Case

解析事例

AIによる立木倒伏方向の予測

AIによる立木倒伏方向の予測サムネイル画像

  • 製品名

    • Ansys LS-DYNA
    • Altair PhysicsAI

  • カテゴリー

    • AI・機械学習解析事例
    • 構造解析事例

  • 産業分野別

    下記の動画に、事例：立木の伐倒解析のアニメーションを示します。立木の切れ込み部分に、クサビを模したシェル（赤）を挿入し、そのシェルを持ち上げて立木を倒伏させる解析をLS-DYNAで行っています。右側のアニメーションでは、倒伏に伴い切れ込み部のソリッド要素が破断する様子を確認できます。破断は上部の切れ込み（追口）から、45°の切れ込み（受口）に向かって進展しています。この破断箇所を「ツル」と呼び、立木の倒伏方向はツルの断面形状に依存することが知られています。 

    倒伏に伴うツルの破断

     本事例では、Altair Physics AIを用いて立木の倒伏方向をAIで予測しました。

    Physics AIは、CADやメッシュの形状をインプットとして、変形や3Dコンターを予測するソフトウェアです。

    今回の事例では、インプットとしてツルの断面形状（2D）を使用し、倒伏角を予測しました。倒伏角とは倒伏の偏角を指し、まっすぐ倒伏する場合は倒伏角が0°となります。以下の図にAIモデル構築のプロセスを示します。まず、学習データとしてツル断面形状（2D）と、LS-DYNAによる倒伏角の計算結果をセットにしたデータを4パターン用意しました。これらをPhysics AIに学習させ、未知のツル断面形状を入力した際に倒伏角を予測するAIモデルを構築しました。 

    • material_1_pic_1
      予測モデル構築のプロセス
     

     今回は学習データの数が限られていたため、以下のような精度検証を実施しました。下表のパターン1〜4の検証では、例えばパターン1の場合、学習データとして①②④を使用し、精度検証として③を用いてLS-DYNAの計算結果との誤差を評価しています。パターン2〜4についても同様に評価しました。学習データが少なく十分な検証ではありませんが、おおむね誤差は0.2〜0.3°程度であり、この程度の誤差を許容できる場合は、比較的良好な予測精度であると言えます。 

    • material_1_pic_2
      精度検証結果

     下表にLS-DYNAとPhysics AIの計算時間の比較を示します。立木の伐倒解析は非線形性が強く、また解析対象の現象時間が長いため、LS-DYNAではクラスターマシンを使用しても1解析あたり60時間以上を要します。一方、Physics AIでは学習に約10分、予測は数秒で完了します。計算コストの大きい解析においては、AI構築によるメリットが非常に大きいことが分かります。 

    • material_1_pic_3
      計算時間の比較

     

    前の記事

    JSTAMPを用いたプレス工程の検討事例

    JSTAMPを用いたプレス工程の検討事例

    次の記事

    立木の倒伏解析

    立木の倒伏解析

    RELATED

    関連記事はこちら

    FT4レオメータによる粉体キャリブレーションへの活用
    2026.06.23

    FT4レオメータによる粉体キャリブレーションへの活用

    粉体の流動性を調べるためのFT4パウダーレオメータによる試験を対象とした、EDEMのキャリブレーション事例です。
    • 解析事例 AI・機械学習
    • 解析事例　粉粒体
    EDEMにおける安息角キャリブレーションへの応用
    2026.06.23

    EDEMにおける安息角キャリブレーションへの応用

    測定可能な量を実測データと解析で比較し、EDEMで設定する設定パラメータを決定した事例です。
    • 解析事例 AI・機械学習
    • 解析事例　粉粒体
    車両ライブラリを用いたコントロールアームの応力評価
    2026.06.23

    車両ライブラリを用いたコントロールアームの応力評価

    Altair MotionSolve(Altair HyperWorks製品の機構解析ソルバー)の車両ライブラリを用いて...
    • 解析事例 構造解析
    Contact

    ご相談・資料の請求はこちら

    製品やサービスに関するご相談、導入に関するご質問等お気軽にお問い合わせください。
    各種資料をご希望の方は、資料請求フォームよりお申し込みいただけます。