JP2020038128A - 内部状態推定システム - Google Patents
内部状態推定システム Download PDFInfo
- Publication number
- JP2020038128A JP2020038128A JP2018165453A JP2018165453A JP2020038128A JP 2020038128 A JP2020038128 A JP 2020038128A JP 2018165453 A JP2018165453 A JP 2018165453A JP 2018165453 A JP2018165453 A JP 2018165453A JP 2020038128 A JP2020038128 A JP 2020038128A
- Authority
- JP
- Japan
- Prior art keywords
- internal state
- displacement
- data
- analysis
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000006073 displacement reaction Methods 0.000 claims abstract description 86
- 238000004458 analytical method Methods 0.000 claims abstract description 59
- 238000005259 measurement Methods 0.000 claims abstract description 26
- 238000013528 artificial neural network Methods 0.000 claims abstract description 22
- 238000003825 pressing Methods 0.000 claims abstract description 11
- 238000000547 structure data Methods 0.000 claims abstract description 11
- 239000000463 material Substances 0.000 claims description 11
- 239000007787 solid Substances 0.000 claims description 8
- 230000005855 radiation Effects 0.000 abstract description 5
- 238000007689 inspection Methods 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 9
- 230000009467 reduction Effects 0.000 description 8
- 230000003014 reinforcing effect Effects 0.000 description 6
- 238000013500 data storage Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012795 verification Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
Description
しかし、構造物が大きい場合には放射線による内部透視は困難であり、構造物が複雑な形状であったり構造物を構成する材料が変質したりした場合には、超音波や電磁波による検査は精度が落ちてしまうといった問題がある。
また、打音検査による推測は、経験のある検査者を必要とするため、労力やコストがかかる、後継者の育成に時間がかかるという問題がある上、劣化位置の特定が困難という問題もある。
しかし、この学習用データ生成方法は、地中レーダの画像認識によって地中の異常箇所を検出するものに適用されるものである。
前記三次元構造体の外面に設けられた加圧点に圧力を付加する圧力付加手段と、
前記三次元構造体の外面に設けられた複数の変位計測点で前記加圧点に所定圧力が付加される前後における変位を計測し、それぞれの変位データを出力する変位計測手段と、
前記三次元構造体について、その内部状態が各々異なる多数の構造体モデルを作成し、該多数の構造体モデルに関する構造データを出力する構造体モデルデータ出力手段と、
前記加圧点に付加される加圧データ及び前記構造体モデルデータ出力手段から出力される前記構造データを受けて、各構造体モデルについて数値解析手段を用いて前記複数の変位計測点に対応する点における変位解析を行い、変位解析の対象となった構造体モデルを特定する特定情報と該構造体モデルについて行われた変位解析により得られた複数の変位解析データを学習データとして出力する三次元モデル解析手段と、
前記変位計測手段で計測された前記加圧点に所定圧力が付加される前後における変位データの入力を受けて逆解析を行い、内部状態推定情報を出力するニューラルネットワークと、
