の周囲の鉄筋の配置情況等が含まれる。ＰＣ鋼材７２が挿通されるシース７１の情報とは、シース７１の材質やシース７１の配置や状態等に関する各種情報が含まれる。

かかる場合において、連関度は、図８に示すように、非破壊検査の検査データとしての分布ｒ１、ｒ２、・・と、ＰＣ鋼材７２の種類情報やＰＣ鋼材７２の配置情報等の何れか１以上の組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の連関度である。例えば、ノード６１ａは、分布ｒ１が連関度８０％で、また配置情報としての「かぶり厚３０〜６００ｍｍ」が連関度８０％で連関している。またノード６１ｃは、分布ｒ２が連関度６０％で、種類情報としての「種類β」が連関度６０％、配置情報としての「かぶり厚６００〜１８００ｍｍ」が連関度４０％で連関している。

このような連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての非破壊検査の検査データとしての分布ｒ１、ｒ２、・・ＰＣ鋼材７２の種類情報やＰＣ鋼材７２の配置情報の連関度に応じた出力解を探索する。探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図８に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、分布ｒ１であり、かつ種類情報として「種類α」である場合、連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「断面欠損率４０％」が連関度６０％、「破断」が連関度４０％で関連付けられている。

この図８の例では、図示していないが、ＰＣ鋼材７２の形態情報、シース７１の情報の何れか１以上との組み合わせの連関度が定義されている場合も同様である。

ＡＥ(Acoustic Emission)
図９の例では、非破壊検査部８における非破壊検査方法として、ＡＥを利用する。このＡＥは、複数配置したＡＥセンサによりＡＥ波の伝播時間の差と伝搬速度を計測することによりＰＣ鋼材７２の劣化を判断する手法である。このＡＥに基づいて非破壊検査部８により検出した検査データは、例えばＡＥ波形で構成される。このため、参照用入力パラメータにおいては、これらＡＥ波形のデータを予め学習させることとなる。

データベース３には、参照用入力パラメータとしてのＡＥ波形と、出力解としてのＰＣ鋼材７２における劣化状況の判別結果との間での３段階以上の連関度を予め記憶させておく。図９の例によれば、参照用入力パラメータのＡＥ波形ｒ１である場合に、「断面欠損率４０％」が連関度８０％、「腐食率１０％」が連関度６０％で設定されている。また参照用入力パラメータがＡＥ波形ｒ２である場合に、「腐食率９０％」が連関度９０％、「断面欠損率５％」が連関度４０％で設定されている。

これらの連関度は、以前にＡＥに基づいて非破壊検査を行った際のＡＥ波形ｒ１、ｒ２、ｒ３、・・・と、その判別結果としての腐食度合や、断面欠損の度合、破断の有無等をデータベース３内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この連関度は、ＡＥに基づいて非破壊検査を行った際のデータに基づいて、実際のシース７１内におけるＰＣ鋼材７２の劣化状況を判別する上での的確性を示すものである。例えばＡＥに基づくＡＥ波形ｒ３に対しては、連関度７０％の「破断」が最も的確な判断に近く、連関度５０％の「断面欠損率４０％」がこれに続く的確な判断ということになる。同様にＡＥに基づくＡＥ波形ｒ２に対しては、連関度９０％の「腐食率９０％」が最も的確な判断に近く、連関度４０％の「断面欠損率５％」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、ＰＣ鋼材７２の劣化状況を判別する作業を行う。このＰＣ鋼材７２の劣化状況を判別する上で予め取得した図９に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしてのＡＥ波形ｒ１か、又はこれに近似するものである場合には、上述した連関度を参照した場合、連関度の最も高い「断面欠損率４０％」を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる「腐食率１０％」を最適解として選択するようにしてもよい。ＰＣ鋼材７２の劣化状況の選択は、ケースに応じて連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

また、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしてのＡＥ波形ｒ２にも一部類似しているが、ＡＥ波形ｒ３にも一部類似し、何れに割り当ててよいか分からない場合については、例えば、ディープラーニングを通じて画像上の特徴量に基づき判断するようにしてもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された連関度に基づいて出力解としてのＰＣ鋼材７２の劣化状況を選択することになる。

図１０は、ＡＥによる過去の非破壊検査の検査データとしてのＡＥ波形ｒ１、ｒ２、・・・と、ＰＣ鋼材７２の形態情報、ＰＣ鋼材７２の種類情報、ＰＣ鋼材７２が埋設される構造物を構成するコンクリートの情報の何れか１以上との組み合わせと、当該組み合わせに対するＰＣ鋼材７２の劣化状況との３段階以上の連関度が設定されている例を示している。

ＰＣ鋼材７２の形態情報の例としては上述と同様であり、ＰＣ鋼材７２の形状（長さ、曲げ配置形状等）である。ＰＣ鋼材７２の種類情報は、上述と同様である。ＰＣ鋼材７２が埋設される構造物を構成するコンクリートの情報は、上述と同様であるが、これに加えて、コンクリート桁の大きさ等の情報も含まれる。

かかる場合において、連関度は、図１０に示すように、非破壊検査の検査データとしてのＡＥ波形ｒ１、ｒ２、・・と、ＰＣ鋼材７２の種類情報やコンクリート情報等の何れか１以上の組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の連関度である。例えば、ノード６１ａは、ＡＥ波形ｒ１が連関度８０％で、またコンクリート情報としての「桁の長さ４ｍ以上」が連関度８０％で連関している。またノード６１ｃは、ＡＥ波形ｒ２が連関度６０％で、種類情報としての「種類β」が連関度６０％、コンクリート情報としての「桁の長さ ４ｍ未満」が連関度４０％で連関している。

このような連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての非破壊検査の検査データとしてのＡＥ波形ｒ１、ｒ２、・・ＰＣ鋼材７２の種類情報やコンクリート情報の連関度に応じた出力解を探索する。探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図１０に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、ＡＥ波形ｒ１であり、かつ種類情報として「種類α」である場合、連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「断面欠損率４０％」が連関度６０％、「破断」が連関度４０％で関連付けられている。

この図１０の例では、図示していないが、ＰＣ鋼材７２の形態情報もこの組み合わせの連関度にて定義されている場合も同様である。

電気抵抗計測
図１１の例では、非破壊検査部８における非破壊検査方法として、電気抵抗計測を利用する。この電気抵抗計測は、ＰＣ鋼材７２の電気抵抗値の変化からＰＣ鋼材７２の劣化を判断する手法である。この電気抵抗計測に基づいて非破壊検査部８により検出した検査データは、例えば電気抵抗値の初期値からの差分値等のデータで構成される。このため、参照用入力パラメータにおいては、これら電気抵抗計測に基づいて検出した差分値のデータを予め学習させることとなる。

データベース３には、参照用入力パラメータとしての電気抵抗値の差分値と、出力解としてのＰＣ鋼材７２における劣化状況の判別結果との間での３段階以上の連関度を予め記憶させておく。図１１の例によれば、参照用入力パラメータの差分値が「０〜０．０１Ω」である場合に、「断面欠損率４０％」が連関度８０％、「腐食率１０％」が連関度６０％で設定されている。また参照用入力パラメータが差分値「０．０１〜０．０３Ω」である場合に、「腐食率９０％」が連関度９０％、「断面欠損率５％」が連関度４０％で設定されている。

これらの連関度は、以前に電気抵抗値に基づいて非破壊検査を行った際の差分値と、その判別結果としての腐食度合や、断面欠損の度合、破断の有無等をデータベース３内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この連関度は、電気抵抗計測に基づいて非破壊検査を行った際のデータに基づいて、実際のシース７１内におけるＰＣ鋼材７２の劣化状況を判別する上での的確性を示すものである。例えば電気抵抗計測に基づく電気抵抗値の差分値「０．０３Ω以上」に対しては、連関度７０％の「破断」が最も的確な判断に近く、連関度５０％の「断面欠損率４０％」がこれに続く的確な判断ということになる。同様に電気抵抗計測に基づく差分値「０．０１〜０．０３Ω」に対しては、連関度９０％の「腐食率９０％」が最も的確な判断に近く、連関度４０％の「断面欠損率５％」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、ＰＣ鋼材７２の劣化状況を判別する作業を行う。このＰＣ鋼材７２の劣化状況を判別する上で予め取得した図１１に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての差分値「０〜０．０１Ω」か、又はこれに近似するものである場合には、上述した連関度を参照した場合、連関度の最も高い「断面欠損率４０％」を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる「腐食率１０％」を最適解として選択するようにしてもよい。ＰＣ鋼材７２の劣化状況の選択は、ケースに応じて連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された連関度に基づいて出力解としてのＰＣ鋼材７２の劣化状況を選択することになる。

