JP7259796B2 - 加圧検査方法および加圧検査装置 - Google Patents

Description

本発明は、ライナとライナの外面を覆う繊維強化樹脂層とを備えた高圧タンクの加圧検査方法および加圧検査装置に関する。

従来、液体を収容するタンクの検査方法として、ＡＥ（アコースティックエミッション）法を用いた検査方法が知られている（例えば特許文献１参照）。特許文献１には、検査部位についてのＡＥ検出曲線を経時的に取得し、ＡＥ検出曲線の内亀裂進行により発せられるＡＥに対応する特定周波数帯でのＡＥカウント数に基づき疲労亀裂の発生、亀裂進展状態を判断する検査方法が記載されている。

特開２０１１－１０２７００号公報

ところで、ライナとライナの外面を覆う繊維強化樹脂層とを備えた高圧タンクでは、製造後（出荷前）に耐圧試験が行われる。この耐圧試験では、常用範囲の上限値の１．５倍まで高圧タンクの内部の圧力を増加させる。耐圧試験を合格した高圧タンクは、車両等に搭載されて使用される。そして、高圧タンクは、内部への気体の充填および放出を繰り返して使用される。耐圧試験を合格した高圧タンクは、一定の保証期間が経過すると車検時等に再検査されるが、この再検査は、外観検査およびガス漏れ検査によって行われる。

高圧タンクの再検査方法として、高圧タンクの劣化の有無をより正確に判定することが望まれる。なお、特許文献１に記載の検査方法は、使用時の圧力よりも高い圧力まで内部の圧力を増加させたタンクに対して行うものではないため、タンクの劣化の有無をより正確に判定することはできない。

本発明は、このような点を鑑みてなされたものであり、高圧タンクの劣化の有無をより正確に判定することが可能な加圧検査方法および加圧検査装置を提供することを課題とする。

本発明に係る加圧検査方法は、ライナと前記ライナの外面を覆う繊維強化樹脂層とを含むとともに耐圧試験圧力で耐圧試験を行った後、内部への気体の充填および放出を繰り返すことにより使用された高圧タンクの加圧検査方法であって、前記耐圧試験圧力よりも低い検査圧力まで、気体を充填して前記高圧タンクの内部の圧力を増加させることにより、前記高圧タンクでクラックが発生したときに生じるＡＥ波を検出するＡＥセンサの出力波形から複数のＡＥ波形を抽出し、前記抽出したＡＥ波形に基づいて、前記高圧タンクの劣化の有無を判定する。

なお、本明細書および特許請求の範囲において、ＡＥとは、アコースティックエミッションの略であり、材料や構造物などが破壊や変形する際にエネルギを弾性波として放出する現象のことを言う。また、ＡＥ波とは、材料や構造物などが破壊や変形する際に放出される弾性波のことを言う。また、ＡＥセンサとは、ＡＥの発生に伴い生じる弾性波（ＡＥ波）を検出するセンサのことを言う。

本発明の加圧検査方法によれば、耐圧試験時の前記耐圧試験圧力よりも低い検査圧力まで、前記高圧タンクの内部の圧力を増加させることにより、前記高圧タンクで発生したＡＥ波を検出するＡＥセンサの出力波形から複数のＡＥ波形を抽出し、前記抽出したＡＥ波形に基づいて、前記高圧タンクの劣化の有無を判定する。高圧タンクの内部の圧力を増加させる耐圧試験を行うと、耐圧試験時に繊維強化樹脂層にクラックが生じ、クラックに起因するＡＥ波が発生する。その後、耐圧試験圧力よりも低い検査圧力まで高圧タンクの内部の圧力を増加させたとしても、通常、繊維強化樹脂層にはほとんどクラックが生じず、ＡＥ波もほとんど発生しない。このため、本発明の加圧検査方法では、耐圧試験圧力まで内部の圧力を増加させたことのある高圧タンクに対して、耐圧試験圧力よりも低い検査圧力まで内部の圧力を増加させた際にＡＥ波が発生すると、ＡＥ波をＡＥセンサで検出しその出力波形から複数のＡＥ波形を抽出し、抽出したＡＥ波形に基づいて、高圧タンクの劣化の有無を容易に判定することができる。その結果、高圧タンクを交換すべきであるか否かを容易に知ることができる。

上記加圧検査方法において、好ましくは、抽出した複数の前記ＡＥ波形を、前記高圧タンクの破壊直前に増加するマクロクラックに由来する第１波形と、前記マクロクラックよりも小さいマイクロクラックに由来する第２波形と、に分類するように機械学習された分類器を用いて、抽出した前記複数のＡＥ波形を前記第１波形と前記第２波形とに分類し、前記分類した前記第１波形の数に基づいて、前記高圧タンクの劣化の有無を判定する。このように構成すれば、高圧タンクの破壊直前に増加するマクロクラックに由来する第１波形の数に基づいて、高圧タンクが劣化しているか否かを判定することができるので、高圧タンクの劣化の有無をより正確に判定することができる。

この場合、好ましくは、抽出した前記ＡＥ波形をウェーブレット変換して画像を生成し、前記複数のＡＥ波形に対応する複数の前記画像を、前記第１波形に対応する第１画像と、前記第２波形に対応する第２画像と、に分類するように機械学習された前記分類器を用いて、前記複数の画像を前記第１画像と前記第２画像とに分類し、分類した前記第１画像の数に基づいて、前記高圧タンクの劣化の有無を判定する。このように、抽出したＡＥ波形をウェーブレット変換することにより、周波数成分の時間変化を示す画像（スカログラム）が生成される。そして、生成された複数の画像を分類器で分類することによって、第１画像と第２画像とに容易に分類することができるので、高圧タンクが劣化しているか否かを容易に判定することができる。

上記加圧検査方法において、好ましくは、前記ＡＥ波形の累積数が閾値以上になると、前記高圧タンクが劣化していると判定する。高圧タンクを加圧した場合、劣化した高圧タンクでは繊維強化樹脂層に生じるクラックの数が増加するため、ＡＥセンサの出力波形から抽出されるＡＥ波形も増加する。このＡＥ波形の累積数がある値(閾値)以上になると、高圧タンクが劣化しているおそれが高くなる。このため、ＡＥ波形の累積数を用いて高圧タンクの劣化の有無をより正確に判定することができる。

本発明に係る加圧検査装置は、ライナと前記ライナの外面を覆う繊維強化樹脂層とを含むとともに耐圧試験圧力で耐圧試験を行った後、内部への気体の充填および放出を繰り返すことにより使用された高圧タンクの加圧検査装置であって、前記加圧検査装置は、前記耐圧試験圧力よりも低い検査圧力まで、気体を充填して前記高圧タンクの内部の圧力を増加させることにより、前記高圧タンクでクラックが発生したときに生じるＡＥ波を検出するＡＥセンサの出力波形から複数のＡＥ波形を抽出する抽出部と、前記抽出部が抽出した前記ＡＥ波形に基づいて、前記高圧タンクの劣化の有無を判定する判定部と、を有する演算装置を含む。