前記ニューラルネットワークから出力された前記内部状態推定情報に応じて、前記三次元構造体の内部状態を表示する内部状態表示手段を備え、
前記ニューラルネットワークは、前記三次元モデル解析手段から出力される前記多数の構造体モデルについての学習データが予め与えられ、自己学習させることによって最適化されていることを特徴とする。
図1に示すように、実施例1の内部状態推定システムは、床面と壁面との間に設置された曲折した構造体C(具体的には中心線が円弧状で、かつ、中心線に直交する断面が円形状である中空の配管)の内部構造(配管の厚さ)を推定するためのものであって、次の各手段からなっている。
なお、構造体Cの外面は目視による観察が可能であり、構造体Cの内面は目視による観察は不可能であるが、管体の材質及び設置時における内壁の形状(図1において点線で示した部分)は分かっているものとする。
(1)構造体Cの外面に設けられた加圧点pに圧力を付加する圧力付加手段1。
(2)構造体Cの外面に設けられた変位計測点aに設置され、加圧点pに所定圧力Pが付加される前後における変位を計測し、変位データDaを出力する変位計測手段2a。
(3)構造体Cの外面に設けられた変位計測点bに設置され、加圧点pに所定圧力Pが付加される前後における変位を計測し、変位データDbを出力する変位計測手段2b。
(4)構造体Cの外面に設けられた変位計測点cに設置され、加圧点pに所定圧力Pが付加される前後における変位を計測し、変位データDcを出力する変位計測手段2c。
(5)構造体Cの外面に設けられた変位計測点dに設置され、加圧点pに所定圧力Pが付加される前後における変位を計測し、変位データDdを出力する変位計測手段2d。
(7)加圧点pに付加される加圧データP及び構造体モデルデータ出力手段3から出力される構造データK1〜Knを受けて、構造体モデルM1〜Mnのそれぞれについて数値解析手段を用いて変位計測点a〜dに対応する点における変位解析を行い、構造体モデルM1については、構造データK1と変位計測点a〜dに対応する点における変位解析により得られた変位解析データAa1〜Ad1を学習データL1として出力し、以下同様に構造体モデルMnについては、構造データKnと変位計測点a〜dに対応する点における変位解析により得られた変位解析データAan〜Adnを学習データLnとして出力する三次元モデル解析手段4。
なお、構造体モデルM1〜Mnは、その外面形状を構造体Cと同一としてあるので、構造体モデルM1〜Mnにおける変位計測点a〜dに対応する点の位置は、変位計測点a〜dと全て一致する。
(8)変位計測手段2a〜2dで計測された加圧点pに所定圧力Pが付加される前後における変位データDa〜Ddの入力を受けて逆解析を行い、内部構造推定情報を出力するニューラルネットワーク5。
(9)ニューラルネットワーク5から出力された内部構造推定情報に応じて、構造体Cの内部構造を表示する内部構造表示手段6。
(圧力付加手段1)
加圧点pから任意の方向に圧力を付加することができる手段であり、通常は構造体Cの近くにある壁や柱に設置される。
なお、加圧点pは構造体Cの任意の位置に設定できるが、推定精度を上げるには、構造体Cの中央又は重心付近に設定した方が良い。そのため、図1の加圧点pは構造体Cの中心軸を通る断面の外側中央部に設定され、加圧の方向は中心軸の中央に向かう向きとなっている。
変位計測手段2a〜2dは、構造体Cの任意の4点(a〜d)に設置可能であり、加圧点pに圧力が付加される前における各点の位置を基準位置として、加圧点pに圧力が付加された後における各点の変位(x,y,z方向の位置又は移動距離)を計測し、変位データDa〜Ddを出力するものである。
なお、図1では、変位計測手段2bは加圧点pと同じ位置(非常に近い位置)に設置し、変位計測手段2a及び2cは構造体Cの中心軸を通る断面の外側における加圧点pの上側及び下側に設置し、変位計測手段2dは同断面における内側中央部に設置している。
構造体モデルデータ出力手段3は、内部構造が各々異なる構造体モデルM1〜Mnとして、設置時における内壁の形状(図1において点線で示した部分であり、通常は設計図から特定できる)を基準として、構造体Cの内部を流体が流れたことによる摩滅や付着物による増厚等を考慮して、様々なパターンのものを作成する。
例えば、次の(a)〜(f)の全17600パターンが挙げられる。
(a)管体の厚さが基準の厚さから均一に減少しているパターンで、厚さの減少分を0.1mmずつ増加させた200パターン。
(b)管体の内側の厚さの減少分が外側の厚さの減少分の(1−x)倍となっているパターンで、外側の厚さの減少分を0.1mmずつ増加させた200パターン(ただし、xは0.1、0.2、・・・、1の10通りあるので、全部で2000パターン)。
(c)管体の外側の厚さが片減りしており、他の部分は上記(a)及び(b)と同じパターン(図2(1)のように外側の中央部が片減りしているパターン、図2(2)のように外側の上部が片減りしているパターン、図2(3)のように外側の下部が片減りしているパターン)で、片減りしている部分毎に200パターン+2000パターン。