図１２は、電気抵抗計測による過去の非破壊検査の検査データとしての差分値と、ＰＣ鋼材７２の形態情報、ＰＣ鋼材７２の種類情報、ＰＣ鋼材７２の配置情報の何れか１以上と電気抵抗計測による過去の非破壊検査の検査データとの組み合わせに対するＰＣ鋼材７２の劣化状況との３段階以上の連関度が設定されている例を示している。

ＰＣ鋼材７２の形態情報の例としては上述と同様である。ＰＣ鋼材７２の形態情報は、上述に加え、ＰＣ鋼材７２の長さや曲げ配置形状等である。ＰＣ鋼材７２の種類情報は、上述と同様である。ＰＣ鋼材７２の配置情報は、上述に加え、シース７１との相対的位置関係や接触状況等の各種情報が含まれる。

かかる場合において、連関度は、図１２に示すように、非破壊検査の検査データとしての各差分値と、ＰＣ鋼材７２の種類情報やＰＣ鋼材７２の配置情報等の何れか１以上の組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の連関度である。例えば、ノード６１ａは、差分値「０〜０．０１Ω」が連関度８０％で、また配置情報としての「シース７１と接触」が連関度８０％で連関している。またノード６１ｃは、差分値「０．０１〜０．０３Ω」が連関度６０％で、種類情報としての「種類β」が連関度６０％、配置情報としての「シース７１と非接触」が連関度４０％で連関している。

このような連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての非破壊検査の検査データとしての差分値と、ＰＣ鋼材７２の種類情報やＰＣ鋼材７２の配置情報の連関度に応じた出力解を探索する。探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図１２に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、差分値が「０〜０．０１Ω」であり、かつ種類情報として「種類α」である場合、連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「断面欠損率４０％」が連関度６０％、「破断」が連関度４０％で関連付けられている。

この図１２の例では、図示していないが、ＰＣ鋼材７２の形態情報の何れか１以上との組み合わせの連関度が定義されている場合も同様である。

振動計測
図１３の例では、非破壊検査部８における非破壊検査方法として、振動計測を利用する。この振動計測は、加速度計により、ＰＣ構造物７の振動を計測し、振動特性からＰＣ鋼材７２の劣化を判断する手法である。この振動計測に基づいて非破壊検査部８により検出した検査データは、例えば時系列的に計測した加速度の対数減衰率等のデータで構成される。このため、参照用入力パラメータにおいては、これら対数減衰率の変化等のデータを予め学習させることとなる。

データベース３には、参照用入力パラメータとしての加速度の対数減衰率と、出力解としてのＰＣ鋼材７２における劣化状況の判別結果との間での３段階以上の連関度を予め記憶させておく。図１３の例によれば、参照用入力パラメータの対数減衰率が「０〜０．５％」である場合に、「断面欠損率４０％」が連関度８０％、「腐食率１０％」が連関度６０％で設定されている。また参照用入力パラメータが対数減衰率「０．５〜１％」である場合に、「腐食率９０％」が連関度９０％、「断面欠損率５％」が連関度４０％で設定されている。

これらの連関度は、以前に振動計測に基づいて非破壊検査を行った際の対数減衰率と、その判別結果としての腐食度合や、断面欠損の度合、破断の有無等をデータベース３内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この連関度は、振動計測に基づいて非破壊検査を行った際のデータに基づいて、実際のシース７１内におけるＰＣ鋼材７２の劣化状況を判別する上での的確性を示すものである。例えば振動計測に基づく対数減衰率「１〜２％」に対しては、連関度７０％の「破断」が最も的確な判断に近く、連関度５０％の「断面欠損率４０％」がこれに続く的確な判断ということになる。同様に振動計測に基づく差分値「０．５〜１％」に対しては、連関度９０％の「腐食率９０％」が最も的確な判断に近く、連関度４０％の「断面欠損率５％」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、ＰＣ鋼材７２の劣化状況を判別する作業を行う。このＰＣ鋼材７２の劣化状況を判別する上で予め取得した図１３に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての対数減衰率「０〜０．５％」か、又はこれに近似するものである場合には、上述した連関度を参照した場合、連関度の最も高い「断面欠損率４０％」を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる「腐食率１０％」を最適解として選択するようにしてもよい。ＰＣ鋼材７２の劣化状況の選択は、ケースに応じて連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された連関度に基づいて出力解としてのＰＣ鋼材７２の劣化状況を選択することになる。

図１４は、振動計測による過去の非破壊検査の検査データとしての対数減衰率と、ＰＣ鋼材７２の形態情報、ＰＣ鋼材７２の種類情報、ＰＣ鋼材７２が埋設される構造物を構成するコンクリート情報、振動計測の加速度情報の何れか１以上と振動計測による過去の非破壊検査の検査データとの組み合わせに対するＰＣ鋼材７２の劣化状況との３段階以上の連関度が設定されている例を示している。

ＰＣ鋼材７２の形態情報の例としては上述と同様である。ＰＣ鋼材７２の種類情報も上述と同様である。コンクリート情報としては、上述に加えて、コンクリート桁の劣化状況やコンクリート桁の形状等を含む。振動計測の加速度情報は、振動計測の加速度の大きさや振動させる各種要因等が含まれる。

かかる場合において、連関度は、図１４に示すように、非破壊検査の検査データとしての各対数減衰率と、ＰＣ鋼材７２の種類情報や加速度情報等の何れか１以上の組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の連関度である。例えば、ノード６１ａは、対数減衰率「０〜０．５％」が連関度８０％で、また加速度情報としての「±０．０４〜０．０８」が連関度８０％で連関している。またノード６１ｃは、対数減衰率「０．５〜１％」が連関度６０％で、種類情報としての「種類β」が連関度６０％、加速度情報としての「±０．０１〜０．０４」が連関度４０％で連関している。

このような連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての非破壊検査の検査データとしての差分値と、ＰＣ鋼材７２の種類情報やＰＣ鋼材７２の配置情報の連関度に応じた出力解を探索する。探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図１４に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、対数減衰率「０〜０．５％」であり、かつ種類情報として「種類α」である場合、連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「断面欠損率４０％」が連関度６０％、「破断」が連関度４０％で関連付けられている。

この図１４の例では、図示していないが、ＰＣ鋼材７２の形態情報、コンクリート情報の何れか１以上との組み合わせの連関度が定義されている場合も同様である。

赤外線サーモグラフィー
図１５の例では、非破壊検査部８における非破壊検査方法として、赤外線サーモグラフィーを利用する。この赤外線サーモグラフィーは、計測対象から発散される赤外線放射エネルギーを検出し、見かけ上の温度に変換して温度分布を画像表示する。実際にはＩＨヒーターにより計測対象を強制加熱した上で撮影を行う。そして、表示されたこの画像からＰＣ鋼材７２の劣化を判断する手法である。この赤外線サーモグラフィーに基づいて非破壊検査部８により検出した検査データは、例えば赤外線サーモグラフィーの画像等で構成される。このため、参照用入力パラメータにおいては、これら赤外線サーモグラフィーに基づいて検出した画像上の温度分布等のデータを予め学習させることとなる。

データベース３には、参照用入力パラメータとしての赤外線サーモグラフィーの画像と、出力解としてのＰＣ鋼材７２における劣化状況の判別結果との間での３段階以上の連関度を予め記憶させておく。図１５の例によれば、参照用入力パラメータの赤外線サーモグラフィーの画像ｒ１である場合に、「断面欠損率４０％」が連関度８０％、「腐食率１０％」が連関度６０％で設定されている。また参照用入力パラメータが赤外線サーモグラフィーの画像ｒ２である場合に、「腐食率９０％」が連関度９０％、「断面欠損率５％」が連関度４０％で設定されている。