本発明の加圧検査装置によれば、耐圧試験時の前記耐圧試験圧力よりも低い検査圧力まで、前記高圧タンクの内部の圧力を増加させることにより、前記高圧タンクで発生したＡＥ波を検出するＡＥセンサの出力波形から複数のＡＥ波形を抽出し、前記抽出したＡＥ波形に基づいて、前記高圧タンクの劣化の有無を判定する。高圧タンクの内部の圧力を増加させる耐圧試験を行うと、耐圧試験時に繊維強化樹脂層にクラックが生じ、クラックに起因するＡＥ波が発生する。その後、耐圧試験圧力よりも低い検査圧力まで高圧タンクの内部の圧力を増加させたとしても、通常、繊維強化樹脂層にはほとんどクラックが生じず、ＡＥ波もほとんど発生しない。このため、本発明の加圧検査装置では、耐圧試験圧力まで内部の圧力を増加させたことのある高圧タンクに対して、耐圧試験圧力よりも低い検査圧力まで内部の圧力を増加させた際にＡＥ波が発生すると、ＡＥ波をＡＥセンサで検出しその出力波形から複数のＡＥ波形を抽出し、抽出したＡＥ波形に基づいて、高圧タンクの劣化の有無を容易に判定することができる。その結果、高圧タンクを交換すべきであるか否かを容易に知ることができる。

上記加圧検査装置において、好ましくは、前記演算装置は、前記抽出部が抽出した複数の前記ＡＥ波形を、前記高圧タンクの破壊直前に増加するマクロクラックに由来する第１波形と、前記マクロクラックよりも小さいマイクロクラックに由来する第２波形と、に分類するように機械学習された分類器を含み、前記判定部は、前記分類器が分類した前記第１波形の数に基づいて、前記高圧タンクの劣化の有無を判定する。このように構成すれば、高圧タンクの破壊直前に増加するマクロクラックに由来する第１波形の数に基づいて、高圧タンクが劣化しているか否かを判定することができるので、高圧タンクの劣化の有無をより正確に判定することができる。

この場合、好ましくは、前記演算装置は、前記抽出部が抽出した前記ＡＥ波形をウェーブレット変換して画像を生成する変換部を含み、前記分類器は、前記複数のＡＥ波形に対応する複数の前記画像を、前記第１波形に対応する第１画像と、前記第２波形に対応する第２画像と、に分類するように機械学習されており、前記判定部は、前記分類器が分類した前記第１画像の数に基づいて、前記高圧タンクの劣化の有無を判定する。このように、抽出したＡＥ波形をウェーブレット変換することにより、周波数成分の時間変化を示す画像（スカログラム）が生成される。そして、生成された複数の画像を分類器で分類することによって、第１画像と第２画像とに容易に分類することができるので、高圧タンクが劣化しているか否かを容易に判定することができる。

上記加圧検査装置において、好ましくは、前記判定部は、前記ＡＥ波形の累積数が閾値以上になると、前記高圧タンクが劣化していると判定する。高圧タンクを加圧した場合、劣化した高圧タンクでは繊維強化樹脂層に生じるクラックの数が増加するため、ＡＥセンサの出力波形から抽出されるＡＥ波形も増加する。このＡＥ波形の累積数がある値(閾値)以上になると、高圧タンクが劣化しているおそれが高くなる。このため、ＡＥ波形の累積数を用いて高圧タンクの劣化の有無をより正確に判定することができる。

本発明によれば、高圧タンクの劣化の有無をより正確に判定することが可能な加圧検査方法および加圧検査装置を提供することができる。

本発明の第１実施形態に係る加圧検査装置を備えた検査システムの全体構成を示す概略図である。 本発明の第１実施形態に係る加圧検査装置の制御部の構成を示すブロック図である。 図１の高圧タンクの構造を示す断面図である。 気体を充填して高圧タンクを加圧した際におけるＡＥセンサの出力波形を示す図である。 高圧タンクを加圧した際におけるＡＥ波形の累積数を示す図である。 本発明の第１実施形態に係る加圧検査方法のフローを示す図である。 本発明の第２実施形態に係る加圧検査装置の制御部の構成を示すブロック図である。 本発明の第２実施形態に係る加圧検査装置の分類器を機械学習させる際に用いる教師データの一例を示す図である。 高圧タンクを加圧した際におけるマイクロクラックおよびマクロクラックの発生状況を概念的に示す図である。 高圧タンクを加圧した際におけるマクロクラックに由来するＡＥ波形の累積数を示す図である。 本発明の第２実施形態に係る加圧検査方法のフローを示す図である。 高圧タンクを加圧した際における、マイクロクラックおよびマクロクラックの発生数に対するマクロクラックの発生数の割合を示す図である。

（第１実施形態）
以下、図面を参照して、本発明の第１実施形態に係る加圧検査装置２０を備えた検査システム１について説明する。図１は、本発明の第１実施形態に係る加圧検査装置２０を備えた検査システム１の全体構成を示す概略図である。

検査システム１は図１に示すように、高圧タンク５０を検査するシステムである。高圧タンク５０は、例えば、燃料電池車両に搭載される高圧の水素ガスが充填されるタンクである。なお、高圧タンク５０に充填可能な気体としては、水素ガスに限定されない。高圧タンク５０は、製造後（出荷前）に耐圧試験が行われ、その耐圧試験を合格すると、車両に搭載される。検査システム１は、車検時等において高圧タンク５０を検査するものであり、車載された状態の高圧タンク５０、又は車両から一旦取り外された状態の高圧タンク５０を検査するものである。

検査システム１は、高圧タンク５０の内部を加圧するポンプ２と、高圧タンク５０の外面に取り付けられる１つ以上のＡＥセンサ３と、高圧タンク５０の内圧を検出する圧力センサ４と、ポンプ２の駆動を制御するとともに高圧タンク５０の劣化の有無を判定する加圧検査装置２０とを備えている。なお、検査システム１は、分厚いコンクリート壁などからなる検査室内に配置される。

ポンプ２は、高圧タンク５０の内部に気体（ここでは窒素）を充填して、高圧タンク５０の内部を加圧する。ポンプ２は、窒素タンク（図示せず）に収容された窒素を高圧タンク５０に供給する。なお、高圧タンク５０に供給する気体は、窒素に限定されるものではなく、例えば、ヘリウム、空気、又はヘリウムと窒素の混合気体等を用いてもよい。

また、ポンプ２には、高圧タンク５０に供給する気体が通過する金属等からなる供給管６が接続されている。供給管６には、流路を開閉可能なバルブ７が設けられている。また、高圧タンク５０には、高圧タンク５０の内部の気体を検査室の外部に排出するための金属等からなる排出管８が接続されている。排出管８には、流路を開閉可能なバルブ９が設けられている。

ＡＥセンサ３は、高圧タンク５０の後述する繊維強化樹脂層５２のクラックの発生に伴って生じるＡＥ波を検出し、検出結果を出力波形として加圧検査装置２０に出力する。ＡＥセンサ３は、高圧タンク５０で生じるＡＥ波を検出することが可能であれば特に限定されるものではないが、例えば圧電センサ等を用いることができる。

また、ＡＥセンサ３は、繊維強化樹脂層５２の外面の所定位置に固定されている。ＡＥセンサ３の数および固定位置は、特に限定されるものではないが、ここでは、高圧タンク５０の軸方向（長手方向）の両端部および中央部の計３か所に固定されている。これにより、高圧タンク５０のいずれの位置でＡＥ波が生じても、そのＡＥ波をＡＥセンサ３によって検出することができる。なお、１つのＡＥ波が２つ以上のＡＥセンサ３によって検出された場合であっても、公知の技術を用いて、その波形から同一のＡＥ波であると判別できるため、ＡＥの発生数が重複してカウントされることはない。

本実施形態では、高圧タンク５０の内部に気体（ここでは窒素）が充填されるため、高圧タンク５０にＡＥが生じた際に発生するＡＥ波（振動）は、繊維強化樹脂層５２を伝搬してＡＥセンサ３に検出される。

圧力センサ４は、高圧タンク５０の内圧を検出可能に構成されている。圧力センサ４は、高圧タンク５０の内部に設けられていてもよいし、ポンプ２と高圧タンク５０とを接続する供給管６に設けられていてもよい。圧力センサ４は、検出結果を加圧検査装置２０に出力する。

加圧検査装置２０は、高圧タンク５０の内部を所定圧力まで増加させた際に、高圧タンク５０に異常が発生するか否かを検査する装置である。加圧検査装置２０は図２に示すように、ポンプ２などを制御する制御部２１と、表示パネル等からなる表示部２２と、操作者が操作するボタン等からなる操作部２３とを有する。表示部２２は、例えば、高圧タンク５０の内圧、加圧時間、ＡＥセンサ３の出力波形、ポンプ２の動作状況、バルブ７および９の動作状況や、後述する抽出部１２１、カウント部１２４および判定部１２５の出力等を表示可能に構成されている。

ここで、加圧検査装置２０は、ポンプ２の駆動および停止を制御することが可能であり、特に、ＡＥセンサ３の出力に基づいてポンプ２を停止することが可能である。また、加圧検査装置２０は、バルブ７および９の開閉動作を制御する。なお、加圧検査装置２０の詳細構造については後述する。

図３に示すように、高圧タンク５０は、両端がドーム状に丸みを帯びた略円筒形状の高圧ガス貯蔵容器である。高圧タンク５０は、ガスバリア性を有するライナ５１と、ライナ５１の外面を覆う繊維強化樹脂からなる繊維強化樹脂層５２と、を備える。

ライナ５１は、高圧の水素ガスが充填される収容空間を形成する樹脂製又は金属製の部材である。ライナ５１の長手方向（軸方向）の両端には、開口部が形成されており、口金５４およびエンドボス５６がそれぞれ設けられている。口金５４およびエンドボス５６は、アルミニウム又はアルミニウム合金等の金属材料を所定形状に加工したものである。口金５４には、収容空間に対して水素ガスを充填および排出するための供給管６および排出管８が接続される。

繊維強化樹脂層５２は、ライナ５１の外面を覆っているとともに、ライナ５１を補強して高圧タンク５０の剛性や耐圧性等の機械的強度を向上させる機能を有する。繊維強化樹脂層５２は、熱硬化性樹脂及び強化繊維によって構成されている。熱硬化性樹脂としては、フェノール樹脂、メラミン樹脂、ユリア樹脂、及びエポキシ樹脂等の熱硬化性樹脂を用いることが好ましく、特に、機械的強度等の観点からエポキシ樹脂を用いることが好ましい。強化繊維としては、ガラス繊維、アラミド繊維、ボロン繊維、及び炭素繊維等を用いることができ、特に、軽量性や機械的強度等の観点から炭素繊維を用いることが好ましい。

次に、加圧検査装置２０の詳細構造について説明する。

図２に示すように、加圧検査装置２０の制御部２１は、ＣＰＵと、ＲＯＭおよびＲＡＭからなる記憶部とを含んでいる。ＣＰＵは、記憶部に記憶されている動作プログラムを実行する。

また、制御部２１は、ソフトウェアとして、抽出部１２１、カウント部１２４、判定部１２５、加圧実行部１２６およびバルブ開閉部１２７を含んでいる。なお、本実施形態では、抽出部１２１、カウント部１２４および判定部１２５によって、本発明の「演算装置」が構成されている。

抽出部１２１には、ＡＥセンサ３の出力波形が入力される。抽出部１２１は、ＡＥセンサ３の出力波形から複数のＡＥ波形を抽出する。具体的には、ＡＥセンサ３の出力波形は、例えば図４に示すような波形を多数繋げたような波形である。図４に示す波形において、領域Ａは、高圧タンク５０にＡＥが生じた際に繊維強化樹脂層５２を伝搬した振動を表している。

抽出部１２１は、高圧タンク５０にＡＥが生じて振幅が所定の振幅（Ｌ）以上になると、そのタイミングを含む一定期間内の一塊の振動（領域Ａ）を１つのＡＥ波形として抽出する。閾値は、ノイズ除去のために設定されている。振幅が所定の振幅以上になった後、所定時間経過すると、振動が小さくなり振幅は所定の振幅未満になる。抽出部１２１は、ＡＥ波形を抽出した後、一定時間経過後、再度振幅が所定の振幅以上になると、次のＡＥ波形を抽出する。このようにして、抽出部１２１は、ＡＥセンサ３の出力波形から複数のＡＥ波形を順次抽出し、カウント部１２４に出力する。

なお、複数のＡＥに起因するＡＥ波形が繋がって、１つの大きな（時間軸で長い）ＡＥ波形として出力される場合があるが、このようなＡＥ波形は、全てのＡＥ波形のうちの数％未満であるため、ＡＥ波形のカウント数、すなわち高圧タンク５０の検査結果にはほとんど影響しない。

