JP2003279550A - ニューラルネットワークを利用した知能化超音波探傷システム - Google Patents

Abstract

(57)【要約】 【課題】 本発明の課題は、検査対象物からの超音波の
パルスエコー波形の分析により、自動的に検査対象物の
欠陥等を検査することが可能なニューラルネットワーク
を利用した知能化超音波探傷システムを提供することに
ある。 【解決手段】 本発明に関わるニューラルネットワーク
を利用した知能化超音波探傷システムのプログラムは、
反射波の波形のピーク(Ａ、Ｂ、Ｃ)の何れか一つを用い
て位相を合わせるステップと、ピーク(Ｂ)近傍の波形の
データから予め同様な方法の学習で決定されたニューラ
ルネットワークを用いて欠陥部であるか健常部であるか
を判定するステップとを実行することを特徴としてい
る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、対象物の欠陥等を
検査するシステムに係り、より詳細には検査対象物から
の超音波のパルスエコー波形を分析することにより検査
対象物の欠陥等を検査するニューラルネットワークを利
用した知能化超音波探傷システムに関係する。

【０００２】

【従来の技術】科学技術の発展に伴ない、従来の方法で
は加工困難な新材料や非常に高精度であることが要求さ
れる部品が出現している。

【０００３】高精度な部品を製造するため、古くから天
然の砥石を使用して手作業で刃物を研いだり、金属を磨
いたりする作業が行われており、その後、天然の砥石を
円盤状に形作り、手回しで回転させて能率を上げるよう
に進歩した。

【０００４】その後、砥石車を動力で駆動する研削盤が
開発され、また、天然の砥石に代わる人造砥石が製造さ
れ、この両者の進歩が相俟って研削加工が重要な精密加
工法として発展している。

【０００５】上記人造砥石の一つである立方晶窒化ほう
素(Cubic Boron Nitride：以下、ＣＢＮと称す)は、
ダイヤモンド製造と同一の方法で合成された人工物であ
り、ダイヤモンド砥石と並び難削材の研削に多用されて
いる。

【０００６】ここで、研削加工時の砥石周速度は高速で
あり、回転による遠心力に加えて研削の負荷がかかり、
砥石自体に大きな荷重が加わっている。

【０００７】回転砥石は、砥石セグメントを金属製の台
金に貼り付ける構造になっていることから、砥石と台金
との接着面における剥離等の欠陥は大きな事故の原因と
なる可能性がある。

【０００８】現在、その安全性を保障するため、標本抽
出による回転試験が一般的に行われているが、高速回転
で使用されるものに対して非破壊検査による全数検査の
実施が求められている。

【０００９】非破壊検査には様々な方法があるが、検査
対象である材料の外部から超音波を照射し、材料からの
超音波の反射波、或いは透過波を解析して欠陥の有無等
を調べる超音波探傷法がその簡易性、安全性等の理由か
ら広汎に用いられている。

【００１０】

【発明が解決しようとする課題】ところで、超音波探傷
法で得られた超音波波形による欠陥の評価は、現場の熟
練した技術者によって行われ、該技術者の経験や勘に依
るところが大きい。

【００１１】しかし、熟練技術者の養成が困難である現
状を考慮すると、技術者の勘や経験に依らず機械で自動
的に欠陥を評価する方法が必要となっている。

【００１２】超音波探傷法で得られたデータをもとに自
動的に欠陥の評価を行う方法として、ニューラルネット
ワークを用いたものがあるが、ＣＢＮ砥石は、不規則な
形状の砥粒、結合剤、気孔から成る不均質で複雑な構造
であるため、超音波の乱反射や散乱等で内部欠陥からの
反射波の判定は困難を極めている。

【００１３】本発明は上記実状に鑑み、検査対象物から
の超音波のパルスエコー波形の分析により、自動的に検
査対象物の欠陥等を検査することが可能なニューラルネ
ットワークを利用した知能化超音波探傷システムの提供
を目的とする。

【００１４】

【課題を解決するための手段】上記目的を達成するべ
く、本発明の請求項１に関わるニューラルネットワーク
を利用した知能化超音波探傷システムのプログラムは、
検査対象物のモデルに作成された欠陥部の測定域および
健常部の測定域に超音波を照射し両測定域からの超音波
反射波の波形をニューラルネットワークを用いて学習す
ることにより欠陥を同定するニューラルネットワークを
利用した知能化超音波探傷システムのプログラムであっ
て、モデルの欠陥部および健常部からの反射波形の第１
または第２ピークの何れか一つを用いて位相を合わせる
ステップと、ニューラルネットワークを用いてピーク近
傍の波形のデータを学習し、欠陥を同定するステップと
を実行することを特徴としている。

【００１５】本発明の請求項２に関わるニューラルネッ
トワークを利用した知能化超音波探傷システムのプログ
ラムは、請求項１に記載のニューラルネットワークを利
用した知能化超音波探傷システムのプログラムにおい
て、ピーク近傍の波形は、ピーク近傍の約１０波長以下
の数のピークを含む波形であることを特徴としている。

【００１６】本発明の請求項３に関わるニューラルネッ
トワークを利用した知能化超音波探傷システムのプログ
ラムは、請求項１または請求項２に記載のニューラルネ
ットワークを利用した知能化超音波探傷システムのプロ
グラムにおいて、検査対象物の測定域を端部域と中央部
域に分割し、それぞれ個別に欠陥部であるか健常部であ
るかを判定することを特徴としている。

【００１７】本発明の請求項４に関わるニューラルネッ
トワークを利用した知能化超音波探傷システムのプログ
ラムは、請求項１から請求項３のうちの何れか一項に記
載のニューラルネットワークを利用した知能化超音波探
傷システムのプログラムにおいて、検査対象物は、ＣＢ
Ｎセグメント砥石であり、該ＣＢＮセグメント砥石のセ
グメントと台金との接着面が測定域であることを特徴と
している。

【００１８】本発明の請求項５に関わるニューラルネッ
トワークを利用した知能化超音波探傷システムのプログ
ラムは、検査対象物の測定域に超音波を照射し測定域か
らの超音波反射波形をニューラルネットワークを用いて
分析することにより欠陥部であるか健常部であるかを判
定するニューラルネットワークを利用した知能化超音波
探傷システムのプログラムであって、反射波の波形のピ
ークの何れか一つを用いて位相を合わせるステップと、
ピーク近傍の波形のデータから予め同様な方法の学習で
決定されたニューラルネットワークを用いて欠陥部であ
るか健常部であるかを判定するステップとを実行するこ
とを特徴としている。

【００１９】本発明の請求項６に関わるニューラルネッ
トワークを利用した知能化超音波探傷システムのプログ
ラムは、請求項５に記載のニューラルネットワークを利
用した知能化超音波探傷システムのプログラムにおい
て、位相を合わせる波形のピークは、第１ピークまたは
第２ピークの何れかであることを特徴としている。