これらの連関度は、以前に赤外線サーモグラフィーに基づいて非破壊検査を行った際の画像ｒ１、ｒ２、ｒ３、・・・と、その判別結果としての腐食度合や、断面欠損の度合、破断の有無等をデータベース３内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この連関度は、赤外線サーモグラフィーに基づいて非破壊検査を行った際のデータに基づいて、実際のシース７１内におけるＰＣ鋼材７２の劣化状況を判別する上での的確性を示すものである。例えば赤外線サーモグラフィーに基づく画像ｒ３に対しては、連関度７０％の「破断」が最も的確な判断に近く、連関度５０％の「断面欠損率４０％」がこれに続く的確な判断ということになる。同様に赤外線サーモグラフィーに基づく画像ｒ２に対しては、連関度９０％の「腐食率９０％」が最も的確な判断に近く、連関度４０％の「断面欠損率５％」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、ＰＣ鋼材７２の劣化状況を判別する作業を行う。このＰＣ鋼材７２の劣化状況を判別する上で予め取得した図１５に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての画像ｒ１か、又はこれに近似するものである場合には、上述した連関度を参照した場合、連関度の最も高い「断面欠損率４０％」を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる「腐食率１０％」を最適解として選択するようにしてもよい。ＰＣ鋼材７２の劣化状況の選択は、ケースに応じて連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

また、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての画像ｒ２にも一部類似しているが、画像ｒ３にも一部類似し、何れに割り当ててよいか分からない場合については、例えば、ディープラーニングを通じて画像上の特徴量に基づき判断するようにしてもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された連関度に基づいて出力解としてのＰＣ鋼材７２の劣化状況を選択することになる。

図１６は、赤外線サーモグラフィーによる過去の非破壊検査の検査データとしての画像ｒ１、ｒ２、・・・と、ＰＣ鋼材７２の形態情報、ＰＣ鋼材７２の配置情報、ＰＣ鋼材７２が埋設される構造物を構成するコンクリート情報、赤外線サーモグラフィーの条件情報の何れか１以上との組み合わせと、当該組み合わせに対するＰＣ鋼材７２の劣化状況との３段階以上の連関度が設定されている例を示している。

ＰＣ鋼材７２の形態情報の例としては上述と同様であり、例えばＰＣ鋼材７２の径等の情報も含まれる。ＰＣ鋼材７２の配置情報は、上述と同様であるが、かぶり厚等の情報も含む。コンクリート情報としては、これに埋め込まれる鋼材に関する情報、コンクリートのひび割れの有無である。赤外線サーモグラフィーの条件情報は、例えば赤外線サーモグラフィーの撮影を行う際のＩＨヒーターによる加熱条件等も含まれる。

かかる場合において、連関度は、図１６に示すように、非破壊検査の検査データとしての画像ｒ１、ｒ２、・・と、ＰＣ鋼材７２の配置情報や赤外線サーモグラフィーの条件情報等の何れか１以上の組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の連関度である。例えば、ノード６１ａは、画像ｒ１が連関度８０％で、また配置情報としての「かぶり厚３０〜６００ｍｍ」が連関度８０％で連関している。またノード６１ｃは、画像ｒ２が連関度６０％で、条件情報としての「加熱温度４５〜６５℃」が連関度６０％、配置情報としての「かぶり厚６００〜１８００ｍｍ」が連関度４０％で連関している。

このような連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての非破壊検査の検査データとしての画像ｒ１、ｒ２、・・、条件情報やＰＣ鋼材７２の配置情報の連関度に応じた出力解を探索する。探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図１６に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、画像ｒ１であり、かつ形態情報として「加熱温度２５〜４５℃」である場合、連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「断面欠損率４０％」が連関度６０％、「破断」が連関度４０％で関連付けられている。

この図１６の例では、図示していないが、ＰＣ鋼材７２の形態情報、コンクリート情報の何れか１以上との組み合わせの連関度が定義されている場合も同様である。

高周波衝撃弾性波法
図１７の例では、非破壊検査部８における非破壊検査方法として、高周波衝撃弾性波法を利用する。この高周波衝撃弾性波法に基づいて非破壊検査部８により検出した検査データは、例えば高周波衝撃弾性波法に基づいて検出された入出力比や伝搬速度等のデータで構成される。このため、参照用入力パラメータにおいては、これら高周波衝撃弾性波法基づいて検出した入出力比や伝搬速度等のデータを予め学習させることとなる。

データベース３には、参照用入力パラメータとしての加速度の対数減衰率と、出力解としてのＰＣ鋼材７２における劣化状況の判別結果との間での３段階以上の連関度を予め記憶させておく。図１７の例によれば、参照用入力パラメータが「入出力比：０．００１〜０．１（×１０^-3）、伝搬速度：３．０〜４．０（ｍ／ｓ）」である場合に、「断面欠損率４０％」が連関度８０％、「腐食率１０％」が連関度６０％で設定されている。また参照用入力パラメータが「入出力比：０．１〜１（×１０^-3）、伝搬速度：４．０〜５．０（ｍ／ｓ）」である場合に、「腐食率９０％」が連関度９０％、「断面欠損率５％」が連関度４０％で設定されている。

これらの連関度は、以前に高周波衝撃弾性波法に基づいて非破壊検査を行った際のデータと、その判別結果としての腐食度合や、断面欠損の度合、破断の有無等をデータベース３内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この連関度は、高周波衝撃弾性波法に基づいて非破壊検査を行った際のデータに基づいて、実際のシース７１内におけるＰＣ鋼材７２の劣化状況を判別する上での的確性を示すものである。例えば高周波衝撃弾性波法に基づく「入出力比：１〜１０（×１０^-3）、伝搬速度：５．０〜６．０（ｍ／ｓ）」に対しては、連関度７０％の「破断」が最も的確な判断に近く、連関度５０％の「断面欠損率４０％」がこれに続く的確な判断ということになる。同様に高周波衝撃弾性波法に基づく「入出力比：０．１〜１（×１０^-3）、伝搬速度：４．０〜５．０（ｍ／ｓ）」に対しては、連関度９０％の「腐食率９０％」が最も的確な判断に近く、連関度４０％の「断面欠損率５％」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、ＰＣ鋼材７２の劣化状況を判別する作業を行う。このＰＣ鋼材７２の劣化状況を判別する上で予め取得した図１７に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての「入出力比：０．００１〜０．１（×１０^-3）、伝搬速度：３．０〜４．０（ｍ／ｓ）」の範囲内に入る場合には、上述した連関度を参照した場合、連関度の最も高い「断面欠損率４０％」を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる「腐食率１０％」を最適解として選択するようにしてもよい。ＰＣ鋼材７２の劣化状況の選択は、ケースに応じて連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された連関度に基づいて出力解としてのＰＣ鋼材７２の劣化状況を選択することになる。
図１８は、高周波衝撃弾性波法による過去の非破壊検査の検査データと、ＰＣ鋼材７２の種類情報、ＰＣ鋼材７２が挿通されるシース７１内のグラウト充填情報、高周波衝撃弾性波法の条件情報の何れか１以上と、高周波衝撃弾性波法によるによる過去の非破壊検査の検査データとの組み合わせに対するＰＣ鋼材７２の劣化状況との３段階以上の連関度が設定されている例を示している。

ＰＣ鋼材７２の種類情報の例としては上述と同様である。グラウト充填情報は、シース７１内におけるグラウトの充填比率等である。高周波衝撃弾性波法の条件情報は、打撃方法等に関する各種情報が含まれる。

かかる場合において、連関度は、図１８に示すように、非破壊検査の検査データと、ＰＣ鋼材７２の種類情報や、グラウト充填情報等の何れか１以上の組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の連関度である。例えば、ノード６１ａは、「入出力比：０．００１〜０．１（×１０^-3）、伝搬速度：３．０〜４．０（ｍ／ｓ）」が連関度８０％で、またグラウト充填情報としての「充填率：０〜５０％」が連関度８０％で連関している。またノード６１ｃは、「入出力比：０．１〜１（×１０^-3）、伝搬速度：４．０〜５．０（ｍ／ｓ）」が連関度６０％で、種類情報としての「種類β」が連関度６０％、グラウト充填情報としての「充填率：５０〜１００％」が連関度４０％で連関している。

このような連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての非破壊検査の検査データと、ＰＣ鋼材７２の種類情報やグラウト充填情報の連関度に応じた出力解を探索する。探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図１８に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、「入出力比：０．００１〜０．１（×１０^-3）、伝搬速度：３．０〜４．０（ｍ／ｓ）」であり、かつ種類情報として「種類α」である場合、連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「断面欠損率４０％」が連関度６０％、「破断」が連関度４０％で関連付けられている。

