Dataset Format

← Home

Dataset Format: データセット仕様

関連: Dataset-Comparison — 欠陥あり vs 欠陥なし の可視化・比較統計
欠陥生成: Defect-Generation-and-Labeling — 欠陥パラメータと defect_label 付与ルール

---

日本語概要

FEM (Abaqus) 出力の CSV 形式と PyTorch Geometric (PyG) の Data 形式を定義。nodes.csv: 座標、応力、温度、defect_label。elements.csv: 要素接続。PyG Data: ノード特徴 28 次元（法線、曲率、応力、温度、u_mag、ひずみ、繊維配向含む）、エッジ特徴 5 次元。用語は 用語集 を参照。

---

1. CSV フォーマット（FEM出力）

nodes.csv

列名	型	範囲	説明
node_id	int	—	Abaqus ノードラベル
x	float	0 ~ 5000 mm	X座標
y	float	0 ~ 5000 mm	Y座標
z	float	0 ~ 5000 mm	Z座標
ux, uy, uz	float	mm	変位
s11	float	MPa	応力 σ₁₁
s22	float	MPa	応力 σ₂₂
s12	float	MPa	せん断応力 σ₁₂
dspss / smises	float	MPa	von Mises 応力
u_mag	float	mm	変位の大きさ √(ux²+uy²+uz²)
temp	float	25 ~ 150 ℃	節点温度
thermal_smises	float	≥ 0 MPa	熱応力 von Mises (ODB に含まれる場合)
le11, le22, le12	float	—	ひずみ (LE, ODB に LE 出力時)
defect_label	int	0 or 1	0=健全, 1=欠陥

elements.csv

列名	型	説明
elem_id	int	要素ID
etype	str	要素タイプ (S4RT, S3T, C3D8RT, ...)
n1~n8	int	ノード接続 (-1=未使用)

2. PyTorch Geometric Data オブジェクト

build_graph.py 出力（曲率対応版）

Data(
    x       = [N, 29],      # ノード特徴量
    edge_index = [2, E],     # エッジ接続 (無向グラフ)
    edge_attr  = [E, 5-6],   # エッジ特徴量
    y       = [N],           # 欠陥ラベル (0/1)
    pos     = [N, 3],        # 座標 (x, y, z)
)

ノード特徴量 x (34次元):

Dim	Feature	説明
0-2	x, y, z	位置座標 (mm)
3-5	nx, ny, nz	表面法線。曲面の向き、ガイド波モード変換に影響
6-9	κ₁, κ₂, H, K	曲率。波の集束・発散、局所形状
10-12	ux, uy, uz	変位ベクトル (mm)。欠陥で局所増大
13	u_mag	変位の大きさ |u|。1次元にまとめた変位強度
14	temp	節点温度 (°C)。熱荷重・CTE 不整合
15-18	s11, s22, s12, smises	応力 (MPa)。欠陥で荷重伝達断絶
19	principal_stress_sum	主応力和 σ₁+σ₂ = s11+s22 (MPa)
20	thermal_smises	熱応力 von Mises (ODB に含まれる場合)
21-23	le11, le22, le12	ひずみ (LE)。損傷と相関が強い
24-26	fiber_circum_x,y,z	繊維配向（周方向単位ベクトル）。CFRP 異方性
27-30	layup_0, layup_45, layup_minus45, layup_90	積層角度 [0,45,-45,90]° (rad)
31	circum_angle	周方向角度 θ。0° 積層の局所方向
32-33	boundary, loaded	境界・荷重ノード flag

詳細・追加候補: Node-Features

エッジ特徴量 edge_attr (5-6次元):

Dim	Feature
0-2	Δx, Δy, Δz (相対位置)
3	ユークリッド距離
4	法線間角度
5	測地線距離 (optional)

preprocess_fairing_data.py 出力（簡易版）

Data(
    x       = [N, 12],      # ノード特徴量
    edge_index = [2, E],
    edge_attr  = [E, 4],
    y       = [N],
    pos     = [N, 3],
)

ノード特徴量 x (12次元):

Dim	Feature
0-2	x, y, z
3	s11
4	s22
5	s12
6	ΔDSPSS (健全ベースライン差分)
7-9	node_type (one-hot: internal/boundary/loaded)
10	temperature
11	thermal_smises

3. 正規化

Z-score正規化 (feature-wise):

x_norm = (x - mean) / std    # std < 1e-8 の場合 std=1.0

• 統計量は norm_stats.pt に保存
• 学習データの統計量で正規化し、推論時も同じ統計量を適用

4. データセット分割

Split	比率	用途
Train	70%	学習
Validation	15%	ハイパーパラメータ選択・Early Stopping
Test	15%	最終評価

• 層化分割（欠陥タイプ・サイズのバランス確保）
• OODテストセット: 未学習の欠陥サイズ・荷重条件

5. チェックポイント形式

{
    'epoch': int,
    'model_state_dict': OrderedDict,
    'optimizer_state_dict': dict,
    'val_f1': float,
    'val_metrics': dict,
    'args': dict,
    'in_channels': int,       # 入力特徴量次元
    'edge_attr_dim': int,     # エッジ特徴量次元
}

6. 外部データセット

Open Guided Waves (OGW)

• Source: Zenodo Record 5105861
• Format: HDF5 (coordinates.h5, data_z.h5, time.h5)
• 用途: Sim-to-Real Domain Adaptation のターゲットドメイン
• 構成: 6種の励起条件 (16.5 / 50 / 100 / 200 / 300 kHz + Chirp)