JP2021144433A - Structure abnormality discrimination method and abnormality discrimination system - Google Patents

Structure abnormality discrimination method and abnormality discrimination system Download PDF

Info

Publication number
JP2021144433A
JP2021144433A JP2020042277A JP2020042277A JP2021144433A JP 2021144433 A JP2021144433 A JP 2021144433A JP 2020042277 A JP2020042277 A JP 2020042277A JP 2020042277 A JP2020042277 A JP 2020042277A JP 2021144433 A JP2021144433 A JP 2021144433A
Authority
JP
Japan
Prior art keywords
position information
physical quantity
quantity data
state
abnormality
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
Application number
JP2020042277A
Other languages
Japanese (ja)
Other versions
JP6742014B1 (en
Inventor
利美 木元
Toshimi Kimoto
利美 木元
宏 斉藤
Hiroshi Saito
宏 斉藤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Port and Anchor Co Ltd
Up and Next Co Ltd
Original Assignee
Port and Anchor Co Ltd
Up and Next Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Port and Anchor Co Ltd, Up and Next Co Ltd filed Critical Port and Anchor Co Ltd
Priority to JP2020042277A priority Critical patent/JP6742014B1/en
Application granted granted Critical
Publication of JP6742014B1 publication Critical patent/JP6742014B1/en
Publication of JP2021144433A publication Critical patent/JP2021144433A/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

To provide an abnormality discrimination method and system that can highly accurately estimate an occurrence position of abnormality of a structure or a sign thereof.SOLUTION: An abnormality discrimination method and system input physical quantity data attached with position information to be measured along with position information from a structure to a state discrimination model, and thereby discriminate abnormality of the structure. The system includes: a sensor that measures the physical quantity data attached with position information; a database that stores big data including physical quantity data attached with position information in a normal state and abnormal state; and a computation unit that incorporates the state discrimination model. The state discrimination model is created by using machine learning including artificial intelligence and a statistical method on the basis of the big data, and the computation unit further includes a discrimination device that inputs the physical quantity data attached with position information measured by the state discrimination model, and discriminates a current state of the structure on the basis of a computation result from the state discrimination model.SELECTED DRAWING: Figure 1

Description

本発明は、構造物から位置情報とともに測定される位置情報付き物理量データを状態判別モデルに入力することにより、前記構造物の異常を判別する構造物の異常判別方法及びそのシステムに関する。 The present invention relates to a structure abnormality determination method and a system for determining an abnormality of the structure by inputting physical quantity data with position information measured from the structure together with position information into a state determination model.

建築物等の構造物は、付近を走行する交通手段等から発生される定常的な振動や、地震等の非定常的な振動を受けることにより、疲労や経年による劣化が生じることがある。実際の構造物設計は、経年による劣化や地震等の突発的に大きな振動にも長期にわたって耐え得るように振動データを用いた構造解析等を用いて行われることが多い。 Structures such as buildings may be fatigued or deteriorated over time due to constant vibration generated from transportation means traveling in the vicinity or non-stationary vibration such as an earthquake. The actual structure design is often performed by using structural analysis using vibration data so that it can withstand suddenly large vibrations such as deterioration due to aging and sudden large vibrations for a long period of time.

このように大型の構造物に対して、数値シミュレーションによる解析を利用した設計を行うためのデータを取得する振動試験技術として、振動の実測値に数値シミュレーションによる構造解析を組み合わせて、振動の入力に対する構造物の応答特性や損傷の予測を行う手法が知られている。そして、これらの予測データを用いたＣＡＥによる具体的な構造物の設計も実用化されている。 As a vibration test technique for acquiring data for designing such a large structure using analysis by numerical simulation, the measured value of vibration is combined with structural analysis by numerical simulation for vibration input. Methods for predicting the response characteristics and damage of structures are known. Then, the design of a concrete structure by CAE using these prediction data has also been put into practical use.

例えば、特許文献には、測定対象物である構造物に所定の振動を加える加振機を備えた加振システムと、上記所定の振動による振動応答を演算する数値シミュレーション機能及び振動応答の結果に基づいて加振条件を調整する波形生成機能を有する計算機システムと、を含む振動試験装置が開示されている。この振動試験装置において、計算機システムは、加振システムで加振される構造物の応答量を数値シミュレーション機能に入力するモデル代替機能と、当該モデル代替機能における応答量の算出結果に基づいて加振システムの作動状態を判断する異常診断処理機能と、をさらに含むことにより、複数の加振システムをネットワーク化した際に、いずれか１つの加振システムでトラブルが発生した場合であってもモデル代替機能で模擬して試験を続行できるとしている。 For example, the patent documents include a vibration system equipped with a vibration exciter that applies a predetermined vibration to a structure to be measured, a numerical simulation function for calculating the vibration response due to the predetermined vibration, and the result of the vibration response. A vibration test apparatus including a computer system having a waveform generation function for adjusting vibration conditions based on the vibration test device is disclosed. In this vibration test device, the computer system vibrates based on the model substitution function for inputting the response amount of the structure vibrated by the vibration system into the numerical simulation function and the calculation result of the response amount in the model substitution function. By further including an abnormality diagnosis processing function that determines the operating status of the system, even if a problem occurs in any one of the vibration systems when a plurality of vibration systems are networked, the model can be replaced. It is said that the test can be continued by simulating with the function.

特開２００３−８３８４１号公報Japanese Unexamined Patent Publication No. 2003-83841

従来の構造物の設計は長期間の耐用年数を得ることを基本としているため、実際の構造物から振動データ等のリアルタイムのデータを測定できたとしても、異常時の測定データを得ることが困難である。例えば、特許文献１に開示された振動試験装置においても、仮に複数ある加振システムのうちの１つに異常（トラブル）が発生したとしても、その異常が発生した加振システムの動作を止めるのではなく、その加振システムの機能を代替機能でバックアップして試験を続行することを意図したものであるため、システムの異常を直接検知あるいは予測することができない。 Since the design of conventional structures is based on obtaining a long service life, it is difficult to obtain measurement data at the time of abnormality even if real-time data such as vibration data can be measured from the actual structure. Is. For example, even in the vibration test apparatus disclosed in Patent Document 1, even if an abnormality (trouble) occurs in one of a plurality of vibration vibration systems, the operation of the vibration test system in which the abnormality occurs is stopped. Rather, it is intended to back up the function of the vibration system with an alternative function and continue the test, so it is not possible to directly detect or predict an abnormality in the system.

また、振動データは、所定の振動源から発生した振動が構造物を伝播したときの波形データとしてセンサから取得されるものであるため、当該振動データを構造物の部分あるいはエリアごとの代表値として取り扱うことができない。このため、振動データを用いて異常の予測を行った場合、システム全体の異常を検知できてもその異常の発生箇所を特定するのは困難であった。 Further, since the vibration data is acquired from the sensor as waveform data when the vibration generated from a predetermined vibration source propagates through the structure, the vibration data is used as a representative value for each part or area of the structure. Cannot be handled. Therefore, when an abnormality is predicted using vibration data, it is difficult to identify the location where the abnormality occurs even if the abnormality of the entire system can be detected.