この図１８の例では、図示していないが、高周波衝撃弾性波法の条件情報との組み合わせの連関度が定義されている場合も同様である。

電磁パルス法
図１９の例では、非破壊検査部８における非破壊検査方法として、電磁パルス法を利用する。この電磁パルス法は、コイルから発生したパルス磁場を介して金属から音を発生させ、その音響を解析することによりＰＣ鋼材７２の劣化を判断する手法である。この電磁パルス法に基づいて非破壊検査部８により検出した検査データは、例えば音響波形で構成される。このため、参照用入力パラメータにおいては、これら音響波形のデータを予め学習させることとなる。

データベース３には、参照用入力パラメータとしての音響波形と、出力解としてのＰＣ鋼材７２における劣化状況の判別結果との間での３段階以上の連関度を予め記憶させておく。図１９の例によれば、参照用入力パラメータの音響波形ｒ１である場合に、「断面欠損率４０％」が連関度８０％、「腐食率１０％」が連関度６０％で設定されている。また参照用入力パラメータが音響波形ｒ２である場合に、「腐食率９０％」が連関度９０％、「断面欠損率５％」が連関度４０％で設定されている。

これらの連関度は、以前に電磁パルス法に基づいて非破壊検査を行った際の音響波形ｒ１、ｒ２、ｒ３、・・・と、その判別結果としての腐食度合や、断面欠損の度合、破断の有無等をデータベース３内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この連関度は、電磁パルス法に基づいて非破壊検査を行った際のデータに基づいて、実際のシース７１内におけるＰＣ鋼材７２の劣化状況を判別する上での的確性を示すものである。例えば電磁パルス法に基づく音響波形ｒ３に対しては、連関度７０％の「破断」が最も的確な判断に近く、連関度５０％の「断面欠損率４０％」がこれに続く的確な判断ということになる。同様に電磁パルス法に基づく音響波形ｒ２に対しては、連関度９０％の「腐食率９０％」が最も的確な判断に近く、連関度４０％の「断面欠損率５％」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、ＰＣ鋼材７２の劣化状況を判別する作業を行う。このＰＣ鋼材７２の劣化状況を判別する上で予め取得した図１９に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての音響波形ｒ１か、又はこれに近似するものである場合には、上述した連関度を参照した場合、連関度の最も高い「断面欠損率４０％」を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる「腐食率１０％」を最適解として選択するようにしてもよい。ＰＣ鋼材７２の劣化状況の選択は、ケースに応じて連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

また、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての音響波形ｒ２にも一部類似しているが、音響波形ｒ３にも一部類似し、何れに割り当ててよいか分からない場合については、例えば、ディープラーニングを通じて画像上の特徴量に基づき判断するようにしてもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された連関度に基づいて出力解としてのＰＣ鋼材７２の劣化状況を選択することになる。

図２０は、電磁パルス法による過去の非破壊検査の検査データとしての音響波形ｒ１、ｒ２、・・・と、ＰＣ鋼材７２の配置情報、ＰＣ鋼材７２が埋設される構造物を構成するコンクリート情報の何れか１以上との組み合わせと、当該組み合わせに対するＰＣ鋼材７２の劣化状況との３段階以上の連関度が設定されている例を示している。

ＰＣ鋼材７２の配置情報の例としては上述と同様であり、ＰＣ鋼材７２の周囲にある鉄筋径やかぶり厚さ等の情報が含まれる。コンクリート情報は、上述に加え、そのコンクリートのひび割れ劣化度合等も含まれる。

かかる場合において、連関度は、図２０に示すように、非破壊検査の検査データとしての音響波形ｒ１、ｒ２、・・と、ＰＣ鋼材７２の配置情報やコンクリート情報の何れか１以上の組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の連関度である。例えば、ノード６１ａは、音響波形ｒ１が連関度８０％で、また配置情報としての「かぶり厚３０〜６００ｍｍ」が連関度８０％で連関している。またノード６１ｃは、音響波形ｒ２が連関度６０％で、コンクリート情報としての「ひび割れ無」が連関度６０％、配置情報としての「かぶり厚６００〜１８００ｍｍ」が連関度４０％で連関している。

このような連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての非破壊検査の検査データとしての音響波形ｒ１、ｒ２、・・ＰＣ鋼材７２の配置情報やコンクリート情報の連関度に応じた出力解を探索する。探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図２０に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、音響波形ｒ１であり、かつコンクリート情報として「ひび割れ有」である場合、連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「断面欠損率４０％」が連関度６０％、「破断」が連関度４０％で関連付けられている。

電磁レーダー法
図２１の例では、非破壊検査部８における非破壊検査方法として、電磁レーダー法を利用する。この電磁レーダー法は、多配列の電磁レーダーにより計測した反射波データに基づいて三次元データを作成し、この三次元データからＰＣ鋼材７２の劣化を判断する手法である。この電磁レーダー法に基づいて非破壊検査部８により検出した検査データは、例えば画像で構成される。このため、参照用入力パラメータにおいては、これら画像のデータを予め学習させることとなる。

データベース３には、参照用入力パラメータとしての画像と、出力解としてのＰＣ鋼材７２における劣化状況の判別結果との間での３段階以上の連関度を予め記憶させておく。図２１の例によれば、参照用入力パラメータの画像ｒ１である場合に、「断面欠損率４０％」が連関度８０％、「腐食率１０％」が連関度６０％で設定されている。また参照用入力パラメータが画像ｒ２である場合に、「腐食率９０％」が連関度９０％、「断面欠損率５％」が連関度４０％で設定されている。

これらの連関度は、以前に電磁レーダー法に基づいて非破壊検査を行った際の画像ｒ１、ｒ２、ｒ３、・・・と、その判別結果としての腐食度合や、断面欠損の度合、破断の有無等をデータベース３内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この連関度は、電磁レーダー法に基づいて非破壊検査を行った際のデータに基づいて、実際のシース７１内におけるＰＣ鋼材７２の劣化状況を判別する上での的確性を示すものである。例えば電磁レーダー法に基づく画像ｒ３に対しては、連関度７０％の「破断」が最も的確な判断に近く、連関度５０％の「断面欠損率４０％」がこれに続く的確な判断ということになる。同様に電磁レーダー法に基づく画像ｒ２に対しては、連関度９０％の「腐食率９０％」が最も的確な判断に近く、連関度４０％の「断面欠損率５％」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、ＰＣ鋼材７２の劣化状況を判別する作業を行う。このＰＣ鋼材７２の劣化状況を判別する上で予め取得した図２１に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての画像ｒ１か、又はこれに近似するものである場合には、上述した連関度を参照した場合、連関度の最も高い「断面欠損率４０％」を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる「腐食率１０％」を最適解として選択するようにしてもよい。ＰＣ鋼材７２の劣化状況の選択は、ケースに応じて連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

また、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての画像ｒ２にも一部類似しているが、画像ｒ３にも一部類似し、何れに割り当ててよいか分からない場合については、例えば、ディープラーニングを通じて画像上の特徴量に基づき判断するようにしてもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された連関度に基づいて出力解としてのＰＣ鋼材７２の劣化状況を選択することになる。

図２２は、電磁レーダー法による過去の非破壊検査の検査データとしての画像ｒ１、ｒ２、・・・と、ＰＣ鋼材７２の形態情報、ＰＣ鋼材７２の配置情報、ＰＣ鋼材７２が埋設される構造物を構成するコンクリート情報の何れか１以上との組み合わせと、当該組み合わせに対するＰＣ鋼材７２の劣化状況との３段階以上の連関度が設定されている例を示している。

ＰＣ鋼材７２の形態情報は、上述同様である。ＰＣ鋼材７２の配置情報も上述に加え、周囲の鋼材の配置量等も含まれる。コンクリート情報は、上述に加え、そのコンクリートのひび割れ劣化度合、コンクリートの強度等も含まれる。

かかる場合において、連関度は、図２２に示すように、非破壊検査の検査データとしての画像ｒ１、ｒ２、・・と、ＰＣ鋼材７２の配置情報やコンクリート情報の何れか１以上の組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の連関度である。例えば、ノード６１ａは、画像ｒ１が連関度８０％で、また配置情報としての「かぶり厚３０〜６００ｍｍ」が連関度８０％で連関している。またノード６１ｃは、画像ｒ２が連関度６０％で、コンクリート情報としての「ひび割れ無」が連関度６０％、配置情報としての「かぶり厚６００〜１８００ｍｍ」が連関度４０％で連関している。

このような連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての非破壊検査の検査データとしての画像ｒ１、ｒ２、・・ＰＣ鋼材７２の配置情報やコンクリート情報の連関度に応じた出力解を探索する。探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図２２に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、画像ｒ１であり、かつコンクリート情報として「ひび割れ有」である場合、連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「断面欠損率４０％」が連関度６０％、「破断」が連関度４０％で関連付けられている。