(d)管体の厚さが基準の厚さから均一に増加しているパターンで、厚さの増加分を0.1mmずつ増加させた200パターン。
(e)管体の内側の厚さの増加分が外側の厚さの増加分の(1+x)倍となっているパターンで、外側の厚さの増加分を0.1mmずつ増加させた200パターン(ただし、xは0.1、0.2、・・・、1の10通りあるので、全部で2000パターン)。
(f)管体の外側の厚さが偏って増加しており、他の部分は上記(d)及び(e)と同じパターンで、偏って増加している部分毎に200パターン+2000パターン。
また、実施例1では、管体が床面及び壁面に完全固定され、配管の外径を14cm、内径を8cmとして、各構造体モデルに関する構造データK1〜Knを出力している。
実施例1の三次元モデル解析手段4では、数値解析手段として有限要素法による解析手段(以下「FEM解析手段」という。)を用いた。
FEM解析手段によれば、三次元モデルを多数の四面体のメッシュに切り、条件を定義した上で解析させると、所定の位置に圧力や振動が付加された場合に、その三次元モデル内の任意の点(任意の四面体の頂点)の位置がどのように変動するかを計算できる。
そのため、構造体モデルデータ出力手段3によって、内部構造が各々異なる構造体モデルM1〜Mnが作成され、各構造体モデルに関する構造データK1〜Knが出力されると、各構造体モデルについて、加圧点pに所定圧力Pが付加された場合における計測点a〜dに対応する点の変位解析データが得られるので、大量の学習データL1〜Lnを短時間のうちに用意することができる。
ニューラルネットワーク5は、図1に示すように、入力層5I、出力層5O、学習データ蓄積手段5L、学習データ蓄積手段5Lに大量の学習データL1〜Lnを入力する学習データ入力手段5T並びに図示しない複数の中間層、その他で構築される。
また、中間層は、畳み込み層やプーリング層、全結合層など様々に工夫された層を、必要に応じて組み合わせて構成される。
そして、ニューラルネットワーク5は、学習データ蓄積手段5Lに大量の学習データL1〜Lnを蓄え、自己学習させることによって最適化される。そして、十分な数(対象の形状の複雑さに応じて1万〜数10万)の学習データによって最適化されたパラメータを用いることにより95%以上の推定精度を得ることができる。
そうした上で、入力層5Iに変位計測手段2a〜2dで計測された変位データDa〜Ddが入力されると、ニューラルネットワーク5は逆解析を行い、実際の配管における内部構造に近い内部構造推定情報を高い精度で出力する。
内部構造表示手段6は、ニューラルネットワーク5から出力された内部構造推定情報に応じて、構造体Cの内部構造を表示するものであり、通常の表示態様では構造体Cの中心軸を通る断面の状態を表示する。
なお、構造体Cの中心軸に垂直な断面の状態を複数箇所分表示する態様も選択できる。
(T1)構造体Cの現況及び設計図等に基づいて、多数の構造体モデル(M1〜Mn)を作成する。
(T2)各構造体モデルの構造データK1〜Knを作成する。
(T3)FEM解析手段により、加圧データP及び各構造データK1〜Knに基づく変位解析を行い、変位計測点a〜dに対応する点の変位解析データを出力する。
(T4)多数の学習データL1〜Lnを生成する。
(1)構造体Cの加圧点pに所定圧力Pを付加する。
(2)変位計測点a〜dで所定圧力Pが付加される前後における変位データDa〜Ddを計測する。
(3)変位データDa〜Ddをニューラルネットワーク5に送る。
(4)ニューラルネットワーク5は、入力された変位データDa〜Ddに基づいて逆解析を行う。
(5)逆解析により内部構造推定情報を出力し、内部構造表示手段6に送る。
(6)内部構造表示手段6は、内部構造推定情報に基づいて内部構造の表示を行う。
全ての配管は、外径5mm、内径4mm、管体の厚さは減肉のないところで1mmであり、図4の上下端は完全拘束、左端はピン拘束(拘束位置を支点として動くことができる状態)となっており、加圧点は左右配管の中央左寄りとし、所定圧力P(100N)は矢印で示すように鉛直方向(Z軸の負の方向)へ付加した。
また、変位計測点は図4に○で示すように13箇所とした。
なお、実施例2では配管が鉄製のため、所定圧力Pを100Nとしたが、塩ビ製であれば10N程度で十分な変位を得ることができる。
実施例1と同様、各構造体モデルの構造データを作成し加圧点に所定圧力Pを付加したものとして、FEM解析手段により各変位計測点に対応する点の変位解析データを得た。
なお、図5は或る構造体モデルについて得られた変位解析データに基づいて、加圧点に所定圧力Pを付加した後の配管位置を表示させた結果を示す図である。
また、残り8118個の構造体モデルにおける変位解析データ等は検証用とした。
図6は検証用データの変位解析データ(13箇所の変位計測点についてのデータ)をニューラルネットワークに入力し、逆解析して得られた4箇所(図4のA1〜A4)における減肉量の推定値と実際値(検証用データにおける4箇所の減肉量)との比較表である。
