JP6527999B1 - Internal state estimation system - Google Patents
Internal state estimation system Download PDFInfo
- Publication number
- JP6527999B1 JP6527999B1 JP2018219597A JP2018219597A JP6527999B1 JP 6527999 B1 JP6527999 B1 JP 6527999B1 JP 2018219597 A JP2018219597 A JP 2018219597A JP 2018219597 A JP2018219597 A JP 2018219597A JP 6527999 B1 JP6527999 B1 JP 6527999B1
- Authority
- JP
- Japan
- Prior art keywords
- data
- vibration
- internal state
- analysis
- impact
- 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.)
- Active
Links
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
【課題】外観の観察や外表面の検査はできるが内部の観察や検査を行うことが困難な三次元構造体の内部状態を、放射線、超音波、電磁波等を用いた画像認識によることなく、また、熟練した検査者の経験に頼ることなく、精度良く推定できるようにすること。【解決手段】打撃点ｈに打撃を付加する振動付加手段１、振動計測手段２ａ〜２ｄ、構造体モデルＭ１〜Ｍｎを作成する構造体モデルデータ出力手段３、打撃データ及び構造データＫ１〜Ｋｎを受けて振動解析を行い大量の学習データＬ１〜Ｌｎを生成する三次元モデル解析手段４、予め学習データＬ１〜Ｌｎが与えられて最適化されており、振幅データＳａ〜Ｓｄ及び時間データＴａ〜Ｔｄの入力を受けて逆解析を行い三次元構造体の内部構造を推定するニューラルネットワーク５及び内部構造表示手段６を備える内部状態推定システム。【選択図】 図１An internal state of a three-dimensional structure capable of external appearance observation and inspection of an outer surface but having difficulty in internal observation and inspection without using image recognition using radiation, ultrasonic waves, electromagnetic waves, etc. Also, be able to estimate accurately without relying on the experience of a skilled examiner. SOLUTION: Vibration applying means 1 for applying an impact to a striking point h, vibration measuring means 2a to 2d, structure model data output means 3 for producing structure models M1 to Mn, hitting data and structure data K1 to Kn Three-dimensional model analysis means 4 for receiving vibration analysis and generating a large amount of learning data L1 to Ln, learning data L1 to Ln are given in advance and optimized, and amplitude data Sa to Sd and time data Ta to Td An internal state estimation system comprising a neural network 5 and an internal structure display means 6 for receiving an input of the above and performing inverse analysis to estimate the internal structure of the three-dimensional structure. [Selected figure] Figure 1
Description
この発明は、長い期間にわたる使用や経年劣化による構造物の内部構造の変化及び構造物を構成する材料の変質、並びに設計時における構造と施工後における構造との差異等を精度良く推定できるようにするための内部状態推定システムに関する。 The present invention makes it possible to accurately estimate, for example, changes in the internal structure of a structure due to use over a long period of time or deterioration over time, deterioration of materials constituting the structure, and differences between the structure at the design time and the structure after construction. Internal state estimation system for
従来、構造物内部の状態を、その構造物を破壊せずに検査する方法としては、放射線、超音波、電磁波等を用いる方法が知られ、打音検査によって劣化度合いを推測することも行われている。
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、損傷程度や損傷位置の特定が困難という問題もある。
Conventionally, as a method of inspecting the state inside a structure without destroying the structure, a method using radiation, ultrasonic waves, electromagnetic waves, etc. is known, and estimation of the degree of deterioration is also carried out by tapping sound inspection. ing.
However, when the structure is large, it is difficult to see inside by radiation, and when the structure has a complicated shape or the material of the structure is altered, the inspection by ultrasonic waves or electromagnetic waves is accurate. Problems such as
In addition, since guessing by tapping sound inspection requires an experienced inspector, there is a problem that it takes labor and cost, and it takes time to train successors, and it is said that it is difficult to identify the degree of damage and the location of damage. There is also a problem.
特許文献１（特開２０１８−４１１７８号公報）には、地中の異常箇所を検出するために用いられる数百ＭＨｚ帯の電磁波による地中レーダの画像認識において、ニューラルネットワークによる機械判定が研究されている旨記載されており（特に、段落０００２〜０００３を参照）、そのために必要な大量の学習用データを高速で生成する方法として、解析モデルが用いられて指定周波数のプローブ波の対象系への入射及び対象系からの反射波の受信がシミュレーションされ、そのシミュレーションを高速の演算処理要素によって実行するものが記載されている（特に、段落００１３を参照）。
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。
Patent Document 1 (Japanese Patent Application Laid-Open No. 2018-41178) has studied machine determination by a neural network in image recognition of ground-penetrating radar by electromagnetic waves of several hundred MHz band used to detect an abnormal place in the ground. (See, in particular, paragraphs 0002 to 0003), an analysis model is used as a method of generating a large amount of learning data necessary for that at a high speed, and to the target system of the probe wave of the specified frequency. And the reception of the reflected wave from the target system are simulated, and it is described that the simulation is performed by a high-speed arithmetic processing element (in particular, see paragraph 0013).
However, this learning data generation method is applied to one that detects an abnormal part in the ground by image recognition of the ground radar.
特許文献２（特許第３７０５３５７号公報）には、構造物２に振動を与える加振部３と、与えた振動による応答を計測する計測部４と、計測部４で計測した結果から振動モードを求める実験モード解析部５と、振動モード解析の結果から損傷部などの変化の状態（変状）を推定する変状推定部６を備える健全度診断装置１であって、変状推定部６は構造物２をモデル化したものを解析して各モデルに対応した振動モードの固有振動数の理論値を算出する理論値算出部６１及び理論値と実験モード解析部５で求めた固有振動数の実測値とを適応条件に基づき評価する評価部６２とを有し最も適応するモデルから損傷場所を推定する点が記載されている（特に、段落００２５及び００３０を参照）。
また、特許文献３（特許第４０６９９７７号公報）は、特許文献２の健全度診断装置１の変状推定部６において、低次から高次までの振動モードにおける構造物の振動パラメータを、構造物の健全時の振動パラメータと比較して評価することにより、構造物の微小な変状による影響を検出することができる健全度診断システムを提供するものである。
しかし、特許文献２及び３記載の発明においては、理論値と実測値とを適切に評価して構造物の変状箇所を正確に推定することが容易ではないので、変状箇所推定の精度を高める工夫が必要である。
According to Patent Document 2 (Japanese Patent No. 3705357), the vibration mode is determined based on the result of measurement by the vibration unit 3 for giving vibration to the structure 2, the measurement unit 4 for measuring the response due to the given vibration, and the measurement unit 4 The soundness diagnosis apparatus 1 includes the experiment mode analysis unit 5 to be determined and the deformation estimation unit 6 that estimates the state (deformation) of a change such as a damaged part from the result of vibration mode analysis, and the deformation estimation unit 6 The theoretical value of the natural frequency of the vibration mode corresponding to each model is calculated by analyzing the modeled one of the structure 2, the theoretical value calculation unit 61 and the theoretical value of the natural frequency obtained by the experimental mode analysis unit 5 It is described that the damage location is estimated from the most adaptable model having an evaluation unit 62 which evaluates the actual measurement value based on the adaptation condition (in particular, refer to paragraphs 0025 and 0030).
Further, Patent Document 3 (Japanese Patent No. 4069977), in the deformation estimation unit 6 of the soundness level diagnosis device 1 of Patent Document 2, is configured to set the vibration parameters of the structure in the low to high vibration modes. The present invention provides a soundness level diagnosis system capable of detecting the influence of a minute deformation of a structure by evaluating the vibration parameter in the sound state of the above.
However, in the inventions described in Patent Documents 2 and 3, it is not easy to properly estimate the deformation site of the structure by appropriately evaluating the theoretical value and the actual measurement value. It is necessary to devise ways to enhance it.