【００２０】本発明の請求項７に関わるニューラルネッ
トワークを利用した知能化超音波探傷システムのプログ
ラムは、請求項５または請求項６に記載のニューラルネ
ットワークを利用した知能化超音波探傷システムのプロ
グラムにおいて、ピーク近傍の波形は、ピーク近傍の約
１０波長以下の数のピークを含む波形であることを特徴
としている。

【００２１】本発明の請求項８に関わるニューラルネッ
トワークを利用した知能化超音波探傷システムのプログ
ラムは、請求項５から請求項７のうちの何れか一項に記
載のニューラルネットワークを利用した知能化超音波探
傷システムのプログラムにおいて、検査対象物の測定域
を端部域と中央部域に分割し、それぞれ個別に欠陥部で
あるか健常部であるかを判定することを特徴としてい
る。

【００２２】本発明の請求項９に関わるニューラルネッ
トワークを利用した知能化超音波探傷システムのプログ
ラムは、請求項５から請求項８のうちの何れか一項に記
載のニューラルネットワークを利用した知能化超音波探
傷システムのプログラムにおいて、検査対象物は、ＣＢ
Ｎセグメント砥石であり、該ＣＢＮセグメント砥石のセ
グメントと台金との接着面が測定域であることを特徴と
している。

【００２３】本発明の請求項１０に関わるニューラルネ
ットワークを利用した知能化超音波探傷システムのプロ
グラムを内蔵する超音波探傷機は、検査対象物の測定域
に超音波を照射し測定域からの超音波反射波の波形をニ
ューラルネットワークを用いて分析することにより欠陥
部であるか健常部であるかを判定するニューラルネット
ワークを利用した知能化超音波探傷システムのプログラ
ムを内蔵する超音波探傷機であって、反射波の波形のピ
ークの何れか一つを用いて位相を合わせるステップと、
ピーク近傍の波形のデータから予め同様な方法の学習で
決定されたニューラルネットワークを用いて欠陥部であ
るか健常部であるかを判定するステップとを実行するこ
とを特徴としている。

【００２４】本発明の請求項１１に関わるニューラルネ
ットワークを利用した知能化超音波探傷システムのプロ
グラムを内蔵する超音波探傷機は、請求項１０に記載の
ニューラルネットワークを利用した知能化超音波探傷シ
ステムのプログラムを内蔵する超音波探傷機において、
位相を合わせる波形のピークは、第１ピークまたは第２
ピークの何れかであることを特徴としている。

【００２５】本発明の請求項１２に関わるニューラルネ
ットワークを利用した知能化超音波探傷システムのプロ
グラムを内蔵する超音波探傷機は、請求項１０または請
求項１１に記載のニューラルネットワークを利用した知
能化超音波探傷システムのプログラムを内蔵する超音波
探傷機において、ピーク近傍の波形は、ピーク近傍の約
１０波長以下の数のピークを含む波形であることを特徴
としている。

【００２６】本発明の請求項１３に関わるニューラルネ
ットワークを利用した知能化超音波探傷システムのプロ
グラムを内蔵する超音波探傷機は、請求項１０から請求
項１２のうちの何れか一項に記載のニューラルネットワ
ークを利用した知能化超音波探傷システムのプログラム
を内蔵する超音波探傷機において、検査対象物の測定域
を端部域と中央部域に分割し、それぞれ個別に欠陥部で
あるか健常部であるかを判定することを特徴としてい
る。

【００２７】

【発明の実施の形態】以下、実施例を示す図面に基づい
て、本発明を詳細に説明する。

【００２８】本発明における検査対象物は、研削盤にお
いて高速回転駆動される砥石車であり、図１に示すよう
に、外周部にＣＢＮ砥石であるセグメントチップ２が複
数接着されるＣＢＮセグメント砥石(検査対象物)１であ
る。

【００２９】該ＣＢＮセグメント砥石１における外周部
のセグメントチップ２の接着不良等の欠損が検査対象と
なる。

【００３０】本発明においては、まず、ＣＢＮセグメン
ト砥石１の外周部の接着部に人為的な剥離欠陥(図３参
照)を有するＣＢＮセグメント砥石(モデル)１′を作成
して、図５に示すように、超音波水浸垂直探傷法によ
り、このＣＢＮセグメント砥石１′を水中に沈め、その
外周面１ｄに超音波を照射して剥離欠陥部と健常部との
超音波反射波形を取得し、その特徴を調べた。

【００３１】次に、その特徴を基に剥離欠陥部と健常部
との超音波反射波形の２つの教師波形を階層型ニューラ
ルネットワークを用いて剥離欠陥部と健常部として学習
させることで、ＣＢＮセグメント砥石１の剥離欠陥部の
検査に最適な階層型ニューラルネットワークのプログラ
ムを作成し、ニューラルネットワークを利用した知能化
超音波探傷システムを実現したものである。

【００３２】なお、本システムは、ＣＢＮセグメント砥
石の欠陥部の検査に限定されず、その他の構成部材の欠
陥部の検査にも適用可能である。

【００３３】以下、本発明の導出過程から詳細に説明す
る。

【００３４】図１、図２に示すように、検査対象物であ
るＣＢＮセグメント砥石１は、短円柱形状の台金３と台
金３の外周面(測定域、接着面)３ｃ上に貼り付けられる
１１枚のセグメントチップ２とを備え構成されている。

【００３５】台金３は、スチール製であり、軸心部に回
転駆動軸のフランジ(図示せず)に固着される軸孔３ｈが
穿孔されている。

【００３６】セグメントチップ２は、ＣＢＮ砥粒が入っ
ていないコア層２ａとＣＢＮ砥粒が入りコア層２ａの外
周面に接着されるリム層２ｂとから構成され、リム層２
ｂとコア層２ａとを合わせてセグメントチップと呼称さ
れている。

【００３７】ＣＢＮセグメント砥石１は、図２に示すよ
うに、台金３の外周面３ｃに１１枚のセグメントチップ
２のコア層２ａがそれぞれ接着されることにより、１１
枚のセグメントチップ２が台金３に貼り付けられ製造さ
れる。

【００３８】なお、セグメントチップ２のコア層２ａ
は、ＣＢＮ砥石の台金３への接着強度を確保するための
緩衝材であり、ＣＢＮセグメント砥石１において、コア
層２ａとリム層２ｂとの接着強度に比べ、コア層２ａと
台金３との接着強度は格段に小さく、接着不良が発生し
易い構成である。

【００３９】ここで、ＣＢＮセグメント砥石１の寸法
は、図１に示すように、外径１００ｍｍ、幅２０ｍｍ、
軸孔３ｈの径が１５．８ｍｍのものを例に挙げて説明す
る。

【００４０】また、ＣＢＮセグメント砥石１のＣＢＮ砥
石の人為的剥離欠陥を作成するため、実際に想定し得る
接着不良欠陥形状や検出分解能に関係する検出限界等を
解析段階で検討することを考慮し、図３(ａ)に示す剥離
の無いセグメントチップ２に対し、図３(ｂ)〜図３(ｇ)
に示す６種類の剥離形状を有するセグメントチップ２を
準備することとする。

