JP6672101B2 - プログラム、及び類否判定装置 - Google Patents
プログラム、及び類否判定装置 Download PDFInfo
- Publication number
- JP6672101B2 JP6672101B2 JP2016149154A JP2016149154A JP6672101B2 JP 6672101 B2 JP6672101 B2 JP 6672101B2 JP 2016149154 A JP2016149154 A JP 2016149154A JP 2016149154 A JP2016149154 A JP 2016149154A JP 6672101 B2 JP6672101 B2 JP 6672101B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- measurement data
- value
- measurement
- time
- 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.)
- Expired - Fee Related
Links
- 238000005259 measurement Methods 0.000 claims description 198
- 238000004364 calculation method Methods 0.000 claims description 66
- 230000008859 change Effects 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 30
- 238000012544 monitoring process Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 25
- 238000004458 analytical method Methods 0.000 claims description 21
- 239000002131 composite material Substances 0.000 claims description 18
- 238000000491 multivariate analysis Methods 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 27
- 230000029052 metamorphosis Effects 0.000 description 20
- 238000004891 communication Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 239000011159 matrix material Substances 0.000 description 9
- 238000000513 principal component analysis Methods 0.000 description 7
- 230000001419 dependent effect Effects 0.000 description 6
- 238000013480 data collection Methods 0.000 description 5
- 208000024891 symptom Diseases 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000001394 metastastic effect Effects 0.000 description 1
- 206010061289 metastatic neoplasm Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Landscapes
- Arrangements For Transmission Of Measured Signals (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
コンピュータに、計測位置別の時系列の計測データ群(例えば、図9の計測データ群306)と、変状の発生に至ったときの時系列の基準計測データ群(図12の基準計測データ群318)との類否を判定させるためのプログラムであって、
1)前記基準計測データ群のデータと、2)前記基準計測データ群のうちの特定計測位置の計測データとその他の計測位置それぞれの計測データとの依存関係を各時刻時点について算出する所定の依存関係算出処理を実行して、当該依存関係を表す指標値のデータである基準データ(例えば、図12の基準データ320)と、3)各時刻時点の前記基準データについて所定の多変量解析を行って求めた合成変数の算出関数のデータ(例えば、図12の第1主成分係数322)と、4)前記算出関数に基づく前記基準データの各時刻時点の合成変数値(以下「第1の基準値」という)のデータ(例えば、図12の第1主成分得点324)とを記憶する記憶手段(例えば、図9の記憶部300)、
前記計測データ群のうちの一の計測位置の計測データとその他の計測位置それぞれの計測データとの依存関係を各時刻時点について算出する前記依存関係算出処理を実行して、当該依存関係を表す指標値のデータである判定対象データ(例えば、図6の判定対象データDβ)を算出する判定対象データ算出手段(例えば、図9の判定対象データ算出部206)、
