特許ウォッチ

公開番号2024179905
公報種別公開特許公報(A)
公開日2024-12-26
出願番号2023099212
出願日2023-06-16
発明の名称振動解析方法、振動解析装置、振動解析プログラム、及び、該振動解析プログラムを記憶したコンピュータ読取可能な記憶媒体
出願人倉敷化工株式会社,岡山県
代理人弁理士法人前田特許事務所
主分類G01H 17/00 20060101AFI20241219BHJP(測定;試験)
要約【課題】物品中を伝達する振動又は物品自身が発する振動を特徴付けるパラメータの推定に際して、その推定精度を向上させる。
【解決手段】振動解析方法は、物品中を伝達する振動又は物品自身が発する振動を特徴付ける解析パラメータ40を推定するものであり、前記振動に対応した系列データであって、周波数系列及び時系列の少なくとも一方に関する第1の次元D1と、該周波数系列及び時系列とは異なる第2の次元D2とを含んだ2次元以上の多次元系列データ31を読み込むステップS2と、解析パラメータ40の目標値を取得するステップS3と、多次元系列データ31を入力とし、解析パラメータ40の推定値を出力とした多次元CNN20を学習するステップS4と、を備え、多次元CNN20は、多次元系列データ31に、第1及び第2の次元D1,D2を含んだ多次元のフィルタ21aを畳み込むように構成された多次元畳込層21を有する。
【選択図】図6
特許請求の範囲【請求項１】
情報を読み込む読込部と、所定の処理を実行する演算部と、を備えるコンピュータを用いることで、物品中を伝達する振動又は物品自身が発する振動を特徴付けるパラメータを推定する振動解析方法であって、
前記読込部が、前記振動に対応した系列データであって、周波数系列及び時系列の少なくとも一方に関する第１の次元と、該周波数系列及び時系列とは異なる第２の次元と、を含んだ２次元以上の多次元系列データを読み込むステップと、
前記演算部が、前記パラメータの目標値を取得するステップと、
前記演算部が、前記目標値に基づいて、前記多次元系列データを入力とし、前記パラメータの推定値を出力とした多次元畳み込みニューラルネットワークを学習するステップと、を備え、
前記多次元畳み込みニューラルネットワークは、前記多次元系列データに、前記第１及び第２の次元を含んだ多次元のフィルタを畳み込むように構成された多次元畳込層を有する
ことを特徴とする振動解析方法。
続きを表示（約 2,100 文字）【請求項２】
情報を読み込む読込部と、所定の処理を実行する演算部と、を備えるコンピュータを用いることで、物品中を伝達する振動又は物品自身が発する振動を特徴付けるパラメータを推定する振動解析方法であって、
前記読込部が、前記振動に対応した系列データであって、周波数系列及び時系列の少なくとも一方に関する第１の次元と、該周波数系列及び時系列とは異なる第２の次元と、を含んだ２次元以上の多次元系列データを読み込むステップと、
前記演算部が、前記多次元系列データを入力とし、前記パラメータの推定値を出力とした学習済みの多次元畳み込みニューラルネットワークによって、前記パラメータを推定するステップと、を備え、
前記多次元畳み込みニューラルネットワークは、前記多次元系列データに、前記第１及び第２の次元を含んだ２次元以上のフィルタを畳み込むように構成された多次元畳込層を有する
ことを特徴とする振動解析方法。
【請求項３】
請求項１又は２に記載された振動解析方法において、
前記第２の次元は、前記物品における振動の測定位置を区別するカテゴリを示し、
前記多次元系列データは、前記第２の次元については、前記物品における振動方向が同じデータを、前記測定位置を異ならせつつ並べることで構成される
ことを特徴とする振動解析方法。
【請求項４】
請求項３に記載された振動解析方法において、
前記多次元系列データは、前記第１及び前記第２の次元に加えて、前記第１及び第２の次元とは異なる第３の次元を含んだ３次元系列データであり、
前記多次元畳み込みニューラルネットワークは、前記多次元系列データに、前記第１、第２及び第３の次元を含んだ３次元のフィルタを畳み込むように構成された多次元畳込層を有することを特徴とする振動解析方法。
【請求項５】
請求項４に記載された振動解析方法において、
前記第３の次元は、前記物品における振動方向を区別するカテゴリを示し、
前記多次元系列データは、
前記第２の次元については、前記振動方向が同じデータを、前記測定位置を異ならせつつ並べるとともに、
前記第３の次元については、前記測定位置が同じデータを、前記振動方向を異ならせつつ並べることで構成される
ことを特徴とする振動解析方法。
【請求項６】
請求項１又は２に記載された振動解析方法において、
前記第２の次元は、前記物品における振動方向を区別するカテゴリを示し、
前記多次元系列データは、前記第２の次元については、前記物品における振動の測定位置が同じデータを、前記振動方向を異ならせつつ並べることで構成される
ことを特徴とする振動解析方法。
【請求項７】
請求項１又は２に記載された振動解析方法において、
前記物品は、基礎に対して定盤を介して搭載物を支持するとともに、前記基礎から前記搭載物への振動を遮断する除振台であり、
前記パラメータは、物品中の振動の伝達を特徴付けるパラメータであり、
前記パラメータは、前記定盤及び前記搭載物の物理的特性を示し、
前記多次元系列データは、