本発明が解決しようとする課題は、外観の観察や外表面の検査はできるが内部の観察や検査を行うことが困難な三次元構造体における内部構造の変化や三次元構造体を構成する材料の変質を把握するために、そのような三次元構造体の内部状態（厚さや材料強度等）を、放射線、超音波、電磁波（地中レーダを含む）等を用いた画像認識によることなく、また、熟練した検査者の経験に頼ることなく、精度良く推定できるようにするための内部状態推定システムを提供することである。 The problem to be solved by the present invention is the change of the internal structure in the three-dimensional structure and the material constituting the three-dimensional structure which can observe the appearance and inspect the outer surface but it is difficult to observe and inspect the inside In order to understand the deterioration of the three-dimensional structure, such internal states (such as thickness and material strength) of the three-dimensional structure are not recognized by image recognition using radiation, ultrasonic waves, electromagnetic waves (including ground radar), etc. Another object of the present invention is to provide an internal state estimation system which enables accurate estimation without relying on the experience of a skilled examiner.
上記の課題を解決するための請求項１に係る発明は、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打撃点に所定方向から一定強度で単発の打撃を付加する振動付加手段と、
前記三次元構造体の外面に設けられた複数の振動計測点において、前記振動付加手段により打撃が付加された後における振幅量と、打撃を付加した時点から振動が到達するまでの伝達時間を計測し、それぞれの振幅データ及び時間データ又はそれぞれの固有振動数を出力する振動計測手段と、
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、
前記打撃点に付加される打撃の強度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振動計測点に対応する点における振動解析を行い、振動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振動解析により得られた複数の振動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、
前記振動付加手段により前記打撃点に打撃が付加された後において前記振動計測手段から出力された振幅データ及び時間データ又は固有振動数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。
The invention according to claim 1 for solving the above problems is an internal state estimation system for estimating an internal state of a three-dimensional structure,
Vibration applying means for applying a single impact with a constant strength from a predetermined direction to an impact point provided on the outer surface of the three-dimensional structure;
At a plurality of vibration measurement points provided on the outer surface of the three-dimensional structure, measure the amplitude amount after the impact is applied by the vibration applying means and the transmission time from when the impact is applied to when the vibration reaches Vibration measurement means for outputting respective amplitude data and time data or respective natural frequencies;
A structure model data output unit that generates a plurality of structure models with different internal states for the three-dimensional structure, and outputs structure data regarding the plurality of structure models;
In response to the plurality of vibration measurement points using numerical analysis means for each structure model in response to the impact strength data applied to the impact point and the structure data output from the structure model data output means Vibration analysis at a point is performed, and three-dimensional data is output as learning data, which is specific information for specifying a structural model as a target of vibration analysis and a plurality of vibration analysis data obtained by vibration analysis performed on the structural model. Model analysis means,
After the impact is applied to the impact point by the vibration adding means, the amplitude data and the time data or the natural frequency output from the vibration measuring means are received to perform reverse analysis and output internal state estimation information With neural networks,
It comprises an internal state display means for displaying the internal state of the three-dimensional structure in accordance with the internal state estimation information outputted from the neural network.
The neural network is characterized in that learning data on the large number of structure models output from the three-dimensional model analysis means is given in advance and optimized by self-learning.
上記の課題を解決するための請求項２に係る発明は、請求項１に係る発明の内部状態推定システムにおいて、前記振動計測手段は、計測した振幅量と伝達時間に基づいて振動波形を周波数変換し、少なくとも加速度のパワースペクトル密度が最大の周波数成分についての振幅量及び位相差を、それぞれ振幅データ及び時間データとして出力し、前記三次元モデル解析手段は、複数の振動解析データに代えて、複数の振動解析データを周波数変換し、少なくとも加速度のパワースペクトル密度が最大の周波数成分についての振幅量及び位相差を、振幅データ及び時間データの学習データとして出力することを特徴とする。 The invention according to claim 2 for solving the above-mentioned problems is the internal state estimation system according to the invention according to claim 1, wherein the vibration measuring means converts the frequency of the vibration waveform based on the measured amplitude amount and transmission time. And outputs the amplitude amount and the phase difference of at least the frequency component at which the power spectral density of the acceleration is maximum as amplitude data and time data, respectively, and the three-dimensional model analysis means substitutes a plurality of vibration analysis data, The frequency analysis of the vibration analysis data is performed, and the amplitude amount and the phase difference of at least the frequency component at which the power spectrum density of the acceleration is the largest is output as learning data of the amplitude data and the time data.
上記の課題を解決するための請求項３に係る発明は、請求項１に係る発明の内部状態推定システムにおいて、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の厚さ又は中実体内部の材料強度であることを特徴とする。 The invention according to claim 3 for solving the above-mentioned problems is the internal state estimation system according to the invention according to claim 1, wherein the three-dimensional structure is a solid body, and the internal state is a thickness of the solid body. Or, it is characterized by the material strength inside the solid body.
上記の課題を解決するための請求項４に係る発明は、請求項１に係る発明の内部状態推定システムにおいて、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。 The invention according to claim 4 for solving the above problems is the internal state estimation system according to the invention according to claim 1, wherein the three-dimensional structure is a hollow body, and the internal state is a wall of the hollow body. It is characterized in that it is thick.
請求項１に係る発明の内部状態推定システムは、振動付加手段により打撃点に打撃が付加された後において複数の振動計測点から出力された振幅データ及び時間データ又は固有振動数を、ニューラルネットワークに入力することによって逆解析を行い、内部状態推定情報を出力し、出力された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ているとともに、ニューラルネットワークは、三次元モデル解析手段から出力される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ので、外観の観察や外表面の検査はできるが内部の観察や検査を行うことが困難な構造体の内部状態を、放射線、超音波、電磁波等を用いた画像認識によることなく、また、熟練した検査者の経験に頼ることなく、精度良く推定することができる。 The internal state estimation system of the invention according to claim 1 is characterized in that the amplitude data and the time data or the natural frequency output from the plurality of vibration measurement points after the impact is applied to the impact point by the vibration addition means Reverse analysis is performed by inputting, internal state estimation information is output, and an internal state display means for displaying an internal state of the three-dimensional structure according to the output internal state estimation information is provided, and neural The network is pre-trained with learning data about a number of structure models output from the three-dimensional model analysis means, and is optimized by self-learning, so it is possible to observe the appearance and inspect the outer surface, but the inside The internal state of structures that are difficult to observe or inspect without using image recognition using radiation, ultrasonic waves, electromagnetic waves, etc. In addition, without having to resort to the skilled examiner experience, it can be accurately estimated.
請求項２に係る発明の内部状態推定システムは、請求項１に係る発明が奏する上記の効果に加え、振動計測手段が、計測した振幅量と伝達時間に基づいて振動波形を周波数変換し、少なくとも加速度のパワースペクトル密度が最大の周波数成分についての振幅量及び位相差を、それぞれ振幅データ及び時間データとして出力し、三次元モデル解析手段が複数の振動解析データを周波数変換し、少なくとも加速度のパワースペクトル密度が最大の周波数成分についての振幅量及び位相差を、振幅データ及び時間データの学習データとして出力するので、推定精度を低下させることなく学習データの量を低減することができる。 In the internal state estimation system of the invention according to claim 2, in addition to the above effect exhibited by the invention according to claim 1, the vibration measurement means frequency converts the vibration waveform based on the measured amplitude amount and transmission time, The amplitude amount and the phase difference for the frequency component with the largest power spectral density of acceleration are output as amplitude data and time data, respectively, the three-dimensional model analysis means frequency converts a plurality of vibration analysis data, and at least the power spectrum of acceleration. Since the amplitude amount and the phase difference for the frequency component with the largest density are output as learning data of amplitude data and time data, the amount of learning data can be reduced without reducing the estimation accuracy.