そこで、本発明の目的は、構造物の位置ごとに位置情報とともに取得された位置情報付き物理量データに基づいて、当該構造物の異常の発生位置又はその予兆を精度良く推定できる異常判別方法及びそのシステムを提供することにある。 Therefore, an object of the present invention is an abnormality determination method capable of accurately estimating the occurrence position or a sign of an abnormality in the structure based on the physical quantity data with position information acquired together with the position information for each position of the structure. To provide the system.

上記課題を解決するために、本発明による、構造物から位置情報とともに測定される位置情報付き物理量データを状態判別モデルに入力することにより、前記構造物の異常を判別する構造物の異常判別方法は、前記状態判別モデルは、データベースに格納されている正常状態における前記位置情報付き物理量データ及び異常状態における前記位置情報付き物理量データを含むビッグデータに基づいて、人工知能を含む機械学習及び統計学的手法を用いることにより作成したものであり、前記状態判別モデルに測定された前記位置情報付き物理量データを入力し、当該状態判別モデルからの演算結果に基づいて、前記構造物の現在状態を判別することを特徴とする。 In order to solve the above problem, a method for determining an abnormality of a structure for determining an abnormality of the structure by inputting physical quantity data with position information measured from the structure together with the position information into a state determination model according to the present invention. The state determination model is based on big data including the physical quantity data with position information in a normal state and the physical quantity data with position information in an abnormal state stored in a database, and machine learning and statistics including artificial intelligence. It was created by using a specific method, and the measured physical quantity data with position information is input to the state determination model, and the current state of the structure is determined based on the calculation result from the state determination model. It is characterized by doing.

また、本発明による、構造物から位置情報とともに測定される位置情報付き物理量データを状態判別モデルに入力することにより、前記構造物の異常を判別する構造物の異常判別システムは、前記位置情報付き物理量データを測定するセンサと、正常状態における前記位置情報付き物理量データ及び異常状態における前記位置情報付き物理量データを含むビッグデータを格納するデータベースと、前記状態判別モデルを内蔵した演算ユニットと、を含み、前記状態判別モデルは、前記ビッグデータに基づいて人工知能を含む機械学習及び統計学的手法を用いることにより作成したものであり、前記演算ユニットは、前記状態判別モデルに測定された前記位置情報付き物理量データを入力し、当該状態判別モデルからの演算結果に基づいて、前記構造物の現在状態を判別する判別装置をさらに含むことを特徴とする。 Further, the structure abnormality determination system for determining an abnormality of the structure by inputting physical quantity data with position information measured from the structure together with the position information into the state determination model according to the present invention has the position information. Includes a sensor that measures physical quantity data, a database that stores big data including the physical quantity data with position information in a normal state and the physical quantity data with position information in an abnormal state, and an arithmetic unit having a built-in state discrimination model. The state determination model is created by using machine learning and statistical methods including artificial intelligence based on the big data, and the calculation unit is the position information measured by the state determination model. It is characterized by further including a discriminating device for inputting attached physical quantity data and discriminating the current state of the structure based on the calculation result from the state discriminating model.

かかる発明によれば、データベースに格納されている正常状態における位置情報付き物理量データ及び異常状態における位置情報付き物理量データを含むビッグデータに基づいて、人工知能を含む機械学習及び統計学的手法を用いることにより作成した状態判別モデルに測定された位置情報付き物理量データを入力し、当該状態判別モデルからの演算結果に基づいて、構造物の現在状態を判別することにより、構造物の位置ごとに位置情報とともに取得された位置情報付き物理量データに基づいて、当該構造物の異常の発生位置又はその予兆を精度良く推定できる。 According to such an invention, a machine learning and statistical method including artificial intelligence is used based on big data including physical quantity data with position information in a normal state and physical quantity data with position information in an abnormal state stored in a database. By inputting the measured physical quantity data with position information into the state determination model created by the above and determining the current state of the structure based on the calculation result from the state determination model, the position is determined for each position of the structure. Based on the physical quantity data with position information acquired together with the information, the position where the abnormality occurs in the structure or its sign can be estimated accurately.

本発明の代表的な一例による構造物の異常判別システムを示す概要図である。It is a schematic diagram which shows the abnormality discrimination system of a structure by a typical example of this invention. 本発明の代表的な一例による構造物の異常判別方法の手順を示すフローチャートである。It is a flowchart which shows the procedure of the abnormality determination method of a structure by a typical example of this invention. 本発明の変形例による構造物の異常判別方法の手順を示すフローチャートである。It is a flowchart which shows the procedure of the abnormality determination method of the structure by the modification of this invention. 本発明の構造物の異常判別システムの代表的な適用例を示す概略図である。It is the schematic which shows the typical application example of the abnormality determination system of the structure of this invention.

以下、本発明の代表的な一例による構造物の異常判別方法及びそのシステムについて図面を用いて説明する。 Hereinafter, a method for determining an abnormality in a structure according to a typical example of the present invention and a system thereof will be described with reference to the drawings.

図１は、本発明の代表的な一例による構造物の異常判別システムを示す概要図である。本発明の代表的な一例による構造物の異常判別システム１００は、測定対象となる構造物の位置ごとの位置情報付き物理量データを測定するセンサ１１０と、構造物の異常を判別するための状態判別モデルを内蔵した演算ユニット１２０と、位置情報付き物理量データを格納するデータベース１３０と、を含む。そして、この構造物の異常判別システム１００の判別装置１２６は、構造物から測定される位置情報付き物理量データを状態判別モデルＤＭに入力し、その演算結果に基づいて、当該構造物の異常を判別する。 FIG. 1 is a schematic view showing an abnormality determination system for a structure according to a typical example of the present invention. The structure abnormality determination system 100 according to a typical example of the present invention includes a sensor 110 that measures physical quantity data with position information for each position of the structure to be measured, and a state determination for determining an abnormality of the structure. It includes a calculation unit 120 with a built-in model and a database 130 for storing physical quantity data with position information. Then, the discrimination device 126 of the structure abnormality discrimination system 100 inputs the physical quantity data with position information measured from the structure into the state discrimination model DM, and discriminates the abnormality of the structure based on the calculation result. do.

ここで、本明細書において、「位置情報付き物理量データ」とは、所定のセンサで位置情報とともに取得可能な物理量であって、例えば、構造物の所定の位置における応力、温度や、構造物の周囲の特定位置における流体の圧力、密度、流量、あるいは構造物の周囲の特定位置における電磁力、音量、放射線量等が例示できる。すなわち、本明細書における「位置情報付き物理量データ」は、複数の位置ごとの物理量データをコンター図（等高線図）等で表現できる値として定義できる。 Here, in the present specification, the "physical quantity data with position information" is a physical quantity that can be acquired together with the position information by a predetermined sensor, such as stress, temperature at a predetermined position of the structure, and the structure. Examples include the pressure, density, and flow rate of the fluid at a specific position around the structure, or the electromagnetic force, volume, and radiation quantity at a specific position around the structure. That is, the "physical quantity data with position information" in the present specification can be defined as a value that can represent the physical quantity data for each of a plurality of positions in a contour diagram (contour diagram) or the like.