【００４１】そこで、図３(ｂ)〜図３(ｇ)に示す６種類
の剥離形状に対応するマスク(図示せず)を用意し、台金
３の外周面３ｃにそれぞれのマスクを適宜、貼り付けて
マスク箇所には接着剤が塗布されないようにして、その
上から離型用溶剤を薄く塗布して乾燥させた薄膜を作
る。

【００４２】さらに、その上から接着剤を塗布した後
に、貼り付けたマスクを剥がしその上からセグメントチ
ップ２を通常通り接着し、図３(ｂ)〜図３(ｇ)に示す６
種類の剥離形状を有するＣＢＮセグメント砥石１′を作
成した。すなわち、図３(ｂ)〜図３(ｇ)の暗色部は、マ
スクにより接着剤が塗布されず剥離形状を呈する欠陥部
となる。

【００４３】例えば、図３(ｄ)に示す剥離形状の場合
は、図４に示すような欠陥部である剥離部ｋ１をもつセ
グメントチップ２1を具えるＣＢＮセグメント砥石１′
となる。

【００４４】このようにして作成されたＣＢＮセグメン
ト砥石１′を、超音波垂直探傷法を用いることにより上
記欠陥部を含む探傷データを取得し、欠陥の有無を解析
する。

【００４５】図５に示すように、ＣＢＮセグメント砥石
１′の台金３の軸孔３ｈにステッピングモータ(図示せ
ず)に固定された回動軸ｄを固着するとともに、ＣＢＮ
セグメント砥石１′を水槽ｓの水中に沈める。

【００４６】さらに、プローブｐから超音波をＣＢＮセ
グメント砥石１′の外周面１ｄに対して照射できるよう
に、プローブｐを水中のＣＢＮセグメント砥石１′の外
周面１ｄに対向させて配置する。ここで、プローブｐは
ＣＢＮセグメント砥石１′の外周面１ｄの幅方向に移動
自在である。

【００４７】また、プローブｐは、超音波探傷機Ｕに接
続され、さらに超音波探傷機Ｕがデジタルオシロスコー
プｄｏに接続され、さらにデジタルオシロスコープｄｏ
がデスクトップパソコンｄpに接続されている。

【００４８】上記プローブｐの動作は、超音波をＣＢＮ
セグメント砥石１′の外周面１ｄの測定点に対して照射
すると、続いて該外周面１ｄの測定点からの超音波反射
波を受信する構成である。

【００４９】上記構成により、プローブｐから超音波が
ＣＢＮセグメント砥石１′の外周面１ｄの測定点に対し
て照射されると、該測定点からの超音波反射波がプロー
ブｐで受信され、該超音波反射波が超音波探傷機Ｕに出
力される。

【００５０】超音波反射波が超音波探傷機Ｕに入力され
ると、超音波探傷機Ｕから超音波反射波の測定データが
デジタルオシロスコープｄｏに入力され、デジタルオシ
ロスコープｄｏの測定データの出力波形がデスクトップ
パソコンｄpに入力され、デスクトップパソコンｄpにお
いて測定データが解析される。

【００５１】ここで、ＣＢＮセグメント砥石１′の外周
面１ｄの欠陥部の測定は、測定点として外周面１ｄを円
周方向、および幅方向に分割して計測を行うものであ
る。

【００５２】ＣＢＮセグメント砥石１′の各測定点がプ
ローブｐに対向するように、前記ステッピングモータで
ＣＢＮセグメント砥石１′を間歇回転駆動することによ
り、測定が行われる。

【００５３】すなわち、プローブｐが測定点に対向する
と、前記ステッピングモータを停止し、プローブｐから
該測定点に対し超音波を照射し、続いて該測定点からの
超音波反射波をプローブｐで受信し、１つの測定点に対
する測定を終了する。

【００５４】次に、次の測定点がプローブｐに対向する
ように前記ステッピングモータでＣＢＮセグメント砥石
１′を回転駆動し、次の測定点にプローブｐが対向する
と停止させ、プローブｐから超音波を照射し、続いて該
測定点からの超音波反射波をプローブｐで受信する。

【００５５】この動作を繰り返し、ＣＢＮセグメント砥
石１′の外周面１ｄの１周の測定点に対して測定を終了
すると、プローブｐをＣＢＮセグメント砥石１′の外周
面１ｄの幅方向に測定点に対し１ピッチ測定箇所をずら
し、次の１周の測定点に対する測定を上述と同様な操作
で行う。

【００５６】次に、具体的な計測について説明を行う。

【００５７】プローブｐからＣＢＮセグメント砥石１′
の外周面１ｄの測定点に超音波を照射し、該測定点から
の超音波反射波をプローブｐで受信し、該超音波反射波
が超音波探傷機Ｕで得られると、超音波探傷機Ｕからの
測定点のデータのＲＦ出力をデジタルオシロスコープｄ
ｏにおいて１０nsec間隔でサンプリングし、ＣＢＮセグ
メント砥石１′の外周表面の反射波から、接着面である
台金３の外周面３ｃの反射波を含む５μsecの時間間隔
の各測定点のデータを記録し解析に用いる。

【００５８】図６(ａ)は、ＣＢＮセグメント砥石１′に
おいて健常部の測定点の位置を１０箇所適宜、変えて計
測した波形を示しており、図６(ｂ)は、ＣＢＮセグメン
ト砥石１′において欠陥部の測定点の位置を１０箇所適
宜変えて計測した波形を示している。

【００５９】なお、他の種々の寸法のＣＢＮセグメント
砥石等の他の検査対象物においても同様な波形が得られ
るものである。

【００６０】図７には、上記欠陥部の測定点の平均波形
を実線で、上記健常部の測定点の平均波形を破線で示し
ている。

【００６１】図８は、欠陥部の波形と健常部の波形の振
幅を特徴的に示した図である。

【００６２】第１ピークＡ、第２ピークＢ、第３ピーク
Ｃ、…は、図１、図２に示すように、ＣＢＮセグメント
砥石１′の接着面(台金３の外周面３ｃ)からの超音波反
射波である。

【００６３】欠陥部の波形と健常部の波形の振幅の特徴
は、図７、図８に示すように、第１ピークＡと第２ピー
クＢの絶対値の大きさにあり、第１ピークＡと第２ピー
クＢの絶対値の比の値を元に欠陥の有無を判定したとこ
ろ７割程度の確率で正確に判定できた。

【００６４】このような検討結果から、次に、接着面
(台金３の外周面３ｃ)の反射波形の波頭(図８のＡ)近傍
の波形を入力とし、３層型ニューラルネットワークを構
成して学習させ判定を行ったところさらに良好な結果が
得られることが判明した。

【００６５】そこで、上述の知見に基づいてニューラル
ネットワークを利用した知能化超音波探傷システムのソ
フトウェアを開発することに着手した。

【００６６】本発明に用いた階層型ニューラルネットワ
ークは、中間層が一つもないニューラルネットワークで
は解けない問題が存在することが分かっており、一方、
中間層のユニット数が十分用意されていれば、任意の関
数を３層ニューラルネットワークで実現できることが証
明されている。

【００６７】例えば、図９には、入力層ｈのユニット数
が６、中間層ｉのユニット数が４、出力層ｊのユニット
数が５の全結合型の３層型ニューラルネットワークを例
示している。

【００６８】ここで、出力層ｊの５つの各ユニットは、
中間層の４つの全てのユニットと結合され中間層の各ユ
ニットからの入力値に対してそれぞれｗjｉ(j＝１〜
５、ｉ＝１〜４)という結合荷重を有する。

【００６９】例えば、出力層ｊのj＝１のユニットは、
中間層ｉのｉ＝１のユニットからの入力値に対してｗ11
という結合荷重を有し、中間層ｉのｉ＝２のユニットか
らの入力値に対してｗ12という結合荷重を有し、中間層
ｉのｉ＝３からのユニットの入力値に対してｗ13という
結合荷重を有し、中間層ｉのｉ＝４からのユニットの入
力値に対してｗ14という結合荷重を有している。

【００７０】また、中間層ｊの４つの各ユニットは入力
層の６つの全てのユニットと結合され入力層の各ユニッ
トからの入力値に対してそれぞれｗｉhという結合荷重
を有する。

【００７１】例えば、中間層ｉのｉ＝１のユニットは、
入力層ｈのｈ＝１のユニットからの入力値に対してｗ11
という結合荷重を有し、以下同様に、入力層ｈのｈ＝２
のユニットからの入力値に対してｗ12という結合荷重
を、入力層ｈのｈ＝３からのユニットの入力値に対して
ｗ13という結合荷重を、入力層ｈのｈ＝４からのユニッ
トの入力値に対してｗ14という結合荷重を、入力層ｈの
ｈ＝５からのユニットの入力値に対してｗ15という結合
荷重を、入力層ｈのｈ＝６からのユニットの入力値に対
してｗ16という結合荷重をそれぞれ有している。

【００７２】ニューラルネットワークの学習アルゴリズ
ムにバックプロパゲーション法を用いる場合には下記の
誤差関数の最小化の解析が行われる。

【００７３】ここで、出力層ｊの各ユニットに出力層ｊ
の各ユニットから出力されるべき所望の教師信号ｄj(ｊ
＝１〜５)を与え、実際の情報処理に際して出力層ｊの
各ユニットから出力される信号ｙjとの差を示す誤差関
数Ｅ を定義する。

【００７４】そして、学習に際して各結合荷重ｗjｉ、
各結合荷重ｗｉhにそれぞれ初期値を与え、１回の学習
の度に各結合荷重ｗjｉを誤差関数Ｅを小さくする変化
分Δｗjｉ ｎ：学習回数 だけ変化させ、また各結合荷重ｗｉhを誤差関数Ｅを小
さくする変化分Δｗｉh ｎ：学習回数 だけ変化させて学習を行い、この学習を繰り返し学習を
重ねるに従い誤差関数Ｅを小さくしていき、学習が終了
することにより、各結合荷重ｗjｉおよび各結合荷重ｗ
ｉhの値が決定される。

【００７５】すなわち、学習することによって得られた
各結合荷重ｗjｉ、各結合荷重ｗｉhの値が学習対象の情
報を有することになる。

【００７６】こうして、決定された各結合荷重ｗjｉ、
および各結合荷重ｗｉhを用いて、当該学習対象に対す
る階層型ニューラルネットワークの情報処理が行われ
る。

【００７７】本発明においては、入力層ｈの各ユニット
に超音波探傷機による測定点からの超音波反射波の出力
波形からサンプリングした振幅値を入力し、出力層ｊの
ユニットから測定点が欠陥部の場合には１を出力し、測
定点が健常部の場合には０を出力する。

【００７８】入力層ｈのユニット数を７５(ｈ＝１〜７
５)、中間層ｉのユニット数を３０(ｉ＝１〜３０)、出
力層ｊのユニット数を１(ｊ＝１)の３層の全結合型の３
層型ニューラルネットワークを適用する。

【００７９】したがって、欠陥部の測定点を学習する場
合には、教師信号ｄ1＝１を設定し、健常部の測定点を
学習する場合には、教師信号ｄ1＝０を設定する。

【００８０】そして、出力関数ｙ(ｘ)(ｘは入力値)に一
般的に用いられているシグモイド関数 を用い、Ｍ＝１．０、Ｓ＝０．０、Ｔ＝０．３と設定す
る。

【００８１】次に、実際の階層型ニューラルネットワー
クを用いるシステムの開発手順について説明を行う。

【００８２】まず、ＣＢＮセグメント砥石１′の外周面
１ｄの欠陥部の測定は、測定点として外周面１ｄを円周
方向に５００分割、幅方向に４０分割し合計２万点を計
測することとする。

【００８３】探傷法は、前述の水浸垂直反射法を用い、
プローブ(探触子)ｐは共振周波数５ＭＨz、焦点距離５
０．８ｍｍ、焦点径０．５ｍｍを用いた。

【００８４】前述のように、上記各測定点に対してプロ
ーブｐから超音波を照射し、該外周面１ｄの測定点から
の超音波反射波をプローブｐで受信する。

【００８５】該超音波反射波による受信波形は、超音波
探傷機Ｕ(クラウトクレーマー社製：USI550)からのＲＦ出力をサ
ンプリングし、ＣＢＮセグメント砥石１′の外周面１ｄ
の超音波反射波から接着面(台金３の外周面３ｃ)の反射
波を含む５μsecを記録する。

【００８６】そして、階層型ニューラルネットワークを
用いるシステムの学習処理は、デスクトップパソコンｄ
ｐに内蔵したＣ言語で書かれたプログラムによって行わ
れ、学習処理手順は、図１０に示すように行われる。

【００８７】すなわち、 (ステップ１)探傷を行うＣＢＮセグメント砥石１′の外
周面１ｄ上の次の測定点をプローブｐに対向する位置
に、ステッピングモータを稼動しＣＢＮセグメント砥石
１′を回動させて移動する。

【００８８】なお、ＣＢＮセグメント砥石１′の外周面
１ｄ上の測定点１周の探傷が終了すると、プローブｐを
ＣＢＮセグメント砥石１′の幅方向に測定点間を１ピッ
チ移動させ次の１周の測定点の探傷を行うことになる。

【００８９】(ステップ２)該測定点に対して、プローブ
ｐから超音波を照射し、該測定点からの超音波反射波を
プローブｐで受信し、超音波探傷機Ｕからデジタルオシ
ロスコープｄｏに出力する。