請求項３及び４に係る発明の内部状態推定システムは、請求項１に係る発明が奏する上記の効果に加え、請求項２においては中実体の厚さ又は中実体内部の材料強度について、請求項３においては空洞体の壁の厚さについて、精度良く推定することができる。 In the internal state estimation system of the invention according to claims 3 and 4, in addition to the above effects exhibited by the invention according to claim 1, claim 2 relates to the thickness of the solid body or the material strength inside the solid body. In No. 3, the thickness of the wall of the cavity can be accurately estimated.
以下、実施例によって、本発明の実施の形態を説明する。 Hereinafter, embodiments of the present invention will be described by way of examples.
図１は実施例１の内部状態推定システムのブロック図である。
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打撃点ｈに打撃を付加する振動付加手段１。
（２）構造体Ｃの外面に設けられた振動計測点ａに設置され、打撃点ｈに打撃Ｈが付加された後における振幅量と、打撃を付加した時点から振動が到達するまでの伝達時間を計測し、振幅データＳａ及び時間データＴａを出力する振動計測手段２ａ。
（３）構造体Ｃの外面に設けられた振動計測点ｂに設置され、打撃点ｈに打撃Ｈが付加された後における振幅量と、打撃を付加した時点から振動が到達するまでの伝達時間を計測し、振幅データＳｂ及び時間データＴｂを出力する振動計測手段２ｂ。
（４）構造体Ｃの外面に設けられた振動計測点ｃに設置され、打撃点ｈに打撃Ｈが付加された後における振幅量と、打撃を付加した時点から振動が到達するまでの伝達時間を計測し、振幅データＳｃ及び時間データＴｃを出力する振動計測手段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、打撃点ｈに打撃Ｈが付加された後における振幅量と、打撃を付加した時点から振動が到達するまでの伝達時間を計測し、振幅データＳｄ及び時間データＴｄを出力する振動計測手段２ｄ。
FIG. 1 is a block diagram of the internal state estimation system of the first embodiment.
As shown in FIG. 1, in the internal state estimation system according to the first embodiment, a bent structure C installed between a floor surface and a wall surface (specifically, the center line has an arc shape and the center line is It is for estimating the internal structure (the thickness of the pipe) of a hollow pipe having a circular cross section in orthogonal cross section, and is composed of the following means.
Although the outer surface of the structure C can be visually observed and the inner surface of the structure C can not be visually observed, the material of the tube and the shape of the inner wall at the time of installation (shown by dotted lines in FIG. 1) Part) shall be known.
(1) Vibration applying means 1 for applying an impact to an impact point h provided on the outer surface of the structure C.
(2) The vibration amount is provided at the vibration measurement point a provided on the outer surface of the structure C, and the amplitude amount after the impact H is applied to the impact point h, and the transmission time from when the impact is applied to when the vibration reaches Vibration measurement means 2a for measuring the amplitude data Sa and outputting the amplitude data Sa and the time data Ta.
(3) The vibration amount is provided at the vibration measurement point b provided on the outer surface of the structure C, and the amplitude amount after the impact H is applied to the impact point h, and the transmission time from when the impact is applied to when the vibration reaches Vibration measurement means 2b for measuring the amplitude data Sb and the time data Tb.
(4) The vibration amount is provided at the vibration measurement point c provided on the outer surface of the structure C, and the amplitude amount after the impact H is applied to the impact point h, and the transmission time from when the impact is applied to when the vibration reaches Vibration measurement means 2c for measuring the amplitude data Sc and outputting the time data Tc.
(5) A displacement measurement point d provided on the outer surface of the structure C, and an amplitude amount after the impact H is applied to the impact point h, and a transmission time from when the impact is applied to when the vibration reaches Vibration measuring means 2d for measuring the amplitude data Sd and outputting the time data Td.
（６）構造体Ｃについて、その内部構造が各々異なる構造体モデルＭ１〜Ｍｎを作成し、各構造体モデルに関する構造データＫ１〜Ｋｎを出力する構造体モデルデータ出力手段３。
（７）打撃点ｈに付加される打撃Ｈに関する打撃データ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振動計測点ａ〜ｄに対応する点における振動解析を行い、構造体モデルＭ１については、構造データＫ１と振動計測点ａ〜ｄに対応する点における振動解析により得られた振動解析データ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と振動計測点ａ〜ｄに対応する点における振動解析により得られた振動解析データＡａｎ〜Ａｄｎ（振幅データ及び時間データに対応する解析データ）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における振動計測点ａ〜ｄに対応する点の位置は、振動計測点ａ〜ｄと全て一致する。
（８）打撃点ｈに一定強度の打撃Ｈが付加された後において、振動計測手段２ａ〜２ｄから出力された振幅データＳａ〜Ｓｄ及び時間データＴａ〜Ｔｄ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。
(6) A structure model data output unit 3 that generates structure models M1 to Mn having different internal structures for the structure C, and outputs structure data K1 to Kn related to each structure model.
(7) Receiving impact data on impact H added to impact point h and structure data K1 to Kn output from structure model data output means 3, using numerical analysis means for each of structure models M1 to Mn Vibration analysis at a point corresponding to vibration measurement points a to d, and for structure model M1, vibration analysis data Aa1 to A obtained from vibration analysis at points corresponding to structure data K1 and vibration measurement points a to d Ad1 is output as learning data L1. Likewise, for structure model Mn, vibration analysis data Aan to Adn (amplitude data and amplitude data obtained by vibration analysis at points corresponding to structure data Kn and vibration measurement points a to d) 3D model analysis means 4 which outputs analysis data corresponding to time data as learning data Ln.
In addition, since the structure models M1 to Mn have the same outer shape as the structure C, the positions of points corresponding to the vibration measurement points a to d in the structure models M1 to Mn are the vibration measurement points a to d. All match.
(8) After the impact H having a constant strength is applied to the impact point h, the inverse analysis is performed in response to the input of the amplitude data Sa to Sd and the time data Ta to Td output from the vibration measuring means 2a to 2d. Neural network 5 for outputting internal structure estimation information.
(9) Internal structure display means 6 for displaying the internal structure of the structure C in accordance with the internal structure estimation information outputted from the neural network 5.
以下では、各手段について詳しく説明する。
（振動付加手段１）
打撃点ｈから任意の方向に打撃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、打撃点ｈ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の打撃点ｈ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、打撃の方向は中心軸の中央に向かう向きとなっている。
Each means will be described in detail below.
(Vibration addition means 1)
It is a means capable of applying an impact in any direction from the impact point h, and is usually installed on a wall or a column near the structure C.
Although the striking point h can be set at an arbitrary position of the structure C, it is better to set it at the center or near the center of gravity of the structure C in order to improve the estimation accuracy. Therefore, the impact point h in FIG. 1 is set at the outer central portion of the cross section passing through the central axis of the structure C, and the impact direction is directed toward the central axis.
（振動計測手段２ａ〜２ｄ）
振動計測手段２ａ〜２ｄは、構造体Ｃの任意の４点（ａ〜ｄ）に設置可能であり、打撃点ｈに打撃Ｈが付加された後において各点で計測された振幅量である振幅データＳａ〜Ｓｄと、打撃を付加した時点から振動が到達するまでの時間（位相差）である時間データＴａ〜Ｔｄを出力するものである。
なお、図１では、振動計測手段２ｂは打撃点ｈと同じ位置（非常に近い位置）に設置し、振動計測手段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打撃点ｈの上側及び下側に設置し、振動計測手段２ｄは同断面における内側中央部に設置している。
(Vibration measurement means 2a to 2d)
The vibration measuring means 2a to 2d can be installed at any four points (a to d) of the structure C, and an amplitude which is an amplitude amount measured at each point after the impact H is applied to the impact point h. Data Sa to Sd, and time data Ta to Td which are time (phase difference) from the time when the impact is applied to the time when the vibration arrives are output.