このような物理量データを用いることにより、構造物あるいはその周辺の位置ごとの物理量データから、その数値の高低あるいは密度の分布を得ることができるため、構造物の異常診断における異常箇所を特定することが可能となる。また、「位置情報付き物理量データ」は、位置情報の他に測定時刻等の他の固有情報を追加的に含ませてもよい。 By using such physical quantity data, it is possible to obtain the distribution of high and low or density of the numerical value from the physical quantity data for each position of the structure or its surroundings, so that the abnormal part in the abnormality diagnosis of the structure can be specified. Is possible. Further, the "physical quantity data with position information" may additionally include other unique information such as measurement time in addition to the position information.

センサ１１０は、上述のとおり、構造物自体あるいは構造物周辺の位置ごとの位置情報付き物理量データを測定できる構造を有するものであって、構造物の測定箇所に直接取り付けて測定するタイプや、構造物に対して非接触で平面的あるいは空間的に検知できるタイプのいずれのものも適用できるが、例えば、圧電センサやひずみセンサ、あるいは赤外線センサ等が用いられる。また、図１に示す具体例において、センサ１１０は、測定した位置情報付き物理量データを、接続線１１２を介して演算ユニット１２０に送信する。 As described above, the sensor 110 has a structure capable of measuring physical quantity data with position information for each position of the structure itself or the periphery of the structure, and is of a type or structure that is directly attached to a measurement point of the structure for measurement. Any type that can detect an object in a plane or spatially without contact can be applied, and for example, a piezoelectric sensor, a strain sensor, an infrared sensor, or the like is used. Further, in the specific example shown in FIG. 1, the sensor 110 transmits the measured physical quantity data with position information to the calculation unit 120 via the connection line 112.

演算ユニット１２０は、測定対象である構造物を模擬した構造解析モデルＳＭを含むデータ生成装置１２２と、データベース１３０に格納された位置情報付き物理量データを用いて状態判別モデルＤＭを生成するモデル作成装置１２４と、測定された位置情報付き物理量データが正常か異常かを状態判別モデルＤＭを用いて判別する判別装置１２６と、を含む。なお、演算ユニット１２０は、センサ１１０からの位置情報付き物理量データを受信するとともに、当該構造物から得た位置情報付き物理量データを、後述する構造解析の入力用データと異常判別に適用する診断用データとに分ける機能を有する。また、演算ユニット１２０は、図１に示す構造物の異常判別システム１００全体の動作を制御する中央制御装置（図示せず）を含んでもよい。 The calculation unit 120 is a model creation device that generates a state discrimination model DM using a data generation device 122 including a structural analysis model SM that simulates a structure to be measured and physical quantity data with position information stored in a database 130. It includes 124 and a discrimination device 126 that discriminates whether the measured physical quantity data with position information is normal or abnormal by using the state discrimination model DM. The calculation unit 120 receives the physical quantity data with position information from the sensor 110, and applies the physical quantity data with position information obtained from the structure to the input data for structural analysis described later and the abnormality determination. It has a function to separate it from data. Further, the arithmetic unit 120 may include a central control device (not shown) that controls the operation of the entire abnormality determination system 100 of the structure shown in FIG.

データ生成装置１２２は、構造解析モデルＳＭに模擬的入力（例えばセンサ１１０からの入力用データ等の模擬データ）を入力し、数値演算による結果を位置情報付き物理量データとしてデータベース１３０に出力する。ここで、本実施例において、構造解析モデルＳＭは、例えば有限要素法等の数値解析手法によって構造物を模擬したモデルであって、ＣＡＥ等による構造物の設計図面に基づいて、当該構造物に欠陥等の不良がない正常モデルと構造物の一部に意図的に欠陥等の不良部分を形成した異常モデルとを含むものとして構成される。これにより、データ生成装置１２２から出力される位置情報付き物理量データは、正常モデルの演算結果による正常状態における位置情報付き物理量データ１３４と異常モデルの演算結果による異常状態における位置情報付き物理量データ１３６とを含むものとして、データベース１３０に送信される。このとき、異常状態における位置情報付き物理量データ１３６には、上記不良部分の重要度あるいは深刻度に応じて、異常の重みづけを示すデータが付加されてもよい。 The data generation device 122 inputs a simulated input (for example, simulated data such as input data from the sensor 110) to the structural analysis model SM, and outputs the result of the numerical calculation as physical quantity data with position information to the database 130. Here, in this embodiment, the structural analysis model SM is a model that simulates a structure by a numerical analysis method such as the finite element method, and is based on the design drawing of the structure by CAE or the like. It is configured to include a normal model without defects such as defects and an abnormal model in which defective parts such as defects are intentionally formed in a part of the structure. As a result, the physical quantity data with position information output from the data generator 122 includes the physical quantity data 134 with position information in the normal state based on the calculation result of the normal model and the physical quantity data 136 with position information in the abnormal state based on the calculation result of the abnormal model. Is transmitted to the database 130 as including. At this time, data indicating the weighting of the abnormality may be added to the physical quantity data 136 with the position information in the abnormal state according to the importance or the severity of the defective portion.

モデル作成装置１２４は、後述するデータベース１３０にアクセスしてビッグデータ１３２から正常状態における位置情報付き物理量データ１３４及び異常状態における位置情報付き物理量データ１３６を読み込み、これらの位置情報付き物理量データに基づいて人工知能を含む機械学習及び統計学的手法を用いることにより、構造物に対応した状態判別モデルＤＭを作成する。ここで、モデル作成装置１２４では、状態判別モデルＤＭを作成するにあたり、多量の位置情報付き物理量データからなるビッグデータ１３２を用いて、統計解析を中心とした手法や、データマイニング、機械学習、ディープラーニング等のニューラルネットワークを応用した手法等の様々な手法を組合せて適用することができる。また、モデル作成装置１２４は、随時更新されるビッグデータ１３２に定期的にアクセスして、状態判別モデルＤＭを修正あるいは更新するようにしてもよい。 The model creation device 124 accesses the database 130 described later, reads the physical quantity data 134 with position information in the normal state and the physical quantity data 136 with position information in the abnormal state from the big data 132, and based on these physical quantity data with position information. By using machine learning including artificial intelligence and statistical methods, a state discrimination model DM corresponding to a structure is created. Here, in the model creation device 124, when creating the state discrimination model DM, a method centered on statistical analysis, data mining, machine learning, and deep are used by using big data 132 composed of a large amount of physical quantity data with position information. Various methods such as a method applying a neural network such as learning can be combined and applied. Further, the model creation device 124 may periodically access the big data 132 that is updated at any time to modify or update the state determination model DM.