この図２２の例では、図示していないが、ＰＣ鋼材７２の形態情報もこの組み合わせの連関度にて定義されている場合も同様である。

自然電位法
図２３の例では、非破壊検査部８における非破壊検査方法として、自然電位法を利用する。この自然電位法は、ＰＣ鋼材７２と照合電極との電位差を測定することによりＰＣ鋼材７２の劣化を判断する手法である。この自然電位法に基づいて非破壊検査部８により検出した検査データは、例えば電位等を等高線で表した画像で構成される。このため、参照用入力パラメータにおいては、これら画像のデータを予め学習させることとなる。

データベース３には、参照用入力パラメータとしての画像と、出力解としてのＰＣ鋼材７２における劣化状況の判別結果との間での３段階以上の連関度を予め記憶させておく。図２３の例によれば、参照用入力パラメータの画像ｒ１である場合に、「断面欠損率４０％」が連関度８０％、「腐食率１０％」が連関度６０％で設定されている。また参照用入力パラメータが画像ｒ２である場合に、「腐食率９０％」が連関度９０％、「断面欠損率５％」が連関度４０％で設定されている。

これらの連関度は、以前に自然電位法に基づいて非破壊検査を行った際の画像ｒ１、ｒ２、ｒ３、・・・と、その判別結果としての腐食度合や、断面欠損の度合、破断の有無等をデータベース３内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この連関度は、電磁パルス法に基づいて非破壊検査を行った際のデータに基づいて、実際のシース７１内におけるＰＣ鋼材７２の劣化状況を判別する上での的確性を示すものである。例えば自然電位法に基づく画像ｒ３に対しては、連関度７０％の「破断」が最も的確な判断に近く、連関度５０％の「断面欠損率４０％」がこれに続く的確な判断ということになる。同様に自然電位法に基づく画像ｒ２に対しては、連関度９０％の「腐食率９０％」が最も的確な判断に近く、連関度４０％の「断面欠損率５％」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、ＰＣ鋼材７２の劣化状況を判別する作業を行う。このＰＣ鋼材７２の劣化状況を判別する上で予め取得した図２３に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての画像ｒ１か、又はこれに近似するものである場合には、上述した連関度を参照した場合、連関度の最も高い「断面欠損率４０％」を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる「腐食率１０％」を最適解として選択するようにしてもよい。ＰＣ鋼材７２の劣化状況の選択は、ケースに応じて連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

また、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての画像ｒ２にも一部類似しているが、画像ｒ３にも一部類似し、何れに割り当ててよいか分からない場合については、例えば、ディープラーニングを通じて画像上の特徴量に基づき判断するようにしてもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された連関度に基づいて出力解としてのＰＣ鋼材７２の劣化状況を選択することになる。

図２４は、自然電位法による過去の非破壊検査の検査データとしての画像ｒ１、ｒ２、・・・と、ＰＣ鋼材７２の配置情報、ＰＣ鋼材７２が埋設される構造物を構成するコンクリート情報の何れか１以上との組み合わせと、当該組み合わせに対するＰＣ鋼材７２の劣化状況との３段階以上の連関度が設定されている例を示している。

ＰＣ鋼材７２の配置情報も上述に加え、周囲の鋼材の配置量等も含まれる。コンクリート情報は、上述に加え、コンクリートの劣化状況やコンクリートの湿潤状況等も含まれる。

かかる場合において、連関度は、図２４に示すように、非破壊検査の検査データとしての画像ｒ１、ｒ２、・・と、ＰＣ鋼材７２の配置情報やコンクリート情報の何れか１以上の組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の連関度である。例えば、ノード６１ａは、画像ｒ１が連関度８０％で、また配置情報としての「かぶり厚３０〜６００ｍｍ」が連関度８０％で連関している。またノード６１ｃは、画像ｒ２が連関度６０％で、コンクリート情報としての「劣化無」が連関度６０％、配置情報としての「かぶり厚６００〜１８００ｍｍ」が連関度４０％で連関している。

このような連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての非破壊検査の検査データとしての画像ｒ１、ｒ２、・・ＰＣ鋼材７２の配置情報やコンクリート情報の連関度に応じた出力解を探索する。探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図２４に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、画像ｒ１であり、かつコンクリート情報として「劣化有」である場合、連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「断面欠損率４０％」が連関度６０％、「破断」が連関度４０％で関連付けられている。

分極抵抗法
図２５の例では、非破壊検査部８における非破壊検査方法として、分極抵抗法を利用する。この分極抵抗法は、鉄筋に微小の交流電流を通電させることにより得られる分極抵抗を測定することにより、ＰＣ鋼材７２の劣化を判断する手法である。この分極抵抗法に基づいて非破壊検査部８により検出した検査データは、例えば分極抵抗等を等高線で表した画像で構成される。このため、参照用入力パラメータにおいては、これら画像のデータを予め学習させることとなる。

データベース３には、参照用入力パラメータとしての画像と、出力解としてのＰＣ鋼材７２における劣化状況の判別結果との間での３段階以上の連関度を予め記憶させておく。図２５の例によれば、参照用入力パラメータの画像ｒ１である場合に、「断面欠損率４０％」が連関度８０％、「腐食率１０％」が連関度６０％で設定されている。また参照用入力パラメータが画像ｒ２である場合に、「腐食率９０％」が連関度９０％、「断面欠損率５％」が連関度４０％で設定されている。

これらの連関度は、以前に分極抵抗法に基づいて非破壊検査を行った際の画像ｒ１、ｒ２、ｒ３、・・・と、その判別結果としての腐食度合や、断面欠損の度合、破断の有無等をデータベース３内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この連関度は、分極抵抗法に基づいて非破壊検査を行った際のデータに基づいて、実際のシース７１内におけるＰＣ鋼材７２の劣化状況を判別する上での的確性を示すものである。例えば分極抵抗法に基づく画像ｒ３に対しては、連関度７０％の「破断」が最も的確な判断に近く、連関度５０％の「断面欠損率４０％」がこれに続く的確な判断ということになる。同様に分極抵抗法に基づく画像ｒ２に対しては、連関度９０％の「腐食率９０％」が最も的確な判断に近く、連関度４０％の「断面欠損率５％」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、ＰＣ鋼材７２の劣化状況を判別する作業を行う。このＰＣ鋼材７２の劣化状況を判別する上で予め取得した図２５に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての画像ｒ１か、又はこれに近似するものである場合には、上述した連関度を参照した場合、連関度の最も高い「断面欠損率４０％」を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる「腐食率１０％」を最適解として選択するようにしてもよい。ＰＣ鋼材７２の劣化状況の選択は、ケースに応じて連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

また、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての画像ｒ２にも一部類似しているが、画像ｒ３にも一部類似し、何れに割り当ててよいか分からない場合については、例えば、ディープラーニングを通じて画像上の特徴量に基づき判断するようにしてもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された連関度に基づいて出力解としてのＰＣ鋼材７２の劣化状況を選択することになる。

図２６は、分極抵抗法による過去の非破壊検査の検査データとしての画像ｒ１、ｒ２、・・・と、ＰＣ鋼材７２の配置情報、ＰＣ鋼材７２が埋設される構造物を構成するコンクリート情報の何れか１以上との組み合わせと、当該組み合わせに対するＰＣ鋼材７２の劣化状況との３段階以上の連関度が設定されている例を示している。

ＰＣ鋼材７２の配置情報も上述に加え、周囲の鋼材の配置量等も含まれる。コンクリート情報は、上述に加え、コンクリートの劣化状況やコンクリートの湿潤状況等も含まれる。

かかる場合において、連関度は、図２６に示すように、非破壊検査の検査データとしての画像ｒ１、ｒ２、・・と、ＰＣ鋼材７２の配置情報やコンクリート情報の何れか１以上の組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の連関度である。例えば、ノード６１ａは、画像ｒ１が連関度８０％で、また配置情報としての「かぶり厚３０〜６００ｍｍ」が連関度８０％で連関している。またノード６１ｃは、画像ｒ２が連関度６０％で、コンクリート情報としての「劣化無」が連関度６０％、配置情報としての「かぶり厚６００〜１８００ｍｍ」が連関度４０％で連関している。