なお、減肉量は管体の断面積(減肉量をxmmとした時、{52−(4+x)2}×πとなる。)で表示した。実際値1はA1〜A3の減肉量が0.2mm、A4の減肉量が0.7mmであり、実際値2はA1〜A3の減肉量が0.2mm、A4の減肉量が0.5mmである。
推定値と実際値を比較してみると、両者の値には若干のずれがあるものの、最も減肉量の大きい箇所は一致しており、減肉の進んでいる箇所を推定できていることが分かる。
(1)実施例1及び2の内部状態推定システムは、中空の配管の内部構造(配管の減肉)を推定するためのものであったが、配管の減肉に限らず配管の材料強度を推定するためのものとしても良い。そのため、本明細書中では、「内部構造」や「内部構造・・・」に代えて「内部状態」や「内部状態・・・」と記載している箇所もある。
例えば、配管の内側が劣化するケースでは、管体の内面から所定深さにある領域の強度が小さくなっている構造体モデルを多数作成し、多数の学習データを生成すれば良い。
(2)実施例1及び2の内部状態推定システムは、中空の配管の内部構造(配管の減肉)を推定するためのものであったが、中空の配管に限らず、内部に空洞部を有する三次元構造体(空洞体)に適用して、空洞体の壁の厚さを推定することもできる。
そうした場合、例えば、中実体の内部に鉄筋が含まれているケースにおいては、鉄筋の一部又は全部について強度が小さくなっている構造体モデル、鉄筋の一部が設置されていない構造体モデル及びそれらを組み合わせた構造体モデルを作成し、多数の学習データを生成すれば良い。また、鉄筋の周囲の材料が劣化するケースにおいては、鉄筋の強度に加え、鉄筋の周囲の材料強度が小さくなっている構造体モデルを多数作成し、多数の学習データを生成すれば良い。
(4)実施例1及び2の内部状態推定システムでは、学習データや検証データの生成にFEM解析手段を用いたが、FEM解析手段に限らず、差分法や境界要素法等に基づく数値解析手段を用いても良い。
3 構造体モデルデータ出力手段 4 三次元モデル解析手段
5 ニューラルネットワーク 5I 入力層 5O 出力層
5L 学習データ蓄積手段 5L 学習データ蓄積手段
6 内部構造表示手段
Aa1〜Ad1,Aan〜Adn 変位解析データ a〜d 変位計測点
C 構造体 Da〜Dd 変位データ K1〜Kn 構造データ
L1〜Ln 学習データ M1〜Mn 構造体モデル
p 加圧点 P 所定圧力
Claims (4)
- 三次元構造体の内部状態を推定するための内部状態推定システムであって、
前記三次元構造体の外面に設けられた加圧点に圧力を付加する圧力付加手段と、
前記三次元構造体の外面に設けられた複数の変位計測点で前記加圧点に所定圧力が付加される前後における変位を計測し、それぞれの変位データを出力する変位計測手段と、
前記三次元構造体について、その内部状態が各々異なる多数の構造体モデルを作成し、該多数の構造体モデルに関する構造データを出力する構造体モデルデータ出力手段と、
前記加圧点に付加される加圧データ及び前記構造体モデルデータ出力手段から出力される前記構造データを受けて、各構造体モデルについて数値解析手段を用いて前記複数の変位計測点に対応する点における変位解析を行い、変位解析の対象となった構造体モデルを特定する特定情報と該構造体モデルについて行われた変位解析により得られた複数の変位解析データを学習データとして出力する三次元モデル解析手段と、
前記変位計測手段で計測された前記加圧点に所定圧力が付加される前後における変位データの入力を受けて逆解析を行い、内部状態推定情報を出力するニューラルネットワークと、
前記ニューラルネットワークから出力された前記内部状態推定情報に応じて、前記三次元構造体の内部状態を表示する内部状態表示手段を備え、
前記ニューラルネットワークは、前記三次元モデル解析手段から出力される前記多数の構造体モデルについての学習データが予め与えられ、自己学習させることによって最適化されている
ことを特徴とする内部状態推定システム。 - 前記三次元構造体は空洞体であり、前記内部状態は前記空洞体の壁の厚さである
ことを特徴とする請求項1記載の内部状態推定システム。 - 前記空洞体は配管であり、前記内部状態は前記配管の管体の厚さである
ことを特徴とする請求項2記載の内部状態推定システム。 - 前記三次元構造体は中実体であり、前記内部状態は前記中実体内部の材料強度である
ことを特徴とする請求項1記載の内部状態推定システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018165453A JP6440892B1 (ja) | 2018-09-04 | 2018-09-04 | 内部状態推定システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018165453A JP6440892B1 (ja) | 2018-09-04 | 2018-09-04 | 内部状態推定システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6440892B1 JP6440892B1 (ja) | 2018-12-19 |
