2018 Fiscal Year Research-status Report
樹脂歯車のかみ合い振動と損傷情報の回収・加工による人工知能学習用データ集合の創生
| Project/Area Number |
18K03907
|
|---|
| Research Institution | Kyoto Institute of Technology |
|---|
Principal Investigator |
射場 大輔 京都工芸繊維大学, 機械工学系, 准教授 (10402984)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 樹脂歯車 / 人工知能 / 損傷検知 / かみ合い振動 |
|---|
| Outline of Annual Research Achievements |
１９世紀に機械堀りの技術が確立されて以降，石油はエネルギー源の主力となって産業の発展に，また経済の成長戦略に大きな影響を与えてきた．２１世紀に入り，こうした天然の資源に変わり，世界の産業や経済を牽引する広義な意味での新しい資源は「情報」であるとされる．工業製品において利用される代表的な機械要素である歯車においても，それを取り巻く環境に目を向けると「Industry4.0」や「IoT」といった言葉が創出され，「情報資源」を掘り当てて回収・加工し，それを利用する新しい方法の創造が求められている．そこで本研究では金属歯車と比較して健全性評価の研究が進んでいない樹脂歯車を対象に，かみ合い振動と歯元のき裂長さの情報を取得するシステムを開発した．通常の運転試験中に歯車側面から歯元の状態の観察するため，高速度カメラを導入し，かみ合い振動を測定する加速度センサと組み合わせてデータを自動収集することが可能である．そして運転状況を考慮して計測の条件を決定し，運転試験のデータ回収を開始した．続いて撮影した画像に映り込んだき裂長さの定量化を行い，計測したかみ合い振動データにき裂長さ情報をラベル付けした．また，振動データはフーリエ変換し，軸の回転周波数毎にゲインの最大値を抽出した後，大きさに合わせてグレースケールに変換し，つづら折りに配置することで画像化する手法を提案した．そして画像認識で利用される深層ニューラルネットワークを構成し，画像化されたかみ合い振動を解析し，歯元き裂の有無を検知するためのシステムの開発を行った．
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
平成３０年度には，当初の予定では「高速度カメラによる歯車の状態観測と歯元き裂長さの定量化」および「一歯分の時系列データの切り取りと各歯間の相関係数の取得」を行うことを目標としていた．一つ目の課題については，順調に進捗し，当初の予定通り，運転中の樹脂歯車からかみ合い振動と歯車側面の画像が取得でき，また，画像からき裂長さの定量化を行うことが可能となった．しかしながら，二つ目の課題については，神経振動子モデルによって一歯分の時系列データの切り取りに遅れが生じ，正確なデータの抽出ができていない．各歯間のデータの相関係数については内積を利用する方法を提案し，歯すじ誤差情報を信号と見立てた場合の相関係数の導出を行った．さらに，それらの相関係数からグラフ理論を利用してネットワーク図を作成する方法についても開発が行え，これは次年度の課題を先取りした形となった．そして，試験数は少ないものの，画像化・定量化した振動・き裂情報から教師データを創生することに成功し，それらを用いた人工知能の学習と，未学習データから損傷の検知を行うためのシステムの開発も行えた．これらの開発についても，次年度以降の課題を先取りした形であり，計画以上に研究が進んでいるといえる．
|
| Strategy for Future Research Activity |
初年度に研究を実施するにあたり，今後予定していたディープニューラルネットワークの開発等を先行して行うことができた．そして１種類の材料（ポリアセタール）で製作された歯車の運転試験を一つの条件で複数回実施し，かみ合い振動データの回収と高速度カメラで得られた画像から損傷度合いの推定を行うことで学習用データを作成した．そして開発したニューラルネットワークに対して学習を行い，未学習データを利用してシステムの有効性を確認した．しかしながら，運転試験は7Nmのトルク，1000rpmの回転速度に固定した状態で実施しており，30を超える試験結果を回収したものの，その他の運転条件によって試験を行っておらず，開発したシステムのロバスト性の評価が行えていない．そこで様々な材料の樹脂歯車，そして運転条件で耐久試験を実施し，その結果得られたデータを選択しながら学習させることで未学習の運転条件に対してき裂検知が可能であるかロバスト性能の評価を行う．
さらに，かみ合い振動データの画像化においては軸回転周波数毎にフーリエ変換のピークを抽出し，グレースケール化することで学習用画像を生成していたが，画像がモザイク状になっており，特徴がわかりにくい変換であった．そこで，ウェーブレット変換等の時間周波数解析手法を用いて，よりかみ合い振動の特徴が得られやすい画像取得方法を試みる．
また，これまでの学習後のシステムの評価は計測したデータ解析をオフライン上で行なった結果である．損傷検知を行う実際のシステムとして利用するためには，学習したシステムを運転試験近傍に設置し，リアルタイムでデータの回収，かみ合い振動データの可視化，およびき裂検出のためのニューラルネットによる解析を行い，試験の担当者に連絡が入るようなシステムが望ましい．そこで，前述した機能を有する歯車の損傷検知の実用化を目指したシステム開発を行う．
|
Research Products
(6 results)