このような連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての非破壊検査の検査データとしての画像ｒ１、ｒ２、・・ＰＣ鋼材７２の配置情報やコンクリート情報の連関度に応じた出力解を探索する。探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図２６に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、画像ｒ１であり、かつコンクリート情報として「劣化有」である場合、連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「断面欠損率４０％」が連関度６０％、「破断」が連関度４０％で関連付けられている。

また上述した実施の形態においては、非破壊検査方法として、各種例にとり説明をしたが、これに限定されるものではなく、他のいかなる非破壊検査方法に代替されるものであってもよいことは勿論である。

何れの非破壊検査方法においても、ユーザは、出力された判別結果に基づいて、ＰＣ鋼材７２の劣化状況を把握することができる。そして、把握したＰＣ鋼材７２の劣化状況に基づいて、必要な場合には補修を行うことが可能となる。

特に本発明によれば、ＰＣ鋼材７２の劣化状況の把握を、特段の熟練を要することなく容易に行うことが可能となる。また本発明によれば、ＰＣ鋼材７２の劣化状況の把握をより高精度に行うことが可能となる。更に、上述した連関度を人工知能で構成することにより、これを学習させることでその判別精度を更に向上させることが可能となる。

また、本発明によれば、３段階以上に設定されている連関度を介して最適なＰＣ鋼材７２の劣化状況の判別結果の探索を行う点に特徴がある。連関度は、例えば０〜１００％までの数値で記述することができるが、これに限定されるものではなく３段階以上の数値で記述できるものであればいかなる段階で構成されていてもよい。

このような３段階以上の数値で表される連関度に基づいて探索することで、複数のＰＣ鋼材７２の劣化状況の判別結果が選ばれる状況下において、当該連関度の高い順に探索して表示することも可能となる。このように連関度の高い順にユーザに表示できれば、より可能性の高いＰＣ鋼材７２の劣化状況の判別結果を優先的に選択することを促すこともできる。一方、連関度の低いＰＣ鋼材７２の劣化状況の判別結果であってもセカンドオピニオンという意味で表示することができ、ファーストオピニオンで上手く分析ができない場合において有用性を発揮することができる。

これに加えて、本発明によれば、連関度が１％のような極めて低いＰＣ鋼材７２の劣化状況の判別結果も見逃すことなく判断することができる。連関度が極めて低いＰＣ鋼材７２の劣化状況の判別結果であっても僅かな兆候として繋がっているものであり、何十回、何百回に一度は、ＰＣ鋼材７２の劣化状況の判別結果として役に立つ場合もあることをユーザに対して注意喚起することができる。

更に本発明によれば、このような３段階以上の連関度に基づいて探索を行うことにより、閾値の設定の仕方で、探索方針を決めることができるメリットがある。閾値を低くすれば、上述した連関度が１％のものであっても漏れなく拾うことができる反面、ＰＣ鋼材７２の劣化状況の判別結果を好適に検出できる可能性が低く、ノイズを沢山拾ってしまう場合もある。一方、閾値を高くすれば、最適なＰＣ鋼材７２の劣化状況の判別結果を高確率で検出できる可能性が高い反面、通常は連関度は低くてスルーされるものの何十回、何百回に一度は出てくる好適な解を見落としてしまう場合もある。いずれに重きを置くかは、ユーザ側、システム側の考え方に基づいて決めることが可能となるが、このような重点を置くポイントを選ぶ自由度を高くすることが可能となる。

更に本発明では、上述した連関度を更新させるようにしてもよい。この更新は、例えばインターネットを始めとした公衆通信網を介して提供された情報を反映させるようにしてもよい。公衆通信網から取得可能なサイト情報や書き込み等を通じて、入力パラメータと、出力解（ＰＣ鋼材７２の劣化状況の判別結果）との関係性について新たな知見が発見された場合には、当該知見に応じて連関度を上昇させ、或いは下降させる。

この第１連関度の更新は、公衆通信網から取得可能な情報に基づく場合以外に、専門家による研究データや論文、学会発表や、新聞記事、書籍等の内容に基づいてシステム側又はユーザ側が人為的に、又は自動的に更新するようにしてもよい。これらの更新処理においては人工知能を活用するようにしてもよい。

なお、本発明では２種以上の非破壊検査方法を組み合わせてＰＣ鋼材の劣化状況を判別するようにしてもよい。

図２７は、自然電位法と電磁パルス法という互いに異なる２種の非破壊検査方法を組み合わせてＰＣ鋼材の劣化状況を判別する例を示している。

即ち、自然電位法による過去の非破壊検査の検査データとしての画像ｒ１、ｒ２、・・・と、電磁パルス法に基づいて非破壊検査を行った際の音響波形ｕ１、ｕ２、ｕ３、・・・ととの組み合わせと、当該組み合わせに対するＰＣ鋼材７２の劣化状況との３段階以上の連関度が設定されている例を示している。

かかる場合において、連関度は、図２７に示すように、非破壊検査の検査データとしての画像ｒ１、ｒ２、・・と、ＰＣ鋼材７２の配置情報やコンクリート情報の何れか１以上の組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の連関度である。例えば、ノード６１ａは、画像ｒ１が連関度８０％で、また配置情報としての「かぶり厚３０〜６００ｍｍ」が連関度８０％で連関している。またノード６１ｃは、画像ｒ２が連関度６０％で、コンクリート情報としての「劣化無」が連関度６０％、配置情報としての「かぶり厚６００〜１８００ｍｍ」が連関度４０％で連関している。

このような連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての非破壊検査の検査データとしての画像ｒ１、ｒ２、・・音響波形ｕ１、ｕ２、ｕ３、・・が入力される。探索プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図２７に示す連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、画像ｒ１であり、かつ音響波形ｕ１である場合、連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「断面欠損率４０％」が連関度６０％、「破断」が連関度４０％で関連付けられている。これらを出力解として出すことが可能となる。

なお、参照用入力パラメータの種類としては、これらの自然電位法と電磁パルス法との組み合わせに限定されるものではない。Ｘ線透過法、漏洩磁束法、ＡＥ、電気抵抗計測、振動計測、赤外線サーモグラフィー、高周波衝撃弾性波法、電磁パルス法、電磁レーダー法、自然電位法、分極抵抗法等のうち何れか２種以上の非破壊検査方法の検査データの組み合わせで連関度を構成するようにしてもよい。換言すれば図２７の連関度は、自然電位法と電磁パルス法との組み合わせの代替として、Ｘ線透過法、漏洩磁束法、ＡＥ、電気抵抗計測、振動計測、赤外線サーモグラフィー、高周波衝撃弾性波法、電磁パルス法、電磁レーダー法、自然電位法、分極抵抗法等のうち何れか２種以上の検査データの組み合わせで設定されるものとなる。

２種以上の非破壊検査方法の組み合わせに基づいて最適解を探索することにより、その探索精度の向上を図ることが可能となる。

１ 鋼材劣化状況判別システム
２ 判別装置
３ データベース
５ 断面欠損率
７ ＰＣ構造物
８ 非破壊検査部
９ 評価装置
２１ 内部バス
２３ 表示部
２４ 制御部
２５ 操作部
２６ 通信部
２７ 探索部
２８ 記憶部
６１ ノード
７１ シース
７２ ＰＣ鋼材

本発明に係るＰＣ鋼材劣化状況判別システムは、構造物中に埋設されたＰＣ鋼材の劣化状況を非破壊検査により判別するためのＰＣ鋼材劣化状況判別システムにおいて、上記ＰＣ鋼材に対する過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶されているデータベースと、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して上記非破壊検査を行うことにより得られた検査データ及び各種情報が入力される入力手段と、上記入力手段を介して入力された検査データ及び上記各種情報を上記データベースに記憶されている連関度に関連付けられる検査データ及び上記各種情報に割り当て、その割り当てられた検査データ及び上記各種情報の組み合わせに対して設定された連関度に基づいて、ＰＣ鋼材の劣化状況を判別する判別手段とを備え、上記データベースは、上記各種情報としての上記ＰＣ鋼材の形態情報、上記ＰＣ鋼材の配置情報の何れか１以上とＸ線透過法による過去の非破壊検査の検査データとの組み合わせと、当該組み合わせに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、上記入力手段は、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対してＸ線透過法による上記非破壊検査を行うことにより得られた検査データと、上記組み合わせを構成する上記ＰＣ鋼材の形態情報、上記ＰＣ鋼材の配置情報の配置情報の何れか１以上が入力されることを特徴とする。