カウント部１２４は、抽出部１２１が抽出したＡＥ波形の数をそれぞれカウントするとともに、判定部１２５に出力する。

判定部１２５は、ＡＥ波形の数に基づいて、高圧タンク５０の劣化の有無を判定する。本実施形態では、判定部１２５は、ＡＥ波形の累積数が第１の閾値以上であるか否かを判断する。なお、第１の閾値は、本発明の「閾値」の一例である。第１の閾値の決定方法については、後述する。

ＡＥ波形の累積数が第１の閾値以上である場合、判定部１２５は、高圧タンク５０が劣化していると判断し、その高圧タンク５０を不合格と判定する。このとき、判定部１２５は、高圧タンク５０の加圧を停止するための停止信号を加圧実行部１２６に出力する。また、このとき、判定部１２５は、バルブ７を閉じるとともにバルブ９を開くためのバルブ駆動信号をバルブ開閉部１２７に出力する。

なお、ＡＥ波形の累積数が第１の閾値未満である場合、判定部１２５は、上記停止信号および上記バルブ駆動信号を出力しない。このため、高圧タンク５０への加圧、すなわち高圧タンク５０の検査が継続される。

また、判定部１２５は、圧力センサ４からの圧力信号から高圧タンク５０の内圧を検出する。高圧タンク５０の内圧が検査圧力の上限値になると、判定部１２５は、高圧タンク５０が劣化していないと判断し、その高圧タンク５０を合格と判定する。このとき、判定部１２５は、上記停止信号および上記バルブ駆動信号をそれぞれ加圧実行部１２６およびバルブ開閉部１２７に出力する。

加圧実行部１２６は、判定部１２５から停止信号が入力されると、ポンプ２の駆動を停止する。

バルブ開閉部１２７は、判定部１２５からバルブ駆動信号が入力されると、バルブ７を閉じるとともに、バルブ９を開く。

次に、上記第１の閾値の決定方法について説明する。

図５の実線Ｌ１に示すように、未加圧（耐圧試験前）の高圧タンク５０の内圧を高圧タンク５０が破壊するまで増加させると、高圧タンク５０におけるＡＥ発生数（ＡＥ波形の数）も増加する。ＡＥ波形の数は、高圧タンク５０の内圧の増加に伴って徐々に増加し、高圧タンク５０の破壊直前では、急激に増加する。

ここで、耐圧試験後の高圧タンク５０に対して、耐圧試験の圧力の上限値（耐圧試験圧力）よりも低い圧力まで高圧タンク５０の内部の圧力を増加させたとしても、通常、繊維強化樹脂層にはほとんどクラックが生じず、ＡＥ波もほとんど発生しない。このため、耐圧試験時よりも低い圧力まで高圧タンク５０の内部の圧力を増加させた場合、ＡＥ波形の累積数は、図５の破線Ｌ２に示すように、図５の実線Ｌ１よりも多くなることはない。その一方、耐圧試験時よりも低い圧力まで高圧タンク５０の内部の圧力を増加させた場合に、ＡＥ波形の累積数が図５の二点鎖線Ｌ３に示すように、図５の実線Ｌ１（耐圧試験時）よりも多くなると、高圧タンク５０に異常が発生していることになるので、高圧タンク５０の劣化の有無を容易に判定することができる。この判定基準となる第１の閾値は、図５の基準線Ｌ４に示すように一定値であってもよいし、基準線Ｌ５に示すように耐圧試験時の累積数（図５の実線Ｌ１）よりも少し大きい値であってもよい。複数の高圧タンク５０に対して破壊するまでのＡＥ波形の累積数（図５の実線Ｌ１）を計測し、ばらつきを加味した上で上記第１の閾値が設定される。

次に、加圧検査装置２０を用いた高圧タンク５０の加圧検査方法について説明する。この加圧検査方法は、内部への気体の充填および放出を繰り返すことにより使用された高圧タンク５０の加圧検査方法であり、例えば、車両の車検時などに行われるものである。この加圧検査方法において、高圧タンク５０の内部の圧力は、常用範囲の上限値（例えば７０ＭＰａ）、または常用範囲の上限値よりも少しだけ高い検査圧力（例えば８０ＭＰａ）まで加圧され、耐圧試験の上限値（耐圧試験圧力）までは加圧されない。

図６に示すように、工程Ｓ１において、作業者が加圧検査装置２０の操作部２３を操作することによって、加圧検査装置２０により高圧タンク５０の内部の圧力が増加される。このとき、バルブ７は開かれており、バルブ９は閉じられている。なお、高圧タンク５０の内圧は、略一定の速度で増加される。

工程Ｓ２において、高圧タンク５０の内圧の増加に伴って、繊維強化樹脂層５２にクラックが発生すると、ＡＥセンサ３はＡＥ波形を含む波形を抽出部１２１に出力する。抽出部１２１は、ＡＥセンサ３の出力波形からＡＥ波形を順次抽出し、カウント部１２４に出力する。

工程Ｓ５において、カウント部１２４は、抽出部１２１から順次入力されるＡＥ波形の数をカウントする（Ｎに１を加える）。また、カウント部１２４は、カウントしたＡＥ波形の数を判定部１２５に出力する。

工程Ｓ６において、判定部１２５は、ＡＥ波形の累積数が第１の閾値以上であるか否かを判断する。

ＡＥ波形の累積数が第１の閾値以上である場合、すなわち高圧タンク５０が劣化した状態になっている場合、判定部１２５は、高圧タンク５０の加圧を停止するための停止信号を加圧実行部１２６に出力するとともに、バルブ駆動信号をバルブ開閉部１２７に出力する。そして、工程Ｓ７に進む。

工程Ｓ７において、加圧実行部１２６は、ポンプ２を停止する。これにより、高圧タンク５０への加圧が停止される。また、バルブ開閉部１２７は、バルブ７を閉じるとともに、バルブ９を開く。これにより、高圧タンク５０への気体の供給が停止されるとともに、高圧タンク５０内の気体が排出管８を介して屋外に排出される。これらの結果、高圧タンク５０の内圧が低下する。

そして、工程Ｓ８において、表示部２２は、高圧タンク５０が検査を不合格になった旨の表示（報知）を行う。

その一方、工程Ｓ６において、ＡＥ波形の累積数が第１の閾値未満である場合、すなわち高圧タンク５０が劣化した状態になっていない場合、工程Ｓ９に進む。

工程Ｓ９において、判定部１２５は、圧力センサ４の出力に基づいて、高圧タンク５０の内圧が検査圧力の上限値以上であるか否かを判断する。高圧タンク５０の内圧が検査圧力の上限値未満である場合、工程Ｓ２に戻る。その一方、高圧タンク５０の内圧が検査圧力の上限値以上である場合、判定部１２５は、停止信号およびバルブ駆動信号を加圧実行部１２６およびバルブ開閉部１２７にそれぞれ出力し、工程Ｓ１０に進む。