In FIG. 1, the vibration measuring means 2b is installed at the same position (very near position) as the striking point h, and the vibration measuring means 2a and 2c are at the striking point h outside the cross section passing through the central axis of the structure C. The vibration measuring means 2d is disposed at the upper side and the lower side, and is disposed at the inner central portion in the same cross section.
（構造体モデルデータ出力手段３）
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。
(Structure model data output means 3)
The structure model data output unit 3 references the shape of the inner wall at the time of installation (this is a portion shown by a dotted line in FIG. 1 and can usually be identified from the design drawing) as structure models M1 to Mn having different internal structures. As a result, various patterns are created in consideration of abrasion due to fluid flow inside the structure C, thickening due to deposits, and the like.
For example, all 17600 patterns of following (a)-(f) are mentioned.
(A) 200 patterns in which the thickness reduction amount is increased by 0.1 mm in a pattern in which the thickness of the tubular body is uniformly reduced from the reference thickness.
(B) In the pattern in which the decrease in inner thickness of the tube is (1-x) times the decrease in outer thickness, the decrease in outer thickness is increased by 0.1 mm 200 patterns (however, there are ten patterns of x, 0.1, 0.2, ..., 1, so a total of 2000 patterns).
(C) The thickness of the outer side of the tube is partially reduced, and the other part has the same pattern as the above (a) and (b) (the outer central portion is reduced as shown in FIG. 2 (1) In the pattern shown in FIG. 2 (2), the pattern in which the outer upper portion is reduced in half, and in the outer lower portion such as FIG. 2 (3) 200 patterns + 2000 patterns.
(D) 200 patterns in which the increase in thickness is increased by 0.1 mm in a pattern in which the thickness of the tubular body is uniformly increased from the reference thickness.
(E) 200 patterns in which the increase in outer thickness is increased by 0.1 mm in a pattern in which the increase in inner thickness of the tube is (1 + x) times the increase in outer thickness (However, since there are ten ways of x of 0.1, 0.2, ..., 1, 2000 patterns in total).
(F) The thickness of the outer side of the tubular body is unevenly increased, and the other parts have the same pattern as the above (d) and (e), and 200 patterns + 2000 patterns for the parts which are increased unevenly.
In the first embodiment, the tube is completely fixed to the floor and the wall, and the structure data K1 to Kn for each structure model are output, with the outer diameter of the pipe being 14 cm and the inner diameter being 8 cm.
（三次元モデル解析手段４）
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、所定の位置に打撃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）がどのように変動（振動）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、打撃点ｈに一定強度の打撃Ｈが付加された場合における計測点ａ〜ｄに対応する点の振動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。
(Three-dimensional model analysis means 4)
In the three-dimensional model analysis means 4 of the first embodiment, an analysis means by the finite element method (hereinafter referred to as "FEM analysis means") is used as a numerical analysis means.
According to the FEM analysis means, if a three-dimensional model is cut into meshes of many tetrahedra and conditions are defined and then analyzed, if an impact or vibration is added to a predetermined position, the three-dimensional model It is possible to calculate how any point (apex of any tetrahedron) fluctuates (oscillates).
Therefore, when structure model data M1 to Mn having different internal structures are created by the structure model data output unit 3 and the structure data K1 to Kn related to each structure model are output, for each of the structure models, the striking points are generated. Since vibration analysis data of points corresponding to the measurement points a to d in the case where the impact H of a fixed strength is applied to h can be obtained, a large amount of learning data L1 to Ln can be prepared in a short time.
（ニューラルネットワーク５）
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に振動計測手段２ａ〜２ｄから出力された振幅データＳａ〜Ｓｄ及び時間データＴａ〜Ｔｄ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。
(Neural network 5)
The neural network 5 is, as shown in FIG. 1, an input layer 5I, an output layer 50, a learning data storage means 5L, a learning data input means 5T for inputting a large amount of learning data L1 to Ln to the learning data storage means 5L and Constructed with multiple middle layers and more.
In addition, the intermediate layer is configured by combining various layers such as a convolution layer, a pooling layer, and an all coupling layer as needed.
Then, the neural network 5 is optimized by storing a large amount of learning data L1 to Ln in the learning data storage means 5L and making the learning data self learning. And 95% or more estimation accuracy can be obtained by using the parameter optimized by learning data of sufficient number (10,000 to several hundred according to the complexity of the shape of object).
Then, when the amplitude data Sa to Sd and the time data Ta to Td output from the vibration measuring means 2a to 2d are input to the input layer 5I, the neural network 5 performs reverse analysis to obtain the internal structure of the actual piping. Output internal structure estimation information close to the one with high accuracy.
（内部構造表示手段６）
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。
(Internal structure display means 6)
The internal structure display means 6 displays the internal structure of the structure C in accordance with the internal structure estimation information output from the neural network 5, and in the normal display mode, the cross section passing through the central axis of the structure C Display the status.
In addition, the aspect which displays the state of the cross section perpendicular | vertical to the central axis of the structure C for several places can also be selected.
図３は、実施例１の内部状態推定システムのアルゴリズムを示すフロー図であり、以下の手順（Ｔ１）〜（Ｔ４）で多数の学習データＬ１〜Ｌｎを生成し、ニューラルネットワーク５に蓄積して自己学習させた上で、手順（１）〜（６）で構造体Ｃの内部構造を推定し、推定した内部構造を表示する。
（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、打撃点ｈに付加される打撃Ｈに関する打撃データ及び各構造データＫ１〜Ｋｎに基づく振動解析を行い、振動計測点ａ〜ｄに対応する点の振動解析データ（振幅データ及び時間データに対応する解析データ）を出力する。
（Ｔ４）多数の学習データＬ１〜Ｌｎを生成し、ニューラルネットワーク５に蓄積する。
（１）構造体Ｃの打撃点ｈに所定方向から一定強度の打撃Ｈを付加する。
（２）振動計測点ａ〜ｄで打撃Ｈが付加された後における振幅データＳａ〜Ｓｄ及び時間データＴａ〜Ｔｄを計測する。
（３）振幅データＳａ〜Ｓｄ及び時間データＴａ〜Ｔｄ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、入力された振幅データＳａ〜Ｓｄ及び時間データＴａ〜Ｔｄ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。
FIG. 3 is a flow chart showing an algorithm of the internal state estimation system of the first embodiment, and a large number of learning data L1 to Ln are generated in the following procedures (T1) to (T4) and accumulated in the neural network 5 After self-learning, the internal structure of the structure C is estimated by procedures (1) to (6), and the estimated internal structure is displayed.
(T1) A number of structure models (M1 to Mn) are created based on the current state of the structure C, a design drawing and the like.
(T2) Create structure data K1 to Kn of each structure model.
(T3) Vibration analysis is performed based on the impact data on the impact H applied to the impact point h and the respective structure data K1 to Kn by the FEM analysis means, and the vibration analysis data of the point corresponding to the vibration measurement points a to d (amplitude Output analysis data corresponding to data and time data.
(T4) A large number of learning data L1 to Ln are generated and stored in the neural network 5.
(1) An impact H of constant strength is applied to the impact point h of the structure C from a predetermined direction.
(2) The amplitude data Sa to Sd and the time data Ta to Td after the impact H is applied at the vibration measurement points a to d are measured.
(3) The amplitude data Sa to Sd and the time data Ta to Td are sent to the neural network 5.
(4) The neural network 5 performs reverse analysis based on the input amplitude data Sa to Sd and time data Ta to Td.
(5) The internal structure estimation information is output by inverse analysis and sent to the internal structure display means 6.
(6) The internal structure display means 6 displays the internal structure based on the internal structure estimation information.
