| Project/Area Number |
20K14954
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 24010:Aerospace engineering-related
|
|---|
| Research Institution | Japan Aerospace EXploration Agency |
|---|
Principal Investigator |
Omata Noriyasu 国立研究開発法人宇宙航空研究開発機構, 研究開発部門, 研究開発員 (80849258)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000)
Fiscal Year 2022: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2021: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2020: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
|---|
| Keywords | 因果推論 / 移動エントロピ / クラスタリング / 時系列データ / 異常検知 / センサ最適化 / シミュレーション / ロケットエンジン / 貪欲法 / 機械学習 / 因果関係 |
|---|
| Outline of Research at the Start |
産業機器の状態監視に用いられる計測センサの配置は、物理的な関係性をもとに専門家が決定している。しかしながら、機器で発生する事象には因果関係が不明瞭な部分が多々存在し、演繹的なセンサ配置の決定を困難にしている。本研究では、機械学習を用いて帰納的に関係性を推定する新たなアプローチによって、センサ間の物理的因果関係の全体像を解明することで、そのネットワークの情報から計測センサの配置を最適化し異常検知や診断へ展開することを目指す。
|
| Outline of Final Research Achievements |
The objective of this research is to develop a method to optimize the placement of sensors in complex systems such as industrial equipment by deriving causal relationships among sensors through data-driven analysis. First, I proposed clustering transfer entropy, a method for quantifying causal relationships by focusing on characteristic patterns in time-series data from each sensor, and showed that the method can correctly capture the propagation of acoustic emissions that simulate a rocket launch. Furthermore, a framework for sensor placement optimization for detecting specific failure modes using the greedy approach is validated using a simulated example of propellant leakage, which is one of the critical failure modes in liquid rocket engines.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究では，データ駆動型の因果関係推定法の提案と，貪欲法によるセンサ配置の最適化フレームワークの検証を行った．それぞれ，ロケット打ち上げ時の音響とロケットエンジンのシミュレーションデータを用いて検証を実施した結果を，査読付き英語学術論文誌において公表した．これらの手法は，ロケットエンジンのみならず，さまざまな機器のセンサデータに対して広く利用可能であり，今後多くの産業分野において価値を生み出すことが可能な手法である．さらに，時系列データから因果関係を自動で推定する提案手法は理工学研究に応用可能であり，センサ配置の最適化にとどまらない利用が期待できる．
|