前記3)の算出関数に基づく前記判定対象データの各時刻時点の合成変数値(以下「第1の判定対象値」という)(例えば、図6の第1主成分得点Sβ)を求める第1の解析手段(例えば、図9の第1の解析部208)、
前記第1の基準値の時系列変化と前記第1の判定対象値の時系列変化との第1の相関値(例えば、図7の第1の相関値M1)を算出する第1の相関値算出手段(例えば、図9の第1の相関値算出部210)、
前記第1の相関値を用いて、前記一の計測位置を判定対象位置とした場合の前記計測データ群と前記基準計測データ群との類否を判定する判定手段(例えば、図9の類否判定部216)、
として前記コンピュータを機能させるためのプログラム(例えば、図9の予兆検知プログラム302)である。
計測位置別の時系列の計測データ群と、変状の発生に至ったときの時系列の基準計測データ群との類否を判定する類否判定装置(例えば、図9の予兆検知装置10)であって、
1)前記基準計測データ群のデータと、2)前記基準計測データ群のうちの特定計測位置の計測データとその他の計測位置それぞれの計測データとの依存関係を各時刻時点について算出する所定の依存関係算出処理を実行して、当該依存関係を表す指標値のデータである基準データと、3)各時刻時点の前記基準データについて所定の多変量解析を行って求めた合成変数の算出関数のデータと、4)前記算出関数に基づく前記基準データの各時刻時点の合成変数値(以下「第1の基準値」という)のデータとを記憶する記憶手段と、
前記計測データ群のうちの一の計測位置の計測データとその他の計測位置それぞれの計測データとの依存関係を各時刻時点について算出する前記依存関係算出処理を実行して、当該依存関係を表す指標値のデータである判定対象データを算出する判定対象データ算出手段と、
前記3)の算出関数に基づく前記判定対象データの各時刻時点の合成変数値(以下「第1の判定対象値」という)を求める第1の解析手段と、
前記第1の基準値の時系列変化と前記第1の判定対象値の時系列変化との第1の相関値を算出する第1の相関値算出手段と、
前記第1の相関値を用いて、前記一の計測位置を判定対象位置とした場合の前記計測データ群と前記基準計測データ群との類否を判定する判定手段と、
を備えた類否判定装置を構成しても良い。
各時刻時点の前記判定対象データについて前記多変量解析を行って合成変数の算出関数(例えば、図8の第1主成分係数Cβ)を求め、当該算出関数に基づく前記基準データの各時刻時点の合成変数値(以下「第2の基準値」という)(例えば、図8の第1主成分得点Sα)と、当該算出関数に基づく前記判定対象データの各時刻時点の合成変数値(以下「第2の判定対象値」という)(例えば、図8の第1主成分得点Sβ)とを求める第2の解析手段(例えば、図9の第2の解析部212)、
前記第2の基準値の時系列変化と前記第2の判定対象値の時系列変化との第2の相関値を算出する第2の相関値算出手段(例えば、図9の第2の相関値算出部214)、
として前記コンピュータを更に機能させ、
前記判定手段は、前記第1の相関値および前記第2の相関値を用いて類否を判定する、
プログラムを構成しても良い。
前記判定手段は、前記第1の基準値と前記第1の判定対象値との差を更に用いて、類否を判定する、
プログラムを構成しても良い。
前記基準計測データ群は、所定期間のデータ群であり、
前記計測データ群は、前記所定期間より長い期間のデータ群であり、
前記計測データ群から前記所定期間に対応する長さのデータ群を抽出することと、当該抽出したデータ群について、前記判定対象データ算出手段、前記第1の解析手段、前記第1の相関値算出手段、及び前記判定手段に処理させることとを、抽出時期を変化させて繰り返し実行する繰り返し制御手段、
として前記コンピュータを機能させるためのプログラムを構成しても良い。
前記基準計測データ群は、監視対象物に対する計測位置の分散配置をモデル化することで計測位置を低減させたデータ群であり、
前記監視対象物に対する計測位置別の時系列の監視対象計測データ群を入力する入力手段、
計測位置の数を前記基準計測データ群に合わせるように、前記監視対象計測データ群の計測データを前記モデル化に基づいて縮約して前記計測データ群を生成するデータ縮約手段、
として前記コンピュータを機能させるためのプログラムを構成しても良い。
図1は、本実施形態の予兆検知システム1の構成の一例を示す図である。図1によれば、予兆検知システム1は、通信回線Nを介してデータ通信可能に接続された類否判定装置である予兆検知装置10、及び、中継装置20と、中継装置20へ計測データを出力する複数のセンサGと、を備える。
予兆検知システム1は、所定の計測周期でセンサGによる計測を実行して計測データを時系列に保存する。そして、所定の判定周期(本実施形態では、計測周期に等しいこととする)で、保存した時系列の計測データを用いて、トンネル6の内壁崩落(変状)の予兆検知の判定を行う。
図9は、予兆検知装置10の機能構成図である。図9によれば、予兆検知装置10は、操作部102と、表示部104と、音声出力部106と、通信部108と、処理部200と、記憶部300とを備えて構成されるコンピュータシステムである。