本発明に係るＰＣ鋼材劣化状況判別プログラムは、構造物中に埋設されたＰＣ鋼材の劣化状況を非破壊検査により判別するためのＰＣ鋼材劣化状況判別プログラムにおいて、上記ＰＣ鋼材に対する過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度を予め取得する連関度取得ステップと、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して上記非破壊検査を行うことにより得られた検査データ及び各種情報が入力される入力ステップと、上記入力ステップにおいて入力された検査データ及び上記各種情報を上記連関度取得ステップにおいて予め取得した連関度に関連付けられる検査データ及び上記各種情報に割り当て、その割り当てられた検査データ及び上記各種情報の組み合わせに対して設定された連関度に基づいて、ＰＣ鋼材の劣化状況を判別する判別ステップとを有し、上記連関度取得ステップでは、上記各種情報としての上記ＰＣ鋼材の形態情報、上記ＰＣ鋼材の配置情報の何れか１以上とＸ線透過法による過去の非破壊検査の検査データとの組み合わせと、当該組み合わせに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度を予め取得し、上記入力ステップでは、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対してＸ線透過法による上記非破壊検査を行うことにより得られた検査データと、上記組み合わせを構成する上記ＰＣ鋼材の形態情報、上記ＰＣ鋼材の配置情報の配置情報の何れか１以上が入力されることをコンピュータに実行させることを特徴とする。

Claims (37)