状態判別モデルＤＭは、例えば、センサ１１０で測定された位置情報付き物理量データを入力した際に、その測定位置や測定時刻等の固有情報を参照して、入力された位置情報付き物理量データが当該固有情報に対応する判別モデルを選択し、構造物がその判別モデルに照らして正常状態なのか、あるいは異常状態をなのかを判別して出力する機能を有する。このとき、状態判別モデルＤＭの出力として状態を示す代表値を出力するように構成してもよい。また、状態判別モデルＤＭは、複数位置での位置情報付き物理量データを同時に入力し、これら複数位置の演算結果を構造物全体の評価として統合する機能を有するように構成してもよい。 In the state determination model DM, for example, when the physical quantity data with position information measured by the sensor 110 is input, the input physical quantity data with position information is referred to by referring to the unique information such as the measurement position and the measurement time. It has a function of selecting a discrimination model corresponding to the unique information, discriminating whether the structure is in a normal state or an abnormal state in light of the discrimination model, and outputting the data. At this time, a representative value indicating the state may be output as the output of the state determination model DM. Further, the state determination model DM may be configured to have a function of simultaneously inputting physical quantity data with position information at a plurality of positions and integrating the calculation results of the plurality of positions as an evaluation of the entire structure.

判別装置１２６は、大きく分けて２つの機能を有している。第１の機能は、個別のセンサ１１０から受信した診断用の位置情報付き物理量データを、モデル作成装置１２４で作成された状態判別モデルＤＭに入力し、その演算結果による出力に基づいて、診断される位置情報付き物理量データが正常状態における位置情報付き物理量データであるか、あるいは異常状態における位置情報付き物理量データであるかを判別する機能である。このとき、判別装置１２６での判別手法としては、例えば、状態判別モデルＤＭから何らかの状態を示す代表値が出力された場合に、当該代表値が所定の閾値を超えたか否かで正常か異常かを判別するものや、あるいは状態判別モデルＤＭから演算後の位置情報付き物理量データを得て、これをデータベース１３０に保存された正常状態における位置情報付き物理量データ１３４又は異常状態における位置情報付き物理量データ１３６と対比して正常か異常かを判別するもの等を適用できる。 The discriminating device 126 has two main functions. The first function is to input the physical quantity data with position information for diagnosis received from the individual sensors 110 into the state determination model DM created by the model creation device 124, and to make a diagnosis based on the output of the calculation result. This is a function for determining whether the physical quantity data with position information is the physical quantity data with position information in the normal state or the physical quantity data with position information in the abnormal state. At this time, as a discrimination method in the discrimination device 126, for example, when a representative value indicating some state is output from the state discrimination model DM, whether the representative value exceeds a predetermined threshold is normal or abnormal. Physical quantity data with position information after calculation is obtained from the state determination model DM, and the physical quantity data with position information in the normal state is stored in the database 130, or the physical quantity data with position information in the abnormal state Those that determine whether it is normal or abnormal by comparing it with 136 can be applied.

第２の機能は、第１の機能で判別した複数の位置での位置情報付き物理量データ（すなわち個々のセンサ１１０の出力）が正常状態であるか異常状態であるかの状態と、データベース１３０に格納されている構造物の診断結果に対する付加的情報（例えば、異常状態における位置情報付き物理量データと判別された際の構造物全体への影響度、あるいは異常状態における位置情報付き物理量データの深刻度等）とを状態判別モデルＤＭに再度入力し、その演算結果を位置情報に対応した分布として表現することにより、構造物における異常の発生部位（範囲）やその深刻度を判別する機能である。 The second function is a state in which the physical quantity data with position information (that is, the output of each sensor 110) at a plurality of positions determined by the first function is in a normal state or an abnormal state, and the database 130. Additional information on the stored structure diagnosis result (for example, the degree of influence on the entire structure when it is determined to be the physical quantity data with position information in the abnormal state, or the severity of the physical quantity data with position information in the abnormal state. Etc.) is input to the state discrimination model DM again, and the calculation result is expressed as a distribution corresponding to the position information, thereby discriminating the occurrence site (range) of the abnormality in the structure and its severity.

また、演算ユニット１２０は、判別装置１２６において診断した位置情報付き物理量データが異常と判別された場合に、警報を発する警報装置（図示せず）をさらに含むように構成してもよい。警報装置としては、例えば、ブザーやサイレン等の音声によるものや、ランプあるいはモニター等の表示によるもの、さらにはこれらを組合せたもの等が適用できる。 Further, the arithmetic unit 120 may be further configured to include an alarm device (not shown) that issues an alarm when the physical quantity data with position information diagnosed by the determination device 126 is determined to be abnormal. As the alarm device, for example, a sound device such as a buzzer or a siren, a device by a display such as a lamp or a monitor, or a combination thereof can be applied.

データベース１３０は、正常状態における位置情報付き物理量データ１３４及び異常状態における位置情報付き物理量データ１３６を含むビッグデータ１３２を格納する記憶手段として構成される。正常状態における位置情報付き物理量データ１３４及び異常状態における位置情報付き物理量データ１３６は、上記したデータ生成装置１２２の構造解析モデルＳＭで出力されたものや、同一の構造物について過去に取得された実際のデータ、あるいは対象となる構造物に類似する構造物で故障等の異常が発生した際のデータ等、様々な条件あるいは環境で生成又は測定されたものを含み得る。 The database 130 is configured as a storage means for storing big data 132 including physical quantity data 134 with position information in a normal state and physical quantity data 136 with position information in an abnormal state. The physical quantity data 134 with position information in the normal state and the physical quantity data 136 with position information in the abnormal state are those output by the structural analysis model SM of the data generation device 122 described above, and the actual data acquired in the past for the same structure. Data, or data generated or measured under various conditions or environments, such as data when an abnormality such as a failure occurs in a structure similar to the target structure.

ここで、データベース１３０は、ビッグデータ１３２として、位置情報付き物理量データとともに当該位置情報付き物理量データを測定したセンサ１１０ごとの判別結果が異常であった場合の異常発生範囲や発生時刻、あるいはその異常の深刻度といった情報を付加して保存しておいてもよい。これらの追加情報は、構造解析モデルＳＭで正常状態における位置情報付き物理量データ１３４あるいは異常状態における位置情報付き物理量データ１３６を生成する際や、状態判別モデルＤＭを作成する際に参照される。 Here, the database 130 uses the big data 132 as the abnormality occurrence range and occurrence time, or the abnormality when the discrimination result for each sensor 110 that measures the physical quantity data with the position information and the physical quantity data with the position information is abnormal. Information such as the severity of the data may be added and saved. These additional information are referred to when the structural analysis model SM generates the physical quantity data 134 with position information in the normal state or the physical quantity data 136 with position information in the abnormal state, or when creating the state determination model DM.

図２は、本発明の代表的な一例による構造物の異常判別方法の手順を示すフローチャートである。図２に示すように、本発明の代表的な一例による構造物の状態判別方法は、まず構造物に取り付けた１つあるいは複数のセンサ１１０（図１参照）から位置情報付き物理量データを取得する（ステップＳ１）。このとき、上述のとおり、図１に示したデータベース１３０に格納されたビッグデータ１３２に基づいて、モデル作成装置１２４により予め状態判別モデルＤＭを作成しておく。 FIG. 2 is a flowchart showing a procedure of a structure abnormality determination method according to a typical example of the present invention. As shown in FIG. 2, in the method for determining the state of a structure according to a typical example of the present invention, first, physical quantity data with position information is acquired from one or a plurality of sensors 110 (see FIG. 1) attached to the structure. (Step S1). At this time, as described above, the state determination model DM is created in advance by the model creation device 124 based on the big data 132 stored in the database 130 shown in FIG.

次に、図１に示した判別装置１２６において、ステップＳ１で取得した診断用の位置情報付き物理量データを状態判別モデルＤＭに入力し、当該状態判別モデルＤＭにて個々の位置情報付き物理量データに対する現在状態の演算を行う（ステップＳ２）。このとき、演算により出力される現在状態としては、上述のとおり、個々の位置情報付き物理量データにおける何らかの状態を示す代表値や、亀裂の発生あるいは変形等の状態を直接示唆するものでもよい。 Next, in the discrimination device 126 shown in FIG. 1, the physical quantity data with position information for diagnosis acquired in step S1 is input to the state discrimination model DM, and the physical quantity data with position information is obtained by the state discrimination model DM. The calculation of the current state is performed (step S2). At this time, as the current state output by the calculation, as described above, a representative value indicating some state in the physical quantity data with position information or a state such as the occurrence or deformation of a crack may be directly suggested.

続いて、ステップＳ２で得られた個々の位置情報付き物理量データに対する現在状態の情報に基づいて、判別装置１２６において個々の位置情報付き物理量データの現在状態が正常であるか異常であるかを判別する（ステップＳ３）。このとき、判別装置１２６による判別は、単に状態が正常あるいは異常であるかの情報だけでなく、例えば、状態判別モデルＤＭによる演算結果による数値と閾値（標準データ）との差分や異常状態の程度（深刻度）等の情報を付加してもよい。 Subsequently, based on the information on the current state of the individual physical quantity data with position information obtained in step S2, the determination device 126 determines whether the current state of the physical quantity data with position information is normal or abnormal. (Step S3). At this time, the discrimination by the discrimination device 126 is not only information on whether the state is normal or abnormal, but also, for example, the difference between the numerical value and the threshold value (standard data) based on the calculation result by the state discrimination model DM and the degree of the abnormal state. Information such as (severity) may be added.

続いて、付加的な動作として、ステップＳ３で判別した位置情報付き物理量データをデータベース１３０に格納してデータを追加する（ステップＳ４）。このとき、ステップＳ３での判別結果が正常の場合、判別された位置情報付き物理量データを正常状態における位置情報付き物理量データ１３４に追加し、判別結果が異常の場合には、判別された位置情報付き物理量データを異常状態における位置情報付き物理量データ１３６に追加する。 Subsequently, as an additional operation, the physical quantity data with position information determined in step S3 is stored in the database 130 and the data is added (step S4). At this time, if the determination result in step S3 is normal, the determined physical quantity data with position information is added to the physical quantity data 134 with position information in the normal state, and if the determination result is abnormal, the determined position information The attached physical quantity data is added to the physical quantity data 136 with position information in the abnormal state.

なお、図２に示すフローでは、ステップＳ３の判別の後に、ステップＳ４で判別された位置情報付き物理量データをデータベース１３０に格納する動作を例示したが、当該ステップＳ４の前に、上述のとおり、判別結果に応じてユーザーに警報を発する動作を追加してもよい。これにより、構造物の異常が発生した場合に直ちに対応策を講じることが可能となる。 In the flow shown in FIG. 2, the operation of storing the physical quantity data with position information determined in step S4 in the database 130 after the determination in step S3 is illustrated, but before the step S4, as described above. An operation of issuing an alarm to the user may be added according to the determination result. This makes it possible to take immediate countermeasures when an abnormality occurs in the structure.

図３は、本発明の変形例による構造物の異常判別方法の手順を示すフローチャートである。図３に示すように、本発明の変形例による構造物の状態判別方法では、図２に示したフローチャートにおけるステップＳ３の位置情報付き物理量データの判別までは共通した動作を行い、当該ステップＳ３の後にステップＳ３ａ及びステップＳ３ｂを実行する。 FIG. 3 is a flowchart showing a procedure of a structure abnormality determination method according to a modified example of the present invention. As shown in FIG. 3, in the method for determining the state of the structure according to the modified example of the present invention, a common operation is performed up to the determination of the physical quantity data with position information in step S3 in the flowchart shown in FIG. Later, step S3a and step S3b are executed.

すなわち、ステップＳ３で位置情報付き物理量データに対する判別を複数のデータに対して実行した後、これらの位置情報付き物理量データが正常状態か異常状態かを判別した結果を状態判別モデルＤＭに入力し、当該状態判別モデルＤＭにて複数のデータを用いて構造物の複数の位置における現在状態の再演算を行う（ステップＳ３ａ）。このとき、状態判別モデルＤＭに入力されるデータとしては、位置情報付き物理量データが正常か異常か判別した現在状態と、データベース１３０に格納されている構造物の診断結果に対する付加的情報（例えば、異常状態における位置情報付き物理量データと判別された際の構造物全体への影響度、あるいは異常状態における位置情報付き物理量データの深刻度等）等が含まれる。 That is, after discriminating the physical quantity data with position information for a plurality of data in step S3, the result of discriminating whether the physical quantity data with position information is in a normal state or an abnormal state is input to the state discrimination model DM. The state determination model DM recalculates the current state at a plurality of positions of the structure using a plurality of data (step S3a). At this time, the data input to the state determination model DM includes the current state in which the physical quantity data with position information is determined to be normal or abnormal, and additional information (for example,) for the diagnosis result of the structure stored in the database 130. The degree of influence on the entire structure when it is determined to be the physical quantity data with position information in the abnormal state, the severity of the physical quantity data with position information in the abnormal state, etc.) are included.

続いて、ステップＳ３ａで得られた複数の位置情報付き物理量データに対する現在状態の情報に基づいて、判別装置１２６において構造物全体の現在状態を判別する（ステップＳ３ｂ）。このとき、判別装置１２６による判別は、単に構造物の状態が正常あるいは異常であるかの情報だけでなく、例えば、状態判別モデルＤＭによる演算結果から、異常の発生部位や異常が発生する可能性がある範囲、あるいは構造物に対する異常の重要度、構造物に発生した異常の深刻度等の情報を追加してもよい。これにより、本発明による構造物の異常判別方法では、構造物の特定の位置あるいは範囲における現在状態が正常であるか異常であるかを判別することができる。 Subsequently, the determination device 126 determines the current state of the entire structure based on the current state information for the plurality of physical quantity data with position information obtained in step S3a (step S3b). At this time, the discrimination by the discrimination device 126 is not only information on whether the state of the structure is normal or abnormal, but also, for example, from the calculation result by the state discrimination model DM, there is a possibility that an abnormality occurs or an abnormality may occur. Information such as the importance of the abnormality to a certain range or the structure, the severity of the abnormality occurring in the structure, and the like may be added. Thereby, in the structure abnormality determination method according to the present invention, it is possible to determine whether the current state of the structure at a specific position or range is normal or abnormal.

図４は、本発明の構造物の異常判別システムの代表的な適用例を示す概略図である。図４に示すように、本発明による構造物の異常判別システム１００は、例えば、トンネル１０やビル２０等の建築物、あるいは走行するバス３０や航空機、船舶等の輸送手段に適用可能である。本実施例において、構造物の異常判別システム１００のセンサ１１０は、トンネル１０やビル２０の壁面あるいはバス３０の車体等に直接取り付けられるか、又はこれらから非接触で平面的あるいは空間的に測定可能な位置に設けられる。 FIG. 4 is a schematic view showing a typical application example of the structure abnormality determination system of the present invention. As shown in FIG. 4, the structure abnormality determination system 100 according to the present invention can be applied to, for example, a building such as a tunnel 10 or a building 20, or a transportation means such as a traveling bus 30, an aircraft, or a ship. In this embodiment, the sensor 110 of the structure abnormality determination system 100 can be directly attached to the wall surface of the tunnel 10 or the building 20, the vehicle body of the bus 30, or the like, or can be measured in a non-contact, planar or spatial manner from these. It is installed in a suitable position.

なお、センサ１１０からの信号は、図１に示すように演算ユニット１２０と接続線１１２を介して有線で送信されても良いし、図４に示すように電磁波等の無線接続により送信されてもよい。これにより、位置情報付き物理量データの測定位置が演算ユニット１２０から離れた遠隔地にあった場合であっても、当該遠隔地で測定されたデータを用いて構造物の現在状態の判別を実行することができる。 The signal from the sensor 110 may be transmitted by wire via the arithmetic unit 120 and the connection line 112 as shown in FIG. 1, or may be transmitted by wireless connection such as electromagnetic waves as shown in FIG. good. As a result, even if the measurement position of the physical quantity data with position information is in a remote place away from the calculation unit 120, the current state of the structure is determined using the data measured in the remote place. be able to.

センサ１１０で取得された位置情報付き物理量データは演算ユニット１２０に送信され、この位置情報付き物理量データを受信した演算ユニット１２０において、図２又は図３に示した手順にしたがって測定対象である構造物の位置情報付き物理量データあるいは構造物自体の異常判別を実行する。また、図４に示すように、本発明による構造物の異常判別システム１００の変形例として、測定の開始指令やセンサ１１０による測定条件を設定するための入力装置１４０と、この入力装置１４０によって入力された測定条件や構造物の各種情報さらには判別結果等を表示する表示装置１５０と、を含むように構成してもよい。 The physical quantity data with position information acquired by the sensor 110 is transmitted to the calculation unit 120, and in the calculation unit 120 that receives the physical quantity data with position information, the structure to be measured according to the procedure shown in FIG. 2 or FIG. Executes physical quantity data with position information or abnormality determination of the structure itself. Further, as shown in FIG. 4, as a modification of the structure abnormality determination system 100 according to the present invention, an input device 140 for setting a measurement start command and measurement conditions by the sensor 110, and an input device 140 are used for input. It may be configured to include a display device 150 for displaying the measured measurement conditions, various information on the structure, and the determination result.

また、測定対象が移動する輸送手段等の場合には、図４に示した構造物の異常判別システム１００を構造物（バス３０等の輸送手段）に搭載するように構成してもよい。このような構成であれば、測定した位置情報付き物理量データを遠隔地に送信するのが困難な環境であっても、状態判別モデルＤＭによる常時最適なモデルとして演算を行うことで、位置情報付き物理量データや構造物自体の状態判別が可能となる。 Further, in the case of a transportation means or the like in which the measurement target moves, the structure abnormality determination system 100 shown in FIG. 4 may be mounted on the structure (transportation means such as a bus 30). With such a configuration, even in an environment where it is difficult to transmit the measured physical quantity data with position information to a remote location, the position information is provided by performing calculations as a model that is always optimal by the state determination model DM. It is possible to determine the physical quantity data and the state of the structure itself.

このとき、演算ユニット１２０の状態判別モデルＤＭと判別装置１２６のみを搭載する軽量な構成を選択してもよい。このような軽量な構成であれば車載機器等の１機能として構成することも可能となる。 At this time, a lightweight configuration may be selected in which only the state determination model DM of the arithmetic unit 120 and the determination device 126 are mounted. With such a lightweight configuration, it is possible to configure it as one function of an in-vehicle device or the like.

以上のような構成を備えることにより、本発明による構造物の異常判別システムは、データベースに格納されている正常状態における位置情報付き物理量データ及び異常状態における位置情報付き物理量データを含むビッグデータに基づいて、人工知能を含む機械学習及び統計学的手法を用いることにより作成した状態判別モデルに測定された位置情報付き物理量データを入力し、当該状態判別モデルからの演算結果に基づいて、構造物の現在状態を判別することにより、構造物の位置ごとに位置情報とともに取得された位置情報付き物理量データに基づいて、当該構造物の異常の発生位置又はその予兆を精度良く推定できる。 By providing the above configuration, the structure abnormality determination system according to the present invention is based on big data including physical quantity data with position information in a normal state and physical quantity data with position information in an abnormal state stored in a database. Then, the measured physical quantity data with position information is input to the state discrimination model created by using machine learning including artificial intelligence and statistical methods, and the structure is based on the calculation result from the state discrimination model. By determining the current state, it is possible to accurately estimate the position where an abnormality occurs in the structure or its sign based on the physical quantity data with the position information acquired together with the position information for each position of the structure.

以上、本発明による実施例及びこれに基づく変形例を説明したが、本発明は必ずしもこれらの例に限定されるものではない。また、当業者であれば、本発明の主旨又は添付した特許請求の範囲を逸脱することなく、様々な代替実施例及び改変例を見出すことができるであろう。 Although the examples according to the present invention and the modifications based on the same have been described above, the present invention is not necessarily limited to these examples. Also, one of ordinary skill in the art will be able to find various alternative examples and modifications without departing from the gist of the present invention or the appended claims.

上記した具体例では、判別装置における判別において、演算結果が所定の閾値を超えた場合に現在状態が異常であると判別したものを例示したが、例えば上記所定の閾値を段階的に設定し、第１の閾値を超えたときは異常の前兆として把握し、第２の閾値を超えたときに異常を判別するようにしてもよい。これにより、構造物に異常が発生する場合の予兆を把握することが可能となる。 In the above-mentioned specific example, in the discrimination in the discrimination device, when the calculation result exceeds a predetermined threshold value, the current state is determined to be abnormal. However, for example, the above-mentioned predetermined threshold value is set stepwise. When the first threshold value is exceeded, it may be grasped as a precursor of an abnormality, and when the second threshold value is exceeded, the abnormality may be determined. This makes it possible to grasp the signs when an abnormality occurs in the structure.

１０ トンネル
２０ ビル
３０ バス
１００ 構造物の異常判別システム
１１０ センサ
１１２ 接続線
１２０ 演算ユニット
１２２ データ生成装置
１２４ モデル作成装置
１２６ 判別装置
１３０ データベース
１３２ ビッグデータ
１３４ 正常状態における位置情報付き物理量データ
１３６ 異常状態における位置情報付き物理量データ
１４０ 入力装置
１５０ 表示装置

10 Tunnel 20 Building 30 Bus 100 Structure abnormality discrimination system 110 Sensor 112 Connection line 120 Calculation unit 122 Data generation device 124 Model creation device 126 Discrimination device 130 Database 132 Big data 134 Physical quantity data with position information in normal state 136 In abnormal state Physical data with position information 140 Input device 150 Display device

Claims (12)

構造物から位置情報とともに測定される位置情報付き物理量データを状態判別モデルに入力することにより、前記構造物の異常を判別する構造物の異常判別方法であって、
前記状態判別モデルは、データベースに格納されている正常状態における前記位置情報付き物理量データ及び異常状態における前記位置情報付き物理量データを含むビッグデータに基づいて、人工知能を含む機械学習及び統計学的手法を用いることにより作成したものであり、
前記状態判別モデルに測定された前記位置情報付き物理量データを入力し、当該状態判別モデルからの演算結果に基づいて、前記構造物の現在状態を判別することを特徴とする構造物の異常判別方法。 It is a structure abnormality determination method for determining an abnormality of the structure by inputting physical quantity data with position information measured from the structure together with the position information into a state determination model.
The state discrimination model is a machine learning and statistical method including artificial intelligence based on big data including the physical quantity data with position information in a normal state and the physical quantity data with position information in an abnormal state stored in a database. It was created by using
A method for determining an abnormality of a structure, which comprises inputting measured physical quantity data with position information into the state determination model and determining the current state of the structure based on a calculation result from the state determination model. .. 前記正常状態における前記位置情報付き物理量データ及び前記異常状態における前記位置情報付き物理量データは、構造解析を用いた演算により生成されたものを含むことを特徴とする請求項１記載の構造物の異常判別方法。 The abnormality of the structure according to claim 1, wherein the physical quantity data with position information in the normal state and the physical quantity data with position information in the abnormal state include those generated by an calculation using structural analysis. Discrimination method. 前記位置情報付き物理量データは複数の位置において個別に測定され、前記状態判別モデルは、前記複数の位置ごとにおける前記位置情報付き物理量データを同時に入力して前記演算結果を出力することを特徴とする請求項１又は２に記載の構造物の異常判別方法。 The physical quantity data with position information is measured individually at a plurality of positions, and the state determination model is characterized in that the physical quantity data with position information at each of the plurality of positions is simultaneously input and the calculation result is output. The method for determining an abnormality in a structure according to claim 1 or 2. 前記現在状態が異常と判別された場合に、警報を発することを特徴とする請求項１〜３のいずれか１項に記載の構造物の異常判別方法。 The method for determining an abnormality in a structure according to any one of claims 1 to 3, wherein an alarm is issued when the current state is determined to be abnormal. 前記位置情報付き物理量データは遠隔地により測定されたものであり、前記遠隔地で測定された前記位置情報付き物理量データを用いて前記現在状態の判別を実行することを特徴とする請求項１〜４のいずれか１項に記載の構造物の異常判別方法。 The physical quantity data with position information is measured at a remote location, and the determination of the current state is executed using the physical quantity data with position information measured at the remote location. The method for determining an abnormality of a structure according to any one of 4. 前記現在状態が判別された前記位置情報付き物理量データを、前記正常状態における前記位置情報付き物理量データあるいは前記異常状態における前記位置情報付き物理量データとして前記ビッグデータに追加することを特徴とする請求項１〜５のいずれか１項に記載の構造物の異常判別方法。 The claim is characterized in that the physical quantity data with position information for which the current state is determined is added to the big data as the physical quantity data with position information in the normal state or the physical quantity data with position information in the abnormal state. The method for determining an abnormality of a structure according to any one of 1 to 5. 構造物から位置情報とともに測定される位置情報付き物理量データを状態判別モデルに入力することにより、前記構造物の異常を判別する構造物の異常判別システムであって、
前記位置情報付き物理量データを測定するセンサと、正常状態における前記位置情報付き物理量データ及び異常状態における前記位置情報付き物理量データを含むビッグデータを格納するデータベースと、前記状態判別モデルを内蔵した演算ユニットと、を含み、
前記状態判別モデルは、前記ビッグデータに基づいて人工知能を含む機械学習及び統計学的手法を用いることにより作成したものであり、
前記演算ユニットは、前記状態判別モデルに測定された前記位置情報付き物理量データを入力し、当該状態判別モデルからの演算結果に基づいて、前記構造物の現在状態を判別する判別装置をさらに含むことを特徴とする構造物の異常判別システム。 It is a structure abnormality determination system that determines an abnormality of the structure by inputting physical quantity data with position information measured from the structure together with the position information into a state determination model.
A calculation unit incorporating the sensor for measuring the physical quantity data with position information, a database for storing the physical quantity data with position information in a normal state, and big data including the physical quantity data with position information in an abnormal state, and a state determination model. And, including
The state discrimination model was created by using machine learning and statistical methods including artificial intelligence based on the big data.
The calculation unit further includes a discrimination device that inputs the measured physical quantity data with position information into the state discrimination model and discriminates the current state of the structure based on the calculation result from the state discrimination model. An abnormality discrimination system for structures characterized by. 前記正常状態における前記位置情報付き物理量データ及び前記異常状態における前記位置情報付き物理量データは、構造解析を用いた演算により生成されたものを含むことを特徴とする請求項７記載の構造物の異常判別システム。 The abnormality of the structure according to claim 7, wherein the physical quantity data with position information in the normal state and the physical quantity data with position information in the abnormal state include those generated by an calculation using structural analysis. Discrimination system. 前記センサは複数の位置ごとの測定が可能となる構成を有しており、前記判別装置は、前記複数の位置ごとの前記位置情報付き物理量データを同時に前記状態判別モデルに入力して前記演算結果を出力することを特徴とする請求項７又は８に記載の構造物の異常判別システム。 The sensor has a configuration capable of measuring each of a plurality of positions, and the discrimination device simultaneously inputs the physical quantity data with position information for each of the plurality of positions into the state discrimination model, and the calculation result. The abnormality determination system for a structure according to claim 7 or 8, wherein the structure is output. 前記演算ユニットは、前記判別装置で前記現在状態が異常と判別された場合に、警報を発する警報装置をさらに含むことを特徴とする請求項７〜９のいずれか１項に記載の構造物の異常判別システム。 The structure according to any one of claims 7 to 9, wherein the arithmetic unit further includes an alarm device that issues an alarm when the current state is determined to be abnormal by the determination device. Abnormality discrimination system. 前記センサは遠隔地に設けられ、前記演算ユニットは、前記遠隔地で測定された前記位置情報付き物理量データを用いて前記現在状態の判別を実行することを特徴とする請求項７〜１０のいずれか１項に記載の構造物の異常判別システム。 7. Or the structure abnormality determination system according to item 1. 前記判別装置は、前記現在状態が判別された前記位置情報付き物理量データを、前記正常状態における前記位置情報付き物理量データあるいは前記異常状態における前記位置情報付き物理量データとして前記ビッグデータに追加する機能をさらに有することを特徴とする請求項７〜１１のいずれか１項に記載の構造物の異常判別システム。