工程Ｓ１０において、加圧実行部１２６は、ポンプ２を停止する。これにより、高圧タンク５０への加圧が停止される。また、バルブ開閉部１２７は、バルブ７を閉じるとともに、バルブ９を開く。これにより、高圧タンク５０への気体の供給が停止されるとともに、高圧タンク５０内の気体が排出管８を介して屋外に排出される。これらの結果、高圧タンク５０の内圧が低下する。

そして、工程Ｓ１１において、表示部２２は、高圧タンク５０が検査を合格した旨の表示（報知）を行う。

そして、高圧タンク５０の加圧検査が終了する。

本実施形態では、上記のように、耐圧試験時の耐圧試験圧力よりも低い検査圧力まで、高圧タンク５０の内部の圧力を増加させることにより、高圧タンク５０で発生したＡＥ波を検出するＡＥセンサ３の出力波形から複数のＡＥ波形を抽出し、抽出したＡＥ波形に基づいて、高圧タンク５０の劣化の有無を判定する。高圧タンク５０の内部の圧力を増加させる耐圧試験を行うと、耐圧試験時に繊維強化樹脂層５２にクラックが生じ、クラックに起因するＡＥ波が発生する。その後、耐圧試験圧力よりも低い検査圧力まで高圧タンク５０の内部の圧力を増加させたとしても、通常、繊維強化樹脂層５２にはほとんどクラックが生じず、ＡＥ波もほとんど発生しない。このため、本実施形態の加圧検査方法では、耐圧試験圧力まで内部の圧力を増加させたことのある高圧タンク５０に対して、耐圧試験圧力よりも低い検査圧力まで内部の圧力を増加させた際にＡＥ波が発生すると、ＡＥ波をＡＥセンサ３で検出しその出力波形から複数のＡＥ波形を抽出し、抽出したＡＥ波形に基づいて、高圧タンク５０の劣化の有無を容易に判定することができる。その結果、高圧タンク５０を交換すべきであるか否かを容易に知ることができる。

また、上記のように、ＡＥ波形の累積数が第１の閾値以上になると、高圧タンク５０が劣化していると判定する。高圧タンク５０を加圧した場合、劣化した高圧タンク５０では繊維強化樹脂層５２に生じるクラックの数が増加するため、ＡＥセンサ３の出力波形から抽出されるＡＥ波形も増加する。このＡＥ波形の累積数がある値(第１の閾値)以上になると、高圧タンク５０が劣化しているおそれが高くなる。このため、ＡＥ波形の累積数を用いて高圧タンク５０の劣化の有無をより正確に判定することができる。

（第２実施形態）
この第２実施形態では、上記第１実施形態と異なり、抽出部１２１によって抽出された複数のＡＥ波形を、マクロクラックに由来する第１波形と、マクロクラックよりも小さいマイクロクラックに由来する第２波形と、に分類する場合について説明する。

本実施形態では図７に示すように、加圧検査装置２０の制御部２１は、ソフトウェアとして、抽出部１２１、カウント部１２４、判定部１２５、加圧実行部１２６およびバルブ開閉部１２７の他、変換部１２２および分類器１２３をさらに含んでいる。なお、本実施形態では、抽出部１２１、カウント部１２４、判定部１２５、変換部１２２および分類器１２３によって、本発明の「演算装置」が構成されている。

抽出部１２１は、ＡＥセンサ３の出力波形から複数のＡＥ波形を順次抽出し、変換部１２２に出力する。

なお、複数のＡＥに起因するＡＥ波形が繋がって、１つの大きな（時間軸で長い）ＡＥ波形として出力されると、その波形を後述する分類器１２３によって分類したとしても、精度良く分類することができない。このため、振幅が所定の振幅以上になった後、一定時間経過しても振幅が所定の振幅未満にはならない場合、そのＡＥ波形は分類器１２３によって分類されない。

抽出部１２１が抽出した各ＡＥ波形は、高圧タンク５０の破壊直前に増加するマクロクラックの発生に由来する第１波形、又は、マクロクラックよりも小さいマイクロクラックの発生に由来する第２波形である。上記第１実施形態のようにＡＥ波形を第１波形および第２波形に分類せずに、ＡＥ波形の数を用いて高圧タンク５０の劣化状態を判断することは可能であるが、本実施形態では、ＡＥ波形のうちマクロクラックの発生に由来する第１波形の数を用いることによって、高圧タンク５０の劣化状態をより精度良く判断することが可能である。

また、ＡＥ波形を第１波形または第２波形に分類する場合、ＡＥ波形を周波数解析した後に分類することにより第１波形と第２波形とに精度良く分類することができるため、本実施形態では、抽出後のＡＥ波形を変換部１２２によって周波数解析した後、第１画像（第１波形）または第２画像（第２波形）に分類している。

ここで、マクロクラックは高圧タンクの破壊直前に増加するクラックであり、マクロクラックが増加することによって高圧タンクは劣化した状態になり、いずれ破壊に至る。マイクロクラックは、マクロクラックよりも長さが短い。マクロクラックは、マイクロクラックが複数繋がることによって形成される。マイクロクラックは、クラックのない状態から生じるものである一方、マクロクラックは、マイクロクラックが複数繋がることによって形成されるものであるため、すなわち両者の形成過程が異なるため、両者の発生にともなって生じるＡＥ波にも差異が生じると考えられる。なお、マクロクラックは、複数のマイクロクラックが繋がることにより、長さが０．１ｍｍ以上になることが多い。また、後述する教師データを取得する際には、０．１ｍｍ未満をマイクロクラックとし、０．１ｍｍ以上をマクロクラックとした。

変換部１２２は、抽出部１２１から入力されたＡＥ波形に対して時間周波数解析を順次行う。本実施形態では、変換部１２２は、ＡＥ波形をウェーブレット変換して図８に示すような画像（スカログラム）を生成する。ここで、図８に示す画像（スカログラム）の横軸は時間を示し、縦軸は周波数を示し、色（濃度）は強度を示している。なお、ウェーブレット変換とは、基底関数としてウェーブレット関数を用いた周波数解析である。ウェーブレット変換では、フーリエ変換と異なり、時間的な情報を残したまま周波数特性を算出することができる。ウェーブレット変換は、以下の式（１）で定義される。

式（１）において、ａはスケールパラメータ、ｂはシフトパラメータ、Ψ（ｔ）はマザーウェーブレットである。ウェーブレット変換自体は公知の手法であるため、その詳細な説明を省略する。

