| 研究課題/領域番号 |
20K14687
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分20010:機械力学およびメカトロニクス関連
|
|---|
| 研究機関 | 地方独立行政法人大阪産業技術研究所 |
|---|
研究代表者 |
喜多 俊輔 地方独立行政法人大阪産業技術研究所, 和泉センター, 主任研究員 (40761622)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2020年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
|
|---|
| キーワード | 音源探査 / 構造物内部 / 深層学習 / シミュレーション / ドメイン適応 / 音響振動連成 / 音響構造連成解析 / ドメイン変換 / ディープラーニング / 機械学習 |
|---|
| 研究開始時の研究の概要 |
機械・電気製品の異音や工場の騒音は、品質や環境に悪影響を及ぼすことから、音の発生源の探査技術が求められている。現在、既存の音源探査手法では、内部に存在する音源を外部から推定できない。我々は、この問題の解決手法として、Computer Aided Engineering(CAE)とDeep Neural Network(DNN)を用いた音源探査手法を提案している。しかし、先行研究では、CAE上で構築した学習済モデルを実環境に適応できていない。そこで、提案手法の実現を目的に、インパルス応答を利用したドメイン適応により、学習済モデルを実環境に適応させる。それにより、直接的に観測できない構造物内部に存在する音源を推定する手法の創造に貢献する。
|
| 研究成果の概要 |
本研究課題では、直接的に確認ができない構造物の内部に存在する音源位置を構造物外部から特定する手法の確立を目的としている。これまでに提案した深層学習とシミュレーションを利用した探査手法には、シミュレーション上で構築した学習済みモデルの実環境への適用に課題があった。
そこで、半教師あり条件下において、実環境データを擬似的にシミュレーションデータへ変換する学習モデルを利用することで、学習済みモデルを実環境データに適応させる手法を提案し、その有効性を明らかにした。
|
| 研究成果の学術的意義や社会的意義 |
本研究成果は、構造物内部の音源探査問題におけるシミュレーション上で構築した学習モデルの実環境への適用手法の構築であり、間接的な観測データにおける入力推定問題を扱う学術分野に展開できる点で学術的意義がある。
また、本課題である構造物内部の音源探査は、構造物を介して音源を推定する必要があるためハードルが高く、調べた限り既存手法は皆無であった。よって、本研究成果の社会的意義は、従来より解決が困難であった構造物内部の音源による騒音問題の解決に役立つことである。
|
