| 研究概要 |
これまでの研究で,我々は音響診断に適したハイブリッド型ネットワークを提案し,その有効性をガス製造プラントにおいても確認している.本研究はこのモデルを更に発展させ,破壊・故障予知の音響診断の高精度化と信頼性向上を行うことを目的としている.得られた結果は以下の通りである.
1.回転機の音響診断
1つのマイクロフォンによる複数台の回転機のバルブ異常診断の可能性を検討し,特徴抽出ネットワークと異常識別ネットワークから構成されるハイブリッド型ネットワークの構成や学習則などの改良について検討した.その結果、特徴抽出ネットワークに非線形な特徴の抽出が期待できる5層の階層型ネットワークを、異常識別ネットワークに学習が高速で中間層のユニット数を学習アルゴリズムにより決定できるガウシアン・ポテンシャル・ネットワークを適用すれば、これまで我々が検討していたネットワークよりも高精度に異常識別を行えることがわかった。さらに、階層型ネットワークの問題点である膨大な学習時間とローカル・ミニマムでの停留に関する改善策として、非単調素子を持つ階層型ネットワークを提案し、これらの問題点に関して効果的であることを示した。
2.衝撃音による欠陥検出
これまでの研究によって階層型ネットワークを用いることによって高い欠陥深さ判別率が得られるという結果が得られているが,時系列データを空間的に展開しているのでネットワークが大規模になるという欠点があった.本研究では,時系列データを空間的に展開せずに扱うことのできるリカレント型ネットワークに入力信号の1時刻後の信号を予測させると共に、リカレント型ネットワークの中間層の出力信号を入力とするコホーネン・モデルを構築した。このようなハイブリッド構成のネットワークにより、分類に関する明示的な教師信号なしで、衝撃音のような時系列データを自己組織的に分類できることがわかった。
|