分類器１２３は、機械学習アルゴリズムとしてサポートベクターマシンを用いており、変換部１２２の出力（画像）を、高圧タンク５０の破壊直前に増加するマクロクラックに由来する第１波形に対応する第１画像と、マイクロクラックに由来する第２波形に対応する第２画像とに分類するように予め機械学習されている。また、分類器１２３は、分類した第１画像および第２画像をカウント部１２４に出力する。分類器１２３の機械学習方法については、後述する。

カウント部１２４は、第１画像および第２画像の数をそれぞれカウントするとともに、判定部１２５に出力する。なお、カウント部１２４は、必要に応じて、抽出部１２１で抽出されたＡＥ波形の数もカウントできるようになっていてもよい。

判定部１２５は、第１画像の数（言い換えると、マクロクラックの発生数）に基づいて、高圧タンク５０の劣化の有無を判定する。本実施形態では、判定部１２５は、第１画像の累積数が所定の閾値以上であるか否かを判断する。所定の閾値の決定方法については、後述する。

第１画像の累積数が所定の閾値以上である場合、判定部１２５は、高圧タンク５０が劣化していると判断し、その高圧タンク５０を不合格と判定する。このとき、判定部１２５は、上記第１実施形態と同様、停止信号を加圧実行部１２６に出力するとともに、バルブ駆動信号をバルブ開閉部１２７に出力する。

第２実施形態の検査システム１および加圧検査装置２０のその他の構成は、上記第１実施形態と同様である。

次に、分類器１２３を機械学習させた方法について説明する。

本実施形態では、図８に示すように、各画像（スカログラム）とクラックの種類（マクロクラック、マイクロクラック）とを対応付けた教師データを用いて、分類器１２３を機械学習させた。ここで、クラック発生の瞬間を目視等で捉えることはできないので、第１画像がマクロクラックに対応し、第２画像がマイクロクラックに対応していることを確認する必要がある。

そこで、まず、機械学習を行う際の教師データを取得する方法について説明する。図９は、未加圧（耐圧試験前）の高圧タンクを加圧した際におけるマイクロクラックおよびマクロクラックの発生状況を概念的に示す図である。図９では、高圧タンクの内圧が所定圧力増加する毎に発生するクラックの数を示している。図９に示すように、高圧タンク５０の内部の圧力を増加させると、繊維強化樹脂層５２にマイクロクラックやマクロクラックが発生する。高圧タンク５０の内圧が比較的低い範囲（例えば数十ＭＰａ）では、マイクロクラックが発生する一方、マクロクラックはほとんど発生しない。高圧タンク５０の内圧を増加させると、マクロクラックの発生数が増加し、その後、高圧タンク５０が破壊する。

そこで、学習用の高圧タンク５０の内圧を第１圧力（例えば数十ＭＰａ）まで増加させ、そのとき得られる複数のＡＥ波形をウェーブレット変換し画像を生成する。生成した複数枚（例えば数十枚以上）の画像を２つに分類する。ここでは、画像内で強度（色の濃度）差が大きいもの（以下、第１画像という）と、画像内で強度（色の濃度）差が小さいもの（以下、第２画像という）とに分類する。このように実際に分類すると、第２画像の数は第１画像の数よりも多く、第２画像の占める割合は９５％以上であった。

また、高圧タンク５０の内圧を第１圧力まで増加させた後、高圧タンク５０への加圧を停止し、高圧タンク５０の繊維強化樹脂層５２の断面を観察する。実際に断面を観察すると、繊維強化樹脂層５２には、マイクロクラックおよびマクロクラックが形成されていた。マイクロクラックの数は、クラック総数（マイクロクラックおよびマクロクラックの合計）に対して９５％以上であった。このため、第１画像はマクロクラックの発生に対応し、第２画像はマイクロクラックに対応していると推測することが可能である。

さらに、別の学習用の高圧タンク５０の内圧を第２圧力（例えば百数十ＭＰａ）まで増加させ、上記と同様にして画像を生成し、生成された複数枚（例えば数十枚以上）の画像を２つに分類する。このように実際に分類すると、第１画像の占める割合は、高圧タンク５０の内圧を第１圧力まで増加させた際に比べて増加した。なお、ＡＥセンサ３の出力波形から抽出されるＡＥ波形の数（すなわち、高圧タンク５０におけるＡＥ発生数）も、高圧タンク５０の内圧を第１圧力まで増加させた際に比べて、増加した。

また、第１圧力まで増加させた際と同様にして、繊維強化樹脂層５２の断面を観察する。実際に断面を観察すると、マクロクラックの数は、第１圧力まで増加させた際に比べて、増加していた。

またさらに、別の学習用の高圧タンク５０の内圧を高圧タンク５０が破壊するまで増加させる。そして、破壊直前におけるＡＥセンサ３からの出力波形から上記と同様にして画像を生成し、生成された複数枚（例えば数十枚以上）の画像を２つに分類する。このように実際に分類すると、第１画像の占める割合は、高圧タンク５０の内圧を第２圧力まで増加させた際に比べてさらに増加した。なお、ＡＥセンサ３の出力波形から抽出されるＡＥ波形の数（すなわち、高圧タンク５０におけるＡＥ発生数）も、高圧タンク５０の内圧を第２圧力まで増加させた際に比べて、さらに増加した。

また、第２圧力まで増加させた際と同様にして、繊維強化樹脂層５２の断面を観察する。実際に断面を観察すると、マクロクラックの数は、第２圧力まで増加させた際に比べて、さらに増加していた。

以上から、第１画像はマクロクラックに対応し、第２画像はマイクロクラックに対応することが確認できると言える。そして、図８に示すように、各画像を第１画像（マクロクラック）および第２画像（マイクロクラック）に対応させたデータを教師データとした。

次に、教師データを用いて分類器１２３を機械学習させた。具体的には、３００個の教師データのうち２５０個を訓練データとして用いて、画像をマクロクラックに由来する第１画像とマイクロクラックに由来する第２画像とに分類するように、分類器１２３を機械学習させた。そして、３００個の教師データのうち残りの５０個を評価データとして用いて、画像を第１画像と第２画像とに分類させると、分類器１２３の正答率は７０％以上であり、分類の精度が十分高いことが判明した。以上のようにして、分類器１２３を機械学習させた。

次に、上記所定の閾値の決定方法について説明する。なお、所定の閾値の決定方法は、上記第１実施形態における第１の閾値の決定方法と同様である。

具体的には、図１０の実線Ｌ１１に示すように、未加圧（耐圧試験前）の高圧タンク５０の内圧を高圧タンク５０が破壊するまで増加させると、高圧タンク５０におけるＡＥ発生数（ＡＥ波形の数）も増加する。特に、マクロクラックに由来するＡＥ波形の数は、高圧タンク５０の内圧の増加に伴って徐々に増加し、高圧タンク５０の破壊直前では、急激に増加する。

ここで、上述したように、耐圧試験後の高圧タンク５０に対して、耐圧試験の圧力の上限値（耐圧試験圧力）よりも低い圧力まで高圧タンク５０の内部の圧力を増加させたとしても、通常、繊維強化樹脂層にはほとんどマクロクラックが生じないため、マクロクラックに由来するＡＥ波形の累積数は、図１０の破線Ｌ１２に示すように、図１０の実線Ｌ１１よりも多くなることはない。その一方、耐圧試験時よりも低い圧力まで高圧タンク５０の内部の圧力を増加させた場合に、マクロクラックに由来するＡＥ波形の累積数が図１０の二点鎖線Ｌ１３に示すように、図１０の実線Ｌ１１（耐圧試験時）よりも多くなると、高圧タンク５０に異常が発生していることになるので、高圧タンク５０の劣化の有無を容易に判定することができる。この判定基準となる所定の閾値は、図１０の基準線Ｌ１４に示すように一定値であってもよいし、基準線Ｌ１５に示すように耐圧試験時の累積数（図１０の実線Ｌ１１）よりも少し大きい値であってもよい。複数の高圧タンク５０に対して破壊するまでのＡＥ波形の累積数（図１０の実線Ｌ１１）を計測し、ばらつきを加味した上で上記所定の閾値が設定される。

なお、マクロクラックに由来するＡＥ波形の累積数を計測する場合、抽出部１２１で抽出された全てのＡＥ波形に対して、変換部１２２で画像に変換し、分類器１２３によって第１画像および第２画像に分類してもよい。しかし、高圧タンク５０の内圧が５ＭＰａ増加する度に、数万個のＡＥ波形が抽出されるため、全てのＡＥ波形に対して変換および分類することは容易ではない。そこで、抽出部１２１で抽出されたＡＥ波形から所定数（例えば１００個）選択し、所定数（例えば１００個）のＡＥ波形に対して変換および分類し、第１画像および第２画像の割合を算出し、第１画像の割合と抽出部１２１で抽出されたＡＥ波形の総数とによって、マクロクラックに由来するＡＥ波形の累積数を算出してもよい。

次に、図１１を参照して、本実施形態の加圧検査装置２０を用いた高圧タンク５０の加圧検査方法について説明する。

工程Ｓ１およびＳ２は、上記第１実施形態と同様である。

工程Ｓ３において、変換部１２２は、抽出部１２１から入力されたＡＥ波形をウェーブレット変換して画像（スカログラム）を順次生成する。また、変換部１２２は、生成した画像を分類器１２３に出力する。

工程Ｓ４において、分類器１２３は、変換部１２２の出力（画像）を順次、第１波形に対応する第１画像と、第２波形に対応する第２画像とに分類する。また、分類器１２３は、分類した第１画像および第２画像をカウント部１２４に出力する。

工程Ｓ５において、カウント部１２４は、分類器１２３から順次入力される第１画像または第２画像の数をカウントする（Ｎに１を加える）。また、カウント部１２４は、カウントした第１画像の数および第２画像の数を判定部１２５に出力する。

工程Ｓ６において、判定部１２５は、第１画像の累積数が所定の閾値以上であるか否かを判断する。

第１画像の累積数が所定の閾値以上である場合、すなわち高圧タンク５０が劣化した状態になっている場合、判定部１２５は、高圧タンク５０の加圧を停止するための停止信号を加圧実行部１２６に出力するとともに、バルブ駆動信号をバルブ開閉部１２７に出力する。そして、工程Ｓ７に進む。工程Ｓ７およびＳ８は、上記第１実施形態と同様である。

その一方、工程Ｓ６において、第１画像の累積数が所定の閾値未満である場合、すなわち高圧タンク５０が劣化した状態になっていない場合、工程Ｓ９に進む。工程Ｓ９～Ｓ１１は、上記第１実施形態と同様である。

そして、高圧タンク５０の加圧検査が終了する。

本実施形態のその他の加圧検査方法は、上記第１実施形態と同様である。

本実施形態では、上記のように、抽出した複数のＡＥ波形を、高圧タンク５０の破壊直前に増加するマクロクラックに由来する第１波形と、マクロクラックよりも小さいマイクロクラックに由来する第２波形と、に分類するように機械学習された分類器１２３を用いて、抽出した複数のＡＥ波形を第１波形と第２波形とに分類し、分類した第１波形の数に基づいて、高圧タンク５０の劣化の有無を判定する。これにより、高圧タンク５０の破壊直前に増加するマクロクラックに由来する第１波形の数に基づいて、高圧タンク５０が劣化した状態にあるか否かを判定することができるので、高圧タンク５０の劣化の有無をより正確に判定することができる。

また、上記のように、抽出したＡＥ波形をウェーブレット変換することにより、周波数成分の時間変化を示す画像（スカログラム）が生成される。そして、生成された複数の画像を分類器１２３で分類することによって、第１画像と第２画像とに容易に分類することができるので、高圧タンク５０が劣化しているか否かを容易に判定することができる。

本実施形態のその他の効果は、上記第１実施形態と同様である。

なお、今回開示された実施形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施形態の説明ではなく特許請求の範囲によって示され、さらに特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれる。

例えば、上記実施形態では、高圧タンクを加圧しながら、ＡＥセンサの出力波形から複数のＡＥ波形を抽出し、高圧タンクの劣化の有無を判定する例について示したが、本発明はこれに限らず、高圧タンクの加圧と判定とを別々に行ってもよい。具体的には、高圧タンクを検査圧力の上限値まで加圧しながらＡＥセンサによってＡＥ波を検出し、ＡＥセンサの出力波形を記憶し、高圧タンクを減圧する。その後、記憶しておいたＡＥセンサの出力波形から複数のＡＥ波形を抽出して、高圧タンクの劣化の有無を判定してもよい。

また、上記第１実施形態では、ＡＥ波形の累積数が第１の閾値以上になった場合に高圧タンクが劣化状態であると判定する例について示したが、本発明はこれに限らない。例えば、高圧タンクが劣化した状態では、高圧タンクの圧力増加量に対するＡＥ波形の増加率（すなわち、図５の実線Ｌ１の傾き）が大きくなるので、高圧タンクの圧力増加量に対するＡＥ波形の増加率が第２の閾値以上になった場合に高圧タンクが劣化状態であると判定してもよい。このことは、上記第２実施形態におけるマクロクラックに由来するＡＥ波形の増加率（すなわち、図１０の実線Ｌ１１の傾き）にも言える。また、図１２に示すように、高圧タンクの劣化が進行すると、マイクロクラックおよびマクロクラックの発生数に対するマクロクラックの発生数の割合が急激に増加するので、第１波形および第２波形の合計に対する第１波形の割合が第３の閾値以上になった場合に高圧タンクが劣化状態であると判定してもよい。いずれの場合にも、高圧タンクが劣化しているか否かを判断することができるので、高圧タンクの破壊を確実に防止することができる。また、ＡＥ波形の累積数と、第１波形の累積数と、圧力増加量に対する第１波形の増加率と、第１波形の割合との２つ以上を併用して、いずれか１つが閾値以上になった場合に高圧タンクが劣化していると判定してもよい。

また、上記第２実施形態では、ＡＥ波形をウェーブレット変換する例について説明したが、本発明はこれに限らず、例えば高速フーリエ変換、短時間フーリエ変換およびウィグナー分布などの手法を用いてＡＥ波形を変換してもよい。

また、上記第２実施形態では、複数のＡＥ波形を第１波形と第２波形とに分類する場合に、ＡＥ波形をウェーブレット変換して画像（スカログラム）を生成し、その画像を第１画像と第２画像とに分類する例について示したが、本発明はこれに限らず、ＡＥ波形をウェーブレット変換せずに第１波形と第２波形とに分類することもできる。これは以下の理由による。上記第２実施形態では、高圧タンクの内部に気体が充填されるため、高圧タンクにＡＥが生じた際に発生するＡＥ波（振動）は、繊維強化樹脂層を伝搬してＡＥセンサに検出される。すなわち、高圧タンクの内部に液体が充填される場合のようにＡＥ波（振動）が繊維強化樹脂層および液体の両方を伝搬することがないので、ＡＥ波が、液体中を伝搬する際に液体とライナとの界面で反射したり、繊維強化樹脂層を伝搬する波と液体を伝搬する波とが重畳したりすることがない。このため、ＡＥ波形をウェーブレット変換せずに第１波形と第２波形とに分類することも可能である。

また、上記第１実施形態では、ＡＥ波形の数に基づいて高圧タンクの劣化の有無を判定する例について示したが、本発明はこれに限らず、例えば、特に大きな振幅（ある値以上の振幅）のＡＥ波形が抽出された場合にＡＥ波形の数に関わらずに高圧タンクが劣化していると判定するように構成してもよい。

また、上記実施形態では、分類器の機械学習アルゴリズムとしてサポートベクターマシンを用いる例について説明したが、本発明はこれに限らない。例えば、ｋ－ｍｅａｎｓ法、ＶＡＥ（Ｖａｒｉａｔｉｏｎａｌ Ａｕｔｏ Ｅｎｃｏｄｅｒ）、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＧＡＮ（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）、ベイジアンフィルタ、またはアイソレーションフォレストなどの他の機械学習アルゴリズムを用いて分類してもよい。

３：ＡＥセンサ、２０：加圧検査装置、２１：制御部、５０：高圧タンク、５１：ライナ、５２：繊維強化樹脂層、１２１：抽出部、１２３：分類器、１２５：判定部

Claims (6)

1. ライナと前記ライナの外面を覆う繊維強化樹脂層とを含むとともに耐圧試験圧力で耐圧試験を行った後、内部への気体の充填および放出を繰り返すことにより使用された高圧タンクの加圧検査方法であって、
   前記耐圧試験圧力よりも低い検査圧力まで、気体を充填して前記高圧タンクの内部の圧力を増加させることにより、前記高圧タンクでクラックが発生したときに生じるＡＥ波を検出するＡＥセンサの出力波形から複数のＡＥ波形を抽出し、
   抽出した複数の前記ＡＥ波形を、前記高圧タンクの破壊直前に増加するマクロクラックに由来する第１波形と、前記マクロクラックよりも小さいマイクロクラックに由来する第２波形と、に分類するように機械学習された分類器を用いて、抽出した前記複数のＡＥ波形を前記第１波形と前記第２波形とに分類し、
   前記分類した前記第１波形の数に基づいて、前記高圧タンクの劣化の有無を判定することを特徴とする加圧検査方法。
2. 抽出した前記ＡＥ波形をウェーブレット変換して画像を生成し、
   前記複数のＡＥ波形に対応する複数の前記画像を、前記第１波形に対応する第１画像と、前記第２波形に対応する第２画像と、に分類するように機械学習された前記分類器を用いて、前記複数の画像を前記第１画像と前記第２画像とに分類し、
   分類した前記第１画像の数に基づいて、前記高圧タンクの劣化の有無を判定することを特徴とする請求項１に記載の加圧検査方法。
3. 前記ＡＥ波形の累積数が閾値以上になると、前記高圧タンクが劣化していると判定することを特徴とする請求項１に記載の加圧検査方法。
4. ライナと前記ライナの外面を覆う繊維強化樹脂層とを含むとともに耐圧試験圧力で耐圧試験を行った後、内部への気体の充填および放出を繰り返すことにより使用された高圧タンクの加圧検査装置であって、
   前記加圧検査装置は、
   前記耐圧試験圧力よりも低い検査圧力まで、気体を充填して前記高圧タンクの内部の圧力を増加させることにより、前記高圧タンクでクラックが発生したときに生じるＡＥ波を検出するＡＥセンサの出力波形から複数のＡＥ波形を抽出する抽出部と、
   前記抽出部が抽出した前記ＡＥ波形に基づいて、前記高圧タンクの劣化の有無を判定する判定部と、
   を有する演算装置を含み、
   前記演算装置は、前記抽出部が抽出した複数の前記ＡＥ波形を、前記高圧タンクの破壊直前に増加するマクロクラックに由来する第１波形と、前記マクロクラックよりも小さいマイクロクラックに由来する第２波形と、に分類するように機械学習された分類器を含み、
   前記判定部は、前記分類器が分類した前記第１波形の数に基づいて、前記高圧タンクの劣化の有無を判定することを特徴とする加圧検査装置。
5. 前記演算装置は、前記抽出部が抽出した前記ＡＥ波形をウェーブレット変換して画像を生成する変換部を含み、
   前記分類器は、前記複数のＡＥ波形に対応する複数の前記画像を、前記第１波形に対応する第１画像と、前記第２波形に対応する第２画像と、に分類するように機械学習されており、
   前記判定部は、前記分類器が分類した前記第１画像の数に基づいて、前記高圧タンクの劣化の有無を判定することを特徴とする請求項４に記載の加圧検査装置。
6. 前記判定部は、前記ＡＥ波形の累積数が閾値以上になると、前記高圧タンクが劣化していると判定することを特徴とする請求項４に記載の加圧検査装置。

Images