研究概要 |
平成15年度においては,ファジィニューラルネットワーク(FNN)モデルの最適構造を得るための考察を行った.本研究で取り扱っているFNNもでるは,切削条件と切削音を入力とする構造となっている.切削音部はウェーブレット変換を行い時間・周波数解析を行っている.本年度は,ウェーブレットパケット解析を行い周波数成分の抽出をきめ細かく行うようにした.これにより入力部のニューロン数設定の自由度が生じる.すなわち,従来,切削音のデータ数とサンプリング時間により決定されていた入力層のニューロン数を種々に設定することができるため,判別に必要なネットワークの大きさを変化させて検討することができた.また,FNNの中間層を切削条件部分および切削音部分に分離させた構造(ブロック構造と呼ぶ)を提案し中間層のブロックの大きさについての考察を行った. また従来は,切削音を測定するために切削音検知器と呼ばれる接触型のセンサを使用していたが,非接触型のセンサで測定することが望ましい.実験室においてサンプル音を作成し源信号として,それらを混合した音信号を本年度の予算で購入したマイクロフォンにより測定し,主成分分析および独立成分分析を用いて再び源信号に分離することを試みた.本研究では,主成分分析および独立成分分析ともに従来型の手法ではなくニューラルネットワークを利用する手法により行った.まず主成分分析について考察したが,信号の分離は十分とはいえない結果となった.独立成分分析についても主成分分析に比較すると良好な結果が得られたが,実機で使用する段階までは到達していない.次年度は,実機での使用を可能にするレベルまで信号の分離性能を改良して行く.
|