また、記憶部300には、予兆検知プログラム302と、センサDB304と、計測データ群306と、変状予兆パターンデータ310と、依存関係データ330と、類否判定結果データ332と、が記憶される。
図14は予兆検知処理の流れを説明するフローチャートであり、図15は予兆検知処理においてサブルーチンとして実行される類否判定処理の流れを説明するフローチャートである。これらの処理は、処理部200が予兆検知プログラム302を実行することで実現される。
このように、本実施形態の予兆検知システム1によれば、トンネル6の内壁に分散配置した多数のセンサGの計測データ間の依存関係に基づき、過去に発生した内壁崩落(変状)の発生直前までの基準計測データ群との類否を判定することで、内壁崩落(変状)の予兆を検知することができる。
なお、本発明の適用可能な実施形態は上述の実施形態に限定されることなく、本発明の趣旨を逸脱しない範囲で適宜変更可能なのは勿論である。
基準データDαと判定対象データDβとが類似するか否かの判定(類否判定)として、上述の実施形態では、第1の相関値M1、及び、第2の相関値M2を用いて判定したが、第2の相関値を用いず、基準データDαの時系列の第1主成分得点Sα(第1の基準値)と、判定対象データDβの時系列の第1主成分得点Sβ(第1の判定対象値)との差を用いることとしても良い。
また、上述の実施形態では、計測データ群306から、変状予兆パラメータにおける基準センサαと他の各センサGとの時系列の依存関係のデータを抽出して判定対象データDβを算出することとした。つまり、過去に変状の予兆を検知したセンサ(基準センサα)に着目して、同様の変状の予兆を検知したかを判定することとした。これを、基準センサαとは別の任意のセンサGについての依存関係のデータを抽出して、判定対象データDβを算出することとしても良い。
また、上述の実施形態では、主成分分析として第1主成分についてのみ行うこととしたが、第2主成分、第3主成分、・・といった他の主成分についても行うこととしても良い。具体的には、第1主成分と同様に、主成分毎に主成分係数Cを算出して主成分得点Sを求め、これらの主成分別の主成分得点を乗算した乗算値を算出する。そして、この乗算値に基づいて相関値(第1の相関値M1、第2の相関値M2)を求めることとすれば良い。
また、上述の実施形態では、基準データDαや判定対象データDβに対して行う多変量解析として主成分分析を行うこととしたが、これ以外の分析手法としても良い。
上述の実施形態では、監視対象物であるトンネル6の内壁に配置した多数のセンサGの計測データに基づき、基準データとなる変状予兆パターンを作成・記憶しておくこととした。これを、監視対象物であるトンネル6の内壁を模した小型内壁面モデルを用いた試験によって得られた計測データをもとに、基準データとなる変状予兆パターンを作成することとしても良い。
また、上述の実施形態では、監視対象物を鉄道のトンネル6の内壁としたが、橋梁といった構造物としても良いし、線路に係る斜面や線路脇の山の斜面、自動車道の車道に係る斜面、河川の防波堤に係る斜面としても良い。
上述の実施形態では、センサGを3軸加速度センサとしたが、変位センサや振動センサ、角速度センサ、温度センサ、照度センサ、歪みセンサ、ジャイロセンサといった、監視対象物に応じた任意の物理量を計測するセンサを用いることができる。
10 予兆検知装置
102 操作部、104 表示部、106 音声出力部、108 通信部
200 処理部
202 計測データ収集制御部、204 依存関係算出部
206 判定対象データ算出部、208 第1の解析部
210 第1の相関値算出部、212 第2の解析部
214 第2の相関値算出部、216 類否判定部
218 計時部
300 記憶部
302 予兆検知プログラム、304 センサDB
306 計測データ群、310 変状予兆パターンデータ
330 依存関係データ、332 類否判定結果データ
20 中継装置
G センサ
N 通信回線
4 線路、6 斜面
8 小型内壁面モデル
Claims (5)
- コンピュータに、計測位置別の時系列の計測データ群と、変状の発生に至ったときの時系列の基準計測データ群との類否を判定させるためのプログラムであって、
前記基準計測データ群は、監視対象物に対して分散配置されたN箇所の計測位置を配置位置に応じた所定のグループ分けとしてモデル化した各グループに対応するM箇所分(N>M)の計測データであり、
1)前記基準計測データ群のデータと、2)前記基準計測データ群の計測データ間の依存関係を各時刻時点について算出する所定の依存関係算出処理を実行して求めた、当該依存関係を表す指標値のデータである基準データと、3)各時刻時点の前記基準データについて所定の多変量解析を行って求めた合成変数の算出関数のデータと、4)前記算出関数に基づく前記基準データの各時刻時点の合成変数値(以下「第1の基準値」という)のデータとを記憶する記憶手段、
前記監視対象物に対するN箇所の計測位置別の時系列の監視対象計測データ群を入力する入力手段、
前記監視対象計測データ群のN箇所の計測データを前記グループ分けに基づいてM箇所分の計測データに統計処理することで前記計測データ群を生成するデータ縮約手段、
前記データ縮約手段により生成された計測データ群の計測データ間の依存関係を各時刻時点について算出する前記依存関係算出処理を実行して、当該依存関係を表す指標値のデータである判定対象データを算出する判定対象データ算出手段、