JP2020038128A true JP2020038128A (ja) | 2020-03-12 |
Family
ID=64668496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018165453A Active JP6440892B1 (ja) | 2018-09-04 | 2018-09-04 | 内部状態推定システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6440892B1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022270435A1 (ja) * | 2021-06-22 | 2022-12-29 | 株式会社田代合金所 | 移動体状態推定システム |
WO2023094716A1 (es) * | 2021-11-29 | 2023-06-01 | Encofrados J.Alsina S.A. | Sistema para medir el grosor de un cuerpo hueco |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021010263A1 (ja) * | 2019-07-12 | 2021-01-21 | 株式会社NejiLaw | 応力監視装置、応力監視システム及び監視システム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002062199A (ja) * | 2000-08-22 | 2002-02-28 | Mitsubishi Heavy Ind Ltd | 配管の優先検査箇所選定方法及びその選定システム |
JP2012112852A (ja) * | 2010-11-26 | 2012-06-14 | Jfe Steel Corp | 溶接構造体の疲労寿命予測方法 |
JP2015108588A (ja) * | 2013-12-05 | 2015-06-11 | 三菱日立パワーシステムズ株式会社 | 配管系溶接部の応力解析システム及び応力解析方法 |
JP2017187472A (ja) * | 2016-03-31 | 2017-10-12 | 三菱重工業株式会社 | 疲労評価方法及び試験装置、試験方法 |
JP2017199084A (ja) * | 2016-04-25 | 2017-11-02 | トヨタ自動車株式会社 | 誘導力を用いた構造体の力学的弱点を発見可能な構造体設計支援装置 |
-
2018
- 2018-09-04 JP JP2018165453A patent/JP6440892B1/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002062199A (ja) * | 2000-08-22 | 2002-02-28 | Mitsubishi Heavy Ind Ltd | 配管の優先検査箇所選定方法及びその選定システム |
JP2012112852A (ja) * | 2010-11-26 | 2012-06-14 | Jfe Steel Corp | 溶接構造体の疲労寿命予測方法 |
JP2015108588A (ja) * | 2013-12-05 | 2015-06-11 | 三菱日立パワーシステムズ株式会社 | 配管系溶接部の応力解析システム及び応力解析方法 |
JP2017187472A (ja) * | 2016-03-31 | 2017-10-12 | 三菱重工業株式会社 | 疲労評価方法及び試験装置、試験方法 |
JP2017199084A (ja) * | 2016-04-25 | 2017-11-02 | トヨタ自動車株式会社 | 誘導力を用いた構造体の力学的弱点を発見可能な構造体設計支援装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022270435A1 (ja) * | 2021-06-22 | 2022-12-29 | 株式会社田代合金所 | 移動体状態推定システム |
WO2023094716A1 (es) * | 2021-11-29 | 2023-06-01 | Encofrados J.Alsina S.A. | Sistema para medir el grosor de un cuerpo hueco |
Also Published As
Publication number | Publication date |
---|---|
JP6440892B1 (ja) | 2018-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7156782B2 (ja) | 複合材料構造物のためのリンクル特性評価及び性能予測 | |