図４は実施例２の内部状態推定システムで解析対象となる鉄板を示す図である。
この鉄板は、幅１０００ｍｍ、高さ６００ｍｍ、厚さ３０ｍｍであり、図４の下端部は完全拘束されており、一側面は立壁に接していて見えないものとする。
打撃点ｈは左上隅とし、一定強度（１００Ｎ）で単発の打撃Ｈを上方向から付加する。
また、振動計測点は図４に○で示すように１１箇所とした。
なお、実施例２では解析対象が厚さ３０ｍｍの鉄板であるため、打撃Ｈの強度を１００Ｎとしたが、強度は解析対象の大きさや材質によって適宜変更する。
FIG. 4 is a view showing an iron plate to be analyzed by the internal state estimation system of the second embodiment.
This iron plate has a width of 1000 mm, a height of 600 mm, and a thickness of 30 mm. The lower end of FIG. 4 is completely restrained, and one side is in contact with the standing wall and can not be seen.
The impact point h is at the upper left corner, and a single impact H with a constant strength (100 N) is applied from above.
Further, the vibration measurement points were 11 places as shown by ○ in FIG.
In the second embodiment, the analysis target is an iron plate having a thickness of 30 mm, so the strength of the impact H is set to 100 N. However, the strength is appropriately changed according to the size and the material of the analysis target.
多数の構造体モデルを作成するに当たっては、鉄板の一側面における損傷位置と損傷の程度（板厚の減少量）を変えて行った。板厚の減少量は１０ｍｍ、１５ｍｍ、２０ｍｍ及び２５ｍｍの４通りを想定した。
損傷位置を特定するため、縦横１０ｍｍのメッシュを作成しておき、損傷の大きさは１０ｍｍ×３０ｍｍ、１０ｍｍ×５０ｍｍ、１０ｍｍ×７０ｍｍ、１０ｍｍ×９０ｍｍ、３０ｍｍ×１０ｍｍ、３０ｍｍ×３０ｍｍ、３０ｍｍ×５０ｍｍ、３０ｍｍ×７０ｍｍ、３０ｍｍ×９０ｍｍ、５０ｍｍ×１０ｍｍ、５０ｍｍ×３０ｍｍ、５０ｍｍ×５０ｍｍ、５０ｍｍ×７０ｍｍ、５０ｍｍ×９０ｍｍ、７０ｍｍ×１０ｍｍ、７０ｍｍ×３０ｍｍ、７０ｍｍ×５０ｍｍ、７０ｍｍ×７０ｍｍ、７０ｍｍ×９０ｍｍ、９０ｍｍ×１０ｍｍ、９０ｍｍ×３０ｍｍ、９０ｍｍ×５０ｍｍ、９０ｍｍ×７０ｍｍ、９０ｍｍ×９０ｍｍの２４通りとした。
これら２４通りの大きさの損傷について位置をずらして全ての構造体モデルを得るが、縦１０ｍｍの損傷が取り得る位置は６０×（９８＋９６＋９４＋９２）＝２２８００通り、縦３０ｍｍの損傷が取り得る位置は５８×（１００＋９８＋９６＋９４＋９２）＝２７８４０通り、縦５０ｍｍの損傷が取り得る位置は５６×（１００＋９８＋９６＋９４＋９２）＝２６８８０通り、縦７０ｍｍの損傷が取り得る位置は５４×（１００＋９８＋９６＋９４＋９２）＝２５９２０通り、縦９０ｍｍの損傷が取り得る位置は５２×（１００＋９８＋９６＋９４＋９２）＝２４９６０通りとなり、各位置について４通りの減少量を想定し、損傷のないモデルが１つあるので、全構造体モデルの数は５１３６０１通りとなる。
そして、実施例１と同様、各構造体モデルの構造データＫ１〜Ｋｎを作成し、打撃点ｈに一定強度の打撃Ｈを付加したものとして、ＦＥＭ解析手段により各振動計測点に対応する点の振動解析データを得た。
In order to create a large number of structural models, the damage position on one side of the steel plate and the degree of damage (reduction in thickness) were varied. The reduction amount of plate thickness assumed four kinds of 10 mm, 15 mm, 20 mm and 25 mm.
In order to identify the position of damage, a mesh of 10 mm in length and width is prepared, and the size of damage is 10 mm × 30 mm, 10 mm × 50 mm, 10 mm × 70 mm, 10 mm × 90 mm, 30 mm × 10 mm, 30 mm × 30 mm, 30 mm × 50 mm, 30 mm × 70 mm, 30 mm × 90 mm, 50 mm × 10 mm, 50 mm × 30 mm, 50 mm × 50 mm, 50 mm × 70 mm, 50 mm × 90 mm, 70 mm × 10 mm, 70 mm × 30 mm, 70 mm × 50 mm, 70 mm × 70 mm, 70 mm × 90 mm, 90 mm × 90 mm It was 24 ways of 10 mm, 90 mm × 30 mm, 90 mm × 50 mm, 90 mm × 70 mm, and 90 mm × 90 mm.
All structural models can be obtained by shifting the positions of these 24 types of damage, but the 10 mm long damage can be taken at 60 × (98 + 96 + 94 + 92) = 22800 positions, and the 30 mm long damage can be taken at 58 positions. × (100 + 98 + 96 + 94 + 92) = 27 840, the possible position of the 50 mm vertical damage is 56 × (100 + 98 + 96 + 94 + 92) = 26 880, the 70 mm vertical position can be 54 × (100 + 98 + 96 + 94 + 92) = 25 990, 90 mm vertical The obtained positions are 52 × (100 + 98 + 96 + 94 + 92) = 24960, and four reduction amounts are assumed for each position. Since there is one model without damage, the number of total structure models is 513,601.
Then, as in the first embodiment, the structure data K1 to Kn of each structure model are created, and the impact H having a constant strength is added to the impact point h, the point corresponding to each vibration measurement point by the FEM analysis means Vibration analysis data was obtained.
図５及び図６は、このような構造体モデルを用いて、打撃点ｈに一定強度の打撃Ｈを付加した直後の各振動計測点における振動解析データを示す図であり、図５は損傷のない構造体モデルについての振動解析データを示し、図６は図７に示すように、網掛けを付したメッシュ部分の板厚が１５ｍｍ減少している構造体モデルについての振動解析データを示している。
また、図８（ａ）及び（ｂ）の左上に示す図は、図５及び図６において太い線で囲まれた部分の拡大図、横長の図は、損傷のない構造体モデル及び損傷のある構造体モデルを用いて、打撃点ｈに一定強度の打撃Ｈを付加してしばらくした後の各振動計測点における振動解析データを示す図、右上に示す図は、横長の図において太い線で囲まれた部分の拡大図である。
図８（ａ）及び（ｂ）の左上及び右上に示す図を比較すると分かるように、損傷のある構造体モデルによる振動解析データは、損傷のない構造体モデルによる振動解析データとは異なる波形となるので、その違いによって損傷位置を推定することが可能となるが、生の波形データを用いるとデータ量が大きくなりすぎるので、フーリエ変換後の値を用いて推定することとした。
図９は、或る振動解析データをフーリエ変換して得られた周波数と加速度のパワースペクトル密度との関係を示すグラフであり、図１０は、同振動解析データをフーリエ変換して得られた周波数と位相との関係を示すグラフである。
これらのグラフから分かるように、加速度のパワースペクトル密度は周波数によって非常に大きな差があるので、その値の大きな方から９つの周波数成分のみについて、その振幅量及び打撃点と同じ位置の振動計測点（図１０では振動計測点(1)）において得られた振動との位相差を計算して、振幅データと時間データを得ることとした。
FIG. 5 and FIG. 6 are diagrams showing vibration analysis data at each vibration measurement point immediately after the impact H of constant strength is applied to the impact point h using such a structure model, and FIG. FIG. 6 shows the vibration analysis data for a structure model in which the thickness of the mesh portion with a mesh is reduced by 15 mm as shown in FIG. 7. .