The discriminating device has a function of adding the physical quantity data with position information for which the current state is determined to the big data as the physical quantity data with position information in the normal state or the physical quantity data with position information in the abnormal state. The structure abnormality determination system according to any one of claims 7 to 11, further comprising.
JP2020042277A 2020-03-11 2020-03-11 Abnormality discrimination method for structure and abnormality discrimination system Active JP6742014B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2020042277A JP6742014B1 (en) 2020-03-11 2020-03-11 Abnormality discrimination method for structure and abnormality discrimination system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020042277A JP6742014B1 (en) 2020-03-11 2020-03-11 Abnormality discrimination method for structure and abnormality discrimination system

Publications (2)

Publication Number Publication Date
JP6742014B1 JP6742014B1 (en) 2020-08-19
JP2021144433A true JP2021144433A (en) 2021-09-24

Family

ID=72047924

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020042277A Active JP6742014B1 (en) 2020-03-11 2020-03-11 Abnormality discrimination method for structure and abnormality discrimination system

Country Status (1)

Country Link
JP (1) JP6742014B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112180899B (en) * 2020-09-30 2021-08-24 山东科技大学 State estimation method of system under intermittent anomaly measurement detection

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016195092A1 (en) * 2015-06-05 2016-12-08 株式会社日立製作所 Anomaly sensing device
JP2017207904A (en) * 2016-05-18 2017-11-24 エヌ・ティ・ティ・コミュニケーションズ株式会社 Abnormality detection system, model generation device, abnormality detection device, abnormality detection method, model generation program, and abnormality detection program
US20190079506A1 (en) * 2016-03-09 2019-03-14 Siemens Aktiengesellschaft Smart embedded control system for a field device of an automation system
JP2019139375A (en) * 2018-02-07 2019-08-22 株式会社Ｙｅ Ｄｉｇｉｔａｌ Failure prediction method, failure prediction system and failure prediction program
JP2020012691A (en) * 2018-07-17 2020-01-23 株式会社日立パワーソリューションズ Abnormality sign diagnosing system and abnormality sign diagnosing method
JP2020034306A (en) * 2018-08-27 2020-03-05 国立大学法人大阪大学 Structure inspection system and structure inspection method

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016195092A1 (en) * 2015-06-05 2016-12-08 株式会社日立製作所 Anomaly sensing device
US20190079506A1 (en) * 2016-03-09 2019-03-14 Siemens Aktiengesellschaft Smart embedded control system for a field device of an automation system
JP2017207904A (en) * 2016-05-18 2017-11-24 エヌ・ティ・ティ・コミュニケーションズ株式会社 Abnormality detection system, model generation device, abnormality detection device, abnormality detection method, model generation program, and abnormality detection program
JP2019139375A (en) * 2018-02-07 2019-08-22 株式会社Ｙｅ Ｄｉｇｉｔａｌ Failure prediction method, failure prediction system and failure prediction program
JP2020012691A (en) * 2018-07-17 2020-01-23 株式会社日立パワーソリューションズ Abnormality sign diagnosing system and abnormality sign diagnosing method
JP2020034306A (en) * 2018-08-27 2020-03-05 国立大学法人大阪大学 Structure inspection system and structure inspection method

Also Published As

Publication number Publication date
JP6742014B1 (en) 2020-08-19

Similar Documents

Publication Publication Date Title
JP6442091B2 (en) Automobile parts destruction prevention system, automobile parts destruction prevention method, and non-transitory computer-readable medium
EP2699881B1 (en) Structural health management system and method based on combined physical and simulated data
JP6879873B2 (en) Failure probability evaluation system
CN208834172U (en) The device and processor platform of situation for monitoring of structures
JP6082191B2 (en) Monitoring system
US20180306669A1 (en) Structure abnormality detection system, structure abnormality detection method, and storage medium
KR20190025474A (en) Apparatus and Method for Predicting Plant Data
KR102098888B1 (en) System and method for disaster prediction and analysis of structures, and a recording medium having computer readable program for executing the method
US11378485B2 (en) Structural monitoring system
CN104274192A (en) Computer-Aided System Detecting Operator Fatigue (CASDOF)
WO2020195536A1 (en) Structural anomaly assessment method and anomaly assessment system
JP6981464B2 (en) Diagnostic cost output device, diagnostic cost output method and program
WO2020195537A1 (en) Method and system for creating structure state determination model
JP6742014B1 (en) Abnormality discrimination method for structure and abnormality discrimination system
JP2024045515A (en) Structure diagnosis system, structure diagnosis method, and structure diagnosis program
JP6790689B2 (en) Management system
JP6389663B2 (en) Structure verification system, structure verification device, structure verification program
JP4286760B2 (en) A marine pneumatic self-diagnosis system and method, and a computer-readable recording medium on which a program for realizing the method is recorded.
JP6609403B2 (en) Structure verification system, structure verification device, structure verification program
JP2020166819A (en) Method and system for creating model to discriminate state of structure
JP2016017848A (en) Structure verification system, structure verification device, and structure verification program
JP6782936B1 (en) Structure state discrimination model creation method and its creation system
JP7014223B2 (en) Analytical equipment, diagnostic equipment, analysis methods and programs
US10890499B2 (en) System and method for predicting strain power spectral densities of light machine structure
US20200143004A1 (en) Visualization of machine structure damage from machine sensor data using machine learning

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200313

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20200313

TRDD Decision of grant or rejection written
A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20200708

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20200717

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200720

R150 Certificate of patent or registration of utility model

Ref document number: 6742014

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