前記基礎に対する前記除振台の振動のゲインと、
前記基礎に対する前記除振台の振動の位相と、の少なくとも一方を多次元化することで構成される
ことを特徴とする振動解析方法。
【請求項８】
請求項７に記載された振動解析方法において、
前記定盤は、前記基礎に対し、複数の支持位置で支持され、
前記定盤及び前記搭載物の物理的特性には、
前記基礎及び前記定盤の間のばね定数と、
前記基礎及び前記定盤の間の減衰係数と、
前記定盤及び前記搭載物の全体の重心位置と、
前記定盤及び前記搭載物の質量と、
前記支持位置間の距離と、の１つ以上の組み合わせが含まれる
ことを特徴とする振動解析方法。
【請求項９】
請求項７に記載された振動解析方法において、
前記定盤は、前記基礎に対し、複数の支持位置で支持され、
前記多次元ニューラルネットワークは、前記多次元系列データに加えて、前記物理的特性の少なくとも一部を入力として学習を実行する
ことを特徴とする振動解析方法。
【請求項１０】
請求項１に記載された振動解析方法において、
前記パラメータの目標値は、所定範囲内で所与とされ、
前記多次元系列データが、所与とされた前記目標値に基づいた、前記物品の振動シミュレーションによって算出され、
所与とされた前記目標値と、前記振動シミュレーションの算出値とによって、多次元畳み込みニューラルネットワークを学習するための訓練データが構成される
ことを特徴とする振動解析方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示は、振動解析方法、振動解析装置、振動解析プログラム、及び、該振動解析プログラムを記憶したコンピュータ読取可能な記憶媒体に関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
画像分析、動画認識のための分析手法として、いわゆる畳み込みニューラルネットワーク（Convolutional Neural Network：ＣＮＮ）を用いた手法が広く知られている。ＣＮＮとは、畳込層を有するニューラルネットワークである。この畳込層では、入力データにおけるデータ間の相関を抽出すべく、その入力データにフィルタ（畳み込みカーネル）が畳み込まれるようになっている。
【０００３】
一例として、画像データに関するＣＮＮを考える。この場合、入力データは、ＲＧＢの３自由度を無視すると、ｘ方向及びｙ方向に多数の画素値が並んだ一の２次元配列とみなすことができる。そうした２次元配列を、画像データよりも小サイズの２次元フィルタによって畳み込むことで、画像データから抽出される特徴に、画素同士の局所的な相関（位置関係に起因した相関）を反映させることができる。
【０００４】
近年、ＣＮＮを用いた分析手法が、健康診断、振動解析等、他の技術分野にも広まりつつある。
【０００５】
例えば特許文献１には、対象者の体表面における３次元方向の振動を示す体動データを取得し、その体動データと機械学習済みのＣＮＮを用いることで、対象者の咳嗽を検出することが開示されている。この特許文献１では、３次元の各方向について、ＣＮＮが個別に用意されるようになっている。
【０００６】
また、特許文献２には、時系列的に記録した時系列加速度データをＣＮＮに入力し、その出力に基づいて回転機の異常を診断することが開示されている。この特許文献２では、時系列方向に関して畳み込むように構成された、１次元のＣＮＮが用いられるようになっている。
【先行技術文献】
【特許文献】
【０００７】
特開２０２２－０１８７２６号公報
特開２０２１－１４０４０３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
本願発明者らは、除振台等の物品をモデル化したときのばね定数、減衰係数等、物品中を伝達する振動を特徴付けるパラメータの推定、及び、モータ等の物品における異常の有無を示すフラグ等、物品自身が発する振動を特徴付けるパラメータの推定に際し、ＣＮＮを用いることを検討した。その結果、ＣＮＮを用いた従来の手法には、さらなる精度向上の余地があることを明らかにし、本開示を想到するに至った。
【０００９】
ここに開示する技術は、かかる点に鑑みてなされたものであり、その目的とするところは、物品中を伝達する振動又は物品自身が発する振動を特徴付けるパラメータの推定に際して、その推定精度を向上させることにある。
【課題を解決するための手段】
【００１０】
本開示の第１の態様は、情報を読み込む読込部と、所定の処理を実行する演算部と、を備えるコンピュータを用いることで、物品中を伝達する振動又は物品自身が発する振動を特徴付けるパラメータを推定する振動解析方法に係る。この振動解析方法は、前記読込部が、前記振動に対応した系列データであって、周波数系列及び時系列の少なくとも一方に関する第１の次元と、該周波数系列及び時系列とは異なる第２の次元と、を含んだ２次元以上の多次元系列データを読み込むステップと、前記演算部が、前記パラメータの目標値を取得するステップと、前記演算部が、前記目標値に基づいて、前記多次元系列データを入力とし、前記パラメータの推定値を出力とした多次元畳み込みニューラルネットワークを学習するステップと、を備え、前記多次元畳み込みニューラルネットワークは、前記多次元系列データに、前記第１及び第２の次元を含んだ多次元のフィルタを畳み込むように構成された多次元畳込層を有する。
（【００１１】以降は省略されています）

関連特許