1. 構造物中に埋設されたＰＣ鋼材の劣化状況を非破壊検査により判別するためのＰＣ鋼材劣化状況判別システムにおいて、
   上記ＰＣ鋼材に対する過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶されているデータベースと、
   新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して上記非破壊検査を行うことにより得られた検査データが入力される入力手段と、
   上記入力手段を介して入力された検査データを上記データベースに記憶されている連関度に関連付けられる検査データに割り当て、その割り当てられた検査データに設定された連関度に基づいて、ＰＣ鋼材の劣化状況を判別する判別手段とを備えること
   を特徴とするＰＣ鋼材劣化状況判別システム。
2. 上記データベースは、Ｘ線透過法による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
   上記入力手段は、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対してＸ線透過法による上記非破壊検査を行うことにより得られた検査データが入力されること
   を特徴とする請求項１記載のＰＣ鋼材劣化状況判別システム。
3. 上記データベースは、更に上記ＰＣ鋼材の形態情報、上記ＰＣ鋼材の配置情報の何れか１以上と上記Ｘ線透過法による過去の非破壊検査の検査データとの組み合わせと、当該組み合わせに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
   上記入力手段は、上記組み合わせを構成する上記ＰＣ鋼材の形態情報、上記ＰＣ鋼材の配置情報の配置情報の何れか１以上が更に入力されること
   を特徴とする請求項２記載のＰＣ鋼材劣化状況判別システム。
4. 上記データベースは、漏洩磁束法による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
   上記入力手段は、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して漏洩磁束法による上記非破壊検査を行うことにより得られた検査データが入力されること
   を特徴とする請求項１記載のＰＣ鋼材劣化状況判別システム。
5. 上記データベースは、更に上記ＰＣ鋼材の形態情報、上記ＰＣ鋼材の種類情報、上記ＰＣ鋼材の配置情報、上記ＰＣ鋼材が挿通されるシースの情報の何れか１以上と上記漏洩磁束法による過去の非破壊検査の検査データとの組み合わせと、当該組み合わせに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
   上記入力手段は、上記組み合わせを構成する上記ＰＣ鋼材の形態情報、上記ＰＣ鋼材の種類情報、上記ＰＣ鋼材の配置情報、上記ＰＣ鋼材が挿通されるシースの情報の何れか１以上が更に入力されること
   を特徴とする請求項４記載のＰＣ鋼材劣化状況判別システム。
6. 上記データベースは、ＡＥ（Acoustic Emission）による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
   上記入力手段は、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対してＡＥによる上記非破壊検査を行うことにより得られた検査データが入力されること
   を特徴とする請求項１記載のＰＣ鋼材劣化状況判別システム。
7. 上記データベースは、更に上記ＰＣ鋼材の形態情報、上記ＰＣ鋼材の種類情報、上記ＰＣ鋼材が埋設される構造物を構成するコンクリートの情報の何れか１以上と上記ＡＥによる過去の非破壊検査の検査データとの組み合わせと、当該組み合わせに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
   上記入力手段は、上記組み合わせを構成する上記ＰＣ鋼材の形態情報、上記ＰＣ鋼材の種類情報、上記コンクリートの情報の何れか１以上が更に入力されること
   を特徴とする請求項６記載のＰＣ鋼材劣化状況判別システム。
8. 上記データベースは、電気抵抗計測による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
   上記入力手段は、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して電気抵抗計測による上記非破壊検査を行うことにより得られた検査データが入力されること
   を特徴とする請求項１記載のＰＣ鋼材劣化状況判別システム。
9. 上記データベースは、更に上記ＰＣ鋼材の形態情報、上記ＰＣ鋼材の種類情報、上記ＰＣ鋼材の配置情報の何れか１以上と上記電気抵抗計測による過去の非破壊検査の検査データとの組み合わせと、当該組み合わせに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
   上記入力手段は、上記組み合わせを構成する上記ＰＣ鋼材の形態情報、上記ＰＣ鋼材の種類情報、上記ＰＣ鋼材の配置情報の何れか１以上が更に入力されること
   を特徴とする請求項８記載のＰＣ鋼材劣化状況判別システム。
10. 上記データベースは、振動計測による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
    上記入力手段は、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して振動計測による上記非破壊検査を行うことにより得られた検査データが入力されること
    を特徴とする請求項１記載のＰＣ鋼材劣化状況判別システム。
11. 上記データベースは、更に上記ＰＣ鋼材の形態情報、上記ＰＣ鋼材の種類情報、上記ＰＣ鋼材が埋設される構造物を構成するコンクリートの情報、振動計測の加速度情報の何れか１以上と上記振動計測による過去の非破壊検査の検査データとの組み合わせと、当該組み合わせに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
    上記入力手段は、上記組み合わせを構成する上記ＰＣ鋼材の形態情報、上記ＰＣ鋼材の種類情報、上記ＰＣ鋼材が埋設される構造物を構成するコンクリートの情報、振動計測の加速度情報の何れか１以上が更に入力されること
    を特徴とする請求項１０記載のＰＣ鋼材劣化状況判別システム。
12. 上記データベースは、赤外線サーモグラフィーによる過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
    上記入力手段は、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して赤外線サーモグラフィーによる上記非破壊検査を行うことにより得られた検査データが入力されること
    を特徴とする請求項１記載のＰＣ鋼材劣化状況判別システム。
13. 上記データベースは、更に上記ＰＣ鋼材の形態情報、上記ＰＣ鋼材の配置情報、上記ＰＣ鋼材が埋設される構造物を構成するコンクリートの情報、上記赤外線サーモグラフィーの条件情報の何れか１以上と上記赤外線サーモグラフィーによる過去の非破壊検査の検査データとの組み合わせと、当該組み合わせに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
    上記入力手段は、上記組み合わせを構成する上記ＰＣ鋼材の形態情報、上記ＰＣ鋼材の配置情報、上記ＰＣ鋼材が埋設される構造物を構成するコンクリートの情報、上記赤外線サーモグラフィーの条件情報の何れか１以上が更に入力されること
    を特徴とする請求項１２記載のＰＣ鋼材劣化状況判別システム。
14. 上記データベースは、高周波衝撃弾性波法による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
    上記入力手段は、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して高周波衝撃弾性波法による上記非破壊検査を行うことにより得られた検査データが入力されること
    を特徴とする請求項１記載のＰＣ鋼材劣化状況判別システム。
15. 上記データベースは、更に上記ＰＣ鋼材の種類情報、上記ＰＣ鋼材が挿通されるシース内のグラウト充填情報、上記高周波衝撃弾性波法の条件情報の何れか１以上と上記高周波衝撃弾性波法による過去の非破壊検査の検査データとの組み合わせと、当該組み合わせに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
    上記入力手段は、上記組み合わせを構成する上記ＰＣ鋼材の種類情報、上記ＰＣ鋼材が挿通されるシース内のグラウト充填情報、上記高周波衝撃弾性波法の条件情報の何れか１以上が更に入力されること
    を特徴とする請求項１４記載のＰＣ鋼材劣化状況判別システム。
16. 上記データベースは、電磁パルス法による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
    上記入力手段は、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して電磁パルス法による上記非破壊検査を行うことにより得られた検査データが入力されること
    を特徴とする請求項１記載のＰＣ鋼材劣化状況判別システム。
17. 上記データベースは、更に上記ＰＣ鋼材の配置情報、上記ＰＣ鋼材が埋設される構造物を構成するコンクリートの情報の何れか１以上と上記電磁パルス法による過去の非破壊検査の検査データとの組み合わせと、当該組み合わせに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
    上記入力手段は、上記組み合わせを構成する上記ＰＣ鋼材の配置情報、上記ＰＣ鋼材が埋設される構造物を構成するコンクリートの情報の何れか１以上が更に入力されること
    を特徴とする請求項１６記載のＰＣ鋼材劣化状況判別システム。
18. 上記データベースは、電磁レーダー法による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
    上記入力手段は、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して電磁レーダー法による上記非破壊検査を行うことにより得られた検査データが入力されること
    を特徴とする請求項１記載のＰＣ鋼材劣化状況判別システム。
19. 上記データベースは、更に上記ＰＣ鋼材の形態情報、上記ＰＣ鋼材の配置情報、上記ＰＣ鋼材が埋設される構造物を構成するコンクリートの情報の何れか１以上と上記電磁レーダー法による過去の非破壊検査の検査データとの組み合わせと、当該組み合わせに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
    上記入力手段は、上記組み合わせを構成する上記ＰＣ鋼材の形態情報、上記ＰＣ鋼材の配置情報、上記コンクリートの情報の何れか１以上が更に入力されること
    を特徴とする請求項１８記載のＰＣ鋼材劣化状況判別システム。
20. 上記データベースは、自然電位法による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
    上記入力手段は、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して自然電位法による上記非破壊検査を行うことにより得られた検査データが入力されること
    を特徴とする請求項１記載のＰＣ鋼材劣化状況判別システム。
21. 上記データベースは、更に上記ＰＣ鋼材の配置情報、上記ＰＣ鋼材が埋設される構造物を構成するコンクリートの情報の何れか１以上と上記自然電位法による過去の非破壊検査の検査データとの組み合わせと、当該組み合わせに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
    上記入力手段は、上記組み合わせを構成する上記ＰＣ鋼材の配置情報、上記コンクリートの情報の何れか１以上が更に入力されること
    を特徴とする請求項２０記載のＰＣ鋼材劣化状況判別システム。
22. 上記データベースは、分極抵抗法による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
    上記入力手段は、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して分極抵抗法による上記非破壊検査を行うことにより得られた検査データが入力されること
    を特徴とする請求項１記載のＰＣ鋼材劣化状況判別システム。
23. 上記データベースは、更に上記ＰＣ鋼材の配置情報、上記ＰＣ鋼材が埋設される構造物を構成するコンクリートの情報の何れか１以上と上記分極抵抗法による過去の非破壊検査の検査データとの組み合わせと、当該組み合わせに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
    上記入力手段は、上記組み合わせを構成する上記ＰＣ鋼材の配置情報、上記コンクリートの情報の何れか１以上が更に入力されること
    を特徴とする請求項２２記載のＰＣ鋼材劣化状況判別システム。
24. 上記データベースは、Ｘ線透過法、漏洩磁束法、ＡＥ、電気抵抗計測、振動計測、赤外線サーモグラフィー、高周波衝撃弾性波法、電磁パルス法、電磁レーダー法、自然電位法、分極抵抗法のうち何れか２種以上の非破壊検査方法の検査データの組み合わせと、当該組み合わせに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度が予め記憶され、
    上記入力手段は、上記組み合わせを構成する２種以上の非破壊検査方法の検査データが更に入力されること
    を特徴とする請求項１記載のＰＣ鋼材劣化状況判別システム。
25. 構造物中に埋設されたＰＣ鋼材の劣化状況を非破壊検査により判別するためのＰＣ鋼材劣化状況判別プログラムにおいて、
    上記ＰＣ鋼材に対する過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度を予め取得する連関度取得ステップと、
    新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して上記非破壊検査を行うことにより得られた検査データが入力される入力ステップと、
    上記入力ステップにおいて入力された検査データを上記連関度取得ステップにおいて予め取得した連関度に関連付けられる検査データに割り当て、その割り当てられた検査データに設定された連関度に基づいて、ＰＣ鋼材の劣化状況を判別する判別ステップとをコンピュータに実行させること
    を特徴とするＰＣ鋼材劣化状況判別プログラム。
26. 上記連関度取得ステップでは、Ｘ線透過法による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度を予め取得し、
    上記入力ステップでは、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対してＸ線透過法による上記非破壊検査を行うことにより得られた検査データが入力されること
    を特徴とする請求項２５記載のＰＣ鋼材劣化状況判別プログラム。
27. 上記連関度取得ステップでは、漏洩磁束法による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度を予め取得し、
    上記入力ステップでは、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して漏洩磁束法による上記非破壊検査を行うことにより得られた検査データが入力されること
    を特徴とする請求項２５記載のＰＣ鋼材劣化状況判別プログラム。
28. 上記連関度取得ステップでは、ＡＥ（Acoustic Emission）による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度を予め取得し、
    上記入力ステップでは、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対してＡＥによる上記非破壊検査を行うことにより得られた検査データが入力されること
    を特徴とする請求項２５記載のＰＣ鋼材劣化状況判別プログラム。
29. 上記連関度取得ステップでは、電気抵抗計測による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度を予め取得し、
    上記入力ステップでは、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して電気抵抗計測による上記非破壊検査を行うことにより得られた検査データが入力されること
    を特徴とする請求項２５記載のＰＣ鋼材劣化状況判別プログラム。
30. 上記連関度取得ステップでは、振動計測による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度を予め取得し、
    上記入力ステップでは、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して振動計測による上記非破壊検査を行うことにより得られた検査データが入力されること
    を特徴とする請求項２５記載のＰＣ鋼材劣化状況判別プログラム。
31. 上記連関度取得ステップでは、赤外線サーモグラフィーによる過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度を予め取得し、
    上記入力ステップでは、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して赤外線サーモグラフィーによる上記非破壊検査を行うことにより得られた検査データが入力されること
    を特徴とする請求項２５記載のＰＣ鋼材劣化状況判別プログラム。
32. 上記連関度取得ステップでは、高周波衝撃弾性波法による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度を予め取得し、
    上記入力ステップでは、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して高周波衝撃弾性波法による上記非破壊検査を行うことにより得られた検査データが入力されること
    を特徴とする請求項２５記載のＰＣ鋼材劣化状況判別プログラム。
33. 上記連関度取得ステップでは、電磁パルス法による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度を予め取得し、
    上記入力ステップでは、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して電磁パルス法による上記非破壊検査を行うことにより得られた検査データが入力されること
    を特徴とする請求項２５記載のＰＣ鋼材劣化状況判別プログラム。
34. 上記連関度取得ステップでは、電磁レーダー法による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度を予め取得し、
    上記入力ステップでは、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して電磁レーダー法による上記非破壊検査を行うことにより得られた検査データが入力されること
    を特徴とする請求項２５記載のＰＣ鋼材劣化状況判別プログラム。
35. 上記連関度取得ステップでは、自然電位法による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度を予め取得し、
    上記入力ステップでは、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して自然電位法による上記非破壊検査を行うことにより得られた検査データが入力されること
    を特徴とする請求項２５記載のＰＣ鋼材劣化状況判別プログラム。
36. 上記連関度取得ステップでは、分極抵抗法による過去の非破壊検査の検査データと、当該検査データに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度を予め取得し、
    上記入力ステップでは、新たに劣化状況を判別するＰＣ鋼材が埋設された構造物に対して分極抵抗法による上記非破壊検査を行うことにより得られた検査データが入力されること
    を特徴とする請求項２５記載のＰＣ鋼材劣化状況判別プログラム。
37. 上記連関度取得ステップでは、Ｘ線透過法、漏洩磁束法、ＡＥ、電気抵抗計測、振動計測、赤外線サーモグラフィー、高周波衝撃弾性波法、電磁パルス法、電磁レーダー法、自然電位法、分極抵抗法のうち何れか２種以上の非破壊検査方法の検査データの組み合わせと、当該組み合わせに対するＰＣ鋼材の劣化状況の判別結果との３段階以上の連関度を予め取得し、
    上記入力ステップでは、上記組み合わせを構成する２種以上の非破壊検査方法の検査データが更に入力されること
    を特徴とする請求項２５記載のＰＣ鋼材劣化状況判別プログラム。

Images