前記3)の算出関数に基づく前記判定対象データの各時刻時点の合成変数値(以下「第1の判定対象値」という)を求める第1の解析手段、
前記第1の基準値の時系列変化と前記第1の判定対象値の時系列変化との第1の相関値を算出する第1の相関値算出手段、
前記第1の相関値を用いて前記計測データ群と前記基準計測データ群との類否を判定する判定手段、
として前記コンピュータを機能させるためのプログラム。 - 各時刻時点の前記判定対象データについて前記多変量解析を行って合成変数の算出関数を求め、当該算出関数に基づく前記基準データの各時刻時点の合成変数値(以下「第2の基準値」という)と、当該算出関数に基づく前記判定対象データの各時刻時点の合成変数値(以下「第2の判定対象値」という)とを求める第2の解析手段、
前記第2の基準値の時系列変化と前記第2の判定対象値の時系列変化との第2の相関値を算出する第2の相関値算出手段、
として前記コンピュータを更に機能させ、
前記判定手段は、前記第1の相関値および前記第2の相関値を用いて類否を判定する、
請求項1に記載のプログラム。 - 前記判定手段は、前記第1の基準値と前記第1の判定対象値との差を更に用いて、類否を判定する、
請求項1に記載のプログラム。 - 前記基準計測データ群は、所定期間のデータ群であり、
前記計測データ群は、前記所定期間より長い期間のデータ群であり、
前記計測データ群から前記所定期間に対応する長さのデータ群を抽出することと、当該抽出したデータ群について、前記判定対象データ算出手段、前記第1の解析手段、前記第1の相関値算出手段、及び前記判定手段に処理させることとを、抽出時期を変化させて繰り返し実行する繰り返し制御手段、
として前記コンピュータを機能させるための請求項1〜3の何れか一項に記載のプログラム。 - 計測位置別の時系列の計測データ群と、変状の発生に至ったときの時系列の基準計測データ群との類否を判定する類否判定装置であって、
前記基準計測データ群は、監視対象物に対して分散配置されたN箇所の計測位置を配置位置に応じた所定のグループ分けとしてモデル化した各グループに対応するM箇所分(N>M)の計測データであり、
1)前記基準計測データ群のデータと、2)前記基準計測データ群の計測データ間の依存関係を各時刻時点について算出する所定の依存関係算出処理を実行して求めた、当該依存関係を表す指標値のデータである基準データと、3)各時刻時点の前記基準データについて所定の多変量解析を行って求めた合成変数の算出関数のデータと、4)前記算出関数に基づく前記基準データの各時刻時点の合成変数値(以下「第1の基準値」という)のデータとを記憶する記憶手段と、
前記監視対象物に対するN箇所の計測位置別の時系列の監視対象計測データ群を入力する入力手段と、
前記監視対象計測データ群のN箇所の計測データを前記グループ分けに基づいてM箇所分の計測データに統計処理することで前記計測データ群を生成するデータ縮約手段と、
前記データ縮約手段により生成された計測データ群の計測データ間の依存関係を各時刻時点について算出する前記依存関係算出処理を実行して、当該依存関係を表す指標値のデータである判定対象データを算出する判定対象データ算出手段と、
前記3)の算出関数に基づく前記判定対象データの各時刻時点の合成変数値(以下「第1の判定対象値」という)を求める第1の解析手段と、
前記第1の基準値の時系列変化と前記第1の判定対象値の時系列変化との第1の相関値を算出する第1の相関値算出手段と、
前記第1の相関値を用いて前記計測データ群と前記基準計測データ群との類否を判定する判定手段と、
を備えた類否判定装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016149154A JP6672101B2 (ja) | 2016-07-29 | 2016-07-29 | プログラム、及び類否判定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016149154A JP6672101B2 (ja) | 2016-07-29 | 2016-07-29 | プログラム、及び類否判定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018018359A JP2018018359A (ja) | 2018-02-01 |
JP6672101B2 true JP6672101B2 (ja) | 2020-03-25 |
Family
ID=61076326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016149154A Expired - Fee Related JP6672101B2 (ja) | 2016-07-29 | 2016-07-29 | プログラム、及び類否判定装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6672101B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7195526B2 (ja) * | 2018-08-27 | 2022-12-26 | 国立大学法人大阪大学 | 構造物の点検システム及び構造物の点検方法 |
-
2016
