| 研究課題/領域番号 |
16F16079
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 外国 |
|---|
| 研究分野 |
航空宇宙工学
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
矢入 健久 東京大学, 大学院工学系研究科(工学部), 教授 (90313189)
|
|---|
| 研究分担者 |
KHAN SAMIR 東京大学, 工学(系)研究科(研究院), 外国人特別研究員
|
|---|
| 研究期間 (年度) |
2016-07-27 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
2,100千円 (直接経費: 2,100千円)
2018年度: 300千円 (直接経費: 300千円)
2017年度: 900千円 (直接経費: 900千円)
2016年度: 900千円 (直接経費: 900千円)
|
|---|
| キーワード | システム健全性管理 / 航空宇宙システム / 異常検知 / 機械学習 / 深層学習 |
|---|
| 研究実績の概要 |
本研究の目的は、人工衛星や無人飛行ロボットに代表される航空宇宙システムを主たる対象として、障害不再現現象(Not-found-fault)や誤検知などの不確定要因に対して頑強なシステム状態監視フレームワークを確立することである。小さな不具合が甚大な損害を引き起こし得る航空宇宙システムでは、システムの健康状態を監視し異常兆候を迅速に検知し解決する技術が必須である。航空宇宙分野のための頑強なシステム健全性管理技術の確立という本研究の目的を実現するため、平成３０年度（4月１日～７月30日）は主として以下の研究活動を行った。(1)近年発展著しい深層学習のシステム健全性監視・異常検知への応用について網羅的なサーベイを行ない、手法の分類や技術的課題を整理した。この研究成果は国際論文誌 Mechanical Systems and Signal Publishing 誌の2018年7月号に掲載された。(2)深層学習技術のひとつである変分オートエンコーダを応用した健全性監視アルゴリズムを実装し、無人飛行ロボットをテストベッドとしてその有効性を検証した。この成果をまとめた論文を論文誌に投稿中である。(3)2018年7月に開催された機械学習・人工知能の国際会議(ICML)において、機械学習によるシステム健全性監視に関する国際ワークショップをオーガナイズした。また、このワークショップにおいて、本研究の成果の一部を論文として発表した。
|
| 現在までの達成度 (段落) |
平成30年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
平成30年度が最終年度であるため、記入しない。
|
