研究課題/領域番号 |
12450043
|
研究機関 | 東京大学 |
研究代表者 |
吉村 忍 東京大学, 大学院・新領域創成科学研究科, 教授 (90201053)
|
研究分担者 |
長崎 晋也 東京大学, 大学院・新領域創成科学研究科, 助教授 (20240723)
古田 一雄 東京大学, 大学院・新領域創成科学研究科, 教授 (50199436)
矢川 元基 東京大学, 大学院・工学系研究科, 教授 (40011100)
関東 康祐 豊橋技科大学, 機械システム工学系, 助教授 (60177764)
堀江 知義 九州工業大学, 情報工学部, 助教授 (40229224)
|
キーワード | 腐食 / 自動車 / 寿命予測 / ニューラルネットワーク / 多変量解析 / 車両パラメータ / 錆パラメータ / 防錆処理 |
研究概要 |
初年度である本年度は、まず自動車の腐食試験の実施計画を作成した。次に、計測設備の整備を行った。自動車の材料や構造、走行環境、防錆処理に係わるパラメータ(車両パラメータと称する)のうちどのようなパラメータが、発生する錆形態や錆程度に影響を与えるかは定かでないので、可能な限り多くのパラメータを測定した。具体的には、部位のトポロジー(構造)、寸法、材質、成分、防錆処理(被膜)の種類・程度(厚み)などを測定した。一方、市場で長年利用され廃車となった多種類(30種類程度)の実車から錆発生部位を切り出し、錆形態、発生場所、錆面積、板厚減少量(これらのパラメータを錆パラメータと称する)の計測を行った。(4)標準的なバックプロパゲーションアルゴリズムによるニューロ非線形多変量解析コードを作成し、データの解析、具体的には車両パラメータと錆パラメータ間の多次元非線形関係の定量化に関する予備解析を行った。なお、計測される車両パラメータや錆パラメータの項目数に比べてテスト車両数・部位数が少ないので、通常のネットワークでは過剰学習を起こしやすい。そこで、階層型ニューラルネットワークの学習アルゴリズムに関して検討を行なった。その結果、ある程度絞り込まれた問題設定の範囲では、比較的良好に学習することが確認された。しかしながら、すべての実験環境においてすべでの項目をもれなく計測することがなかなか難しいため、多少情報が欠落した中で、総合的に学習を進めるためにはどうすればよいかが、今後の検討課題であることがわかった。
|