宇宙機故障診断のためのデータマイニングと専門家知識の融合法に関する研究

2004 年度 実績報告書

• 研究課題/領域番号: 16760641
• 研究機関: 東京大学
• 研究代表者: 矢入 健久 東京大学, 先端科学技術研究センター, 講師 (90313189)
• キーワード: 宇宙機 / 人工衛星 / 異常検知 / 故障診断 / 機械学習 / 確率推論 / データマイニング

研究概要

高度な異常検知・故障診断法の開発は、絶対的な安全性・信頼性を求められる宇宙システム研究において、最重要な課題の一つである。本研究の目的は、宇宙機運用データから故障診断知識を自動獲得し、事前専門家知識との融合によって網羅的かつ高精度な異常検知・診断を行ない、さらに暗黙的専門家知識を事後獲得することによって診断性能を改善する方法を確立することである。
本研究の初年度である平成16年度は、上記の目標の実現に向けて、具体的に以下の研究を行った。
(1)回帰木学習およびRelevance Vector学習を用いた適応的自動リミットチェック法の開発
従来から宇宙機運用において広く用いられてきたリミットチェック法に対して、回帰木学習およびRelevance Vector学習などの機械学習手法を適用することにより、過去の宇宙機の運用データ(テレメトリデータ)から各センサーの適正範囲を自動かつ極めて詳細に学習する手法を開発した。
(2)確率推論と統計的学習を用いた宇宙機異常検知・診断法の開発
動的システムの状態推定法として強力な手段である確率的モデル化・推論手法Dynamic Bayesian Networksに対して、構造・パラメータを統計的に推定する方法を統合することにより、設計者・専門家の事前知識に基づくシステムモデルの不正確性・不確定性を実際の運用データに基づいて適切かつ効率的に修正する手法を開発した。

研究成果

• [雑誌論文] An Anomaly Detection Method for Spacecraft using Relevance Vector Learning (2005)
  • 著者名/発表者名: R.Fujimaki, T.Yairi, K.Machida
  • 雑誌名: Proceedings of the ninth Pacific-Asia Conference on Knowledge Discovery and Data Mining (発表予定)
• [雑誌論文] Summarization of Spacecraft Telemetry Data By Extracting Significant Temporal Patterns (2004)
  • 著者名/発表者名: T.Yairi, S.Ogasawara他
  • 雑誌名: Lecture Notes in Computer Science 3056 ページ: 240-244
• [雑誌論文] Supporting Anomaly Detection from Satellite Telemetry Data by Regression Tree (2004)
  • 著者名/発表者名: M.Nakatsugawa, T.Yairi, 他
  • 雑誌名: Proceedings of The 24th International Symposium on Space Technology and Science (CD-ROM)
• [雑誌論文] Adaptive Limit Checking for Spacecraft Telemetry Data Using Regression Tree Learning (2004)
  • 著者名/発表者名: T.Yairi, M.Nakatsugawa, 他
  • 雑誌名: Proceedings of International Conference on Systems, Man and Cybernetics ページ: 5130-5135
• [雑誌論文] 動的ベイジアンネットワークを用いた宇宙異常診断に関する研究 (2004)
  • 著者名/発表者名: 河原吉伸, 矢入健久, 町田和雄
  • 雑誌名: 電子情報通信学会技術研究報告 NC2004-10-18 ページ: 21-26