Also, the diagrams shown in the upper left of FIGS. 8A and 8B are enlarged views of the portions surrounded by thick lines in FIGS. 5 and 6, and the horizontally elongated diagrams show a structure model without damage and damage. A figure showing vibration analysis data at each vibration measurement point after a while after applying an impact H of constant strength to the impact point h using a structure model, the figure shown in the upper right is surrounded by a thick line in the horizontally long figure Of the broken part.
As can be seen by comparing the diagrams shown in the upper left and upper right in FIGS. 8A and 8B, the vibration analysis data by the damaged structure model has a waveform different from the vibration analysis data by the undamaged structure model. Therefore, it is possible to estimate the damage position by the difference, but since the amount of data becomes too large if the raw waveform data is used, the estimation is made using the value after the Fourier transform.
FIG. 9 is a graph showing the relationship between the frequency obtained by Fourier transforming certain vibration analysis data and the power spectrum density of acceleration, and FIG. 10 is the frequency obtained by Fourier transforming the same vibration analysis data It is a graph which shows the relationship between and phase.
As can be seen from these graphs, the power spectral density of acceleration has a very large difference depending on the frequency, so the vibration measurement point at the same position as the amplitude amount and the striking point for only the nine frequency components from the larger one. The phase difference from the vibration obtained at the vibration measurement point (1) in FIG. 10 is calculated to obtain amplitude data and time data.
図１１は、実施例２の内部状態推定システムのアルゴリズムを示すフロー図であり、以下の手順（Ｔ１’）〜（Ｔ５’）で多数の学習データＬ１〜Ｌｎを生成し、ニューラルネットワーク５に蓄積して自己学習させた上で、手順（１’）〜（７’）で鉄板の内部構造を推定し、推定した内部構造を表示する。
（Ｔ１’）鉄板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、打撃点ｈに付加される打撃Ｈに関する打撃データ及び各構造データＫ１〜Ｋｎに基づく振動解析を行い、振動計測点(1)〜(11)に対応する点の振動解析データ（振幅データ及び時間データに対応する解析データ）を出力する。
（Ｔ４’）各構造体モデルについての振動解析データを高速フーリエ変換手段（ＦＦＴ）によって周波数変換し、加速度のパワースペクトル密度の大きな方から９つの周波数成分のみについて、その振幅量と位相差を出力する。
（Ｔ５’）出力された振幅量と位相差及び各構造体モデルの内部構造データに基づいて、多数の学習データＬ１〜Ｌｎ（振幅データ及び時間データと、板厚の減少量、損傷の大きさ及び損傷位置との組合せ）を生成し、ニューラルネットワーク５に蓄積する。
（１’）構造体Ｃの打撃点ｈに所定方向から一定強度の打撃Ｈを付加する。
（２’）振動計測点(1)〜(11)（(1)及び(11)は丸付き数字を示す。）で打撃Ｈが付加された後における振動を計測する。振幅データＳａ〜Ｓｄ及び時間データＴａ〜Ｔｄを計測する。
（３’）計測された振動データを高速フーリエ変換手段（ＦＦＴ）によって周波数変換し、加速度のパワースペクトル密度の大きい周波数について、それぞれ振幅データ及び時間データを出力する。
（４’）出力された振幅データＳ1〜Ｓ11及び時間データＴ1〜Ｔ11をニューラルネットワーク５に送る。
（５’）ニューラルネットワーク５は、入力された振幅データＳ1〜Ｓ11及び時間データＴ1〜Ｔ11に基づいて逆解析を行う。
（６’）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。
（７’）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。
なお、手順（Ｔ４’）で出力された１１箇所の振動計測点についての振動解析データ（周波数変換後の振幅量と位相差）のうち、９割の振動解析データを学習用に用い、残り１割の振動解析データは検証用とした。
FIG. 11 is a flowchart showing an algorithm of the internal state estimation system of the second embodiment, which generates a large number of learning data L1 to Ln by the following procedures (T1 ′) to (T5 ′) and stores them in the neural network 5. Then, after self-learning, the internal structure of the iron plate is estimated by procedures (1 ′) to (7 ′), and the estimated internal structure is displayed.
(T1 ') A large number of structure models (M1 to Mn) are created based on the current state of the iron plate and the design drawings and the like.
(T2 ') Create structure data K1 to Kn of each structure model.
(T3 ′) Vibration analysis is performed based on the impact data on the impact H applied to the impact point h and the structure data K1 to Kn by the FEM analysis means, and the points corresponding to the vibration measurement points (1) to (11) Vibration analysis data (analysis data corresponding to amplitude data and time data) is output.
(T4 ') Frequency analysis of vibration analysis data for each structure model is performed by the fast Fourier transform means (FFT), and the amplitude amount and the phase difference are output only for the nine frequency components from the larger one of the power spectrum density of acceleration. Do.
(T5 ′) A large number of learning data L1 to Ln (amplitude data and time data, reduction amount of plate thickness, damage size) based on the output amplitude amount and phase difference and internal structure data of each structure model And the combination with the damage position) and store it in the neural network 5.
(1 ') The impact H of constant strength is applied to the impact point h of the structure C from a predetermined direction.
(2 ') Vibration Measurement points (1) to (11) ((1) and (11) indicate circled numbers) measure the vibration after the impact H is applied. The amplitude data Sa to Sd and the time data Ta to Td are measured.
(3 ′) The measured vibration data is frequency-transformed by the fast Fourier transform means (FFT), and amplitude data and time data are output for each frequency having a large power spectral density of acceleration.
(4 ') The output amplitude data S1 to S11 and time data T1 to T11 are sent to the neural network 5.
(5 ') The neural network 5 performs reverse analysis based on the input amplitude data S1 to S11 and time data T1 to T11.
(6 ') The internal structure estimation information is output by inverse analysis and sent to the internal structure display means 6.
(7 ') The internal structure display means 6 displays the internal structure based on the internal structure estimation information.
Of the vibration analysis data (amplitude and phase difference after frequency conversion) for 11 vibration measurement points output in the procedure (T4 '), 90% of the vibration analysis data is used for learning, and the remaining 1 The relative vibration analysis data is for verification.
図１２は検証用の振動解析データのうちの２０個（２０組の振幅データ及び時間データ）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損傷程度及び損傷位置の推定結果を示す表である。
なお、解析値及び予測値に記載されている数値は、板厚の減少量、損傷の大きさ及び損傷位置の組み合わせに対して予め付してある数値である。
解析値と推定値を比較してみると、２０個中１９個は正解、１個が不正解であるが、不正解の１個についても、損傷の大きさは異なるものの板厚の減少量と損傷位置は一致しており、損傷の程度や位置を推定できていることが確認できた。
FIG. 12 is a table showing 20 results (20 sets of amplitude data and time data) of vibration analysis data for verification into a neural network, and estimation results of damage degree and damage position obtained by reverse analysis is there.
The numerical values described in the analysis value and the predicted value are numerical values previously given to combinations of the reduction in plate thickness, the size of damage, and the position of damage.
When comparing the analysis value and the estimated value, 19 out of 20 are correct and 1 is incorrect, but even for one incorrect solution, the amount of damage is different but the amount of reduction in thickness is It was confirmed that the location of the damage was consistent, and the extent and location of the damage could be estimated.
実施例の変形例を列記する。
（１）実施例１の内部状態推定システムは、中空の配管の内部構造（配管の減肉又は増肉）を推定するためのものであったが、配管の減肉又は増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（配管の減肉又は増肉）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。
The modification of an Example is listed.
(1) The internal state estimation system of the first embodiment is for estimating the internal structure of a hollow pipe (reduction or increase in thickness of the pipe), but the reduction is not limited to the reduction or increase in pipe. It may be used to estimate the material strength of Therefore, in the present specification, in place of the “internal structure” or the “internal structure...”, There are places where the “internal state” or the “internal state.
For example, in the case where the inside of the pipe is deteriorated, it is sufficient to create a large number of structure models in which the strength of a region at a predetermined depth from the inner surface of the pipe decreases and generate a large number of learning data.
(2) The internal state estimation system of the first embodiment is for estimating the internal structure (reduction or increase in thickness of the pipe) of the hollow pipe, but the hollow pipe is not limited to the hollow pipe, and the hollow portion is internally formed. The thickness of the wall of the hollow body can also be estimated by applying to a three-dimensional structure (hollow body) having.
（３）実施例２の内部状態推定システムは、鉄板の板厚の減少（損傷）を推定するためのものであったが、鉄板の板厚の減少や損傷に限らず、各種の材料で構成された中実の三次元構造体（中実体）に適用して、中実体の厚さの減少、損傷及び材料強度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) The internal state estimation system of the second embodiment is to estimate the reduction (damage) of the thickness of the iron plate, but is not limited to the reduction or damage of the thickness of the iron plate, and may be composed of various materials. The present invention can also be applied to solid three-dimensional structures (solid bodies) to estimate thickness reduction, damage and material strength of solid bodies.
In such a case, for example, in the case where reinforcement is included inside the solid body, a structure model in which the strength is reduced for part or all of the reinforcement, a structure model in which part of the reinforcement is not installed, and Create a structure model combining them and generate a large number of training data. In addition, in the case where the material around the reinforcing bar deteriorates, in addition to the strength of the reinforcing bar, a large number of structure models in which the material strength around the reinforcing bar is small may be created to generate a large number of learning data.
(4) In the internal state estimation system of the first and second embodiments, FEM analysis means is used to generate learning data and verification data. However, the present invention is not limited to FEM analysis means, and numerical analysis means based on difference method, boundary element method, etc. May be used.
（５）実施例２の内部状態推定システムにおいては、周波数変換後のデータについて、加速度のパワースペクトル密度の大きな方から９つの周波数成分のみについて、その振幅量及び打撃点と同じ位置の振動計測点において得られた振動との位相差（到達遅れ時間）を計算したが、位相差を計算する周波数成分の数は９つに限らず、６つでも３つでも良く、少なくとも加速度のパワースペクトル密度が最大の周波数成分について振幅量及び位相差を計算して学習データとすれば良い。
（６）実施例２の内部状態推定システムにおいては、２４通りの大きさの損傷が鉄板の１箇所に存在する多数の構造体モデルを作成したが、損傷が鉄板の２箇所以上に存在する多数の構造体モデルを作成し、各構造体モデルについての振動解析データを得るようにしても良い。
ただし、複数の損傷が存在する場合、膨大な組み合わせの構造体モデルが作成されることとなって、学習データの生成に多大な負荷がかかるため、損傷の大きさや存在位置を間引いて学習データを得るようにしても良い。
例えば、実施例２で用いた幅１０００ｍｍ、高さ６００ｍｍ、厚さ３０ｍｍの鉄板に２４通りの大きさ及び４種類の深さの損傷が２箇所に存在するとした場合でも、幅１０００ｍｍ、高さ６００ｍｍの平板を２００ｍｍ四方のエリアを１５分割し、各エリアの中心に２４通りの大きさの損傷が存在するものとして構造体モデルを作成すれば、全構造体モデルの数を抑えることができ、学習データの生成負荷を小さくすることができる。
この例の場合、全構造体モデルの数は、２４×４×２４×４×１５×１４÷２＝９６７６８０通りとなって、実施例２における５１３６０１通りの２倍以下に抑えられる。
(5) In the internal state estimation system of the second embodiment, with regard to the data after frequency conversion, vibration measurement points at the same position as the amplitude amount and the striking point for only nine frequency components from the larger one of the power spectrum density of acceleration. The phase difference (the arrival delay time) with the vibration obtained in () was calculated, but the number of frequency components for calculating the phase difference is not limited to nine, and may be six or three, and at least the power spectral density of acceleration is The amount of amplitude and the phase difference may be calculated for the maximum frequency component and used as learning data.
(6) In the internal state estimation system of the second embodiment, although a number of structural models in which 24 sizes of damage exist in one place of the iron plate were created, a large number of damages exist in two or more places of the iron plate The structural model of the above may be created, and vibration analysis data on each structural model may be obtained.
However, if there are multiple injuries, a huge number of combinations of structure models will be created, and the generation of learning data will be heavily burdened. You may get it.
For example, even if it is assumed that the iron plate of width 1000 mm, height 600 mm and thickness 30 mm used in Example 2 has damage of 24 sizes and 4 types of depth at two places, width 1000 mm, height 600 mm By dividing the 200 mm square area into 15 200 mm areas and creating a structure model on the assumption that 24 sizes of damage exist at the center of each area, the number of total structure models can be reduced, and learning can be performed. The data generation load can be reduced.
In the case of this example, the number of all structure models is 24 × 4 × 24 × 4 × 15 × 2 = 2 = 97680, which is suppressed to twice or less of 513601 in the second embodiment.
（７）実施例１及び２の内部状態推定システムでは、複数の振動計測点において、打撃点ｈに打撃Ｈが付加された後における振幅量と、打撃を付加した時点から振動が到達するまでの伝達時間を計測し、振幅データ及び時間データ（伝達時間又は位相差）に基づいて、構造体Ｃや鉄板の内部構造を推定したが、振幅データ及び時間データに代えて、複数の振動計測点において計測された振幅量と伝達時間から構造体Ｃや鉄板の固有振動数を計算し、その固有振動数に基づいて、構造体Ｃや鉄板の内部構造を推定するようにしても良い。
なお、固有振動数は、各振動計測点で得られた振動データを周波数変換し、大きな加速度のパワースペクトル密度が現れる周波数の間隔を平均して計算する。
例えば、図９の場合、固有振動数は９１０Ｈｚ前後となる。
また、当然ながら、固有振動数によって内部構造を推定する場合も、ＦＥＭ解析手段等の数値解析手段を用いて、各構造体モデルの固有振動数を求め、多数の学習データを生成し、予めニューラルネットワーク５に蓄積して最適化しておく必要がある。
(7) In the internal state estimation system of the first and second embodiments, the amplitude amount after the impact H is applied to the impact point h at a plurality of vibration measurement points, and the time from when the impact is applied until the vibration reaches. The transmission time was measured, and the internal structure of the structure C or iron plate was estimated based on the amplitude data and time data (transmission time or phase difference), but instead of the amplitude data and time data, a plurality of vibration measurement points The natural frequency of the structure C or iron plate may be calculated from the measured amplitude amount and transmission time, and the internal structure of the structure C or iron plate may be estimated based on the natural frequency.
The natural frequency is calculated by frequency-converting vibration data obtained at each vibration measurement point and averaging intervals of frequencies at which a power spectrum density of large acceleration appears.
For example, in the case of FIG. 9, the natural frequency is around 910 Hz.
Also, as a matter of course, even when the internal structure is estimated by the natural frequency, the natural frequency of each structure model is obtained using numerical analysis means such as FEM analysis means, and a large number of learning data are generated. It is necessary to accumulate in the network 5 and optimize it.
１ 振動付加手段 ２ａ〜２ｄ 振動計測手段
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 ５Ｌ 学習データ蓄積手段
５Ｏ 出力層 ５Ｔ 学習データ入力手段 ６ 内部構造表示手段
ａ〜ｄ 振動計測点 Ａａ１〜Ａｄ１，Ａａｎ〜Ａｄｎ 振動解析データ
Ｃ 構造体 ｈ 打撃点 Ｈ 打撃 Ｋ１〜Ｋｎ 構造データ
Ｌ１〜Ｌｎ 学習データ Ｍ１〜Ｍｎ 構造体モデル
Ｓａ〜Ｓｄ，Ｓ1〜Ｓ11 振幅データ Ｔａ〜Ｔｄ，Ｔ1〜Ｔ11 時間データ
DESCRIPTION OF SYMBOLS 1 vibration addition means 2a-2d vibration measurement means 3 structure model data output means 4 three-dimensional model analysis means 5 neural network 5I input layer 5L learning data storage means 5O output layer 5T learning data input means 6 internal structure display means ad Vibration measurement points Aa1 to Ad1 and Aan to Adn Vibration analysis data C Structure h Impact point H Impact K1 to Kn Structure data L1 to Ln Learning data M1 to Mn Structure model Sa to Sd, S1 to S11 Amplitude data Ta to Td, T1 to T11 time data
Claims (4)
前記三次元構造体の外面に設けられた打撃点に所定方向から一定強度で単発の打撃を付加する振動付加手段と、
前記三次元構造体の外面に設けられた複数の振動計測点において、前記振動付加手段により打撃が付加された後における振幅量と、打撃を付加した時点から振動が到達するまでの伝達時間を計測し、それぞれの振幅データ及び時間データ又はそれぞれの固有振動数を出力する振動計測手段と、
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、
前記打撃点に付加される打撃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振動計測点に対応する点における振動解析を行い、振動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振動解析により得られた複数の振動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、
前記振動付加手段により前記打撃点に打撃が付加された後において前記振動計測手段から出力された振幅データ及び時間データ又は固有振動数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。 An internal state estimation system for estimating the internal state of a three-dimensional structure, comprising:
Vibration applying means for applying a single impact with a constant strength from a predetermined direction to an impact point provided on the outer surface of the three-dimensional structure;
At a plurality of vibration measurement points provided on the outer surface of the three-dimensional structure, measure the amplitude amount after the impact is applied by the vibration applying means and the transmission time from when the impact is applied to when the vibration reaches Vibration measurement means for outputting respective amplitude data and time data or respective natural frequencies;
A structure model data output unit that generates a plurality of structure models with different internal states for the three-dimensional structure, and outputs structure data regarding the plurality of structure models;
At a point corresponding to the plurality of vibration measurement points using numerical analysis means for each structure model in response to the impact data added to the impact point and the structure data output from the structure model data output means Three-dimensional model analysis that outputs vibration analysis and specifies specific information that specifies a structural model that is the target of vibration analysis and a plurality of vibration analysis data obtained by vibration analysis performed on the structural model as learning data Means,
After the impact is applied to the impact point by the vibration adding means, the amplitude data and the time data or the natural frequency output from the vibration measuring means are received to perform reverse analysis and output internal state estimation information With neural networks,
It comprises an internal state display means for displaying the internal state of the three-dimensional structure in accordance with the internal state estimation information outputted from the neural network.
An internal state estimation system characterized in that the neural network is previously given learning data about the plurality of structure models output from the three-dimensional model analysis means, and is self-learned.
前記三次元モデル解析手段は、複数の振動解析データに代えて、複数の振動解析データを周波数変換し、少なくとも加速度のパワースペクトル密度が最大の周波数成分についての振幅量及び位相差を、振幅データ及び時間データの学習データとして出力する
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。 The vibration measurement means frequency-converts the vibration waveform based on the measured amplitude amount and transmission time, and at least the amplitude amount and the phase difference for the frequency component with the largest power spectrum density of acceleration as amplitude data and time data, respectively. Output
The three-dimensional model analysis means frequency-converts a plurality of vibration analysis data instead of the plurality of vibration analysis data, and at least an amplitude amount and a phase difference for a frequency component having the largest power spectral density of acceleration, amplitude data and The internal state estimation system according to claim 1, wherein the internal state estimation system is output as learning data of time data.
ことを特徴とする請求項１又は２記載の内部状態推定システム。 The internal state estimation system according to claim 1 or 2, wherein the three-dimensional structure is a solid body, and the internal state is a thickness of the solid body or a material strength inside the solid body.
ことを特徴とする請求項１又は２記載の内部状態推定システム。 The internal state estimation system according to claim 1 or 2, wherein the three-dimensional structure is a hollow body, and the internal state is a thickness of a wall of the hollow body.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018219597A JP6527999B1 (en) | 2018-11-22 | 2018-11-22 | Internal state estimation system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018219597A JP6527999B1 (en) | 2018-11-22 | 2018-11-22 | Internal state estimation system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6527999B1 true JP6527999B1 (en) | 2019-06-12 |
| JP2020085631A JP2020085631A (en) | 2020-06-04 |
Family
ID=66821542
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018219597A Active JP6527999B1 (en) | 2018-11-22 | 2018-11-22 | Internal state estimation system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6527999B1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111783616A (en) * | 2020-06-28 | 2020-10-16 | 北京瓦特曼科技有限公司 | Data-driven self-learning-based nondestructive testing method |
| CN113008995A (en) * | 2019-12-19 | 2021-06-22 | 恩德莱斯和豪斯集团服务股份公司 | System and method for monitoring the condition of objects comprised in a pipe system |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4069977B2 (en) * | 2003-04-01 | 2008-04-02 | 北海道ティー・エル・オー株式会社 | Structure health diagnosis system |
| JP4241818B2 (en) * | 2006-12-14 | 2009-03-18 | パナソニック電工株式会社 | Internal inspection device |
| JP6751937B2 (en) * | 2016-07-14 | 2020-09-09 | 株式会社ポート電子 | Tapping sound diagnostic device and diagnostic method |
-
2018
- 2018-11-22 JP JP2018219597A patent/JP6527999B1/en active Active
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113008995A (en) * | 2019-12-19 | 2021-06-22 | 恩德莱斯和豪斯集团服务股份公司 | System and method for monitoring the condition of objects comprised in a pipe system |
| CN111783616A (en) * | 2020-06-28 | 2020-10-16 | 北京瓦特曼科技有限公司 | Data-driven self-learning-based nondestructive testing method |
| CN111783616B (en) * | 2020-06-28 | 2024-03-26 | 北京瓦特曼科技有限公司 | Nondestructive testing method based on data-driven self-learning |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020085631A (en) | 2020-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5466950B2 (en) | Ultrasonic surface monitoring method | |
| He et al. | Structural response reconstruction based on empirical mode decomposition in time domain | |
| JP6527999B1 (en) | Internal state estimation system | |
| JP5875152B2 (en) | Diagnosis method of obstructed foreign matter in piping | |
| JP6440892B1 (en) | Internal state estimation system | |
| WO2010011140A2 (en) | Corrosion monitoring | |
| RU2502993C2 (en) | Ultrasonic modelling | |
| JP2015087172A (en) | Structure diagnosis apparatus, structure diagnosis method, and program | |
| JP4526046B1 (en) | Inspection method using guide waves | |
| JP2012237561A (en) | Inspection device | |
| JP4475477B1 (en) | Inspection method using guide waves | |
| EP3023779B1 (en) | Method of determining the magnitude of a field variable of an energy wave | |
| JP5964882B2 (en) | Axial force measuring device and axial force measuring method | |
| JP6917937B2 (en) | Evaluation method and evaluation device for sound field simulation by active noise control | |
| Kocsis | Modeling and vibration analysis of limescale deposition in geothermal pipes | |
| KR101173956B1 (en) | Method for strain measurement using multi-array ultrasonic sensor | |
| JP2016085035A (en) | Metal pipe corrosion state evaluation method, and metal pipe corrosion state evaluation device used therein | |
| Liem et al. | Improvement of acoustic and vibration models by transient simulations | |
| Belšak et al. | Analysis of vibrations and noise to determine the condition of gear units | |
| JP2019039786A (en) | Estimation method of wave propagation time | |
| Belšak et al. | Analysis of Vibrations and Noise to Determine the Condition of Gear Units | |
| Belšak et al. | Analysis of noise sources produced by faulty small gear units | |
| Bischoff et al. | Study of Mode Conversion at Defects in Rope Structures using Ultrasonic Waves |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181122 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190206 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190423 |
|
| 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: 20190507 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190513 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6527999 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 |