| 研究課題/領域番号 |
17360185
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
システム工学
|
|---|
| 研究機関 | 大阪府立大学 |
|---|
研究代表者 |
大松 繁 大阪府立大学, 工学研究科, 教授 (30035662)
|
|---|
| 研究分担者 |
藤中 透 大阪府立大学, 工学研究科, 准教授 (90190058)
吉岡 理文 大阪府立大学, 工学研究科, 准教授 (70285302)
|
|---|
| 研究期間 (年度) |
2005 – 2007
|
| キーワード | 独立成分分析 / 信号抽出 / 音響診断 / 良否識別 / スペクトル解析 / 遺伝的アルゴリズム / 知的信号処理 / 音響検査装置 |
|---|
| 研究概要 |
本研究の目的は、様々な騒音環境下で稼動している工場内で計測した検査対象の音響計測データから独立成分分析を用いて、ノイズと検査対象の音響信号成分を分離する。また、音響信号のスペクトルを計算し、その時間的変化パターンを競合型ニューラルネットによってクラスタ分類した。また、遺伝的アルゴリズムによってその特徴量を抽出し、その特徴量を競合型ニューラルネットワークへ入力し、学習ベクトル量子化による知的信号処理を用いた音響検査の高度自動化法を確立した。
1)特徴量のクラスタ分析と特徴ベクトルの意味付け 自己組織化特徴地図(Self-Organizing feature Map:SOM)を用いて、ニューラルネットの代表的な教師パターンを選択するために、GAで決定された周波数帯域のオクターブバンドとその時系列的変化の特徴量(以後、この2つの量をバンド特徴量と呼ぶ)をクラスタ分類した。さらに、クラスタの中心を計算し、様々の検査製品に対する音響データが、SOMの特徴地図におけるどの細胞に反応するかを特定した。
2)LVQによる良否識別の学習 1)で求めた代表的教師パターンを結合係数ベクトル(コードベクトル)の初期値として、製品の良否および不良品の種別に対するクラスに対応するバンド特徴量を競合型ニューラルネットに入力し、競合型ニューラルネットワークをLVQで学習した。学習完了後に、計測された様々な音響データを用いてシミュレーションを行い、本研究で構築した音響検査システムの検査能力を定量的に評価した。
|