【００９０】(ステップ３)デジタルオシロスコープｄｏ
でアナログ信号からデジタル信号へ変換されデスクトッ
プパソコンｄpに入力される測定データに対して、デス
クトップパソコンｄpにおいて、２０ｎsecの一定間隔で
１０２４点をサンプリングし、砥石表面(ＣＢＮセグメ
ント砥石１′の外周面１ｄ)からの超音波反射波を受信
した時刻を０とする (図１１参照、但し図１１に示す時
間軸０は超音波反射波を得るために任意に設定したもの
で上記時刻０とは一致するものではない) 。

【００９１】(ステップ４)上記時刻０から０．４μsec
戻った時刻から接着面(台金３の外周面３ｃ)での超音波
反射エコー(図１１におけるピークＡ以降の波形)を越え
て４．５μsec経過した時刻迄の測定データを抽出す
る。

【００９２】(ステップ５)(ステップ４)で抽出した測定
データの中で、反射波形とみなされる波の振幅のうち、
接着面(台金３の外周面３ｃ)からの反射波形である第１
ピーク (正)(図８のＡ、図１１のＡ)と第２ピーク(負)
(図８のＢ、図１１のＢ)の時間軸の位置を弾性波速度を
基に検出する。

【００９３】(ステップ６)第２ピーク(図８のＢ、図１
１のＢ)を基準に位相を合わせ、第２ピークの反射波形
位置より０．８μsec戻ったところから１．５μsec進ん
だところまでの反射波形(ピーク近傍の波形)を時系列に
７５等分して、その７５の振幅値を時系列の順に入力デ
ータとする。

【００９４】(ステップ７)(ステップ５)で得られた入力
データを正規化(｜振幅値｜＜１)する。

【００９５】(ステップ８)１回目の学習であるか判断す
る。

【００９６】(ステップ９-1)１回目(ｎ＝１)の学習の場
合、出力層のユニットにおける各結合荷重ｗjｉ(ｊ＝
１、ｉ＝１〜３０)、各結合荷重ｗｉh(ｉ＝１〜３０、h
＝１〜７５)のそれぞれ初期値を ｜ｗjｉ｜＜１、 ｜ｗｉh｜＜１ ｗjｉ、ｗjｉ
≠０ のランダムの値を設定する。

【００９７】(ステップ９-2)２回目以降(ｎ≧２)の学習
の場合、 (ステップ１０)欠陥部の測定点の探傷か、健常部の測定
点の探傷か判断する。

【００９８】(ステップ１１-1)欠陥部の測定点の探傷の
場合は、教師信号ｄ1＝１を設定する。

【００９９】(ステップ１１-2)健常部の測定点の探傷の
場合は、教師信号ｄ1＝０を設定する。

【０１００】(ステップ１２)(ステップ６)で得られた正
規化された７５の振幅値の入力データを時系列の順に階
層型ニューラルネットワークの入力層に入れて、ニュー
ラルネットワークの学習を行う。

【０１０１】(ステップ１３)ニューラルネットワークに
よる学習が終了したかを判断する。

【０１０２】(ステップ１４)終了の場合、学習により、 出力層ｊの結合荷重ｗjｉ(j＝１、ｉ＝１〜３０) 中間層ｉの結合荷重ｗｉh(ｉ＝１〜３０、ｈ＝１〜７
５) が決定する。

【０１０３】以上が、ニューラルネットワークによる学
習の処理である。

【０１０４】上述の学習処理によって決定したニューラ
ルネットワークのシステムによって、欠陥部(図の暗色
部)と健常部をもつセグメントチップ２(図３、図４参
照)を貼り付けたＣＢＮセグメント砥石１′を探傷し欠
陥部か健常部かの判定をしたところ、図１２(ａ)に示す
ように、セグメントチップ２の幅方向(図１２(ａ)のＹ
方向)の中央部域(図１２(ａ)の領域II)に比較して両端
部域(図１２(ａ)の領域I)において判定の誤りが生じ、
中央部域と両端部域とで超音波反射波の波形の特徴が異
なることが判明した。

【０１０５】そこで、探傷した位置により波形の特徴が
変わるか否かを調べるため、欠陥部の無いセグメントチ
ップ２上の波形のエネルギー分布を調べることにした。

【０１０６】ここで、エネルギーＥtは、 ｎ ：全サンプリング点数 ａｉ：ｉ番目にサンプリングされた波形振幅 ｔｉ：ｉ番目の時間 ｄt：サンプリング間隔 で表される。

【０１０７】上式を用いて欠陥部の無いセグメントチッ
プ２を探傷することによって得られた波形を代入しエネ
ルギー分布を計算した。

【０１０８】図１２(ｂ)は、上記ＣＢＮセグメント砥石
１′の欠陥部の無いセグメントチップ２上のエネルギー
分布を示しており、色の薄いところはエネルギーの値が
低く、色が濃いほどエネルギーの値が高いことを表して
いる。

【０１０９】この理由は、ＣＢＮセグメント砥石１′の
セグメントチップ２の両端部域ではプローブｐからの超
音波の照射面積が中央部域と比較し小さく、反射も少な
いので、反射波形のエネルギーの値が中央部域よりも低
くなり、反射波形の特徴が中央部域と異なるものと考え
られる。

【０１１０】上記結果を踏まえ、ＣＢＮセグメント砥石
１′のセグメントチップ２の探傷を繰り返し検討を重ね
たところ、図１２(ａ)に示すように、セグメントチップ
２の端縁部２ｅからそれぞれ幅方向(図１２(ａ)のＹ方
向)に２．５ｍｍ迄の両端部域(図１２(ａ)の領域I)と端
縁部２ｅから２．５ｍｍより内部の中央部域(図１２
(ａ)の領域II)とに分けて、それぞれ別々にニューラル
ネットワークの学習を行い、欠陥部と健常部との判定を
別々に行うと正確な判定が行えることが分かった。

【０１１１】そこで、上記セグメントチップ２の端縁部
２ｅからそれぞれ幅方向(図１２(ａ)のＹ方向)に２．５
ｍｍ迄の両端部域をニューラルネットワークで学習を行
い両端部域における出力層ｊの結合荷重ｗ1jｉ(j＝１、
ｉ＝１〜３０)と中間層ｉの結合荷重ｗ1ｉh(ｉ＝１〜３
０、ｈ＝１〜７５)とを決定する。

【０１１２】また、両端部域とは別に、端縁部２ｅから
２．５ｍｍより内部の中央部域をニューラルネットワー
クで学習を行い中央部域における出力層ｊの結合荷重ｗ
2jｉ(j＝１、ｉ＝１〜３０)と中間層ｉの結合荷重ｗ2ｉ
h(ｉ＝１〜３０、ｈ＝１〜７５)とを決定し、両端部域
と中央部域とを別々に欠陥部と健常部との判定を行うも
のとする。

【０１１３】次に、上述の学習により決定された検査対
象物のＣＢＮセグメント砥石１のセグメントチップ２の
両端部域における結合荷重ｗ1jｉ、ｗ1ｉhと、中央部域
における結合荷重ｗ2j、ｗ2ｉhを用いるニューラルネッ
トワークを利用した知能化超音波探傷システムのプログ
ラムによる検査対象のＣＢＮセグメント砥石１の欠陥の
判定について説明を行う。

