• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to project page

2015 Fiscal Year Annual Research Report

宇宙機運用者と学習型異常検知システムとの持続的知識相互作用に関する研究

Research Project

Project/Area Number 26289320
Research InstitutionThe University of Tokyo

Principal Investigator

矢入 健久  東京大学, 工学(系)研究科(研究院), 准教授 (90313189)

Project Period (FY) 2014-04-01 – 2018-03-31
Keywords異常検知 / 航空宇宙システム / 機械学習 / 人工知能
Outline of Annual Research Achievements

本研究課題の2年目である平成27年度は、主に第2のサブテーマ「運用者から学習型状態監視器への知識転移促進方法の開発」、すなわち、学習型異常検知器が過去の宇宙機センサデータだけでなく、運用者が利用する運用手順書や設計仕様等のドキュメント情報源、および、運用者が経験的に蓄積してきた暗黙的なノウハウを積極的に利用し、状態監視・異常検知能力を向上させるための方法論の開発に取り組んだ。
具体的には、このサブテーマに関して以下の2項目の成果が得られた。(1)運用者が記録した人工衛星の運用日誌から実験等の稼働モードを抽出しこれを教師ラベルとして分類学習を行うことにより、衛星テレメトリデータから稼働モードを自動認識することに成功した。これにより、意図しない稼働モードへの遷移を検知したり、運用記録を自動作成することが可能になる。(2)ステータステレメトリの値の組み合わせからアナログテレメトリの正常範囲を適切に学習する手法を開発した。これは運用者が従来用いてきた伝統的なリミットチェックとも整合性が高く、ブラックボックスになりがちな学習型監視器に運用者の洞察を与える上で有効である。また、これら2つの事項に加えて、欠損やサンプルレートの変更が頻発するため従来の時系列モデルの適用が難しいという問題に対して、周回や日とごの「粗い」単位で時間的依存性をモデル化する手法も開発した。これらの成果は国内外の研究集会および学術論文誌で発表予定である。

Current Status of Research Progress
Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

「研究実績の概要」で述べたように、平成27年度の主なサブテーマである「運用者から学習型状態監視器への知識転移促進方法の開発」について、複数の具体的な成果が得られている。また、これらの成果は競争率の高い国際会議等でも積極的に発表されるなど、外部的にも一定の評価を得ている。また、将来的に公開を予定している宇宙機システムのための健康状態監視ソフトウェアのプロトタイプも作成して研究支援者に試用してもらうなど、研究計画全体から見ても、おおむね順調に進んでいると考える。

Strategy for Future Research Activity

今後の研究推進方策として第一に考えていることは、本研究計画を遂行するにあたって欠かすことのできない、人工衛星運用機関・運用者との協力体制を強化することである。平成27年度をもって宇宙研究開発機構の実証小型衛星SDS-4の運用チームとの密な協力関係を終了した。今後も過去のデータを継続的に利用する許可を得ているので、本研究を実施する上では問題ないが、最終年度の総合実験を見据えて、今後は大学小型衛星開発者など、新たな協力機関・支援者を探す予定である。

Causes of Carryover

次年度使用額が生じた理由は、(1)当該年度の当初計画していた国際会議での発表・参加を研究スケジュールの都合上見合わせたこと。(2)当初購入を予定していた計算機が予定よりも安価に同等性能のものを入手できたこと。(3)同様に、研究室で既に所有している計算機資源を有効活用したこと、などである。

Expenditure Plan for Carryover Budget

次年度は4月にニュージーランドで開催されるデータマイニングに関する国際会議での研究成果発表を予定しており、また、6月にも中国で開催される宇宙人工知能応用に関する国際会議でも発表予定であり、積極的に国内外での成果発表を行うために研究費を使用する計画である。また、学習型監視システム開発に必要な計算機にも研究費を使用する。

  • Research Products

    (7 results)

All 2016 2015

All Journal Article (2 results) (of which Peer Reviewed: 2 results,  Acknowledgement Compliant: 2 results) Presentation (5 results) (of which Int'l Joint Research: 1 results)

  • [Journal Article] 次元削減を用いた超小型衛星の画像劣化発生条件推定2015

    • Author(s)
      桑原絢一、酒匂信匡、矢入健久
    • Journal Title

      日本航空宇宙学会論文集

      Volume: 63 Pages: 119-128

    • DOI

      10.2322/jjsass.63.119

    • Peer Reviewed / Acknowledgement Compliant
  • [Journal Article] 衛星の状態監視システムのつくりかた -過去のデータに基づく異常検知-2015

    • Author(s)
      矢入健久
    • Journal Title

      情報処理学会誌

      Volume: 56 Pages: 777-780

    • Peer Reviewed / Acknowledgement Compliant
  • [Presentation] Dynamic Grouped Mixture Models for Intermittent Multivariate Sensor Data2016

    • Author(s)
      Naoya Takeishi, Takehisa Yairi
    • Organizer
      The 20th Pacific Asia Conference on Knowledge Discovery and Data Mining (PAKDD)
    • Place of Presentation
      Auckland, New Zealand
    • Year and Date
      2016-04-19 – 2016-04-22
    • Int'l Joint Research
  • [Presentation] SDS-4運用における学習型テレメトリ監視システムの性能向上検討(1) - 手法と実装 -2015

    • Author(s)
      矢入健久, 武石直也, 秋元康佑, 西村尚樹, 中島佑太,高田昇
    • Organizer
      第59回宇宙科学技術連合講演会
    • Place of Presentation
      鹿児島
    • Year and Date
      2015-10-07 – 2015-10-09
  • [Presentation] SDS-4運用における学習型テレメトリ監視システムの性能向上検討(2) - 検証と評価 -2015

    • Author(s)
      西村尚樹, 中島佑太, 高田昇, 矢入健久, 武石直也,秋元康佑
    • Organizer
      第59回宇宙科学技術連合講演会
    • Place of Presentation
      鹿児島
    • Year and Date
      2015-10-07 – 2015-10-09
  • [Presentation] 機械学習・データマイニング技術による異常検知システムの評価実験2015

    • Author(s)
      高田昇, 矢入健久, 西村尚樹, 中島佑太
    • Organizer
      第59回宇宙科学技術連合講演会
    • Place of Presentation
      鹿児島
    • Year and Date
      2015-10-07 – 2015-10-09
  • [Presentation] センサデータとテキスト運用記録を活用した宇宙機運用支援2015

    • Author(s)
      武石直也, 矢入健久
    • Organizer
      人工知能学会全国大会
    • Place of Presentation
      函館
    • Year and Date
      2015-05-29 – 2015-06-02

URL: 

Published: 2017-01-06  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi