WO2020195536A1 - 構造物の異常判別方法及び異常判別システム - Google Patents

構造物の異常判別方法及び異常判別システム Download PDF

Info

Publication number
WO2020195536A1
WO2020195536A1 PCT/JP2020/008274 JP2020008274W WO2020195536A1 WO 2020195536 A1 WO2020195536 A1 WO 2020195536A1 JP 2020008274 W JP2020008274 W JP 2020008274W WO 2020195536 A1 WO2020195536 A1 WO 2020195536A1
Authority
WO
WIPO (PCT)
Prior art keywords
vibration data
state
abnormality
vibration
data
Prior art date
Application number
PCT/JP2020/008274
Other languages
English (en)
French (fr)
Inventor
利美 木元
斉藤　宏
Original Assignee
ポート・アンド・アンカー株式会社
株式会社アップ・アンド・ネクスト
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 ポート・アンド・アンカー株式会社, 株式会社アップ・アンド・ネクスト filed Critical ポート・アンド・アンカー株式会社
Publication of WO2020195536A1 publication Critical patent/WO2020195536A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass

Definitions

  • the present invention relates to a structure abnormality determination method for determining an abnormality of the structure by inputting vibration data measured from the structure into a state determination model, and a system thereof.
  • Structures such as buildings may experience fatigue and deterioration over time due to constant vibration generated by transportation means traveling in the vicinity and non-stationary vibration such as earthquakes.
  • the actual structure design is often performed by using structural analysis using vibration data so that it can withstand suddenly large vibrations such as deterioration due to aging and sudden large vibrations for a long period of time.
  • the patent documents include a vibration system equipped with a vibration exciter that applies a predetermined vibration to a structure to be measured, a numerical simulation function that calculates a vibration response due to the predetermined vibration, and the result of the vibration response.
  • a vibration test apparatus including a computer system having a waveform generation function for adjusting vibration conditions based on the vibration test device is disclosed. In this vibration test device, the computer system vibrates based on the model substitution function for inputting the response amount of the structure vibrated by the vibration system into the numerical simulation function and the calculation result of the response amount in the model substitution function.
  • an abnormality diagnosis processing function that determines the operating status of the system, even if a problem occurs in any one of the vibration systems when a plurality of vibration systems are networked, the model can be replaced. It is said that the test can be continued by simulating with the function.
  • an object of the present invention is to provide an abnormality determination method and a system thereof that can detect an abnormality or a sign thereof in real time based on vibration data obtained from a sensor attached to the structure.
  • the method for discriminating an abnormality of the structure by inputting vibration data measured from the structure into the state discriminating model according to the present invention is the state discriminating model.
  • the state discriminating model was created by using machine learning including artificial intelligence and statistical methods based on big data including normal vibration data and abnormal vibration data stored in the database, and was measured by the state discrimination model. It is characterized in that the generated vibration data is input and the current state of the structure is discriminated based on the calculation result from the state discriminating model.
  • the structure abnormality determination system for determining the abnormality of the structure by inputting the vibration data measured from the structure into the state determination model includes a vibration sensor for measuring the vibration data and a vibration sensor.
  • the state determination model includes a database that stores big data including normal vibration data and abnormal vibration data, and an arithmetic unit having a built-in state determination model, and the state determination model includes machine learning including artificial intelligence based on the big data. It was created by using a statistical method, and the calculation unit inputs the measured vibration data into the state discrimination model, and based on the calculation result from the state discrimination model, the structure. It is characterized by further including a discriminating device for discriminating the current state.
  • a state discrimination model created by using machine learning including artificial intelligence and statistical methods based on big data including normal vibration data and abnormal vibration data stored in a database.
  • the structure is determined in real time based on the vibration data obtained from the sensor attached to the structure. It is possible to detect an abnormality in an object or a sign thereof.
  • FIG. 1 is a schematic view showing an abnormality discrimination system for a structure according to a typical example of the present invention.
  • the structure abnormality determination system 100 includes a vibration sensor 110 for measuring vibration data of a structure to be measured and a state determination model for determining an abnormality of the structure. It includes a unit 120 and a database 130 for storing vibration data. Then, the discrimination device 126 of the structure abnormality discrimination system 100 inputs the vibration data measured from the structure to the state discrimination model DM, and discriminates the abnormality of the structure based on the calculation result.
  • the vibration sensor 110 can be of a type that measures vibration by directly attaching it to a measurement point of a structure or a type that can detect the vibration even if it does not contact the structure.
  • a piezoelectric sensor or the like can be applied.
  • a type is used in which vibration displacement is converted into an electric signal and detected.
  • the vibration sensor 110 transmits the measured vibration data to the arithmetic unit 120 via the connection line 112 to which the acquired position (location) and the unique information such as the measurement time are added.
  • the arithmetic unit 120 includes a data generation device 122 including a structural analysis model SM simulating a structure to be measured, a model creation device 124 that generates a state discrimination model DM using vibration data stored in the database 130, and a model creation device 124. It includes a discriminating device 126 that discriminates whether the measured vibration data is normal or abnormal by using the state discriminating model DM.
  • the calculation unit 120 has a function of receiving vibration data from the vibration sensor 110 and dividing the vibration data obtained from the structure into input data for vibration analysis described later and diagnostic data applied for abnormality discrimination.
  • the arithmetic unit 120 may include a central control device (not shown) that controls the operation of the entire abnormality determination system 100 of the structure shown in FIG.
  • the data generation device 122 inputs simulated vibration (for example, input data from the vibration sensor 110) into the structural analysis model SM, and outputs the result of the numerical calculation as vibration data to the database 130.
  • the structural analysis model SM is a model that simulates a structure by a numerical analysis method such as the finite element method, and is used in the structure based on a design drawing of the structure by CAE or the like. It is configured to include a normal model without defects such as defects and an abnormal model in which defective parts such as defects are intentionally formed in a part of the structure.
  • the vibration data output from the data generation device 122 is transmitted to the database 130 as including the normal vibration data 134 based on the calculation result of the normal model and the abnormal vibration data 136 based on the calculation result of the abnormal model.
  • data indicating the weighting of the abnormality may be added to the abnormal vibration data 136 according to the importance or the severity of the defective portion.
  • the model creation device 124 accesses the database 130 described later, reads normal vibration data 134 and abnormal vibration data 136 from big data 132, and uses machine learning and statistical methods including artificial intelligence based on these vibration data. As a result, the state determination model DM corresponding to the structure is created.
  • the model creation device 124 when creating the state discrimination model DM, a method centered on statistical analysis, data mining, machine learning, deep learning, etc. are performed using big data 132 composed of a large amount of vibration data. Various methods such as a method applying a neural network can be combined and applied. Further, the model creation device 124 may periodically access the big data 132 that is updated at any time to modify or update the state determination model DM.
  • the state discrimination model DM for example, when the vibration data measured by the vibration sensor 110 is input, the input vibration data corresponds to the specific information by referring to the specific information such as the measurement position and the measurement time. It has a function of selecting a discrimination model and discriminating and outputting whether it represents a normal vibration state or an abnormal vibration state in light of the discrimination model. At this time, a representative value indicating the state may be output as the output of the state determination model DM. Further, the state determination model DM may be configured to have a function of simultaneously inputting vibration data at a plurality of positions and integrating the calculation results of the plurality of positions as an evaluation of the entire structure.
  • the discrimination device 126 has two main functions.
  • the first function is to input the vibration data for diagnosis received from the individual vibration sensors 110 into the state determination model DM created by the model creation device 124, and to diagnose the vibration based on the output of the calculation result. It is determined whether the data is vibration data in a normal state or vibration data in an abnormal state.
  • a discrimination method in the discrimination device 126 for example, when a representative value indicating some state is output from the state discrimination model DM, whether the representative value exceeds a predetermined threshold is normal or abnormal. Or the one that obtains the vibration data after calculation from the state discrimination model DM and compares it with the normal vibration data 134 or the abnormal vibration data 136 stored in the database 130 to judge whether it is normal or abnormal. Etc. can be applied.
  • the second function is the state of whether the individual vibration data (that is, the output of each vibration sensor 110) determined by the first function is normal or abnormal, and the information of each vibration sensor stored in the database 130 (that is, the information of each vibration sensor (output).
  • the position of the sensor, the degree of influence on the entire structure when it is determined to be abnormal vibration data, or additional information such as the severity of the abnormal vibration data) are input again to the state determination model DM, and the calculation result is obtained. Based on, the site (range) where the abnormality occurs in the structure and its severity are determined.
  • the arithmetic unit 120 may be further configured to include an alarm device (not shown) that issues an alarm when the vibration data diagnosed by the discrimination device 126 is determined to be abnormal.
  • an alarm device for example, a device by voice such as a buzzer or a siren, a device by a display such as a lamp or a monitor, or a combination thereof can be applied.
  • the database 130 is configured as a storage means for storing big data 132 including normal vibration data 134 and abnormal vibration data 136.
  • the normal vibration data 134 and the abnormal vibration data 136 are those output by the structural analysis model SM of the above-mentioned data generator 122, actual vibration data acquired in the past for the same structure, or a target structure. It may include data generated or measured under various conditions or environments, such as vibration data when an abnormality such as a failure occurs in a structure similar to the above.
  • the database 130 uses the big data 132 as the installation position of the vibration sensor 110 that measures the vibration data together with the vibration data, the abnormality occurrence position (range) when the determination result is abnormal, or the abnormality. Information such as severity may be added and saved. These additional information are referred to when the structural analysis model SM generates normal vibration data 134 or abnormal vibration data 136, or when creating a state discrimination model DM.
  • FIG. 2 is a flowchart showing a procedure of a structure abnormality determination method according to a typical example of the present invention.
  • vibration data is acquired from one or a plurality of vibration sensors 110 (see FIG. 1) attached to the structure (step). S1).
  • the state determination model DM is created in advance by the model creation device 124 based on the big data 132 stored in the database 130 shown in FIG.
  • the vibration data for diagnosis acquired in step S1 is input to the state discrimination model DM, and the current state is calculated for each vibration data by the state discrimination model DM. (Step S2).
  • the current state output by the calculation as described above, a representative value indicating some state in each vibration data, vibration data based on the vibration transmitted through the structure, or a state such as crack generation or deformation. It may directly suggest.
  • the discriminating device 126 determines whether the current state of the individual vibration data is normal or abnormal (step S3).
  • the discrimination by the discrimination device 126 is not only information on whether the state is normal or abnormal, but also a threshold value (standard data) when, for example, it is a calculation result by the state discrimination model DM or some numerical value or waveform. Information such as the difference between the above and the degree of abnormal condition (severity) may be added.
  • step S3 the vibration data determined in step S3 is stored in the database 130 and the data is added (step S4).
  • the discriminated vibration data is added to the normal vibration data 134, and if the discrimination result is abnormal, the discriminated vibration data is added to the abnormal vibration data 136. ..
  • step S4 the operation of storing the vibration data determined in step S4 in the database 130 after the determination in step S3 is illustrated, but before the step S4, the determination result is as described above. You may add an action to alert the user accordingly. This makes it possible to take immediate countermeasures when an abnormality occurs in the structure.
  • FIG. 3 is a flowchart showing a procedure of a structure abnormality determination method according to a modified example of the present invention. As shown in FIG. 3, in the method for determining the state of the structure according to the modified example of the present invention, a common operation is performed up to the determination of the vibration data in step S3 in the flowchart shown in FIG. 2, and after the step S3, step S3a And step S3b.
  • step S3 After discriminating the individual vibration data in step S3, the result of discriminating whether the individual vibration data acquired in step S3 is normal or abnormal is input to the state discriminating model DM, and the structure is constructed by the state discriminating model DM.
  • the current state of the entire object is recalculated (step S3a).
  • the state in which the output of each vibration sensor 110 is determined to be normal or abnormal, and the information of each vibration sensor stored in the database 130 includes additional information such as the degree of influence on the entire structure when it is determined to be abnormal vibration data, or the severity of abnormal vibration data).
  • the discriminating device 126 discriminates the current state of the entire structure based on the current state information for the individual vibration data obtained in step S3a (step S3b).
  • the discrimination by the discrimination device 126 is not only information on whether the state of the structure is normal or abnormal, but also, for example, from the calculation result by the state discrimination model DM, there is a possibility that an abnormality occurs or an abnormality may occur.
  • Information such as the importance of anomalies to a certain range or structure, and the severity of anomalies occurring in structures may be added. Thereby, in the structure abnormality determination method according to the present invention, it is possible to determine whether the current state of the entire structure is normal or abnormal in addition to the measured vibration data.
  • FIG. 4 is a schematic view showing a typical application example of the structure abnormality determination system of the present invention.
  • the structure abnormality determination system 100 according to the present invention is applied to, for example, a building such as a tunnel 10 or a building 20, or a transportation means such as a traveling bus 30.
  • the vibration sensor 110 of the structure abnormality determination system 100 is attached to a place where vibration can be transmitted and measured, such as a wall surface of a tunnel 10 or a building 20 or a vehicle body of a bus 30.
  • the signal from the vibration sensor 110 may be transmitted by wire via the arithmetic unit 120 and the connection line 112 as shown in FIG. 1, or may be transmitted by wireless connection such as an electromagnetic wave as shown in FIG. May be good.
  • the vibration measurement position is located in a remote location away from the calculation unit 120, the current state of the structure can be determined using the vibration data measured in the remote location. ..
  • an input device 140 for setting a measurement start command and measurement conditions by the vibration sensor 110, and the input device 140 may be configured to include a display device 150 that displays input measurement conditions, various information on the structure, discrimination results, and the like.
  • the abnormality determination system 100 shown in FIG. 4 may be mounted on a structure (transportation means such as a bus 30).
  • a structure transportation means such as a bus 30.
  • a lightweight configuration in which only the state determination model DM of the arithmetic unit 120 and the determination device 126 are mounted may be selected. With such a lightweight configuration, it is possible to configure it as one function of an in-vehicle device or the like.
  • the structure abnormality determination system is based on big data including normal vibration data and abnormal vibration data stored in a database, and machine learning and statistics including artificial intelligence.
  • the measured vibration data was input to the state discrimination model created by using the scientific method, and the current state of the structure was discriminated based on the calculation result from the state discrimination model, so that the structure was attached to the structure. Based on the vibration data obtained from the sensor, it is possible to detect an abnormality in the structure or a sign thereof in real time.
  • the current state is determined to be abnormal.
  • a predetermined threshold value is set stepwise.
  • the first threshold value is exceeded, it may be grasped as a precursor of an abnormality, and when the second threshold value is exceeded, the abnormality may be determined. This makes it possible to grasp the signs when an abnormality occurs in the structure.
  • the structure abnormality determination system according to the present invention is applied to a building, a vehicle, or the like is illustrated, but if the vibration is transmitted, for example, seismic vibration of a mountain or a river is used. It may be measured or applied to vibration measurement of transportation equipment other than vehicles such as aircraft and ships.

Abstract

構造物から測定される振動データを状態判別モデルに入力することにより、構造物の異常を判別する異常判別方法及びそのシステムである。本発明のシステムは、振動データを測定する振動センサと、正常振動データ及び異常振動データを含むビッグデータを格納するデータベースと、状態判別モデルを内蔵した演算ユニットと、を含み、状態判別モデルは、上記ビッグデータに基づいて人工知能を含む機械学習及び統計学的手法を用いることにより作成したものであり、演算ユニットは、状態判別モデルに測定された振動データを入力し、当該状態判別モデルからの演算結果に基づいて、構造物の現在状態を判別する判別装置をさらに含む。

Description

構造物の異常判別方法及び異常判別システム
　本発明は、構造物から測定される振動データを状態判別モデルに入力することにより、前記構造物の異常を判別する構造物の異常判別方法及びそのシステムに関する。
　建築物等の構造物は、付近を走行する交通手段等から発生される定常的な振動や、地震等の非定常的な振動を受けることにより、疲労や経年による劣化が生じることがある。実際の構造物設計は、経年による劣化や地震等の突発的に大きな振動にも長期にわたって耐え得るように振動データを用いた構造解析等を用いて行われることが多い。
　このように大型の構造物に対して、数値シミュレーションによる解析を利用した設計を行うためのデータを取得する振動試験技術として、振動の実測値に数値シミュレーションによる構造解析を組み合わせて、振動の入力に対する構造物の応答特性や損傷の予測を行う手法が知られている。そして、これらの予測データを用いたＣＡＥによる具体的な構造物の設計も実用化されている。
　例えば、特許文献には、測定対象物である構造物に所定の振動を加える加振機を備えた加振システムと、上記所定の振動による振動応答を演算する数値シミュレーション機能及び振動応答の結果に基づいて加振条件を調整する波形生成機能を有する計算機システムと、を含む振動試験装置が開示されている。この振動試験装置において、計算機システムは、加振システムで加振される構造物の応答量を数値シミュレーション機能に入力するモデル代替機能と、当該モデル代替機能における応答量の算出結果に基づいて加振システムの作動状態を判断する異常診断処理機能と、をさらに含むことにより、複数の加振システムをネットワーク化した際に、いずれか１つの加振システムでトラブルが発生した場合であってもモデル代替機能で模擬して試験を続行できるとしている。
特開２００３－８３８４１号公報
　従来の構造物の設計は長期間の耐用年数を得ることを基本としているため、実際の構造物から振動データ等のリアルタイムのデータを測定できたとしても、異常時の測定データを得ることが困難である。例えば、特許文献１に開示された振動試験装置においても、仮に複数ある加振システムのうちの１つに異常（トラブル）が発生したとしても、その異常が発生した加振システムの動作を止めるのではなく、その加振システムの機能を代替機能でバックアップして試験を続行することを意図したものであるため、システムの異常を直接検知あるいは予測することができない。
　そこで、本発明の目的は、構造物に取り付けたセンサから得た振動データに基づいて、リアルタイムに当該構造物の異常又はその予兆を検知できる異常判別方法及びそのシステムを提供することにある。
　上記課題を解決するために、本発明による、構造物から測定される振動データを状態判別モデルに入力することにより、前記構造物の異常を判別する構造物の異常判別方法は、前記状態判別モデルは、データベースに格納されている正常振動データ及び異常振動データを含むビッグデータに基づいて、人工知能を含む機械学習及び統計学的手法を用いることにより作成したものであり、前記状態判別モデルに測定された前記振動データを入力し、当該状態判別モデルからの演算結果に基づいて、前記構造物の現在状態を判別することを特徴とする。
　また、本発明による、構造物から測定される振動データを状態判別モデルに入力することにより、前記構造物の異常を判別する構造物の異常判別システムは、前記振動データを測定する振動センサと、正常振動データ及び異常振動データを含むビッグデータを格納するデータベースと、前記状態判別モデルを内蔵した演算ユニットと、を含み、前記状態判別モデルは、前記ビッグデータに基づいて人工知能を含む機械学習及び統計学的手法を用いることにより作成したものであり、前記演算ユニットは、前記状態判別モデルに測定された前記振動データを入力し、当該状態判別モデルからの演算結果に基づいて、前記構造物の現在状態を判別する判別装置をさらに含むことを特徴とする。
　かかる発明によれば、データベースに格納されている正常振動データ及び異常振動データを含むビッグデータに基づいて、人工知能を含む機械学習及び統計学的手法を用いることにより作成した状態判別モデルに測定された前記振動データを入力し、当該状態判別モデルからの演算結果に基づいて、構造物の現在状態を判別することにより、構造物に取り付けたセンサから得た振動データに基づいて、リアルタイムに当該構造物の異常又はその予兆を検知できる。
本発明の代表的な一例による構造物の異常判別システムを示す概要図である。 本発明の代表的な一例による構造物の異常判別方法の手順を示すフローチャートである。 本発明の変形例による構造物の異常判別方法の手順を示すフローチャートである。 本発明の構造物の異常判別システムの代表的な適用例を示す概略図である。
　以下、本発明の代表的な一例による構造物の異常判別方法及びそのシステムについて図面を用いて説明する。
　図１は、本発明の代表的な一例による構造物の異常判別システムを示す概要図である。本発明の代表的な一例による構造物の異常判別システム１００は、測定対象となる構造物の振動データを測定する振動センサ１１０と、構造物の異常を判別するための状態判別モデルを内蔵した演算ユニット１２０と、振動データを格納するデータベース１３０と、を含む。そして、この構造物の異常判別システム１００の判別装置１２６は、構造物から測定される振動データを状態判別モデルＤＭ入力し、その演算結果に基づいて、当該構造物の異常を判別する。
　振動センサ１１０は、構造物の測定箇所に直接取り付けて振動を測定するタイプや、構造物に対して非接触でもその振動を検知できるタイプのいずれのものも適用できるが、例えば、圧電センサ等の振動変位を電気信号に変換して検出するタイプが用いられる。また、図１に示す具体例において、振動センサ１１０は、測定した振動データにその取得位置（場所）や測定時刻等の固有情報を付加したもの接続線１１２を介して演算ユニット１２０に送信する。
　演算ユニット１２０は、測定対象である構造物を模擬した構造解析モデルＳＭを含むデータ生成装置１２２と、データベース１３０に格納された振動データを用いて状態判別モデルＤＭを生成するモデル作成装置１２４と、測定された振動データが正常か異常かを状態判別モデルＤＭを用いて判別する判別装置１２６と、を含む。なお、演算ユニット１２０は、振動センサ１１０からの振動データを受信するとともに、当該構造物から得た振動データを、後述する振動解析の入力用データと異常判別に適用する診断用データとに分ける機能を有する。また、演算ユニット１２０は、図１に示す構造物の異常判別システム１００全体の動作を制御する中央制御装置（図示せず）を含んでもよい。
　データ生成装置１２２は、構造解析モデルＳＭに模擬的振動（例えば振動センサ１１０からの入力用データ等）を入力し、数値演算による結果を振動データとしてデータベース１３０に出力する。ここで、本実施例において、構造解析モデルＳＭは、例えば有限要素法等の数値解析手法によって構造物を模擬したモデルであって、ＣＡＥ等による構造物の設計図面に基づいて、当該構造物に欠陥等の不良がない正常モデルと構造物の一部に意図的に欠陥等の不良部分を形成した異常モデルとを含むものとして構成される。これにより、データ生成装置１２２から出力される振動データは、正常モデルの演算結果による正常振動データ１３４と異常モデルの演算結果による異常振動データ１３６とを含むものとして、データベース１３０に送信される。このとき、異常振動データ１３６には、上記不良部分の重要度あるいは深刻度に応じて、異常の重みづけを示すデータが付加されてもよい。
　モデル作成装置１２４は、後述するデータベース１３０にアクセスしてビッグデータ１３２から正常振動データ１３４及び異常振動データ１３６を読み込み、これらの振動データに基づいて人工知能を含む機械学習及び統計学的手法を用いることにより、構造物に対応した状態判別モデルＤＭを作成する。ここで、モデル作成装置１２４では、状態判別モデルＤＭを作成するにあたり、多量の振動データからなるビッグデータ１３２を用いて、統計解析を中心とした手法や、データマイニング、機械学習、ディープラーニング等のニューラルネットワークを応用した手法等の様々な手法を組合せて適用することができる。また、モデル作成装置１２４は、随時更新されるビッグデータ１３２に定期的にアクセスして、状態判別モデルＤＭを修正あるいは更新するようにしてもよい。
　状態判別モデルＤＭは、例えば、振動センサ１１０で測定された振動データを入力した際に、その測定位置や測定時刻等の固有情報を参照して、入力された振動データが当該固有情報に対応する判別モデルを選択し、その判別モデルに照らして正常な振動状態を表すのか、あるいは異常な振動状態を表すのかを判別して出力する機能を有する。このとき、状態判別モデルＤＭの出力として状態を示す代表値を出力するように構成してもよい。また、状態判別モデルＤＭは、複数位置での振動データを同時に入力し、これら複数位置の演算結果を構造物全体の評価として統合する機能を有するように構成してもよい。
　判別装置１２６は、大きく分けて２つの機能を有している。第１の機能は、個別の振動センサ１１０から受信した診断用の振動データを、モデル作成装置１２４で作成された状態判別モデルＤＭに入力し、その演算結果による出力に基づいて、診断される振動データが正常な状態での振動データであるか、あるいは異常な状態での振動データであるかを判別する。このとき、判別装置１２６での判別手法としては、例えば、状態判別モデルＤＭから何らかの状態を示す代表値が出力された場合に、当該代表値が所定の閾値を超えたか否かで正常か異常かを判別するものや、あるいは状態判別モデルＤＭから演算後の振動データを得て、これをデータベース１３０に保存された正常振動データ１３４又は異常振動データ１３６と対比して正常か異常かを判別するもの等を適用できる。
　第２の機能は、第１の機能で判別した個々の振動データ（すなわち個々の振動センサ１１０の出力）が正常か異常かの状態と、データベース１３０に格納されている個々の振動センサの情報（センサの位置、異常な振動データと判別された際の構造物全体への影響度、あるいは異常な振動データの深刻度等の付加的情報）とを状態判別モデルＤＭに再度入力し、その演算結果に基づいて、構造物における異常の発生部位（範囲）やその深刻度を判別する。
　また、演算ユニット１２０は、判別装置１２６において診断した振動データが異常と判別された場合に、警報を発する警報装置（図示せず）をさらに含むように構成してもよい。警報装置としては、例えば、ブザーやサイレン等の音声によるものや、ランプあるいはモニター等の表示によるもの、さらにはこれらを組合せたもの等が適用できる。
　データベース１３０は、正常振動データ１３４及び異常振動データ１３６を含むビッグデータ１３２を格納する記憶手段として構成される。正常振動データ１３４及び異常振動データ１３６は、上記したデータ生成装置１２２の構造解析モデルＳＭで出力されたものや、同一の構造物について過去に取得された実際の振動データ、あるいは対象となる構造物に類似する構造物で故障等の異常が発生した際の振動データ等、様々な条件あるいは環境で生成又は測定されたものを含み得る。
　ここで、データベース１３０は、ビッグデータ１３２として、振動データとともに当該振動データを測定した振動センサ１１０の設置位置や、その判別結果が異常であった場合の異常発生位置（範囲）、あるいはその異常の深刻度といった情報を付加して保存しておいてもよい。これらの追加情報は、構造解析モデルＳＭで正常振動データ１３４あるいは異常振動データ１３６を生成する際や、状態判別モデルＤＭを作成する際に参照される。
　図２は、本発明の代表的な一例による構造物の異常判別方法の手順を示すフローチャートである。図２に示すように、本発明の代表的な一例による構造物の状態判別方法は、まず構造物に取り付けた１つあるいは複数の振動センサ１１０（図１参照）から振動データを取得する（ステップＳ１）。このとき、上述のとおり、図１に示したデータベース１３０に格納されたビッグデータ１３２に基づいて、モデル作成装置１２４により予め状態判別モデルＤＭを作成しておく。
　次に、図１に示した判別装置１２６において、ステップＳ１で取得した診断用の振動データを状態判別モデルＤＭに入力し、当該状態判別モデルＤＭにて個々の振動データに対する現在状態の演算を行う（ステップＳ２）。このとき、演算により出力される現在状態としては、上述のとおり、個々の振動データにおける何らかの状態を示す代表値や、構造物を伝達した振動に基づく振動データ、あるいは亀裂の発生や変形等の状態を直接示唆するものでもよい。
　続いて、ステップＳ２で得られた個々の振動データに対する現在状態の情報に基づいて、判別装置１２６において個々の振動データの現在状態が正常であるか異常であるかを判別する（ステップＳ３）。このとき、判別装置１２６による判別は、単に状態が正常あるいは異常であるかの情報だけでなく、例えば、状態判別モデルＤＭによる演算結果か何らかの数値や波形であった場合に、閾値（標準データ）との差分や異常状態の程度（深刻度）等の情報を付加してもよい。
　続いて、付加的な動作として、ステップＳ３で判別した振動データをデータベース１３０に格納してデータを追加する（ステップＳ４）。このとき、ステップＳ３での判別結果が正常の場合、判別された振動データを正常振動データ１３４に追加し、判別結果が異常の場合には、判別された振動データを異常振動データ１３６に追加する。
　なお、図２に示すフローでは、ステップＳ３の判別の後に、ステップＳ４で判別された振動データをデータベース１３０に格納する動作を例示したが、当該ステップＳ４の前に、上述のとおり、判別結果に応じてユーザーに警報を発する動作を追加してもよい。これにより、構造物の異常が発生した場合に直ちに対応策を講じることが可能となる。
　図３は、本発明の変形例による構造物の異常判別方法の手順を示すフローチャートである。図３に示すように、本発明の変形例による構造物の状態判別方法では、図２に示したフローチャートにおけるステップＳ３の振動データの判別までは共通した動作を行い、当該ステップＳ３の後にステップＳ３ａ及びステップＳ３ｂを実行する。
　すなわち、ステップＳ３で個々の振動データに対する判別を実行した後、ステップＳ３で取得した個々の振動データが正常か異常を判別した結果を状態判別モデルＤＭに入力し、当該状態判別モデルＤＭにて構造物全体における現在状態の再演算を行う（ステップＳ３ａ）。このとき、状態判別モデルＤＭに入力されるデータとしては、個々の振動センサ１１０の出力が正常か異常か判別した状態と、データベース１３０に格納されている個々の振動センサの情報（センサの位置、異常な振動データと判別された際の構造物全体への影響度、あるいは異常な振動データの深刻度等の付加的情報）等が含まれる。
　続いて、ステップＳ３ａで得られた個々の振動データに対する現在状態の情報に基づいて、判別装置１２６において構造物全体の現在状態を判別する（ステップＳ３ｂ）。このとき、判別装置１２６による判別は、単に構造物の状態が正常あるいは異常であるかの情報だけでなく、例えば、状態判別モデルＤＭによる演算結果から、異常の発生部位や異常が発生する可能性がある範囲、あるいは構造物に対する異常の重要度、構造物に発生した異常の深刻度等の情報を追加してもよい。これにより、本発明による構造物の異常判別方法では、測定した振動データに加えて構造物全体の現在状態が正常であるか異常であるかを判別することができる。
　図４は、本発明の構造物の異常判別システムの代表的な適用例を示す概略図である。図４に示すように、本発明による構造物の異常判別システム１００は、例えば、トンネル１０やビル２０等の建築物、あるいは走行するバス３０等の輸送手段に適用される。本実施例において、構造物の異常判別システム１００の振動センサ１１０は、トンネル１０やビル２０の壁面あるいはバス３０の車体等の振動が伝達して測定可能な箇所に取り付けられる。
　なお、振動センサ１１０からの信号は、図１に示すように演算ユニット１２０と接続線１１２を介して有線で送信されても良いし、図４に示すように電磁波等の無線接続により送信されてもよい。これにより、振動の測定位置が演算ユニット１２０から離れた遠隔地にあった場合であっても、当該遠隔地で測定された振動データを用いて構造物の現在状態の判別を実行することができる。
　振動センサ１１０で取得された振動データは演算ユニット１２０に送信され、この振動データを受信した演算ユニット１２０において、図２又は図３に示した手順にしたがって測定対象である構造物の振動データあるいは構造物自体の異常判別を実行する。また、図４に示すように、本発明による構造物の異常判別システム１００の変形例として、測定の開始指令や振動センサ１１０による測定条件を設定するための入力装置１４０と、この入力装置１４０によって入力された測定条件や構造物の各種情報さらには判別結果等を表示する表示装置１５０と、を含むように構成してもよい。
　また、測定対象が移動する輸送手段等の場合には、図４に示した異常判別システム１００を構造物（バス３０等の輸送手段）に搭載するように構成してもよい。このような構成であれば、測定した振動データを遠隔地に送信するのが困難な環境であっても、状態判別モデルＤＭによる常時最適なモデルとして演算を行うことで、振動データや構造物の状態判別が可能となる。
　このとき、演算ユニット１２０の状態判別モデルＤＭと判別装置１２６のみを搭載する軽量な構成を選択してもよい。このような軽量な構成であれば車載機器等の１機能として構成することも可能となる。
　以上のような構成を備えることにより、本発明による構造物の異常判別システムは、データベースに格納されている正常振動データ及び異常振動データを含むビッグデータに基づいて、人工知能を含む機械学習及び統計学的手法を用いることにより作成した状態判別モデルに測定された振動データを入力し、当該状態判別モデルからの演算結果に基づいて、構造物の現在状態を判別することにより、構造物に取り付けたセンサから得た振動データに基づいて、リアルタイムに当該構造物の異常又はその予兆を検知できる。
　以上、本発明による実施例及びこれに基づく変形例を説明したが、本発明は必ずしもこれらの例に限定されるものではない。また、当業者であれば、本発明の主旨又は添付した特許請求の範囲を逸脱することなく、様々な代替実施例及び改変例を見出すことができるであろう。
　上記した具体例では、判別装置における判別において、演算結果が所定の閾値を超えた場合に現在状態が異常であると判別したものを例示したが、例えば上記所定の閾値を段階的に設定し、第１の閾値を超えたときは異常の前兆として把握し、第２の閾値を超えたときに異常を判別するようにしてもよい。これにより、構造物に異常が発生する場合の予兆を把握することが可能となる。
　また、上記した具体例では、本発明による構造物の異常判別システムを建築物や車両等に適用した場合を例示したが、振動が伝達するものであれば、例えば山や河川等の地震振動を測定したり、あるいは航空機や船舶等の車両以外の輸送機器の振動測定に適用してもよい。
１０　トンネル
２０　ビル
３０　バス
１００　構造物の異常判別システム
１１０　振動センサ
１１２　接続線
１２０　演算ユニット
１２２　データ生成装置
１２４　モデル作成装置
１２６　判別装置
１３０　データベース
１３２　ビッグデータ
１３４　正常振動データ
１３６　異常振動データ
１４０　入力装置
１５０　表示装置
 

Claims (12)

  1. 　構造物から測定される振動データを状態判別モデルに入力することにより、前記構造物の異常を判別する構造物の異常判別方法であって、
    　前記状態判別モデルは、データベースに格納されている正常振動データ及び異常振動データを含むビッグデータに基づいて、人工知能を含む機械学習及び統計学的手法を用いることにより作成したものであり、
    　前記状態判別モデルに測定された前記振動データを入力し、当該状態判別モデルからの演算結果に基づいて、前記構造物の現在状態を判別することを特徴とする構造物の異常判別方法。
  2. 　前記正常振動データ及び前記異常振動データは、構造解析を用いた演算により生成されたものを含むことを特徴とする請求項１記載の構造物の異常判別方法。
  3. 　前記振動データは複数の測定箇所によって測定され、前記状態判別モデルは、前記複数の測定箇所における前記振動データを同時に入力して前記演算結果を出力することを特徴とする請求項１又は２に記載の構造物の異常判別方法。
  4. 　前記現在状態が異常と判別された場合に、警報を発することを特徴とする請求項１～３のいずれか１項に記載の構造物の異常判別方法。
  5. 　前記振動データは遠隔地により測定されたものであり、前記遠隔地で測定された前記振動データを用いて前記現在状態の判別を実行することを特徴とする請求項１～４のいずれか１項に記載の構造物の異常判別方法。
  6. 　前記現在状態が判別された前記振動データを、前記正常振動データあるいは前記異常振動データとして前記ビッグデータに追加することを特徴とする請求項１～５のいずれか１項に記載の構造物の異常判別方法。
  7. 　構造物から測定される振動データを状態判別モデルに入力することにより、前記構造物の異常を判別する構造物の異常判別システムであって、
    　前記振動データを測定する振動センサと、正常振動データ及び異常振動データを含むビッグデータを格納するデータベースと、前記状態判別モデルを内蔵した演算ユニットと、を含み、
    　前記状態判別モデルは、前記ビッグデータに基づいて人工知能を含む機械学習及び統計学的手法を用いることにより作成したものであり、
    　前記演算ユニットは、前記状態判別モデルに測定された前記振動データを入力し、当該状態判別モデルからの演算結果に基づいて、前記構造物の現在状態を判別する判別装置をさらに含むことを特徴とする構造物の異常判別システム。
  8. 　前記正常振動データ及び前記異常振動データは、構造解析を用いた演算により生成されたものを含むことを特徴とする請求項７記載の構造物の異常判別システム。
  9. 　前記振動センサは複数の測定箇所に配置され、前記判別装置は、前記複数の測定箇所における前記振動データを同時に前記状態判別モデルに入力して前記演算結果を出力することを特徴とする請求項７又は８に記載の構造物の異常判別システム。
  10. 　前記演算ユニットは、前記判別装置で前記現在状態が異常と判別された場合に、警報を発する警報装置をさらに含むことを特徴とする請求項７～９のいずれか１項に記載の構造物の異常判別システム。
  11. 　前記振動センサは遠隔地に設けられ、前記演算ユニットは、前記遠隔地で測定された前記振動データを用いて前記現在状態の判別を実行することを特徴とする請求項７～１０のいずれか１項に記載の構造物の異常判別システム。
  12. 　前記判別装置は、前記現在状態が判別された前記振動データを、前記正常振動データあるいは前記異常振動データとして前記ビッグデータに追加する機能をさらに有することを特徴とする請求項７～１１のいずれか１項に記載の構造物の異常判別システム。
     
PCT/JP2020/008274 2019-03-28 2020-02-28 構造物の異常判別方法及び異常判別システム WO2020195536A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-063612 2019-03-28
JP2019063612A JP6664776B1 (ja) 2019-03-28 2019-03-28 構造物の異常判別方法及び異常判別システム

Publications (1)

Publication Number Publication Date
WO2020195536A1 true WO2020195536A1 (ja) 2020-10-01

Family

ID=70000388

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/008274 WO2020195536A1 (ja) 2019-03-28 2020-02-28 構造物の異常判別方法及び異常判別システム

Country Status (2)

Country Link
JP (1) JP6664776B1 (ja)
WO (1) WO2020195536A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102327420B1 (ko) * 2021-03-19 2021-11-16 국민대학교산학협력단 훈련 데이터를 생성하고 검증하는 장치 및 방법
KR102594253B1 (ko) * 2021-08-06 2023-10-25 동의대학교 산학협력단 인공지능을 활용한 크레인 장비의 이상 감지 시스템 및 방법

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05157668A (ja) * 1991-12-10 1993-06-25 Mitsubishi Atom Power Ind Inc プラント機器の異常検知方法及び装置
JP2004170397A (ja) * 2002-10-28 2004-06-17 Natl Inst For Land & Infrastructure Management Mlit Ａｅセンサ及びａｅセンサを用いた構造物の異常検出システム並びに安全性評価システム
JP2008090529A (ja) * 2006-09-29 2008-04-17 Matsushita Electric Works Ltd 異常検出装置、異常検出方法
JP2012018066A (ja) * 2010-07-07 2012-01-26 Panasonic Electric Works Sunx Co Ltd 異常検査装置
CN103558042A (zh) * 2013-10-28 2014-02-05 中国石油化工股份有限公司 一种基于全状态信息的机组故障快速诊断方法
JP2017035973A (ja) * 2015-08-10 2017-02-16 公益財団法人鉄道総合技術研究所 架線状態診断装置
WO2017064855A1 (ja) * 2015-10-13 2017-04-20 日本電気株式会社 構造物異常検知システム、構造物異常検知方法及び記録した記録媒体
JP2018185256A (ja) * 2017-04-27 2018-11-22 公益財団法人鉄道総合技術研究所 鉄道車両機器診断装置および鉄道車両機器診断方法
JP2018189522A (ja) * 2017-05-08 2018-11-29 キユーピー株式会社 設備故障の予兆診断方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007128190A (ja) * 2005-11-02 2007-05-24 Mitsubishi Electric Corp 分類基準生成装置および異常判定装置および分類基準生成方法および分類基準生成プログラム

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05157668A (ja) * 1991-12-10 1993-06-25 Mitsubishi Atom Power Ind Inc プラント機器の異常検知方法及び装置
JP2004170397A (ja) * 2002-10-28 2004-06-17 Natl Inst For Land & Infrastructure Management Mlit Ａｅセンサ及びａｅセンサを用いた構造物の異常検出システム並びに安全性評価システム
JP2008090529A (ja) * 2006-09-29 2008-04-17 Matsushita Electric Works Ltd 異常検出装置、異常検出方法
JP2012018066A (ja) * 2010-07-07 2012-01-26 Panasonic Electric Works Sunx Co Ltd 異常検査装置
CN103558042A (zh) * 2013-10-28 2014-02-05 中国石油化工股份有限公司 一种基于全状态信息的机组故障快速诊断方法
JP2017035973A (ja) * 2015-08-10 2017-02-16 公益財団法人鉄道総合技術研究所 架線状態診断装置
WO2017064855A1 (ja) * 2015-10-13 2017-04-20 日本電気株式会社 構造物異常検知システム、構造物異常検知方法及び記録した記録媒体
JP2018185256A (ja) * 2017-04-27 2018-11-22 公益財団法人鉄道総合技術研究所 鉄道車両機器診断装置および鉄道車両機器診断方法
JP2018189522A (ja) * 2017-05-08 2018-11-29 キユーピー株式会社 設備故障の予兆診断方法

Also Published As

Publication number Publication date
JP2020165672A (ja) 2020-10-08
JP6664776B1 (ja) 2020-03-13

Similar Documents

Publication Publication Date Title
JP6879873B2 (ja) 故障確率評価システム
JP6442091B2 (ja) 自動車部品破壊防止システム、自動車部品破壊防止方法、および非一時的コンピュータ読取可能媒体
JP6082191B2 (ja) モニタリングシステム
WO2020195536A1 (ja) 構造物の異常判別方法及び異常判別システム
CN111819042B (zh) 异常检测装置及异常检测方法
JP2004523735A (ja) 器械を取り付けられた機器およびプロセスのための推論信号生成装置
JP2017091258A (ja) フィールド機器、フィールド機器システム、および診断方法
KR102098888B1 (ko) 재난 피해 예측 및 분석 시스템, 방법 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체
US11378485B2 (en) Structural monitoring system
WO2020195537A1 (ja) 構造物の状態判別モデル作成方法及びその作成システム
JPWO2018164102A1 (ja) 診断コスト出力装置、診断コスト出力方法及びコンピュータ読み取り可能記録媒体
JP6742014B1 (ja) 構造物の異常判別方法及び異常判別システム
JP6790689B2 (ja) 管理システム
KR100625077B1 (ko) 선박의 뉴메틱 자가진단시스템 및 그 방법 및 상기 방법을실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수있는 기록매체
KR101997217B1 (ko) 장치 진단 시스템
JP2020166819A (ja) 構造物の状態判別モデル作成方法及びその作成システム
JP6389663B2 (ja) 構造物検証システム、構造物検証装置、構造物検証プログラム
WO2022059720A1 (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
JP2016017847A (ja) 構造物検証システム、構造物検証装置、構造物検証プログラム
JP2016017848A (ja) 構造物検証システム、構造物検証装置、構造物検証プログラム
CN113485898A (zh) 振动测点显示方法、装置、设备及存储介质
JP6782936B1 (ja) 構造物の状態判別モデル作成方法及びその作成システム
US10890499B2 (en) System and method for predicting strain power spectral densities of light machine structure
US20200143004A1 (en) Visualization of machine structure damage from machine sensor data using machine learning
US20210372828A1 (en) Civil engineering structure monitoring system, civil engineering structure monitoring apparatus, civil engineering structure monitoring method, and non-transitory computer-readable medium

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: 20780048

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20780048

Country of ref document: EP

Kind code of ref document: A1