【０１１４】図１３に、検査時の機器の接続構成を示
す。

【０１１５】超音波水浸垂直探傷法による検査のため、
検査面であるＣＢＮセグメント砥石１の外周面１ｄに超
音波が照射できるように対向して配置されたプローブを
もつ超音波探傷機Ｕ1には、欠陥判定結果データが表示
されるデスクトップパソコンｄｐ1等の出力装置が接続
される。

【０１１６】上記システムのプログラムは、ＲＯＭ等に
格納され、該ＲＯＭ等が図１４に示す超音波探傷機Ｕ１
内に内蔵される。

【０１１７】上述以外の構成は、図５に示し前述した構
成と同様であるので説明を省略する。

【０１１８】以下のＣＢＮセグメント砥石１の欠陥部の
検査処理は、超音波探傷機Ｕ１に内蔵されるシステムの
プログラムが実行されることにより行われる。

【０１１９】続いて、図１４を用いてＣＢＮセグメント
砥石１の欠陥部の検査処理を説明する。

【０１２０】ここで、検査の結果、測定点が欠陥部であ
る場合には判定結果値を１、健常部である場合には判定
結果値を０と設定する。

【０１２１】(ステップ１)検査対象のＣＢＮセグメント
砥石１上の次の測定点を、プローブｐから超音波を照射
できる位置にステッピングモータを稼動し、ＣＢＮセグ
メント砥石１を回動させ移動させる。

【０１２２】(ステップ２)該測定点に対して、プローブ
ｐから超音波を照射し、該測定点からの超音波反射波を
プローブｐで受信する。

【０１２３】(ステップ３)該測定点に対して、プローブ
ｐから超音波を照射し、該測定点からの超音波反射波を
プローブｐで受信し、超音波探傷機Ｕにおいて測定デー
タをアナログ信号からデジタル信号へ変換し、２０ｎse
cの一定間隔で１０２４点をサンプリングし、砥石表面
(ＣＢＮセグメント砥石１の外周面１ｄ)からの超音波反
射波を受信した時刻を０とする。

【０１２４】(ステップ４)上記時刻０から０．４μsec
戻った時刻から接着面(台金３の外周面３ｃ)での超音波
反射エコーを越えて４．５μsec経過した時刻迄の測定
データを抽出する。

【０１２５】(ステップ５)(ステップ４)で抽出した測定
データの中で、反射波形とみなされる波の振幅のうち、
接着面(台金３の外周面３ｃ)からの反射波形である第１
ピーク (正)(図８のＡ、図１１のＡ)と第２ピーク(負)
(図８のＢ、図１１のＢ)の位置を弾性波速度を基に検出
する。

【０１２６】(ステップ６)第２ピーク(図８のＢ、図１
１のＢ)を基準に位相を合わせ、第２ピークの反射波形
位置より０．８μsec戻ったところから１．５μsec進ん
だところまでの反射波形を時系列に７５等分して、その
７５の振幅値を時系列の順に入力データとする。

【０１２７】(ステップ７)(ステップ６)で得られた入力
データを正規化(｜振幅値｜＜１)する。

【０１２８】(ステップ８)ＣＢＮセグメント砥石１の幅
方向の両端部域の検査であるか、中央部域の検査である
か判断する。

【０１２９】(ステップ９-1)両端部域の検査である場
合、両端部域の出力層ｊの結合荷重ｗ1jｉ、結合荷重ｗ
1ｉhを用いるニューラルネットワークによる判定処理を
行う。

【０１３０】(ステップ９-2)中央部域の検査である場
合、中央部域の出力層ｊの結合荷重ｗ2jｉ、結合荷重ｗ
2ｉhを用いるニューラルネットワークによる判定処理を
行う。

【０１３１】(ステップ１０)ニューラルネットワークに
よる判定処理において、出力層ｊからの出力値は０．５
を基準に判断される。

【０１３２】(ステップ１１-1)出力層ｊからの出力値が
０．５以上である場合、測定点は欠陥部であると判断
し、判定結果値を１とする。

【０１３３】(ステップ１１-2)出力層ｊからの出力値が
０．５未満である場合、測定点は健常部であると判断
し、判定結果値を０とする。

【０１３４】(ステップ１２)検査が終了したか判断す
る。

【０１３５】検査が終了しない場合、 (ステップ１)へ
戻る。

【０１３６】(ステップ１３)検査が終了した場合、検査
で収集された欠陥部であるかの判定データがデスクトッ
プパソコンｄｐ1等の出力装置に出力され、ディスプレ
イ上に判定データを画像表示する等が行われる。

【０１３７】以上がＣＢＮセグメント砥石１の欠陥部の
検査処理である。

【０１３８】上記構成によれば、超音波の反射波形を取
得し第２ピークを基準に位相を合わせ第２ピークの反射
波形位置より０．８μsec戻ったところから１．５μsec
進んだところまでの反射波形を入力データとするので、
ＣＢＮセグメント砥石１の欠陥部が人手によることなく
ニューラルネットワークを用いるシステムにより自動的
に判定できる。

【０１３９】また、超音波の反射波形を取得し、波形デ
ータに基づいてニューラルネットワークを用いて判定す
るので、精確な判定が可能であり、さらに、検査対象領
域を中央部域と端部域とに分割して、それぞれ個別に検
査を行うことにより精度の高い極めて精確な判定が可能
となる。

【０１４０】また、ニューラルネットワークを用いたソ
フトウェアの制御により判定が行われるので検査時間が
短く、生産コストの低減が可能である。

【０１４１】なお、上述の実施例では、ＣＢＮセグメン
ト砥石１の欠陥部の判定のためのニューラルネットワー
クの学習に際し、第２ピークによって位相合わせを行っ
たが、第２ピークに替えて第１ピークによって位相合わ
せを行ってもよい。

【０１４２】また、ＣＢＮセグメント砥石１の欠陥部の
判定処理に際して、第２ピークによって位相合わせを行
ったが、第１ピークによって位相合わせを行ってもよい
し、超音波反射波形のピークの何れか一つを用いて位相
合わせを行うことも可能である。

【０１４３】また、上述の実施例では、第２ピーク近傍
の１．５μsecの波形、すなわち位相合わせを行ったピ
ーク近傍の約１０波長以下の数のピークを含む波形を入
力値としたが、様々な検査対象物による検討の結果、Ｃ
ＢＮセグメント砥石以外の構成部材においても、位相合
わせを行ったピーク近傍の約１０波長以下の数のピーク
を含む波形を入力とすれば、本実施例と同様な効果が得
られる。

【０１４４】なお、上述の実施例においては、ＣＢＮセ
グメント砥石の欠陥部の判定に本発明を適用した例を例
示したが、その他の構成部材の欠陥部の判定においても
上述の実施例と同様な方法によれば、実施例と同様な超
音波反射波が得られるので、検査対象物に応じてニュー
ラルネットワークの学習により結合荷重を決定し、本シ
ステムを用いて検査対象物を検査すれば、本実施例と同
様な判定が行うことができ、その他の構成部材の欠陥部
の判定に対しても本発明は適宜、適用可能である。

【０１４５】したがって、本発明によれば、検査対象物
からの超音波のパルスエコー波形の分析により、自動的
に検査対象物の欠陥等を検査することが可能なニューラ
ルネットワークを利用した知能化超音波探傷システムが
実現できる。

【０１４６】

【発明の効果】以上、詳述した如く、本発明の請求項１
に関わるニューラルネットワークを利用した知能化超音
波探傷システムのプログラムによれば、作成したモデル
の欠陥部および健常部からの反射波形の第１または第２
ピークの何れか一つを用いて位相を合わせるステップ
と、ニューラルネットワークを用いてピーク近傍の波形
のデータを学習し、欠陥を同定するステップとを有する
ので、検査対象物を検査して欠陥部と健常部を判別する
ニューラルネットワークを決定することが可能である。

【０１４７】本発明の請求項２に関わるニューラルネッ
トワークを利用した知能化超音波探傷システムのプログ
ラムによれば、ピーク近傍の波形は、ピーク近傍の約１
０波長以下の数のピークを含む波形であるので、精確な
ニューラルネットワークの結合荷重を決定することが可
能である。

【０１４８】本発明の請求項３に関わるニューラルネッ
トワークを利用した知能化超音波探傷システムのプログ
ラムによれば、検査対象物の測定域を端部域と中央部域
に分割し、それぞれ個別に欠陥部であるか健常部である
かを判定するので、より精確なニューラルネットワーク
の結合荷重を決定することが可能である。

【０１４９】本発明の請求項４に関わるニューラルネッ
トワークを利用した知能化超音波探傷システムのプログ
ラムによれば、ＣＢＮセグメント砥石の研削面が欠陥部
であるか健常部であるかを判定するためのニューラルネ
ットワークの結合荷重を決定することが可能である。

【０１５０】本発明の請求項５に関わるニューラルネッ
トワークを利用した知能化超音波探傷システムのプログ
ラムによれば、反射波の波形のピークの何れか一つを用
いて位相を合わせるステップと、ピーク近傍の波形のデ
ータから予め同様な方法の学習で決定されたニューラル
ネットワークを用いて欠陥部であるか健常部であるかを
判定するステップとを有するので、検査対象物の測定域
が欠陥部であるか健常部であるかを判定することが可能
である。

【０１５１】本発明の請求項６に関わるニューラルネッ
トワークを利用した知能化超音波探傷システムのプログ
ラムによれば、位相を合わせる波形のピークは、第１ピ
ークまたは第２ピークの何れかであるので、検査対象物
の測定域が欠陥部であるか健常部であるかを精確に判定
することが可能である。

【０１５２】本発明の請求項７に関わるニューラルネッ
トワークを利用した知能化超音波探傷システムのプログ
ラムによれば、ピーク近傍の波形は、ピーク近傍の約１
０波長以下の数のピークを含む波形であるので、検査対
象物の測定域が欠陥部であるか健常部であるかを精確に
判定することが可能である。

【０１５３】本発明の請求項８に関わるニューラルネッ
トワークを利用した知能化超音波探傷システムのプログ
ラムによれば、検査対象物の測定域を端部域と中央部域
に分割し、それぞれ個別に欠陥部であるか健常部である
かを判定するので、検査対象物の測定域が欠陥部である
か健常部であるかをより精確に判定することが可能であ
る。

【０１５４】本発明の請求項９に関わるニューラルネッ
トワークを利用した知能化超音波探傷システムのプログ
ラムによれば、検査対象物は、ＣＢＮセグメント砥石で
あり、該ＣＢＮセグメント砥石のセグメントと台金との
接着面が測定域であるので、ＣＢＮセグメント砥石の研
削面が欠陥部であるか健常部であるかを精確に判定する
ことが可能である。

【０１５５】本発明の請求項１０に関わるニューラルネ
ットワークを利用した知能化超音波探傷システムのプロ
グラムを内蔵する超音波探傷機によれば、反射波形のピ
ークの何れか一つを用いて位相を合わせるステップと、
ピーク近傍の波形のデータから予め同様な方法の学習で
決定されたニューラルネットワークを用いて欠陥部であ
るか健常部であるかを判定するステップとを有するニュ
ーラルネットワークを利用した知能化超音波探傷システ
ムのプログラムを内蔵するので、検査対象物の測定域が
欠陥部であるか健常部であるかを精確且つ迅速に判定す
ることが可能な超音波探傷機が得られる。

【０１５６】本発明の請求項１１に関わるニューラルネ
ットワークを利用した知能化超音波探傷システムのプロ
グラムを内蔵する超音波探傷機によれば、位相を合わせ
る波形のピークは、第１ピークまたは第２ピークの何れ
かであるので、検査対象物の測定域が欠陥部であるか健
常部であるかを精確に判定することが可能な超音波探傷
機が得られる。

【０１５７】本発明の請求項１２に関わるニューラルネ
ットワークを利用した知能化超音波探傷システムのプロ
グラムを内蔵する超音波探傷機によれば、ピーク近傍の
波形は、ピーク近傍の約１０波長以下の数のピークを含
む波形であるので、検査対象物の測定域が欠陥部である
か健常部であるかを精確に判定することが可能な超音波
探傷機が得られる。

【０１５８】本発明の請求項１３に関わるニューラルネ
ットワークを利用した知能化超音波傷システムのプログ
ラムを内蔵する超音波探傷機によれば、検査対象物の測
定域を端部域と中央部域に分割し、それぞれ個別に欠陥
部であるか健常部であるかを判定するので、検査対象物
の測定域が欠陥部であるか健常部であるかをより精確に
判定することが可能な超音波探傷機が得られる。

【図面の簡単な説明】

【図１】(ａ)および(ｂ)は、本発明に関わるＣＢＮセグ
メント砥石の正面図、および(ａ)図のＣＢＮセグメント
砥石の側面図。

【図２】本発明に関わるＣＢＮセグメント砥石の製造過
程を示す斜視図。

【図３】(ａ)は本発明に関わる欠陥部の無いセグメント
チップを示す図、および、(ｂ)、(ｃ)、(ｄ)、(ｅ)、
(ｆ)、(ｇ)は、本発明に関わる作成したセグメントチッ
プの６種類の剥離形状を示す図。

【図４】図３(ｄ)に示す剥離形状を有するセグメントチ
ップが貼り付けられたＣＢＮセグメント砥石を示す斜視
図。

【図５】本発明に関わるＣＢＮセグメント砥石の探傷時
の機器構成を示す概念図。

【図６】(ａ)および(ｂ)は、本発明に関わる１０箇所の
健常部からの反射波形を示す図、および１０箇所の欠陥
部からの反射波形を示す図。

【図７】図６(ａ)の健常部からの反射波形の平均値と図
６(ｂ)の欠陥部からの反射波形の平均値とを示す図。

【図８】図７の欠陥部の波形と健常部の波形の振幅を特
徴的に示した図。

【図９】入力層のユニット数が６、中間層のユニット数
が４、出力層のユニット数が５の全結合型の３層型ニュ
ーラルネットワークを示す図。

【図１０】本発明に関わるニューラルネットワークのシ
ステムの学習処理を示す図。

【図１１】(ａ)および(ｂ)は、本発明に関わる欠陥部の
超音波探傷波形を示す図、および健常部の超音波探傷波
形を示す図。

【図１２】(ａ)および(ｂ)は、本発明に関わるセグメン
トチップの計測領域を示す図、および (ａ)図のセグメ
ントチップの超音波反射波のエネルギー分布を示す図。

【図１３】本発明に関わるニューラルネットワークのシ
ステムの検査時の機器構成を示す概念図。

【図１４】本発明に関わるニューラルネットワークのシ
ステムの検査処理を示す図。

【符号の説明】

１…ＣＢＮセグメント砥石(検査対象物)、 １′…ＣＢＮセグメント砥石(擬似モデル)、 ２…セグメントチップ、 ３…台金、 ３ｃ…台金の外周面(測定域、接着面)、 I…端部域、 II…中央部域、 Ａ…第１ピーク(波形のピーク)、 Ｂ…第２ピーク(波形のピーク)、 Ｃ…第３ピーク(波形のピーク)、 Ｕ１…超音波探傷機。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 本間 恭二 狛江市西野川１−24−１ Ｆターム(参考） 2G047 AA06 AA08 AB07 BA03 BB01 BB06 BC07 CA01 DA01 DA03 DB12 EA10 EA13 GG20 GG21 GG24 GG29 GG33 GG38 GG47 GH04 GJ26 GJ28

Claims (13)

【特許請求の範囲】
1. 【請求項１】 検査対象物の擬似モデルに作成された
   欠陥部の測定域または健常部の測定域に超音波を照射し
   前記両測定域からの超音波反射波形をニューラルネット
   ワークを用いて学習することにより欠陥を同定する知能
   化超音波探傷システムのプログラムであって、 前記擬似モデルの欠陥部または健常部からの反射波形の
   第１または第２ピークの何れか一つを用いて位相を合わ
   せるステップと、 ニューラルネットワークを用いて前記ピーク近傍の波形
   のデータを学習し、欠陥を同定するステップとを実行す
   ることを特徴とするニューラルネットワークを利用した
   知能化超音波探傷システムのプログラム。
2. 【請求項２】 前記ピーク近傍の波形は、前記ピーク
   近傍の約１０波長以下の数のピークを含む波形であるこ
   とを特徴とする請求項１に記載のニューラルネットワー
   クを利用した知能化超音波探傷システムのプログラム。
3. 【請求項３】 前記検査対象物の測定域を端部域と中
   央部域に分割し、それぞれ個別に欠陥部であるか健常部
   であるかを判定することを特徴とする請求項１または請
   求項２に記載のニューラルネットワークを利用した知能
   化超音波探傷システムのプログラム。
4. 【請求項４】 前記検査対象物は、ＣＢＮセグメント
   砥石であり、該ＣＢＮセグメント砥石のセグメントと台
   金との接着面が測定域であることを特徴とする請求項１
   から請求項３のうちの何れか一項に記載のニューラルネ
   ットワークを利用した知能化超音波探傷システムのプロ
   グラム。
5. 【請求項５】 検査対象物の測定域に超音波を照射し
   前記測定域からの超音波反射波形をニューラルネットワ
   ークを用いて分析することにより欠陥部であるか健常部
   であるかを判定するニューラルネットワークを利用した
   知能化超音波探傷システムのプログラムであって、 前記反射波の波形のピークの何れか一つを用いて位相を
   合わせるステップと、 前記ピーク近傍の波形のデータから予め同様な方法の学
   習で決定されたニューラルネットワークを用いて欠陥部
   であるか健常部であるかを判定するステップとを実行す
   ることを特徴とするニューラルネットワークを利用した
   知能化超音波探傷システムのプログラム。
6. 【請求項６】 前記位相を合わせる波形のピークは、
   第１ピークまたは第２ピークの何れかであることを特徴
   とする請求項５に記載のニューラルネットワークを利用
   した知能化超音波探傷システムのプログラム。
7. 【請求項７】 前記ピーク近傍の波形は、前記ピーク
   近傍の約１０波長以下の数のピークを含む波形であるこ
   とを特徴とする請求項５または請求項６に記載のニュー
   ラルネットワークを利用した知能化超音波探傷システム
   のプログラム。
8. 【請求項８】 前記検査対象物の測定域を端部域と中
   央部域に分割し、それぞれ個別に欠陥部であるか健常部
   であるかを判定することを特徴とする請求項５から請求
   項７のうちの何れか一項に記載のニューラルネットワー
   クを利用した知能化超音波探傷システムのプログラム。
9. 【請求項９】 前記検査対象物は、ＣＢＮセグメント
   砥石であり、該ＣＢＮセグメント砥石のセグメントと台
   金との接着面が測定域であることを特徴とする請求項５
   から請求項８のうちの何れか一項に記載のニューラルネ
   ットワークを利用した知能化超音波探傷システムのプロ
   グラム。
10. 【請求項１０】 検査対象物の測定域に超音波を照射
    し前記測定域からの超音波反射波の波形をニューラルネ
    ットワークを用いて分析することにより欠陥部であるか
    健常部であるかを判定するニューラルネットワークを利
    用した知能化超音波探傷システムのプログラムを内蔵す
    る超音波探傷機であって、 前記反射波の波形のピークの何れか一つを用いて位相を
    合わせるステップと、 前記ピーク近傍の波形のデータから予め同様な方法の学
    習で決定されたニューラルネットワークを用いて欠陥部
    であるか健常部であるかを判定するステップとを実行す
    ることを特徴とするニューラルネットワークを利用した
    知能化超音波探傷システムのプログラムを内蔵する超音
    波探傷機。
11. 【請求項１１】 前記位相を合わせる波形のピーク
    は、第１ピークまたは第２ピークの何れかであることを
    特徴とする請求項１０に記載のニューラルネットワーク
    を利用した知能化超音波探傷システムのプログラムを内
    蔵する超音波探傷機。
12. 【請求項１２】 前記ピーク近傍の波形は、前記ピー
    ク近傍の約１０波長以下の数のピークを含む波形である
    ことを特徴とする請求項１０または請求項１１に記載の
    ニューラルネットワークを利用した知能化超音波探傷シ
    ステムのプログラムを内蔵する超音波探傷機。
13. 【請求項１３】 前記検査対象物の測定域を端部域と
    中央部域に分割し、それぞれ個別に欠陥部であるか健常
    部であるかを判定することを特徴とする請求項１０から
    請求項１２のうちの何れか一項に記載のニューラルネッ
    トワークを利用した知能化超音波探傷システムのプログ
    ラムを内蔵する超音波探傷機。