- 2016-07-29 JP JP2016149154A patent/JP6672101B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2018018359A (ja) | 2018-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khatir et al. | Structural health monitoring using modal strain energy damage indicator coupled with teaching-learning-based optimization algorithm and isogoemetric analysis | |
Zhou et al. | Strain gauge placement optimization for structural performance assessment | |
Lu et al. | A two-step approach for crack identification in beam | |
KR101623693B1 (ko) | 변형 해석 장치, 변형 해석 방법 및 프로그램을 기록한 기록 매체 | |
Aloisio et al. | Assessment of structural interventions using Bayesian updating and subspace-based fault detection methods: The case study of S. Maria di Collemaggio basilica, L’Aquila, Italy | |
Zhu et al. | A rapid structural damage detection method using integrated ANFIS and interval modeling technique | |
JP6053487B2 (ja) | 時系列データ処理装置、時系列データ処理方法及び時系列データ処理プログラム | |
KR20170053692A (ko) | 커널 회귀 모델의 앙상블을 위한 장치 및 방법 | |
JPWO2016147657A1 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
JP6618846B2 (ja) | 管理装置および制御方法 | |
JP6672101B2 (ja) | プログラム、及び類否判定装置 | |
Azam et al. | Output-only schemes for joint input-state-parameter estimation of linear systems | |
JP2018194497A (ja) | 気象予測システム、気象予測方法、気象予測プログラム | |
JP7175250B2 (ja) | 水位予測装置、水位予測方法及び水位予測プログラム | |
JP7165108B2 (ja) | 作業訓練システム及び作業訓練支援方法 | |
JP2008256474A (ja) | 内部残留応力推定方法およびシステム | |
Ostermann et al. | Detecting structural changes with ARMA processes | |
CN114088144B (zh) | 一种明渠的流量测量方法、系统、设备及存储介质 | |
Nalepa et al. | Kalman Filter estimation of angular acceleration | |
CN112946735B (zh) | 基于微震监测系统的落石冲击定位方法及装置 | |
JP7207531B2 (ja) | 経路別交通量推定装置、経路別交通量推定方法、及び経路別交通量推定プログラム | |
Vodenčarević et al. | Data analytics for manufacturing systems | |
JP6253838B1 (ja) | 行動ログ生成方法、行動ログ生成装置及び行動ログ生成プログラム | |
JP2019046174A5 (ja) | ||
WO2016163008A1 (ja) | 異常診断装置および異常診断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181010 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190809 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190827 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191007 |
|
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: 20200225 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200304 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6672101 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |