WO2018180880A1 - 分析装置、診断装置、分析方法及びコンピュータ読み取り可能記録媒体 - Google Patents

分析装置、診断装置、分析方法及びコンピュータ読み取り可能記録媒体 Download PDF

Info

Publication number
WO2018180880A1
WO2018180880A1 PCT/JP2018/011380 JP2018011380W WO2018180880A1 WO 2018180880 A1 WO2018180880 A1 WO 2018180880A1 JP 2018011380 W JP2018011380 W JP 2018011380W WO 2018180880 A1 WO2018180880 A1 WO 2018180880A1
Authority
WO
WIPO (PCT)
Prior art keywords
reliability
input
response
model
input signal
Prior art date
Application number
PCT/JP2018/011380
Other languages
English (en)
French (fr)
Inventor
宗一朗 高田
孝寛 久村
菊池　克
Original Assignee
日本電気株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日本電気株式会社 filed Critical 日本電気株式会社
Priority to US16/493,373 priority Critical patent/US20200003653A1/en
Priority to EP18775471.8A priority patent/EP3605051B1/en
Priority to JP2019509658A priority patent/JP7014223B2/ja
Publication of WO2018180880A1 publication Critical patent/WO2018180880A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0025—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings of elongated objects, e.g. pipes, masts, towers or railways
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0033—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining damage, crack or wear
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0066—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by exciting or detecting vibration or acceleration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M7/00—Vibration-testing of structures; Shock-testing of structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Definitions

  • the present invention relates to an analyzer, a diagnostic device, an analysis method, and a computer-readable recording medium.
  • Patent Document 1 describes a device deterioration degree prediction method and the like.
  • the device deterioration degree prediction method described in Patent Document 1 uses a recurring period based on the statistical distribution of extreme values of measured values of physical characteristics for determining the degree of deterioration obtained at an arbitrary plurality of locations of the device. Estimate the maximum or minimum physical property of the device from the measured value.
  • the method for predicting the degree of deterioration of a device described in Patent Document 1 predicts the maximum value of deterioration in the device from a database of the relationship between the degree of deterioration of a previously obtained material and the characteristics.
  • Structure failures may be classified into initial failures, sudden failures, and wear failures. For structures in service, consideration must be given to sudden failures and wear failures. And it is preferable that both of these are evaluated in the diagnosis of a structure. That is, for the technique described in Patent Document 1, a technique that enables various diagnoses of structures is required.
  • the present invention has been made in order to solve the above-described problems, and has as its main object to provide an analysis apparatus and the like that enable highly accurate diagnosis of a structure state.
  • An analysis apparatus shows system identification means for identifying a model representing a time evolution of a structure using a non-Gaussian irregular process based on the response of the structure, and shows variation in input to the structure
  • An input modeling means for generating a probability model representing an input distribution based on data, an input generating means for generating an input signal for a structure based on the probability model, and an input signal based on the model and the input signal Response calculating means for obtaining an irregular response of vibration generated in the structure.
  • a diagnostic device includes an analysis device, a stress calculation unit that calculates a stress generated in the structure based on a response calculated by a response calculation unit of the analysis device, and a structure based on the stress. And reliability evaluation means for evaluating reliability regarding sudden failure and wear failure.
  • the analysis method is based on data indicating a variation of an input to a structure by identifying a model that represents the time evolution of the structure using a non-Gaussian irregular process based on the response of the structure. Generate a probability model representing the distribution of the input, generate an input signal for the structure based on the probability model, and generate an irregular response of the vibration generated in the structure to the input signal based on the model and the input signal. Ask.
  • the computer-readable recording medium is a computer-readable recording medium, wherein a process for identifying a model representing a temporal evolution of a structure using a non-Gaussian irregular process based on the response of the structure and an input to the structure.
  • a program for executing a process for obtaining an irregular response of vibration generated in the structure is temporarily stored.
  • each component of each device represents a functional unit block. Part or all of each component of each device is realized by an arbitrary combination of an information processing device 1000 and a program as shown in FIG. 15, for example.
  • the information processing apparatus 1000 includes the following configuration as an example.
  • CPU Central Processing Unit
  • ROM Read Only Memory
  • RAM Random Access Memory
  • a storage device 1005 that stores the program 1004
  • a drive device 1007 that reads and writes the recording medium 1006
  • a communication interface 1008 connected to the communication network 1009 -I / O interface 1010 for inputting / outputting data -Bus 1011 connecting each component
  • Each component of each device in each embodiment is realized by the CPU 1001 acquiring and executing a program 1004 that realizes these functions.
  • the program 1004 that realizes the function of each component of each device is stored in advance in the storage device 1005 or the RAM 1003, for example, and is read out by the CPU 1001 as necessary.
  • the program 1004 may be supplied to the CPU 1001 via the communication network 1009, or may be stored in the recording medium 1006 in advance, and the drive device 1007 may read the program and supply it to the CPU 1001.
  • each device may be realized by an arbitrary combination of an information processing device 1000 and a program that are different for each component.
  • a plurality of components included in each device may be realized by any combination of one information processing device 1000 and a program.
  • each device is realized by a general-purpose or dedicated circuit board including a processor or the like, or a combination thereof. These may be constituted by a single chip cage or may be constituted by a plurality of chip cages connected via a bus. Part or all of each component of each device may be realized by a combination of the above-described circuit and the like and a program.
  • each device When some or all of the constituent elements of each device are realized by a plurality of information processing devices and circuits, the plurality of information processing devices and circuits may be centrally arranged or distributedly arranged. Also good.
  • the information processing apparatus, the circuit, and the like may be realized as a form in which each is connected via a communication network, such as a client and server system and a cloud computing system.
  • the structure is a water pipe that is one of the pipes.
  • the structure may be a pipe other than a water pipe, and is not limited to a pipe.
  • each device in the following embodiments may target structures other than piping such as water pipes.
  • FIG. 1 is a diagram showing an analyzer according to the first embodiment of the present invention.
  • the analysis apparatus 100 includes a system identification unit 110, an input modeling unit 120, an input generation unit 130, and a response calculation unit 140.
  • the system identification unit 110 identifies a model representing the time evolution of the structure using a non-Gaussian irregular process of the structure.
  • the input modeling unit 120 generates a probability model related to the input distribution based on the data indicating the fluctuation of the input to the structure.
  • the input generation unit 130 generates an input signal for the structure based on a probability model indicating an input distribution for the structure.
  • the response calculation unit 140 obtains an irregular response of vibration generated in the structure with respect to the input signal, based on the model of the structure and the input signal to the structure.
  • a diagnostic apparatus 10 having an analysis apparatus 100 is configured.
  • the diagnostic device 10 includes an analysis device 100, a stress calculation unit 150, and a reliability evaluation unit 160.
  • the stress calculation unit 150 obtains the stress generated in the structure based on the response of the structure.
  • the value obtained by the response calculation unit 140 is used.
  • the reliability evaluation unit 160 evaluates the reliability of the structure based on the stress generated in the structure. A value obtained by the stress calculation unit 150 is used as the stress.
  • the reliability evaluation unit 160 includes a load / strength reliability evaluation unit 161 and a fatigue strength reliability evaluation unit 162.
  • the load / strength reliability evaluation unit 161 obtains a load strength reliability indicating the reliability related to the sudden failure of the structure.
  • the fatigue strength reliability evaluation unit 162 obtains fatigue strength reliability indicating the reliability related to the wear failure of the structure.
  • the overall reliability evaluation unit 163 obtains the reliability of the structure based on the load strength reliability indicating the reliability related to the sudden failure of the structure and the fatigue strength reliability indicating the reliability related to the wear failure.
  • the analysis device 100 and the diagnosis device 10 perform analysis and diagnosis using data collected by the data collection unit 180.
  • the data collection unit 180 collects data indicating an input to the structure and a response to the input.
  • the data collection unit 180 includes, for example, a vibration sensor 181 and a pressure sensor 182.
  • the vibration sensor 181 detects vibration propagating in a pipe or a fluid such as water flowing in the pipe.
  • an eddy current displacement sensor, a Doppler velocity sensor, a piezoelectric acceleration sensor, or the like is used as the vibration sensor 181, for example, an eddy current displacement sensor, a Doppler velocity sensor, a piezoelectric acceleration sensor, or the like is used.
  • Pipes such as water pipes are vibrated due to fluctuations in water pressure or external vibration. That is, vibrations occur in the piping due to fluctuations in water pressure.
  • the fluctuation of the water pressure becomes an input to the structure, and the vibration caused by the fluctuation of the water pressure becomes the response of the structure.
  • each of the analysis apparatus 100 and the diagnosis apparatus 10 uses a fluctuation in water pressure as an input to the structure, and performs analysis or the like by using a vibration generated due to the fluctuation in water pressure as a response.
  • the pressure sensor 182 detects the pressure of the fluid flowing inside the pipe. As described above, pressure fluctuations are input to the structure. When the pipe is a water pipe, the pressure sensor 182 detects the water pressure. As shown in FIG. 3, the vibration sensor 181 is attached to a fire hydrant 502 or the like provided in the pipe 501. Further, the pressure sensor 182 is attached to the pipe 501, for example.
  • the structure is a water pipe
  • the pressure of the water flowing through the water pipe fluctuates by releasing water or controlling a pump provided in the water pipe.
  • the vibration sensor 181 detects a vibration response that is a vibration caused by a change in water pressure.
  • the pressure sensor 182 detects water pressure fluctuation.
  • each component of the analysis apparatus 100 and the diagnosis apparatus 10 in the present embodiment will be described.
  • each component of the analyzer 100 will be described.
  • the system identification unit 110 identifies a model representing the time evolution of the structure based on the response of the structure.
  • pipes such as water pipes are targeted as structures.
  • the system identification unit 110 identifies a structural model representing time evolution using a non-Gaussian irregular process based on a probability model of a response to a structure such as a pipe.
  • FIG. 4 shows an example of an assumed structural model.
  • FIG. 4A is an example showing a cross section of a pipe to be modeled
  • FIG. 4B is an example of a structural model for the pipe.
  • the structural model includes a spring and a damper.
  • P represents water pressure
  • X represents displacement of the vibration response of the structural model
  • V represents the speed of vibration response of the structural model.
  • the piping to be identified by the structural model shown in FIG. 4B is a cast iron pipe.
  • the piping has nonlinear restoring force characteristics.
  • a fluctuation in water pressure represented by Gaussian white noise is added as a fluctuation in water pressure as an input to the pipe.
  • the target such as the system identification unit 110 and the analysis apparatus 100 including the system identification unit 110 is not limited to such a pipe.
  • the input is not limited to Gaussian input.
  • the system identification unit 110 treats the equation of motion of the structural model as a non-deterministic stochastic process.
  • the system identification unit 110 represents the structural model using the Fokker-Planck equation.
  • the Fokker-Planck equation is one of the equations of motion representing the time evolution of a probability density function related to the displacement and speed of vibration of a structure. That is, the system identification unit 110 identifies a model that represents a temporal change related to the probability density function of the vibration displacement and velocity of the structure as a model that represents the time evolution of the structure.
  • identification of a structural model based on the following equation (1) is conceivable.
  • x 1 represents a random variable for the displacement of the structural model
  • x 2 represents a random variable for the velocity of the structural model
  • t represents time.
  • x 1 corresponds to the X mentioned above
  • x 2 corresponds to V described above.
  • f ( ⁇ ) represents a probability density function with • as a random variable.
  • K is a spring constant in the structural model
  • c is a damping coefficient of the damper in the structural model.
  • up to a third-order term regarding displacement is considered.
  • ⁇ represents a second-order nonlinear coefficient
  • ⁇ represents a third-order nonlinear coefficient.
  • D represents the diffusion coefficient of the water pressure fluctuation that is an input. D is obtained by obtaining the probability density of the input based on the detection result by the pressure sensor 182 and the like.
  • the system identification unit 110 identifies a model based on a moment equation describing the time evolution of the moment with respect to the probability density function.
  • E [x] represents a moment with respect to the probability density function f (x).
  • equation (2) each of i and j represents the order of the moment.
  • Equation (2) is a linear equation for unknown parameters k, c, ⁇ , and ⁇ . Further, the displacement and speed of vibration obtained by the vibration sensor 181 correspond to the response of these structural models to the fluctuation of water pressure as an input. That is, if the probability density function of the response is obtained based on the vibration detected by the vibration sensor 181, the value of the higher order moment in the equation (2) is determined. And the unknown parameter mentioned above is calculated
  • Equation (3) The probability density function f (x 1 , x 2 ) of the response is decomposed as in the following equation (3), and the moment is obtained as in the following equation (4).
  • ⁇ i represents a parameter parameter of each distribution.
  • the nth moment is defined by the following equation (5).
  • the probability density function of the response is obtained using an EM (Expectation-Maximization) algorithm using a mixed Gaussian model, a latent distribution estimation algorithm using heterogeneous mixed learning, or the like.
  • the system identification unit 110 obtains a moment using a probability density function obtained using these algorithms.
  • equation (6) The simultaneous equations for obtaining the unknown parameters described above are expressed as shown in equation (6) as an example.
  • equation (6) the fourth moment is taken into consideration.
  • equation (6) shows a case where the second-order nonlinear coefficient ⁇ is zero.
  • the order of the moment to be considered is not limited to the fourth order. The order of the moment to be considered may be appropriately determined according to various factors such as the type of the target structure.
  • the input modeling unit 120 models an input signal based on data indicating input fluctuations with respect to the structure. Specifically, the input modeling unit 120 generates a probability model representing the input distribution.
  • the input modeling unit 120 When the structure is a pipe such as a water pipe, the fluctuation of the pressure of fluid such as water flowing inside becomes an input to the pipe. That is, the input modeling unit 120 generates, for example, a probability model of water pressure distribution.
  • the input modeling unit 120 generates a probability model representing a water pressure distribution as an input based on data indicating fluctuations in water pressure for several days detected by the pressure sensor 182, for example.
  • the data used for generating the probability model is preferably data collected by the pressure sensor 182 over two days or more.
  • the data collection period is not particularly limited, and may be determined according to required accuracy, a period during which data can be collected, and the like.
  • FIG. 5A shows an example of data indicating fluctuations in the input water pressure.
  • the water pressure distribution generally follows a Gaussian distribution, but may have non-Gaussian properties. However, in the input modeling unit 120, the water pressure distribution may be treated as a Gaussian distribution. In the input modeling unit 120, the water pressure distribution may be treated as a non-Gaussian process.
  • the input modeling unit 120 generates an input probability model using, for example, a known algorithm based on the data regarding the fluctuation of the water pressure collected as described above.
  • an EM algorithm using a mixed Gaussian model, a latent distribution algorithm based on heterogeneous mixed learning, or the like is used.
  • FIG. 5B shows an example of a probability model generated by the input modeling unit 120.
  • the input generation unit 130 generates an input signal for the structure based on the input probability model for the structure modeled by the input modeling unit 120.
  • the input generation unit 130 solves the probability model generated by the input modeling unit 120 with respect to a random variable, and generates an input signal by giving a random number generated using a uniform distribution.
  • the generated input signal is, for example, a signal indicating a change in water pressure for a certain time.
  • the response calculation unit 140 is configured to correct vibration generated in the structure with respect to the input signal. Find the distribution of rule responses.
  • the response calculation unit 140 obtains an irregular response to the input signal using a known numerical integration method such as the Runge-Kutta method. That is, the response calculation unit 140 numerically integrates the input signal that is an irregular signal generated by the input generation unit 130 according to the distribution of the probability model generated by the input modeling unit 120 according to the above-described method. Thus, the distribution of irregular responses of the structure is obtained.
  • a model identified based on the parameters k, c, and ⁇ obtained as described above is appropriately used.
  • the stress calculation unit 150 obtains the stress generated in the structure such as a pipe based on the irregular response of the structure obtained by the response calculation unit 140.
  • U r represents the vertical displacement of the pipe.
  • U r corresponds to the distribution of the irregular response of the displacement detected by the vibration sensor 181 and the displacement of the structure obtained by the response calculation unit 140.
  • U ⁇ represents the circumferential displacement of the pipe, and the relational expression can be obtained by designating the shape function of the pipe.
  • R represents the radius of the pipe
  • E represents the elastic modulus of the pipe
  • h represents the wall thickness of the pipe
  • A represents the cross-sectional area of the pipe
  • L represents the length of the pipe.
  • A hL holds.
  • v represents the Poisson's ratio.
  • the reliability evaluation unit 160 evaluates the reliability related to the structure based on the distribution of the stress generated in the structure obtained by the stress calculation unit 150.
  • the reliability evaluation unit 160 comprehensively evaluates sudden failures and wear failures related to structures such as piping.
  • Structure failures may be explained by reliability theory. In this case, it is necessary to evaluate the reliability of both the sudden failure and the wear failure in the structure in service.
  • the reliability related to the sudden failure is expressed using, for example, a known load / strength model.
  • the load / strength model is determined based on the strength of the structure and the probability that the load is first applied to the structure.
  • the reliability regarding the wear failure is expressed using a load / cycle model or an extreme statistical model.
  • the reliability evaluation unit 160 evaluates reliability related to sudden failures and wear failures related to structures such as pipes. And the reliability evaluation part 160 evaluates the reliability regarding the intensity
  • the reliability evaluation unit 160 includes a load / strength reliability evaluation unit 161, a fatigue strength reliability evaluation unit 162, and an overall reliability evaluation unit 163.
  • the load / strength reliability evaluation unit 161 obtains a load strength reliability. More specifically, the load / strength reliability evaluation unit 161 obtains the load strength reliability of a structure such as a pipe using a load / strength model based on the stress distribution. As the load / strength model, a known model is appropriately used as described above. The reliability obtained by the load / strength reliability evaluation unit 161 is related to the reliability related to the sudden failure. Hereinafter, the reliability expressed by the load / strength reliability evaluation unit 161 is expressed as R 1 .
  • the fatigue strength reliability evaluation unit 162 obtains fatigue strength reliability. More specifically, the fatigue strength reliability evaluation unit 162 obtains the fatigue strength reliability of a structure such as a pipe using a method such as a rain flow method based on the stress distribution and the fatigue strength of the structure. The reliability obtained by the fatigue strength reliability evaluation unit 162 is related to the reliability related to wear failure. Hereinafter, representative of the reliability represented by the fatigue reliability evaluation unit 162 and R 2.
  • the structure fatigue strength is expressed as a relationship between the number of cycles in which stress is applied to the structure and the magnitude of the amplitude of stress allowed in the number of cycles.
  • the fatigue strength reliability evaluation unit 162 decomposes the amplitude and frequency of the stress process, and determines the number of cycles of fatigue strength corresponding to the most frequent stress amplitude in the stress distribution as the lifetime. Find the life of things.
  • the overall reliability evaluation unit 163 has a reliability evaluation result regarding the sudden failure obtained by the load / strength reliability evaluation unit 161 and a reliability associated with the wear failure obtained by the fatigue strength reliability evaluation unit 162. The reliability of the structure is evaluated based on the evaluation result.
  • a pipe failure may lead to a malfunction even if either a sudden failure or a wear failure occurs.
  • a sudden failure or a wear failure in the piping there is a possibility that leakage or the like occurs and replacement is necessary.
  • the reliability evaluation unit 160 obtains a reliability in which both a sudden failure and a wear failure are considered in a structure such as a pipe. More specifically, the reliability evaluation unit 160 calculates the reliability using the following equation (10). That is, the reliability evaluation unit 160 sets the product of the two reliability values as a comprehensive reliability in which both sudden failure and wear failure are considered in a structure such as a pipe.
  • the input and response of the structure are measured by the data collection unit 180 (step S11).
  • the pressure sensor 182 measures fluctuations in water pressure that is input to the pipe
  • the vibration sensor 181 measures vibration that is a pipe response.
  • the analysis device 100 and the diagnostic device 10 acquire data measured via a wired or wireless communication network, an arbitrary type of recording medium, or the like.
  • step S12 The processing from step S12 to step S15 is mainly executed by each element of the analyzer 100.
  • the system identification unit 110 performs system identification of a structure (step S12). Details of the processing to be executed will be described later.
  • the input modeling unit 120 models the input signal (step S13). In other words, the input modeling unit 120 generates a probability model related to the input signal based on data indicating the water pressure fluctuation detected by the pressure sensor 182 of the data collection unit 180.
  • the input generation unit 130 generates an input signal to be added to the structure using the probability model generated in step S13 (step S14).
  • step S12 the process of step S12 and the processes of steps S13 and S14, is not limited. These processes may be executed in parallel as in the flowchart shown in FIG. Further, these processes may be executed sequentially in an arbitrary order.
  • the response calculation unit 140 calculates an irregular response of the structure (step S15). Based on the input signal to the structure obtained in step S14 and the model of the structure generated in step S12, the response calculation unit 140 calculates a distribution of irregular responses using a known method or the like. . In step S ⁇ b> 15, the response calculation unit 140 obtains at least a response distribution for the displacement.
  • the stress calculation unit 150 calculates the distribution of stress generated in the structure based on the irregular response obtained in step S15 (step S16).
  • the stress calculation unit 150 obtains a stress distribution mainly based on the displacement distribution obtained in step S15.
  • the reliability evaluation unit 16 evaluates the reliability of the structure.
  • the load / strength reliability evaluation unit 161 evaluates the load / strength reliability (step S17). That is, the load / strength reliability evaluation unit 161 evaluates the reliability related to the sudden failure.
  • the fatigue strength reliability evaluation unit 162 evaluates the fatigue strength reliability (step S18). That is, the fatigue strength reliability evaluation unit 162 evaluates the reliability related to wear failure.
  • step S17 and the process of step S18 is not limited. These processes may be executed in parallel as in the flowchart shown in FIG. Alternatively, these processes may be executed sequentially in an arbitrary order.
  • the overall reliability evaluation unit 163 evaluates the reliability of the structure based on the load / strength reliability obtained in step S17 and the fatigue strength reliability obtained in step S18. (Step S19).
  • step S12 is executed in detail according to the flowchart shown in FIG. With reference to the flowchart shown in FIG. 8, the operation
  • the system identification unit 110 acquires vibration data measured by the vibration sensor 181 of the data collection unit 180 in a structure that is a system identification target (step S101).
  • the system identification unit 110 estimates the probability density function of the response based on the vibration data measured in step S101 (step S102).
  • the system identification unit 110 calculates a moment related to the probability density function using the probability density function of the response estimated in step S102 (step S103). In this case, the system identification unit 110 calculates a high-order moment up to a predetermined order. In addition, the system identification unit 110 may accept a designation relating to the maximum order of the high-order moment.
  • the system identification unit 110 calculates parameters related to the above-described structural model (step S104).
  • the structural model of the structure is identified by calculating the parameters.
  • the analysis apparatus 100 identifies a model representing the time evolution of a structure using a non-Gaussian irregular process based on the distribution of the response of the structure. Then, the analysis apparatus 100 obtains a response to an input applied to the structure and a stress generated in the structure as a distribution based on the model representing the time evolution.
  • the analyzer 100 a non-Gaussian model is identified. Therefore, the above-described problem can be avoided.
  • the sudden failure is represented by the load / strength model, the evaluation of the stress and the strength are realized as described above, so that the reliability of the sudden failure can be evaluated.
  • the analyzer 100 it is possible to accurately evaluate the reliability in consideration of not only the wear failure but also the sudden failure. That is, the analysis apparatus 100 and the diagnostic apparatus 10 enable highly accurate diagnosis about the state of the structure.
  • FIG. 9 shows a configuration of the diagnostic apparatus 11 in the modification of the embodiment described above. As illustrated in FIG. 9, the diagnostic device 11 is different from the diagnostic device 10 in that the diagnostic device 11 includes an intensity estimation unit 170 as compared with the diagnostic device 10 described above.
  • the strength estimation unit 170 estimates the strength of the structure when data is collected based on the vibration of the structure detected by the vibration sensor 181.
  • the strength estimation unit 170 uses known methods as appropriate to obtain the estimated tensile strength and estimated fatigue strength of the structure when data is collected.
  • the intensity estimation unit 170 obtains a distribution of these intensity, for example.
  • the load / strength reliability evaluation unit 161 is based on the estimated tensile strength distribution of the structure estimated by the strength estimation unit 170 and the stress distribution obtained by the stress calculation unit 150. Evaluate the load and strength reliability of the structure.
  • the fatigue strength reliability evaluation unit 162 determines the fatigue of the structure based on the estimated fatigue strength distribution of the structure estimated by the strength estimation unit 170 and the stress distribution obtained by the stress calculation unit 150. Evaluate strength reliability.
  • the diagnosis device 11 has the same effect as the diagnosis device 10.
  • Example 10 The above-described diagnostic device 10 or the like is applied to the diagnosis of the reliability of the structure.
  • an experiment for diagnosing reliability was performed on a shared water pipe.
  • a water pipe a normal gray cast iron pipe having a diameter of 100 mm (millimeter) and a length of 5 m (meter) was used.
  • the water pipe to be tested was passed through a test rig.
  • the water pipes to be tested had fire hydrants at both ends and the ends were closed. There was no flow in the water inside the water pipe.
  • a pressure pump was installed upstream of the water pipe.
  • a dynamic water pressure exciter was installed in the fire hydrant on the upstream side.
  • An eddy current displacement sensor and a laser Doppler vibration velocimeter were installed as a vibration sensor 181 in the downstream fire hydrant.
  • a dynamic water pressure sensor was installed as a pressure sensor 182 in the downstream fire hydrant.
  • the hydrostatic pressure of the water passed through the inside was set to 0.6 MPa (megapascal), and the water pipe was vibrated by generating a white noise series using a hydrodynamic vibrator. .
  • the vibration response and the water pressure response with respect to the vibration by a dynamic water pressure vibrator were measured by each sensor mentioned above.
  • the vibration response was measured under the conditions of a measurement range of ⁇ 10 V (volts), an AD (Analog-to-digital) conversion bit number of 16 bits, and a sampling frequency of 3 kHz. The measurement was performed for 5000 seconds.
  • the system identification unit 110 Based on the data measured by the eddy current displacement sensor and the laser Doppler vibrometer, the system identification unit 110 obtains a probability density function of the vibration response. In this case, the system identification unit 110 adapted the vibration response to a mixed Gaussian model of the third order. The system identification unit 110 uses an EM algorithm for estimating the probability density function. And the convergence of the estimated value of the parameter parameter was confirmed by repeating 25 steps.
  • FIG. 10 shows an example in which the vibration response is fitted to a third-order mixed Gaussian model. That is, FIG. 10A shows the measured vibration response displacement, and FIG. 10B shows the probability density function for the displacement distribution estimated based on the measured value. FIG. 10C shows the speed of the measured vibration response, and FIG. 10D shows the probability density function for the velocity distribution estimated based on the measured value.
  • FIG. 11 shows the displacement restoring force characteristics identified by the system identification unit 110.
  • a dotted line indicates a true value which is an actual value obtained by the sensor, and a solid line indicates a value obtained using the identified model.
  • the input modeling unit 120 performs probability modeling of the water pressure distribution as an input.
  • data of the water pressure fluctuation data for two days measured in a cast iron pipe in actual operation with the same diameter and the same material was used.
  • the EM algorithm is used for the univariate Gaussian distribution in the modeling. It was confirmed that the estimation of the parameter parameter converged by repeating the steps five times.
  • FIG. 12 shows an example of a water pressure distribution and a probability model.
  • FIG. 12A shows the measured water pressure distribution.
  • FIG. 12B shows an example of a probability model estimated by the input modeling unit 120 based on the water pressure distribution shown in FIG.
  • the stress calculation unit 150 obtained the stress generated in the water pipe based on the response obtained by the response calculation unit 140.
  • the reliability evaluation unit 160 evaluated the reliability.
  • the reliability evaluation unit 160 when evaluating the reliability, “Jesson DA, Mohebbi H, Farrow J, Mulheron MJ, Smith PA. (2013)“ On the condition assessment of cast iron trunk main: The effect of microstructure and The values of tensile strength described in “in-service“ graphitisation ”on“ mechanical properties ”in“ flexure ”.“ Materials ”Science“ and ”Engineering“ A, ”576,“ pp. ”192-201.” were used.
  • FIG. 13 shows the result of determining the relationship between the stress and the tensile strength obtained by comparing with the value of the tensile strength described in the above document.
  • Reliability R obtained is obtained as a value smaller than the load-strength reliability R 1. Therefore, it was confirmed by the diagnostic device 10 that the reliability is evaluated on the safe side. In other words, it was confirmed that the reliability was evaluated so as to reduce the possibility that the water pipe could stop functioning due to a failure.
  • the structural model identified by the system identification unit 110 was evaluated for reliability in the case of further simulating deterioration.
  • the value of the spring constant k included in the structural model obtained by the system identification unit 110 is changed by 5% (percent).
  • An example of the structural model in this case is shown in FIG.
  • the response calculation unit 140 obtains the response of the water pipe
  • the stress calculation unit 150 obtains the stress generated in the water pipe based on the response.
  • the reliability evaluation part 160 evaluated reliability based on the stress calculated
  • the obtained reliability R value is smaller than the reliability R in the previous example. That is, it was confirmed that the diagnostic device 10 appropriately evaluates the degree of deterioration according to the state of deterioration.
  • the reliability R was determined as a value smaller than the load / strength reliability R 1 . Therefore, as in the previous example, it was confirmed that the reliability was evaluated by the diagnostic device 10 on the safe side. In other words, it was confirmed that the reliability was evaluated so as to reduce the possibility of overlooking that the water pipe could stop functioning due to a failure even when simulating deterioration.
  • System identification means for identifying a model representing the time evolution of the structure using a non-Gaussian irregular process based on the distribution of the response of the structure;
  • Input modeling means for generating a probability model representing the distribution of the input based on data indicating fluctuations in the input to the structure;
  • Input generating means for generating an input signal for the structure based on the probability model;
  • response calculating means for obtaining an irregular response of vibration generated in the structure with respect to the input signal;
  • Appendix 2 The analysis apparatus according to appendix 1, wherein the system identification unit identifies the model based on a probability density function of vibration displacement and velocity as the response.
  • Appendix 3 The analysis apparatus according to appendix 2, wherein the system identification unit identifies the model representing time evolution of the probability density function of the vibration displacement and velocity.
  • Appendix 4 The analysis apparatus according to appendix 2 or 3, wherein the system identification unit identifies the model based on a moment about the probability density function of the vibration displacement and velocity.
  • Appendix 5 The analyzer according to any one of appendices 1 to 4, wherein the structure is a pipe.
  • Appendix 6 The analysis apparatus according to appendix 5, wherein the input modeling unit generates the probability model indicating a pressure distribution based on a variation in pressure of a fluid flowing through the pipe collected during a predetermined period.
  • Appendix 7 The analyzer according to appendix 6, wherein the input generation means generates the input signal representing the pressure fluctuation based on the probability model.
  • the reliability evaluation means includes Load strength reliability evaluation means for evaluating load strength reliability indicating reliability related to the sudden failure of the structure; Fatigue strength reliability evaluation means for evaluating fatigue strength reliability indicating reliability related to wear failure of the structure; An overall reliability evaluation means for evaluating the reliability of the structure based on the load strength reliability and the fatigue strength reliability; The diagnostic device according to appendix 9.
  • the load strength reliability evaluation means evaluates the load strength reliability based on the stress and the relationship between the stress and the strength of the structure.
  • the diagnostic apparatus according to appendix 10.
  • the overall reliability evaluation means evaluates the fatigue strength reliability based on the stress and fatigue strength of the structure.
  • the diagnostic apparatus according to appendix 10.
  • the overall reliability evaluation means calculates the reliability of the structure based on a product of the load strength reliability and the fatigue strength reliability.
  • the diagnostic device according to any one of appendices 10 to 12.
  • Diagnosis apparatus 100 Analysis apparatus 110 System identification part 120 Input modeling part 130 Input generation part 140 Response calculation part 150 Stress calculation part 160 Reliability evaluation part 161 Load / strength reliability evaluation part 162 Fatigue strength reliability evaluation part 163 Total reliability Degree evaluation unit 170 Strength estimation unit 180 Data collection unit 181 Vibration sensor 182 Pressure sensor

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

構造物の状態についての精度の高い診断を可能にする分析装置等を提供する。　分析装置は、構造物の応答の分布に基づいて、構造物の時間発展を表すモデルを同定するシステム同定手段と、構造物に対する入力の変動を示すデータに基づいて、入力の分布を表す確率モデルを生成する入力モデル化手段と、確率モデルに基づいて、構造物に対する入力信号を生成する入力生成手段と、モデル及び入力信号に基づいて、入力信号に対して構造物に生じる振動の不規則応答を求める応答算出手段と備える。

Description

分析装置、診断装置、分析方法及びコンピュータ読み取り可能記録媒体
　本発明は、分析装置、診断装置、分析方法及びコンピュータ読み取り可能記録媒体に関する。
　水道管等の構造物は、長期間の使用により劣化する。劣化の状態を正確に把握するために、劣化の状態の予測や診断を行うための技術が開発されている。
　特許文献１には、機器の劣化度予測方法等が記載されている。特許文献１に記載の機器の劣化度予測方法は、機器の任意の複数個所で求めた劣化度判定のための物理的特性の測定値の極値の統計的分布に基づく再帰期間を用い、該測定値から機器における物理的特性の最大値又は最小値を推定する。そして、特許文献１に記載の機器の劣化度予測方法は、予め求めたおいた材料の劣化度と該特性との関係のデータベースから機器における劣化の最大値を予測する。
特開平２－１６７４６３号公報
　構造物の故障は、初期故障、突発故障及び磨耗故障に分別される場合がある。供用中の構造物に対しては、突発故障及び磨耗故障に対する考慮が必要となる。そして、構造物の診断に際しては、この双方が評価されることが好ましい。すなわち、特許文献１に記載の技術等に対して、構造物の多様な診断を可能にする技術が求められている。
　本発明は、上記課題を解決するためになされたものであって、構造物状態についての精度の高い診断を可能にする分析装置等を提供することを主たる目的とする。
　本発明の一態様における分析装置は、構造物の応答に基づいて、非ガウス不規則過程を用いて構造物の時間発展を表すモデルを同定するシステム同定手段と、構造物に対する入力の変動を示すデータに基づいて、入力の分布を表す確率モデルを生成する入力モデル化手段と、確率モデルに基づいて、構造物に対する入力信号を生成する入力生成手段と、モデル及び入力信号に基づいて、入力信号に対して構造物に生じる振動の不規則応答を求める応答算出手段と、を備える。
　本発明の一態様における診断装置は、分析装置と、分析装置の応答算出手段によって算出された応答に基づいて、構造物に生じる応力を算出する応力算出手段と、応力に基づいて、構造物の突発故障及び磨耗故障に関する信頼度を評価する信頼度評価手段とを備える。
　本発明の一態様における分析方法は、構造物の応答に基づいて、非ガウス不規則過程を用いて構造物の時間発展を表すモデルを同定し、構造物に対する入力の変動を示すデータに基づいて、入力の分布を表す確率モデルを生成し、確率モデルに基づいて、構造物に対する入力信号を生成し、モデル及び入力信号に基づいて、入力信号に対して構造物に生じる振動の不規則応答を求める。
　本発明の一態様におけるコンピュータ読み取り可能記録媒体は、コンピュータに、構造物の応答に基づいて、非ガウス不規則過程を用いて構造物の時間発展を表すモデルを同定する処理と、構造物に対する入力の変動を示すデータに基づいて、入力の分布を表す確率モデルを生成する処理と、確率モデルに基づいて、構造物に対する入力信号を生成する処理と、モデル及び入力信号に基づいて、入力信号に対して構造物に生じる振動の不規則応答を求める処理と、を実行させるプログラムを非一時的に格納する。
　本発明によると、構造物の状態についての精度の高い診断を可能にする分析装置等を提供することができる。
本発明の第１の実施形態における分析装置の構成を示す図である。 本発明の第１の実施形態における診断装置の構成を示す図である。 本発明の第１の実施形態における診断装置及びデータ収集部の構成を示す図である。 分析対象となる配管の１自由度構造モデルによるモデル化の一例を示す図である。 構造物に対する入力の変動及び入力モデル化部によって生成される確率モデルの例を示す図である。 疲労強度信頼度評価部による評価の例を示す図である。 本発明の第１の実施形態における診断装置の動作を示すフローチャートである。 本発明の第１の実施形態における分析装置によるシステム同定の動作を示すフローチャートである。 本発明の第１の実施形態の変形例における診断装置の構成を示す図である。 実施例において推定された振動応答の応答分布の例を示す図である。 実施例において同定された変位復元力特性の例を示す図である。 実施例において推定された水圧分布に関する確率モデルの例を示す。 実施例において評価された応力と引張強度との例を示す。 実施例において劣化を想定した場合に同定された変位復元力特性の例を示す。 本発明の各実施形態における分析装置等を実現する情報処理装置の一例を示す図である。
　本発明の各実施形態について、添付の図面を参照して説明する。本発明の各実施形態において、各装置の各構成要素 は、機能単位のブロックを示している。各装置の各構成要素の一部又は全部は、例えば図１５に示すような情報処理装置１０００とプログラムとの任意の組み合わせにより実現される。情報処理装置１０００は、一例として、以下のような構成を含む。
　　・ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）１００１
　　・ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）１００２
　　・ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）１００３
　　・ＲＡＭ１００３にロードされるプログラム１００４
　　・プログラム１００４を格納する記憶装置１００５
　　・記録媒体１００６の読み書きを行うドライブ装置１００７
　　・通信ネットワーク１００９と接続する通信インターフェース１００８
　　・データの入出力を行う入出力インターフェース１０１０
　　・各構成要素を接続するバス１０１１
　各実施形態における各装置の各構成要素は、これらの機能を実現するプログラム１００４をＣＰＵ１００１が取得して実行することで実現される。各装置の各構成要素の機能を実現するプログラム１００４は、例えば、予め記憶装置１００５やＲＡＭ１００３に格納されており、必要に応じてＣＰＵ１００１が読み出す。なお、プログラム１００４は、通信ネットワーク１００９を介してＣＰＵ１００１に供給されてもよいし、予め記録媒体１００６に格納されており、ドライブ装置１００７が当該プログラムを読み出してＣＰＵ１００１に供給してもよい。
　各装置の実現方法には、様々な変形例がある。例えば、各装置は、構成要素毎にそれぞれ別個の情報処理装置１０００とプログラムとの任意の組み合わせにより実現されてもよい。また、各装置が備える複数の構成要素が、一つの情報処理装置１０００とプログラムとの任意の組み合わせにより実現されてもよい。
　また、各装置の各構成要素の一部又は全部は、プロセッサ等を含む汎用または専用の回路 （ｃｉｒｃｕｉｔｒｙ）や、これらの組み合わせによって実現される。これらは、単一のチップ によって構成されてもよいし、バスを介して接続される複数のチップ によって構成されてもよい。各装置の各構成要素の一部又は全部は、上述した回路等とプログラムとの組み合わせによって実現されてもよい。
　各装置の各構成要素の一部又は全部が複数の情報処理装置や回路等により実現される場合には、複数の情報処理装置や回路等は、集中配置されてもよいし、分散配置されてもよい。例えば、情報処理装置や回路等は、クライアントアンドサーバシステム、クラウドコンピューティングシステム等、各々が通信ネットワークを介して接続される形態として実現されてもよい。
　なお、以下の実施形態において、構造物は、配管の一つである水道管である場合を想定する。ただし、構造物は、水道管以外の配管であってもよく、また、配管に限られない。また、以下の実施形態における各装置は、水道管等の配管以外の構造物を対象としてもよい。
　（第１の実施形態）
　まず、本発明の第１の実施形態について説明する。図１は、本発明の第１の実施形態における分析装置を示す図である。
　図１に示すとおり、本発明の第１の実施形態における分析装置１００は、システム同定部１１０と、入力モデル化部１２０と、入力生成部１３０と、応答算出部１４０とを備える。システム同定部１１０は、構造物の応答に基づいて、構造物の非ガウス不規則過程を用いて構造物の時間発展を表すモデルを同定する。入力モデル化部１２０は、構造物に対する入力の変動を示すデータに基づいて、入力の分布に関する確率モデルを生成する。入力生成部１３０は、構造物に対する入力の分布を示す確率モデルに基づいて、構造物に対する入力信号を生成する。応答算出部１４０は、構造物のモデル及び構造物に対する入力信号に基づいて、入力信号に対して構造物に生じる振動の不規則応答を求める。
　また、図２に示すように、分析装置１００を有する診断装置１０が構成される。診断装置１０は、分析装置１００と、応力算出部１５０と、信頼度評価部１６０とを備える。応力算出部１５０は、構造物の応答に基づいて、構造部に生じる応力を求める。構造物の応答として、応答算出部１４０にて求められた値が用いられる。信頼度評価部１６０は、構造物に生じる応力に基づいて、構造物の信頼度を評価する。応力として、応力算出部１５０によって求められた値が用いられる。
　信頼度評価部１６０は、より詳しくは、負荷・強度信頼度評価部１６１と、疲労強度信頼度評価部１６２とを含む。負荷・強度信頼度評価部１６１は、構造物の突発故障に関する信頼度を示す負荷強度信頼度を求める。疲労強度信頼度評価部１６２は、構造物の摩耗故障に関する信頼度を示す疲労強度信頼度を求める。総合信頼度評価部１６３は、構造物の突発故障に関する信頼度を示す負荷強度信頼度と、摩耗故障に関する信頼度を示す疲労強度信頼度とに基づいて、構造物の信頼度を求める。
　分析装置１００及び診断装置１０は、データ収集部１８０にて収集されたデータを用いて分析や診断を行う。データ収集部１８０は、構造物に対する入力及び当該入力に対する応答を示すデータを収集する。水道管等の配管を対象とする場合には、データ収集部１８０は、例えば、振動センサ１８１と、圧力センサ１８２とを備える。振動センサ１８１は、配管又は配管の内部を流れる水等の流体を伝搬する振動を検知する。振動センサ１８１として、例えば、渦電流型変位センサ、ドップラー型速度センサ、圧電式加速度センサ等が用いられる。
　水道管等の配管は、水圧の変動や外部からの加振等によって振動が生じる。つまり、水圧の変動によって、配管に振動が生じる。水圧の変動が構造物への入力となり、水圧の変動に起因して生じた振動が構造物の応答となる。本実施形態において、分析装置１００及び診断装置１０の各々は、水圧の変動を構造物への入力とし、水圧の変動に起因して生じた振動を応答として分析等を行う。
　圧力センサ１８２は、配管の内部を流れる流体の圧力を検知する。上述のように、圧力の変動が構造物への入力となる。配管が水道管である場合には、圧力センサ１８２は、水圧を検知する。図３に示すように、振動センサ１８１は、配管５０１に設けられた消火栓５０２等に取り付けられる。また、圧力センサ１８２は、例えば配管５０１に取り付けられる。
　構造物が水道管である場合、水を放出させる、又は水道管に設けられたポンプを制御する等によって、水道管を流れる水の水圧変動が生じる。この場合に、振動センサ１８１は、水圧変動により生じた振動である振動応答を検知する。また、圧力センサ１８２は、水圧変動を検知する。このように検知された入力となる水圧変動及び振動応答のデータを収集することで、分析装置１００及び診断装置１０による分析又は診断等が行われる。
　続いて、本実施形態における分析装置１００及び診断装置１０の各構成要素について説明する。まず、分析装置１００の各構成要素について説明する。
　システム同定部１１０は、構造物の応答に基づいて、構造物の時間発展を表すモデルを同定する。本実施形態では、上述のように、構造物として水道管等の配管を対象とする。システム同定部１１０は、配管等の構造物に対する応答の確率モデルに基づいて、非ガウス不規則過程を用いて時間発展を表す構造モデルを同定する。
　本実施形態では、一例として、配管のモデルが、配管の共振周波数に着目した１自由度の構造モデルにて表される場合が想定される。図４は、想定される構造モデルの例を示す。図４（Ａ）は、モデル化の対象となる配管の断面を示す例であり、図４（Ｂ）は、当該配管に対する構造モデルの例である。図４（Ｂ）に示す例では、構造モデルは、ばねとダンパーを含む。以下、システム同定部１１０の動作の具体的な一例として、システム同定部１１０が、図４（Ｂ）に示す構造モデルを同定する場合の例を説明する。図４（Ａ）において、Ｐは水圧、Ｘは構造モデルの振動応答の変位、Ｖは構造モデルの振動応答の速度を表す。
　なお、本実施形態では、図４（Ｂ）に示す構造モデルの同定の対象となる配管は、鋳鉄管である場合を想定する。そして鋳鉄の材料特性を考慮し、配管は非線形復元力特性を有するとする。配管に対する入力となる水圧変動として、ガウス性の白色雑音で表される水圧の変動が加えられる場合を想定する。ただし、システム同定部１１０及びシステム同定部１１０を含む分析装置１００等の対象は、このような配管に限られない。また、入力は、ガウス性の入力に限られない。
　システム同定部１１０は、構造モデルの運動方程式を確定的ではない確率過程として扱う。本実施形態において、システム同定部１１０は、構造モデルをＦｏｋｋｅｒ－Ｐｌａｎｃｋ方程式を用いて表す。Ｆｏｋｋｅｒ－Ｐｌａｎｃｋ方程式は、構造物の振動の変位や速度に関する確率密度関数の時間発展を表す運動方程式の一つである。つまり、システム同定部１１０は、構造物の時間発展を表すモデルとして、構造物の振動の変位や速度の確率密度関数に関する時間的な変化を表すモデルを同定する。システム同定部１１０においては、一例として、以下の（１）式に基づく構造モデルの同定が考えられる。
Figure JPOXMLDOC01-appb-M000001
　（１）式において、ｘ１は、構造モデルの変位の確率変数、ｘ２は、構造モデルの速度の確率変数、ｔは時間を表す。ｘ１は上述したＸに対応し、ｘ２は上述したＶに対応する。ｆ（・）は・を確率変数とする確率密度関数を表す。また、ｋは、構造モデルにおけるばね定数、ｃは構造モデルにおけるダンパーの減衰係数とする。また、（１）式では、変位に関して３次の項までが考慮されるものとする。εは２次の非線形係数、μは３次の非線形係数を表す。Ｄは、入力である水圧変動の拡散係数を表す。Ｄは、圧力センサ１８２による検知結果等に基づいて入力の確率密度を求めることで得られる。
　Ｆｏｋｋｅｒ－Ｐｌａｎｃｋ方程式の理論解の導出は、一般的には困難な場合がある。そこで、本実施形態において、システム同定部１１０は、確率密度関数に対するモーメントの時間発展を記述するモーメント方程式に基づいてモデルを同定する。Ｅ［ｘ］は、確率密度関数ｆ（ｘ）に対するモーメントを表す。
　そして、（１）式に対応するモーメント方程式は（２）式のように表される。なお、（２）式において、ｉ及びｊの各々は、モーメントの次数を表す。
Figure JPOXMLDOC01-appb-M000002
　（２）式は、未知のパラメータであるｋ、ｃ、ε、μに対する線型方程式となる。また、振動センサ１８１で得られる振動の変位や速度等は、入力である水圧の変動に対するこれらの構造モデルの応答に相当する。つまり、振動センサ１８１にて検知された振動に基づいて応答の確率密度関数が得られれば、（２）式における高次モーメントの値が定まる。そして、高次モーメントを含む連立方程式に最小二乗法を適用することによって、上述した未知のパラメータが求められる。
　なお、応答の確率密度関数ｆ（ｘ１，ｘ２）は、以下の（３）式のように分解され、そのモーメントは以下（４）式のように求められる。（３）式において、θｉは各分布の母数パラメータを示す。
Figure JPOXMLDOC01-appb-M000003
Figure JPOXMLDOC01-appb-M000004
　ｎ次のモーメントは、以下の（５）式で定義される。
Figure JPOXMLDOC01-appb-M000005
　また、応答の確率密度関数を求める場合には、構造モデルへの入力及び構造モデルの応答について、非ガウス性が考慮されることが好ましい。そこで、応答の確率密度関数は、混合ガウスモデルを用いたＥＭ（Ｅｘｐｅｃｔａｔｉｏｎ－Ｍａｘｉｍｉｚａｔｉｏｎ）アルゴリズムや、異種混合学習による潜在分布推定アルゴリズム等を用いて求められる。システム同定部１１０は、これらのアルゴリズムを用いて求められた確率密度関数を用いてモーメントを求める。
　上述した未知のパラメータを求める連立方程式は、一例として（６）式のように表される。（６）式においては、４次のモーメントまでが考慮される。また、（６）式は、二次非線形係数εが０である場合を示している。なお、（６）式において、考慮されるモーメントの次数は４次までに限られない。考慮されるモーメントの次数は、例えば対象となる構造物の種類等の種々の要因に応じて適宜定められればよい。
Figure JPOXMLDOC01-appb-M000006
　そして、（６）式に対して最小二乗法を適用することで、以下に示す（７）式が得られる。
Figure JPOXMLDOC01-appb-M000007
　（７）式を用いることで、上述した未知のパラメータであるｋ、ｃ、μが求められる。求められた値が（１）式に適用されることで、構造モデルが同定される。
　入力モデル化部１２０は、構造物に対する入力の変動を示すデータに基づいて、入力信号をモデル化する。具体的には、入力モデル化部１２０は、入力の分布を表す確率モデルを生成する。
　構造物が水道管のような配管である場合、内部を流れる水等の流体の圧力の変動が配管に対する入力となる。すなわち、入力モデル化部１２０は、例えば水圧分布の確率モデルを生成する。
　入力モデル化部１２０は、例えば圧力センサ１８２によって検知された数日分の水圧の変動を示すデータに基づいて、入力である水圧分布を表す確率モデルを生成する。確率モデルの生成に用いられるデータは、２日以上にわたって圧力センサ１８２が検知して収集したデータであることが好ましい。ただし、データ収集の期間は特に限定されず、必要とされる精度やデータを収集可能な期間等に応じて定められればよい。図５（Ａ）は、入力される水圧の変動を示すデータの例を示す。
　なお、水圧の分布は、一般に概ねガウス分布に従うが、非ガウス性を有する場合がある。ただし、入力モデル化部１２０において、水圧の分布はガウス分布として扱われてもよい。また、入力モデル化部１２０において、水圧の分布は、非ガウス過程として取り扱われてもよい。
　入力モデル化部１２０は、上述のように収集された水圧の変動に関するデータに基づいて、例えば既知のアルゴリズムを用いて入力の確率モデルを生成する。入力モデル化部１２０においては、混合ガウスモデルを用いたＥＭアルゴリズムや、異種混合学習による潜在分布アルゴリズム等が用いられる。図５（Ｂ）は、入力モデル化部１２０によって生成される確率モデルの例を示す。
　入力生成部１３０は、入力モデル化部１２０によってモデル化された、構造物に対する入力の確率モデルに基づいて、構造物に対する入力信号を生成する。入力生成部１３０は、入力モデル化部１２０によって生成された確率モデルを確率変数に対して解き、一様分布を用いて生成された乱数を与えることで入力信号を生成する。生成された入力信号は、例えば一定時間の水圧の変化を示す信号となる。
　応答算出部１４０は、システム同定部１１０によって同定された構造物のモデルと、入力生成部１３０にて生成された構造物に対する入力信号に基づいて、入力信号に対して構造物に生じる振動の不規則応答の分布を求める。
　応答算出部１４０は、例えばルンゲクッタ法等の公知の数値積分法を用いて、入力信号に対する不規則応答を求める。すなわち、応答算出部１４０は、入力モデル化部１２０にて生成された確率モデルの分布に従う、入力生成部１３０にて生成された不規則信号である入力信号を上述した手法に沿って数値積分することで、構造物の不規則応答の分布を得る。構造物のモデルとして、上述のように求められたパラメータｋ、ｃ、μに基づいて同定されたモデルが適宜用いられる。
　続いて、診断装置１０の各構成要素について説明する。
　応力算出部１５０は、応答算出部１４０によって求められた構造物の不規則応答に基づいて、配管等の構造物に生じる応力を求める。
　構造物の変位と応力との関係は、一例として以下の（８）式にて表される。
Figure JPOXMLDOC01-appb-M000008
 　（８）式において、Ｕｒは、配管の鉛直方向変位を表す。Ｕｒは振動センサ１８１にて検知された変位や、応答算出部１４０にて求められた構造物の変位の不規則応答の分布に相当する。Ｕθは配管の円周方向変位を表し、配管の形状関数を指定することで関係式が求められる。ｗの形状関数として、余弦関数ｗ＝ｗ０＊ｃｏｓ２θとの関数が用いられた場合には、ＵθはＵθ＝－Ｕθ０＊ｓｉｎ２θ／２との関係が求められる。これらを（８）式の微分演算に代入し、θ＝０とすることで応力が求められる。また、Ｒは配管の半径、Ｅは配管の弾性係数、ｈは配管の肉厚、Ａは配管の断面積、Ｌは配管の長さを表す。Ａ、ｈ及びＬについて、Ａ＝ｈＬとの関係が成り立つ。ｖはポアソン比を表す。
　信頼度評価部１６０は、応力算出部１５０によって求められた構造物に生じる応力の分布に基づいて、構造物に関する信頼度を評価する。信頼度評価部１６０は、配管等の構造物に関する突発故障と磨耗故障とを総合的に評価する。
　構造物の故障は、信頼性理論により説明される場合がある。この場合に、供用中の構造物においては、突発故障及び磨耗故障の双方に対する信頼度の評価が必要となる。突発故障に関する信頼度は、例えば公知の負荷・強度モデルを用いて表される。負荷・強度モデルは、構造物の強度と、構造物に対して負荷が初めて加えられる確率とに基づいて定められる。摩耗故障に関する信頼度は、負荷・サイクルのモデル又は極値統計モデルを用いて表される。信頼度評価部１６０は、配管等の構造物に関する突発故障と磨耗故障に関する信頼度をそれぞれ評価する。そして、信頼度評価部１６０は、各々に対して評価された突発故障と磨耗故障に関する信頼度に基づいて、構造物の強度に関する信頼度を評価する。
　上述のように、信頼度評価部１６０は、負荷・強度信頼度評価部１６１と、疲労強度信頼度評価部１６２と、総合信頼度評価部１６３とを含む。
　負荷・強度信頼度評価部１６１は、負荷強度信頼度を求める。より詳しくは、負荷・強度信頼度評価部１６１は、応力の分布に基づいて、負荷・強度モデルを用いて配管等の構造物の負荷強度信頼度を求める。負荷・強度モデルとして、上述のように、公知のモデルが適宜用いられる。負荷・強度信頼度評価部１６１によって求められた信頼度は、突発故障に関する信頼度に関連する。以下、負荷・強度信頼度評価部１６１によって表される信頼度をＲ１と表す。
　疲労強度信頼度評価部１６２は、疲労強度信頼度を求める。より詳しくは、疲労強度信頼度評価部１６２は、応力の分布及び構造物の疲労強度に基づいて、例えばレインフロー法等の手法を用いて配管等の構造物の疲労強度信頼度を求める。疲労強度信頼度評価部１６２によって求められた信頼度は、磨耗故障に関する信頼度に関連する。以下、疲労強度信頼度評価部１６２によって表される信頼度をＲ２と表す。
　図６に示すように、構造物疲労強度は、構造物に応力が加えられるサイクル数と、当該サイクル数において許容される応力の振幅の大きさとの関係として表される。疲労強度信頼度評価部１６２は、応力の過程の振幅と頻度とを分解し、応力の分布のうち、最も頻度の高い応力の振幅に対応する疲労強度のサイクル数を寿命とすることで、構造物の寿命を求める。そして、疲労強度信頼度評価部１６２は、寿命の逆数を故障率として、以下の（９）式に基づいて、信頼度Ｒ２を求める。なお、Ｔは寿命となるサイクル数を示し、ｔは時間を示す。
Figure JPOXMLDOC01-appb-M000009
　総合信頼度評価部１６３は、負荷・強度信頼度評価部１６１にて求められた突発故障に関する信頼度の評価結果と、疲労強度信頼度評価部１６２にて求められた磨耗故障と関する信頼度の評価結果とに基づき、構造物の信頼度を評価する。
　構造物が配管である場合に、配管の故障は、突発故障又は摩耗故障のいずれが生じた場合においても機能の停止に至る可能性がある。つまり、配管においては、突発故障又は摩耗故障のいずれの場合においても、漏洩等が生じ、交換が必要になる等の可能性がある。
　そのため、本実施形態においては、信頼度評価部１６０は、配管等の構造物において突発故障及び摩耗故障の双方が考慮された信頼度を求める。より詳しくは、信頼度評価部１６０は、以下の（１０）式を用いて信頼度を求める。すなわち、信頼度評価部１６０は、２つの信頼度の積を、配管等の構造物において突発故障及び摩耗故障の双方が考慮された総合的な信頼度とする。
Figure JPOXMLDOC01-appb-M000010
　続いて、図７に示すフローチャートを参照して、分析装置１００及び診断装置１０の動作を説明する。
　最初に、データ収集部１８０によって、構造物の入力及び応答が計測される（ステップＳ１１）。図３に示すように、構造物が配管である場合には、圧力センサ１８２によって、配管への入力である水圧の変動が計測され、振動センサ１８１によって、配管の応答である振動が計測される。分析装置１００及び診断装置１０は、有線又は無線の通信ネットワークや、任意の種類の記録媒体等を介して計測されたデータを取得する。
　ステップＳ１２からステップＳ１５までの処理は、主に分析装置１００の各要素によって実行される。まず、システム同定部１１０は、構造物のシステム同定を実行する（ステップＳ１２）。実行される処理の詳細については後述する。
　入力モデル化部１２０は、入力信号をモデル化する（ステップＳ１３）。すなわち、入力モデル化部１２０は、データ収集部１８０の圧力センサ１８２にて検知された水圧変動等を示すデータに基づいて、入力信号に関する確率モデルを生成する。
　ステップＳ１３に続いて、入力生成部１３０は、ステップＳ１３にて生成された確率モデルを用いて、構造物に加えられる入力信号を生成する（ステップＳ１４）。
　なお、ステップＳ１２の処理と、ステップＳ１３及びＳ１４の処理との２つの処理の実行の順序は制限されない。これらの処理は、図７に示すフローチャートのように、並列に実行されてもよい。また、これらの処理は、任意の順序で逐次的に実行されてもよい。
　続いて、応答算出部１４０は、構造物の不規則応答を算出する（ステップＳ１５）。応答算出部１４０は、ステップＳ１４にて得た構造物への入力信号と、ステップＳ１２にて生成された構造物のモデルに基づいて、既知の手法等を用いて不規則応答の分布を算出する。ステップＳ１５では、応答算出部１４０は、少なくとも、変位についての応答の分布を求める。
　応力算出部１５０は、ステップＳ１５にて求められた不規則応答に基づいて、構造物に生じる応力の分布を算出する（ステップＳ１６）。応力算出部１５０は、主に、ステップＳ１５にて求められた変位の分布に基づいて応力の分布を求める。
　続いて、ステップＳ１７からＳ１９までの処理においては、信頼度評価部１６によって、構造物の信頼度が評価される。
　まず、負荷・強度信頼度評価部１６１は、負荷・強度信頼度を評価する（ステップＳ１７）。すなわち、負荷・強度信頼度評価部１６１は、突発故障に関する信頼度を評価する。
　疲労強度信頼度評価部１６２は、疲労強度信頼度を評価する（ステップＳ１８）。すなわち、疲労強度信頼度評価部１６２は、磨耗故障に関する信頼度を評価する。
　なお、ステップＳ１７の処理とステップＳ１８の処理との実行の順序は制限されない。図７に示すフローチャートのように、これらの処理は並列に実行されてもよい。又は、これらの処理は任意の順序で逐次的に実行されてもよい。
　続いて、総合信頼度評価部１６３は、ステップＳ１７にて求められた負荷・強度信頼度と、ステップＳ１８にて求められた疲労強度信頼度とに基づいて、構造物の信頼度を評価する。（ステップＳ１９）。
　また、ステップＳ１２におけるシステム同定は、詳細には図８に示すフローチャートに沿って実行される。図８に示すフローチャートを参照して、システム同定部１１０によるシステム同定の動作を説明する。
　最初に、システム同定部１１０は、システム同定の対象となる構造物において、データ収集部１８０の振動センサ１８１によって計測された振動のデータを取得する（ステップＳ１０１）。
　続いて、システム同定部１１０は、ステップＳ１０１によって計測された振動のデータに基づいて、応答の確率密度関数を推定する（ステップＳ１０２）。
　続いて、システム同定部１１０は、ステップＳ１０２において推定された応答の確率密度関数を用いて、確率密度関数に関するモーメントを算出する（ステップＳ１０３）。この場合に、システム同定部１１０は、予め定められた次数までの高次モーメントを算出する。また、システム同定部１１０は、高次モーメントの最大の次数に関する指定を受け付けてもよい。
　続いて、システム同定部１１０は、上述した構造モデルに関連するパラメータを算出する（ステップＳ１０４）。パラメータの算出によって、構造物の構造モデルが同定される。
　以上の通り、本実施形態における分析装置１００は、構造物の応答の分布に基づいて、非ガウス不規則過程を用いて構造物の時間発展を表すモデルを同定する。そして、分析装置１００は、当該時間発展を表すモデルに基づいて、構造物に加えられる入力に対する応答や、構造物に生じる応力を分布として求める。
　非線形性が考慮されないガウス性の範囲でのモデルにおいては、構造物が漸硬ばね特性を有する場合には、応答分布、すなわち応力分布が過大評価されうる。また、このようなモデルにおいては、構造物が漸軟ばね特性を有する場合には、応力分布が過小評価されうる。この結果として、構造物に対する上述した信頼度Ｒが正しく評価されない場合がある。
　一方、分析装置１００においては、非ガウス性のモデルが同定される。そのため、上述した問題が回避可能となる。また、突発故障が負荷・強度モデルにて表されることから、上述のように応力の評価と強度の評価が実現されることで、突発故障に関する信頼度の評価が可能となる。
　したがって、分析装置１００によって求められた結果を用いることで、磨耗故障に限らず、突発故障を考慮した、信頼度の正確な評価が可能となる。すなわち、分析装置１００及び診断装置１０は、構造物の状態についての精度の高い診断を可能にする。
　（変形例）
　上述した実施形態に示す分析装置１００及び診断装置１０には、変形例が考えられる。以下に変形例の一部を示す。
　図９は、上述した実施形態の変形例における診断装置１１の構成を示す。図９に示すように、診断装置１１は、先に説明した診断装置１０と比較すると、強度推定部１７０を備える点が診断装置１０と異なる。
　強度推定部１７０は、振動センサ１８１によって検知された構造物の振動に基づいて、データの収集が行なわれた際の構造物の強度を推定する。強度推定部１７０は、公知の手法を適宜用いて、データの収集が行なわれた際における構造物の推定引張強度及び推定疲労強度を求める。この場合に、強度推定部１７０は、例えばこれらの強度の分布を求める。
　そして、本変形例では、負荷・強度信頼度評価部１６１は、強度推定部１７０によって推定された構造物の推定引張強度の分布と、応力算出部１５０によって求められた応力の分布とに基づいて、構造物の負荷・強度信頼度を評価する。同様に、疲労強度信頼度評価部１６２は、強度推定部１７０によって推定された構造物の推定疲労強度の分布と、応力算出部１５０によって求められた応力の分布とに基づいて、構造物の疲労強度信頼度を評価する。
　このように強度推定部１７０を備える場合にも、診断装置１１は、診断装置１０と同様の効果を奏する。
　（実施例）
　上述した診断装置１０等を、構造物の信頼度の診断へ適用した。本実施例では、共用後の水道管を対象として、信頼度を診断する実験を行なった。水道管として、口径が１００ｍｍ（ミリメートル）、長さが５ｍ（メートル）の普通ねずみ鋳鉄管が用いられた。供試される水道管に対して、試験用リグによって通水した。
　供試される水道管は、両端に消火栓を有し、末端は閉じられているものとした。水道管の内部の水に流れがないようにした。
　また、水道管の上流側には加圧ポンプが設置された。そして、上流側の消火栓には動水圧加振器が設置された。下流側の消火栓には、振動センサ１８１として、渦電流式変位センサ及びレーザードップラー振動速度計が設置された。また、下流側の消火栓には、圧力センサ１８２として動水圧センサが設置された。
　上述した水道管に対して、内部に通水された水の静水圧を０．６ＭＰａ（メガパスカル）として、動水圧加振器を用いて白色雑音系列を発生させて水道管が加振された。そして、動水圧加振器による加振に対する振動応答及び水圧応答が上述した各センサによって計測された。この場合に、振動応答の計測は、計測レンジが±１０Ｖ（ボルト）、ＡＤ（Ａｎａｌｏｇ－ｔｏ－ｄｉｇｉｔａｌ）変換のビット数が１６ビット、サンプリング周波数が３ｋＨｚとの条件で行われた。計測は５０００秒間行われた。
　渦電流式変位センサ及びレーザードップラー振動速度計によって計測されたデータに基づいて、システム同定部１１０は、振動応答の確率密度関数を求めた。この場合に、システム同定部１１０は、振動応答を次数が３次の混合ガウスモデルに適合した。システム同定部１１０は、確率密度関数の推定にＥＭアルゴリズムを用いた。そして、２５回のステップを繰り返すことによって母数パラメータの推定値の収束が確認された。
　図１０は、振動応答が３次の混合ガウスモデルに適合された場合の例を示す。すなわち、図１０（Ａ）は、計測された振動応答の変位を示し、図１０（Ｂ）は、当該計測値に基づいて推定された変位の分布についての確率密度関数を示す。図１０（Ｃ）は、計測された振動応答の速度を示し、図１０（Ｄ）は、該計測値に基づいて推定された速度の分布についての確率密度関数を示す。
　続いて、システム同定部１１０は、求めた確率密度関数より、高次のモーメントを求めた。そして、システム同定部１１０は、求めた高次のモーメントを用いて、（７）式に基づいてモデルを同定した。図１１は、システム同定部１１０によって同定された変位復元力特性を示す。図１１において、点線はセンサによって得られた実際の値である真値を示し、実線は同定されたモデルを用いて求められた値を示す。
　図１１に示すように、２つの値の差異が小さく、同定されたモデルと実際の水道管の振る舞いとがよく一致していることが確認された。すなわち、同定されたモデルについて、非線形性を含む復元力特性が得られたことが確認された。
　続いて、入力モデル化部１２０によって、入力となる水圧分布の確率モデル化が行われた。水圧変動のデータとして、同口径かつ同材質である実運用中の鋳鉄管において計測された２日間分のデータが用いられた。入力モデル化部１２０では、モデル化において、単変量のガウス分布にＥＭアルゴリズムが用いられた。そして、５回のステップを繰り返すことにより、母数パラメータの推定が収束することが確認された。図１２は、水圧分布及び確率モデルの例を示す。図１２（Ａ）は、計測された水圧分布である。また、図１２（Ｂ）は、図１２（Ａ）に示す水圧分布に基づいて、入力モデル化部１２０によって推定された確率モデルの例を示す。
　そして、応答算出部１４０は、上述した確率モデルを用いて水道管の応答を求めた。応力算出部１５０は、応答算出部１４０で得られた応答に基づいて水道管に生じる応力を求めた。
　応力が求められると、信頼度評価部１６０は、信頼度を評価した。なお、信頼度評価部１６０は、信頼度の評価に際して、「Jesson DA, Mohebbi H, Farrow J, Mulheron MJ, Smith PA. (2013) “On the condition assessment of cast iron trunk main: The effect of microstructure and in-service graphitisation on mechanical properties in flexure”. Materials Science and Engineering A, 576, pp. 192-201.」に記載された引張強度の値を用いた。図１３は、上記の文献に記載された引張強度の値と比較することで求められた、応力と引張強度との関係を求めた結果を示す。
　負荷・強度信頼度評価部１６１は、負荷・強度信頼度Ｒ１を、Ｒ１＝０．９９９９５と求めた。疲労強度信頼度評価部１６２は、疲労強度信頼度Ｒ２を、Ｒ２＝０．９９９９９７と求めた。そして、信頼度評価部１６０は、信頼度Ｒ１及びＲ２に基づき、上述した（１０）式を用いて信頼度をＲ＝０．９９９９４７と求めた。
　求められた信頼度Ｒは、負荷・強度信頼度Ｒ１よりも小さい値として求められている。そのため、診断装置１０によって、安全側に信頼度が評価されることが確認された。すなわち、故障により水道管が機能を停止しうることを見逃す可能性が小さくなるように信頼度が評価されることが確認された。
　続いて、システム同定部１１０において同定された構造モデルに対して、更に劣化を模擬した場合における信頼性の評価が行なわれた。この場合には、劣化の一例として、システム同定部１１０によって求められた構造モデルに含まれるばね定数ｋの値が５％（パーセント）小さく変更された。この場合の構造モデルの例を図１４に示す。変更された構造モデルを用いて、応答算出部１４０は、水道管の応答を求め、応力算出部１５０は、応答に基づいて水道管に生じる応力を求めた。
　そして、信頼度評価部１６０は、変更された構造モデルを用いて求められた応力に基づいて信頼度を評価した。この場合に、負荷・強度信頼度評価部１６１は、負荷・強度信頼度Ｒ１を、Ｒ１＝０．９９９９４と求めた。疲労強度信頼度評価部１６２は、疲労強度信頼度Ｒ２を、Ｒ２＝０．９９９９９４と求めた。そして、信頼度評価部１６０は、信頼度Ｒ１及びＲ２に基づき、上述した（１０）式を用いて信頼度をＲ＝０．９９９９３４と求めた。
　この場合において、求められた信頼度Ｒの値は、先の例における信頼度Ｒよりも小さい値である。すなわち、診断装置１０は、劣化の状態に応じて適切に劣化度を評価することが確認された。
　また、この場合においても、信頼度Ｒは、負荷・強度信頼度Ｒ１よりも小さい値として求められた。そのため、先の例と同様に、診断装置１０によって、安全側に信頼度が評価されることが確認された。つまり、劣化を模擬した場合においても、故障により水道管が機能を停止しうることを見逃す可能性が小さくなるように、信頼度が評価されることが確認された。
　以上、実施形態及び実施例を参照して本発明を説明したが、本発明は上記実施形態及び実施例に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解し得る様々な変更をすることができる。また、各実施形態及び実施例における構成は、本発明のスコープを逸脱しない限りにおいて、互いに組み合わせることが可能である。
　この出願は、２０１７年３月３１日に出願された日本出願特願２０１７－７０３９９を基礎とする優先権を主張し、その開示の全てをここに取り込む。
　この発明の一部又は全部は、以下の付記のようにも表されるが、これに限られない。
　　（付記１）
　構造物の応答の分布に基づいて、非ガウス不規則過程を用いて前記構造物の時間発展を表すモデルを同定するシステム同定手段と、
　前記構造物に対する入力の変動を示すデータに基づいて、前記入力の分布を表す確率モデルを生成する入力モデル化手段と、
　前記確率モデルに基づいて、前記構造物に対する入力信号を生成する入力生成手段と、
　前記モデル及び前記入力信号に基づいて、前記入力信号に対して前記構造物に生じる振動の不規則応答を求める応答算出手段と、
　を備える分析装置。
　　（付記２）
　前記システム同定手段は、前記応答である振動の変位及び速度の確率密度関数に基づいて前記モデルを同定する、付記１に記載の分析装置。
　　（付記３）
　前記システム同定手段は、前記振動の変位及び速度の前記確率密度関数の時間発展を表す前記モデルを同定する、付記２に記載の分析装置。
　　（付記４）
　前記システム同定手段は、前記振動の変位及び速度の前記確率密度関数についてのモーメントに基づいて前記モデルを同定する、付記２又は３に記載の分析装置。
　　（付記５）
　前記構造物は配管である、付記１から４のいずれか一項に記載の分析装置。
　　（付記６）
　前記入力モデル化手段は、所定の期間に収集された前記配管を流れる流体の圧力の変動に基づいて、圧力の分布を示す前記確率モデルを生成する、付記５に記載の分析装置。
　　（付記７）
　前記入力生成手段は、前記確率モデルに基づいて、前記圧力の変動を表す前記入力信号を生成する、付記６に記載の分析装置。
　　（付記８）
　前記応答算出手段は、前記入力信号が表す前記圧力の変動に対して前記構造物に生じる振動の不規則応答を求める、付記７に記載の分析装置。
　　（付記９）
　付記１から８のいずれか一項に記載の分析装置と、
　前記分析装置の応答算出手段によって算出された前記応答に基づいて、前記構造物に生じる応力を算出する応力算出手段と、
　前記応力に基づいて、前記構造物の突発故障及び磨耗故障を含む信頼度を評価する信頼度評価手段とを備える、
　診断装置。
　　（付記１０）
　前記信頼度評価手段は、
　　前記構造物の突発故障に関する信頼度を示す負荷強度信頼度を評価する負荷強度信頼度評価手段と、
　　前記構造物の磨耗故障に関する信頼度を示す疲労強度信頼度を評価する疲労強度信頼度評価手段と、
　　前記負荷強度信頼度及び前記疲労強度信頼度に基づいて前記構造物の信頼度を評価する総合信頼度評価手段とを含む、
　付記９に記載の診断装置。
　　（付記１１）
　前記負荷強度信頼度評価手段は、前記応力及び前記応力と前記構造物の強度との関係に基づいて、前記負荷強度信頼度を評価する、
　付記１０に記載の診断装置。
　　（付記１２）
　前記総合信頼度評価手段は、前記応力及び前記構造物の疲労強度に基づいて、前記疲労強度信頼度を評価する、
　付記１０に記載の診断装置。
　　（付記１３）
　前記総合信頼度評価手段は、前記負荷強度信頼度及び前記疲労強度信頼度との積に基づいて、前記構造物の前記信頼度を求める、
　付記１０から１２のいずれか一項に記載の診断装置。
　　（付記１４）
　構造物の応答に基づいて、非ガウス不規則過程を用いて前記構造物の時間発展を表すモデルを同定し、
　前記構造物に対する入力の変動を示すデータに基づいて、前記入力の分布を表す確率モデルを生成し、
　前記確率モデルに基づいて、前記構造物に対する入力信号を生成し、
　前記モデル及び前記入力信号に基づいて、前記入力信号に対して前記構造物に生じる振動の不規則応答を求める、
　分析方法。
　　（付記１５）
　コンピュータに、
　構造物の応答に基づいて、非ガウス不規則過程を用いて前記構造物の時間発展を表すモデルを同定する処理と、
　前記構造物に対する入力の変動を示すデータに基づいて、前記入力の分布を表す確率モデルを生成する処理と、
　前記確率モデルに基づいて、前記構造物に対する入力信号を生成する処理と、
　前記モデル及び前記入力信号に基づいて、前記入力信号に対して前記構造物に生じる振動の不規則応答を求める処理と、
　を実行させるプログラム。
　１０　　診断装置
　１００　　分析装置
　１１０　　システム同定部
　１２０　　入力モデル化部
　１３０　　入力生成部
　１４０　　応答算出部
　１５０　　応力算出部
　１６０　　信頼度評価部
　１６１　　負荷・強度信頼度評価部
　１６２　　疲労強度信頼度評価部
　１６３　　総合信頼度評価部
　１７０　　強度推定部
　１８０　　データ収集部
　１８１　　振動センサ
　１８２　　圧力センサ

Claims (15)

  1. 　構造物の応答の分布に基づいて、非ガウス不規則過程を用いて前記構造物の時間発展を表すモデルを同定するシステム同定手段と、
    　前記構造物に対する入力の変動を示すデータに基づいて、前記入力の分布を表す確率モデルを生成する入力モデル化手段と、
    　前記確率モデルに基づいて、前記構造物に対する入力信号を生成する入力生成手段と、
    　前記モデル及び前記入力信号に基づいて、前記入力信号に対して前記構造物に生じる振動の不規則応答を求める応答算出手段と、
    　を備える分析装置。
  2. 　前記システム同定手段は、前記応答である振動の変位及び速度の確率密度関数に基づいて前記モデルを同定する、請求項１に記載の分析装置。
  3. 　前記システム同定手段は、前記振動の変位及び速度の前記確率密度関数の時間発展を表す前記モデルを同定する、請求項２に記載の分析装置。
  4. 　前記システム同定手段は、前記振動の変位及び速度の前記確率密度関数についてのモーメントに基づいて前記モデルを同定する、請求項２又は３に記載の分析装置。
  5. 　前記構造物は配管である、請求項１から４のいずれか一項に記載の分析装置。
  6. 　前記入力モデル化手段は、所定の期間に収集された前記配管を流れる流体の圧力の変動に基づいて、圧力の分布を示す前記確率モデルを生成する、請求項５に記載の分析装置。
  7. 　前記入力生成手段は、前記確率モデルに基づいて、前記圧力の変動を表す前記入力信号を生成する、請求項６に記載の分析装置。
  8. 　前記応答算出手段は、前記入力信号が表す前記圧力の変動に対して前記構造物に生じる振動の不規則応答を求める、請求項７に記載の分析装置。
  9. 　請求項１から８のいずれか一項に記載の分析装置と、
    　前記分析装置の応答算出手段によって算出された前記応答に基づいて、前記構造物に生じる応力を算出する応力算出手段と、
    　前記応力に基づいて、前記構造物の突発故障及び磨耗故障を含む信頼度を評価する信頼度評価手段とを備える、
    　診断装置。
  10. 　前記信頼度評価手段は、
    　　前記構造物の突発故障に関する信頼度を示す負荷強度信頼度を評価する負荷強度信頼度評価手段と、
    　　前記構造物の磨耗故障に関する信頼度を示す疲労強度信頼度を評価する疲労強度信頼度評価手段と、
    　　前記負荷強度信頼度及び前記疲労強度信頼度に基づいて前記構造物の信頼度を評価する総合信頼度評価手段とを含む、
    　請求項９に記載の診断装置。
  11. 　前記負荷強度信頼度評価手段は、前記応力及び前記応力と前記構造物の強度との関係に基づいて、前記負荷強度信頼度を評価する、
    　請求項１０に記載の診断装置。
  12. 　前記総合信頼度評価手段は、前記応力及び前記構造物の疲労強度に基づいて、前記疲労強度信頼度を評価する、
    　請求項１０に記載の診断装置。
  13. 　前記総合信頼度評価手段は、前記負荷強度信頼度及び前記疲労強度信頼度との積に基づいて、前記構造物の前記信頼度を求める、
    　請求項１０から１２のいずれか一項に記載の診断装置。
  14. 　構造物の応答に基づいて、非ガウス不規則過程を用いて前記構造物の時間発展を表すモデルを同定し、
    　前記構造物に対する入力の変動を示すデータに基づいて、前記入力の分布を表す確率モデルを生成し、
    　前記確率モデルに基づいて、前記構造物に対する入力信号を生成し、
    　前記モデル及び前記入力信号に基づいて、前記入力信号に対して前記構造物に生じる振動の不規則応答を求める、
    　分析方法。
  15. 　コンピュータに、
    　構造物の応答に基づいて、非ガウス不規則過程を用いて前記構造物の時間発展を表すモデルを同定する処理と、
    　前記構造物に対する入力の変動を示すデータに基づいて、前記入力の分布を表す確率モデルを生成する処理と、
    　前記確率モデルに基づいて、前記構造物に対する入力信号を生成する処理と、
    　前記モデル及び前記入力信号に基づいて、前記入力信号に対して前記構造物に生じる振動の不規則応答を求める処理と、
    　を実行させるプログラムを格納したコンピュータ読み取り可能記録媒体。
PCT/JP2018/011380 2017-03-31 2018-03-22 分析装置、診断装置、分析方法及びコンピュータ読み取り可能記録媒体 WO2018180880A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US16/493,373 US20200003653A1 (en) 2017-03-31 2018-03-22 Analyzing device, diagnosing device, analysis method, and computer-readable recording medium
EP18775471.8A EP3605051B1 (en) 2017-03-31 2018-03-22 Analyzing device, diagnosing device, analysis method, and computer-readable recording medium
JP2019509658A JP7014223B2 (ja) 2017-03-31 2018-03-22 分析装置、診断装置、分析方法及びプログラム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017070399 2017-03-31
JP2017-070399 2017-03-31

Publications (1)

Publication Number Publication Date
WO2018180880A1 true WO2018180880A1 (ja) 2018-10-04

Family

ID=63675626

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/011380 WO2018180880A1 (ja) 2017-03-31 2018-03-22 分析装置、診断装置、分析方法及びコンピュータ読み取り可能記録媒体

Country Status (4)

Country Link
US (1) US20200003653A1 (ja)
EP (1) EP3605051B1 (ja)
JP (1) JP7014223B2 (ja)
WO (1) WO2018180880A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113505449B (zh) * 2021-06-18 2024-07-05 中国石油大学(华东) 一种用于预测复合材料柔性管失效荷载的随机分析方法
CN114186445B (zh) * 2021-11-10 2024-09-17 大连理工大学 一种联合随机激励下桥梁非线性随机振动分析方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02167463A (ja) 1988-09-16 1990-06-27 Hitachi Ltd 劣化度予測装置および方法
JP2001289771A (ja) * 2000-04-07 2001-10-19 Toho Gas Co Ltd 狭帯域ランダム応力変動下における機器の寿命予測方法
WO2002041193A1 (en) * 2000-11-18 2002-05-23 The University Of Sheffield Nonlinear systems
US20120209538A1 (en) * 2011-02-10 2012-08-16 Caicedo Juan M Determination of the Remaining Life of a Structural System Based on Acoustic Emission Signals
JP2014517301A (ja) * 2011-06-03 2014-07-17 ソレタンシュ フレシネ ケーブルの疲労キャピタルを決定する方法
JP2017070399A (ja) 2015-10-06 2017-04-13 株式会社オリンピア 遊技機

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3426942B2 (ja) * 1997-04-07 2003-07-14 三菱重工業株式会社 振動試験装置
JP3644292B2 (ja) * 1999-03-15 2005-04-27 株式会社日立製作所 構造物の加振試験装置及び加振試験方法
US10851947B2 (en) * 2015-07-17 2020-12-01 The University Of Adelaide Method and system for pipeline condition analysis
EP3353511A4 (en) * 2015-09-25 2019-05-01 Sikorsky Aircraft Corporation SYSTEM AND METHOD FOR STRUCTURAL HEALTH STATUS MONITORING BASED ON THE LOAD OF A DYNAMIC SYSTEM

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02167463A (ja) 1988-09-16 1990-06-27 Hitachi Ltd 劣化度予測装置および方法
JP2001289771A (ja) * 2000-04-07 2001-10-19 Toho Gas Co Ltd 狭帯域ランダム応力変動下における機器の寿命予測方法
WO2002041193A1 (en) * 2000-11-18 2002-05-23 The University Of Sheffield Nonlinear systems
US20120209538A1 (en) * 2011-02-10 2012-08-16 Caicedo Juan M Determination of the Remaining Life of a Structural System Based on Acoustic Emission Signals
JP2014517301A (ja) * 2011-06-03 2014-07-17 ソレタンシュ フレシネ ケーブルの疲労キャピタルを決定する方法
JP2017070399A (ja) 2015-10-06 2017-04-13 株式会社オリンピア 遊技機

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BABA YUTA ET AL.: "Response distribution of nonlinear systems subjected to non-Gaussian random excitation using Gaussian mixture model", PROCEEDING OF THE JAPAN SOCIETY OF MECHANICAL ENGINEERS, vol. 81, no. 823, 25 March 2015 (2015-03-25), pages 1 - 13, XP009516075, DOI: 10.1299/transjsme.14-00632 *
JESSON DAMOHEBBI HFARROW JMULHERON MJSMITH PA: "On the condition assessment of cast iron trunk main: The effect of microstructure and in-service graphitisation on mechanical properties in flexure", MATERIALS SCIENCE AND ENGINEERING A, vol. 576, 2013, pages 192 - 201, XP028549551, doi:10.1016/j.msea.2013.03.061
See also references of EP3605051A4

Also Published As

Publication number Publication date
JPWO2018180880A1 (ja) 2020-02-06
US20200003653A1 (en) 2020-01-02
JP7014223B2 (ja) 2022-02-15
EP3605051A4 (en) 2020-04-08
EP3605051A1 (en) 2020-02-05
EP3605051B1 (en) 2022-05-04

Similar Documents

Publication Publication Date Title
Farrar et al. Nonlinear system identification for damage detection
Sitton et al. Bridge frequency estimation strategies using smartphones
Shahidi et al. Structural damage detection and localisation using multivariate regression models and two-sample control statistics
Zhou et al. Efficient hysteresis loop analysis-based damage identification of a reinforced concrete frame structure over multiple events
Liu et al. Prognosis of structural damage growth via integration of physical model prediction and Bayesian estimation
WO2018180880A1 (ja) 分析装置、診断装置、分析方法及びコンピュータ読み取り可能記録媒体
JP2021177187A (ja) 配管診断装置、配管診断方法、及びプログラム
Katam et al. A review on structural health monitoring: past to present
JP2024045515A (ja) 構造物診断システム、構造物診断方法、および構造物診断プログラム
Goh et al. Application of neural network for prediction of unmeasured mode shape in damage detection
Khatir et al. Structural health monitoring for RC beam based on RBF neural network using experimental modal analysis
Tarpø et al. Data‐driven virtual sensing and dynamic strain estimation for fatigue analysis of offshore wind turbine using principal component analysis
Legatiuk et al. Modeling and evaluation of cyber‐physical systems in civil engineering
Meng et al. Prediction of fault evolution and remaining useful life for rolling bearings with spalling fatigue using digital twin technology
Schneider Time-variant reliability of deteriorating structural systems conditional on inspection and monitoring data
Jiang et al. A Time‐Domain Structural Damage Detection Method Based on Improved Multiparticle Swarm Coevolution Optimization Algorithm
Souza et al. Impact of damping models in damage identification
Rigatos et al. Fault diagnosis for a PDE suspended-bridge model with Kalman filter and statistical decision making
Yu et al. Integrating adaptive Kriging with expansion optimal linear estimation into real-time hybrid simulation for time-variant experimental analysis of structures with deterioration
KR101557270B1 (ko) 스마트 구조물의 유지 관리를 위한 est 기반 단일 계측 시스템
Achiche et al. Adaptive neuro-fuzzy inference system models for force prediction of a mechatronic flexible structure
JP2022035161A (ja) 異常検出方法
Faridi et al. Damage quantification in beam-type structures using modal curvature ratio
Liu et al. A novel method using DS-MCM for equipment health prognosis with partially observed information
Papadioti et al. Fatigue monitoring in metallic structures using vibration measurements

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18775471

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019509658

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2018775471

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2018775471

Country of ref document: EP

Effective date: 20191031