JP6440892B1 (ja) | 内部状態推定システム | |
JP7004516B2 (ja) | ジョイントの予測シミング | |
AU2012244389B2 (en) | Ultrasonic modeling for inspection of composite irregularities | |
CN103090960B (zh) | 用于获取振动数据并对振动数据去噪声的系统和方法 | |
EP1959229A1 (en) | Ultrasonic surface monitoring | |
KR20190041463A (ko) | 관형 제품의 측정 및 검사를 위한 방법 및 시스템 | |
Nowers et al. | Ultrasonic array imaging through an anisotropic austenitic steel weld using an efficient ray-tracing algorithm | |
JP7158609B2 (ja) | 亀裂推定装置と故障診断装置および亀裂推定方法と回転電機の故障診断方法 | |
JP6159926B2 (ja) | 不均質物性の測定対象物につき行われる弾性波トモグラフィにおける発信点・物性状況(劣化状況)同時特定方法 | |
US20170299381A1 (en) | Ultrasonic Inspection of Wrinkles in Composite Objects | |
JP5156707B2 (ja) | 超音波検査方法及び装置 | |
JP6527999B1 (ja) | 内部状態推定システム | |
JP2013079938A (ja) | 超音波探傷方法及び超音波探傷装置 | |
de Menezes et al. | Defect and damage detection in filament wound carbon composite cylinders: a new numerical-experimental methodology based on vibrational analyses | |
US20220011269A1 (en) | Digital twin of an automated non-destructive ultrasonic testing system | |
US20220198091A1 (en) | Structural inconsistency detection using distance data | |
JP6789452B1 (ja) | き裂の推定装置、き裂の推定方法、き裂の検査方法および故障診断方法 | |
EP3023779B1 (en) | Method of determining the magnitude of a field variable of an energy wave | |
JP2010066169A (ja) | 3次元形状測定システムおよび強度評価システム | |
JP7356019B2 (ja) | 面歪評価装置、面歪評価方法、及び、プログラム | |
KR102607277B1 (ko) | 결함 감지 시스템 및 그 방법 | |
US11287351B2 (en) | Vibration visualization with real-time and interpolation features | |
Nordin et al. | Hardware development of reflection mode ultrasonic tomography system for monitoring flaws on pipeline | |
Hassenstein et al. | Automated Wall Thickness Evaluation for Turbine Blades Using Robot-Guided Ultrasonic Array Imaging |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180904 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20180904 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20181016 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20181023 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181120 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6440892 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313117 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |