| 研究実績の概要 |
昨年度に引き続いて，多変量時系列として観測された実データとして，Qiuらによる４連装ベアリングの実験装置から得られたもの(文献１，IMS Bearing Dataset；8変量×約4415万行からなる時系列データ)を題材とし，複数のベアリングが相互に作用して生じると考えられる，依存故障発生の予兆の推定方法について数理・統計的なモデルの検討を行った．特に今年度はコピュラによる依存性の抽出モデルのみならず，タケンスの埋め込み定理を背景としてもつ，カオス的時系列データの分析法(文献２)の適用について検討した．この手法は古典的な手法の一つとして知られているが，現在においてはあまり適用例を見ることがない手法とも言え，試す価値があるものと考えた．この手法には外生的に与えるべきパラメータ値の種類が複数あり，それらの値の選び方などにさらなる検討が必要である．しかしながら，「いつベアリングに異常が起こったのか」という本研究の基本的課題については，一定の役割を果たしうることが分かった．今後は依存故障，連鎖故障の予兆の推定について検討を進める．
(文献１) Qiu, H., Lee, J., Lin, J. and Yu, G.“Wavelet filter-based weak signature detection method and its application on rolling element bearing prognostics,” Journal of Sound and Vibration, Vol. 289, 1066-1090 (2006).
(文献２) 大鋳 史男:“時系列データを判別するカオス的手法について,”日本応用数理学会論文誌, Vol.12, No.1, 67-78 (2002).
また，上記の他，コピュラに関する本研究に関連する研究成果として，非対称な二変量データに関するモデリングに関するものがあり，これについては共同研究者との成果発表を行った．
|
