JP2021021646A - Structure abnormality detection system - Google Patents
Structure abnormality detection system Download PDFInfo
- Publication number
- JP2021021646A JP2021021646A JP2019138742A JP2019138742A JP2021021646A JP 2021021646 A JP2021021646 A JP 2021021646A JP 2019138742 A JP2019138742 A JP 2019138742A JP 2019138742 A JP2019138742 A JP 2019138742A JP 2021021646 A JP2021021646 A JP 2021021646A
- Authority
- JP
- Japan
- Prior art keywords
- principal component
- distribution data
- width
- acceleration
- component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000005856 abnormality Effects 0.000 title claims abstract description 71
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 238000009826 distribution Methods 0.000 claims abstract description 43
- 238000003745 diagnosis Methods 0.000 claims abstract description 30
- 238000006073 displacement reaction Methods 0.000 claims description 62
- 230000001133 acceleration Effects 0.000 claims description 52
- 239000006185 dispersion Substances 0.000 claims description 10
- 238000000513 principal component analysis Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 238000007689 inspection Methods 0.000 abstract description 8
- 230000006866 deterioration Effects 0.000 abstract description 6
- 238000012545 processing Methods 0.000 description 54
- 238000000034 method Methods 0.000 description 15
- 230000000737 periodic effect Effects 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000007850 fluorescent dye Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000007847 structural defect Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
Description
本発明は、例えば、支柱などに設置された構造物の取付状態の異常診断を行う構造物の異常検出システムに関する。 The present invention relates to, for example, an abnormality detection system for a structure that diagnoses an abnormality in an attached state of a structure installed on a column or the like.
構造物の取付状態を検出する方法としては、検査員による定期検査により、目視あるいは何らかの計器を用いて行われることが主流であった。また、取付状態の異常診断対象である構造物に経年的に発生する亀裂に関して、定量的な検査を、簡単かつ迅速に行う従来技術が開示されている（例えば、特許文献１参照）。 The mainstream method for detecting the attached state of a structure is to perform a periodic inspection by an inspector, either visually or using some kind of instrument. Further, there is disclosed a prior art technique for easily and quickly performing a quantitative inspection on a crack that occurs over time in a structure that is an object of abnormality diagnosis in an attached state (see, for example, Patent Document 1).
この特許文献１では、紫外線または青色系可視光などの励起光によって発光する蛍光色素を、異常診断対象である構造物にあらかじめ混入させている。そして、この構造物に紫外線または青色系可視光などを発光する光源を照射し、目視あるいはＣＣＤカメラ等による撮像画像の解析処理により、亀裂の発生を定量的に判断している。 In Patent Document 1, a fluorescent dye that emits light by excitation light such as ultraviolet rays or blue visible light is mixed in advance with a structure to be diagnosed with an abnormality. Then, the structure is irradiated with a light source that emits ultraviolet rays, blue visible light, or the like, and the occurrence of cracks is quantitatively determined by visual inspection or analysis processing of the captured image by a CCD camera or the like.
しかしながら、従来技術には、以下のような課題がある。
特許文献１では、取付状態の定量的な異常診断を可能にしてはいるものの、あくまでも、検査員による定期検査を基本としている。さらに、特許文献１は、異常診断対象の構造物に対して、蛍光色素をあらかじめ混入させておく必要があった。
However, the prior art has the following problems.
Although Patent Document 1 enables quantitative abnormality diagnosis of the attached state, it is based on periodic inspection by an inspector. Further, in Patent Document 1, it is necessary to mix a fluorescent dye in advance with respect to the structure to be diagnosed with an abnormality.
一方、近年では、構造物の取付状態の異常診断を定期検査よりも短い周期で、検査員を介さずに無人で行うことのできる異常診断システムが望まれている。また、支柱などに設置された構造物の取付状態の劣化を、定量的に長期間にわたって診断する必要性も高まっている。さらに、新規の構造物だけでなく、既存の構造物に対しても、容易に対応できることが望まれる。 On the other hand, in recent years, there has been a demand for an abnormality diagnosis system capable of performing an abnormality diagnosis of a structure mounting state in a shorter cycle than a periodic inspection without an inspector. In addition, there is an increasing need to quantitatively diagnose the deterioration of the mounting state of structures installed on columns and the like over a long period of time. Furthermore, it is desired that not only new structures but also existing structures can be easily dealt with.
また、道路上の構造物をモニタリングするシステムを考えると、診断対象である構造物は、道路上に数多く広く点在している。それぞれの構造物で収集されたセンサデータを、ネットワーク経由で上位のデータ処理装置へ集めるためには、膨大なデータ転送が必要であり、有限の通信容量を圧迫してしまう。しかしながら、長期間にわたり、センサを用いて構造物の異常診断を行うためには、膨大なデータ処理が必要である。 In addition, considering the system for monitoring structures on the road, many structures to be diagnosed are widely scattered on the road. In order to collect the sensor data collected in each structure to a higher-level data processing device via a network, a huge amount of data transfer is required, which puts pressure on a finite communication capacity. However, a huge amount of data processing is required to perform an abnormality diagnosis of a structure using a sensor for a long period of time.
このように相反する要求を実現するためには、各構造物の設置現場ごとで、データ処理能力と記憶部を持たせたシステムを設置し、膨大なデータ処理は、各現場のシステム内で行うことが有効と考えられる。さらに、データ量が大幅に圧縮された統計データまでは各現場で作成し、通信によるデータの受け渡しは、統計データで行うことが、通信路を有効に活用する上で有効と考えられる。 In order to realize such conflicting requirements, a system with data processing capacity and storage unit is installed at each installation site of each structure, and enormous data processing is performed within the system at each site. Is considered to be effective. Furthermore, it is considered effective to create statistical data with a significantly compressed amount of data at each site and to transfer data by communication using statistical data in order to effectively utilize the communication path.
本発明は、前記のような課題を解決するためになされたものであり、構造物の取付状態の劣化を、長期間にわたり、検査員よる定期検査を必要とせずに、定量的に診断することのできる構造物の異常診断システムを得ることを目的とする。 The present invention has been made to solve the above-mentioned problems, and quantitatively diagnoses deterioration of the mounting state of a structure for a long period of time without requiring a periodic inspection by an inspector. The purpose is to obtain an abnormality diagnosis system for structures that can be used.
本発明に係る構造物の異常診断システムは、構造物に設置され、物理量を測定可能な１以上のセンサと、１以上のセンサにより測定された物理量から複数の特徴量を算出し、算出した複数の特徴量のそれぞれを軸として多次元空間軸上に表記することを、時間経過とともに繰返し実行することで、多次元空間上に表記された複数の特徴量の分布データを生成し、分布データから構造物の取り付け状態の異常診断を行う診断部とを備えるものである。 The structure abnormality diagnosis system according to the present invention is installed on a structure and calculates a plurality of feature quantities from one or more sensors capable of measuring physical quantities and a plurality of physical quantities measured by the one or more sensors. By repeatedly executing the notation on the multidimensional space axis with each of the feature quantities of the above as the axis over time, the distribution data of the plurality of feature quantities expressed on the multidimensional space is generated, and the distribution data is used. It is provided with a diagnostic unit that diagnoses abnormalities in the attached state of the structure.
本発明によれば、加速度センサからのデータに基づいて、長期間にわたる構造物の変位軌跡を分布データに変換し、取付状態の劣化診断を行うことができる構成を備えている。この結果、構造物の取付状態の劣化を、長期間にわたり、検査員よる定期検査を必要とせずに、定量的に診断することのできる構造物の異常診断システムを得ることができる。 According to the present invention, the displacement locus of a structure over a long period of time is converted into distribution data based on the data from the acceleration sensor, and the deterioration diagnosis of the mounting state can be performed. As a result, it is possible to obtain a structure abnormality diagnosis system capable of quantitatively diagnosing the deterioration of the attached state of the structure for a long period of time without requiring a periodic inspection by an inspector.
以下、本発明の構造物の異常検出システムの好適な実施の形態につき、図面を用いて説明する。
本発明は、構造物の取付状態の異常診断を行うに当たって、時間経過とともに加速度センサによって取得される物理量から、構造物の取付状態の診断指標となる特徴量を抽出するとともに、特徴量の確率分布データを、分布頻度に対応する多階調の画像情報として順次更新しながら記憶部に保存していくことで、記憶すべき情報量の削減を図った上で、異常診断精度の向上を実現する。
Hereinafter, preferred embodiments of the structure abnormality detection system of the present invention will be described with reference to the drawings.
In the present invention, in performing an abnormality diagnosis of the mounting state of a structure, a feature quantity that is a diagnostic index of the mounting state of the structure is extracted from a physical quantity acquired by an acceleration sensor over time, and a probability distribution of the feature quantity is performed. By sequentially updating the data as multi-gradation image information corresponding to the distribution frequency and saving it in the storage unit, the amount of information to be stored is reduced and the accuracy of abnormality diagnosis is improved. ..
具体的には、情報板支柱の頭頂部の変位軌跡は、支柱基部、および支柱を固定するブラケット部の健全性に密接な関係がある。例えば、基部、あるいはブラケット部の一部に異常があった場合には、異常箇所が構造的に脆弱であるが故に、その部分の揺れが増大し、頭頂部の変位軌跡は、極端に扁平した軌跡をたどる。そこで、本発明は、このような変位軌跡の異常を検出することで、情報板の異常を迅速に検出できることを技術的特徴としている。 Specifically, the displacement locus of the crown of the information board strut is closely related to the soundness of the strut base and the bracket portion for fixing the strut. For example, when there is an abnormality in the base part or a part of the bracket part, the shaking of that part increases because the abnormal part is structurally fragile, and the displacement locus of the crown becomes extremely flat. Follow the trajectory. Therefore, the present invention has a technical feature that an abnormality of an information board can be quickly detected by detecting such an abnormality of a displacement locus.
実施の形態１．
図１は、本発明の実施の形態１において、異常診断対象である構造物を示した説明図であり、（Ａ）が正面図、（Ｂ）が上面図、（Ｃ）が側面図である。この図１において、取付状態の診断対象である構造物は、情報板１が支柱２の上方部分に取り付けられることで構成されている。情報板１としては、例えば、道路に設置された道路情報板が挙げられ、歩行者あるいはドライバは、道路情報板を視認することで、必要な情報を取得することができる。
Embodiment 1.
1A and 1B are explanatory views showing a structure to be diagnosed with an abnormality in the first embodiment of the present invention, in which FIG. 1A is a front view, FIG. 1B is a top view, and FIG. 1C is a side view. .. In FIG. 1, the structure to be diagnosed in the mounted state is configured by mounting the information plate 1 on the upper portion of the
支柱２の上部に情報板１が設置されたこのような構造物は、上部荷重を持つ。従って、図１（Ａ）における左右方向の両矢印、図１（Ｂ）における上下方向の両矢印、および図１（Ｃ）における左右方向の両矢印として例示したように、外力による繰り返し応力の加振が構造物に加わる。そして、継続的にこのような加振が構造物に加わるにより、構造物の疲労が進行し、損傷に至る場合がある。
Such a structure in which the information board 1 is installed on the upper part of the
蓄積疲労による損傷は、応力集中部に発生する。すなわち、図１のように、情報板１が支柱２に設置されている場合には、主には、支柱２を支持する部位に蓄積疲労の発生が集中する。
Damage due to accumulated fatigue occurs in the stress concentration area. That is, as shown in FIG. 1, when the information board 1 is installed on the
支柱２の剛性は、支持部の部位によって異なっている。このため、損傷した支柱２は、外力により加振された場合の振動軌跡に関して、それぞれの部位によって偏りが生じる。そこで、本実施の形態１に係る構造物の異常検出システムは、このような支柱構造物の損傷を、長期間に渡って高精度に診断するためのものである。
The rigidity of the
具体的には、本実施の形態１に係る構造物の異常検出システムは、支柱２の頭頂部に設置された加速度センサ２０を用いて、支柱の振動変位軌跡を観測することで、支柱構造物の損傷を長期間に渡って高精度に検出する。
Specifically, the structure abnormality detection system according to the first embodiment uses an
情報板１は、交通振動、風などによる外力を常に受け続けており、この外力により支柱２が振動する。支柱２の振動軌跡をモニタリングすると、外力がどの方向から受けているかを知ることができるとともに、構造的な欠損を知ることもできる。そこで、中継装置３０は、加速度センサ２０から得られる加速度情報に基づいて、振動軌跡を算出する。図１においては、中継装置３０が支柱２に設置されている状態を例示している。
The information board 1 is constantly receiving an external force due to traffic vibration, wind, or the like, and the
次に、本実施の形態１に係る構造物の異常検出システムの構成について、図２を用いて説明する。図２は、本発明の実施の形態１に係る構造物の異常検出システムの構成図である。本実施の形態１における構造物の異常検出システムは、データ処理装置１０、Ｎ個（Ｎは、２以上の整数）のセンサ２０（１）〜２０（Ｎ）、および中継装置３０を備えて構成されている。
Next, the configuration of the structure abnormality detection system according to the first embodiment will be described with reference to FIG. FIG. 2 is a configuration diagram of an abnormality detection system for a structure according to a first embodiment of the present invention. The structure abnormality detection system according to the first embodiment includes a
なお、本実施の形態１における構造物の異常検出システムでは、最低限、１個のセンサ２０を設けておけば、取付状態の異常判定を実施することが可能である。すなわち、物理量を検出可能なセンサ２０は、１以上として構成することができる。また、複数用いる場合のＮ個のセンサのそれぞれの機能は、全て共通である。そこで、以下の説明では、それぞれのセンサを区別する必要がない場合には、（１）〜（Ｎ）の添字を用いずに、単にセンサ２０と記載する。
In the structure abnormality detection system according to the first embodiment, if at least one
Ｎ個のセンサ２０のそれぞれは、センサ部２１と、加速度情報出力部２２を有しており、診断対象物の異なる位置に設置されている。本発明の異常検出システムによって、長期にわたって診断対象物の取付状態の異常判定が行われることとなる。
Each of the
センサ部２１は、例えば、薄膜の水晶振動子を用いる３軸加速度センサである。また、加速度情報出力部２２は、センサの設置箇所における構造物の３軸の加速度に関するアナログ信号を、所定のサンプリングレート（例えば、５０Ｈｚのサンプリングレート）でデジタル信号に変換し、加速度情報として中継装置３０へ送信する。
The
中継装置３０は、図１に示したように、支柱２に取り付けられている。そして、中継装置３０は、それぞれのセンサ２０内の加速度情報出力部２２から受信した加速度情報に基づいて、振動軌跡を算出する。
As shown in FIG. 1, the
中継装置３０は、加速度を２階積分することで得られる変位量を特徴量として、変位軌跡を算出することができる。また、加速度が周期関数の場合には、変位Ｘと加速度Ａとの関係は、下式（１）となる。
変位Ｘ＝加速度Ａ／ω２ （１）
The
Displacement X = Acceleration A / ω 2 (1)
上式（１）のωは、ω＝２πｆであり、変位と加速度との関係は、周波数ｆに依存する。このため、狭帯域のバンドパスフィルタでｆ周辺のみを抽出すると、ｆは定数のため、加速度は、変位に密接に依存したパラメータとして等価に扱うことができる。従って、加速度が周期関数の場合には、２階積分せずに、加速度の軌跡をプロットするだけでも、変位Ｘに等価なデータを得ることができる。 The ω in the above equation (1) is ω = 2πf, and the relationship between the displacement and the acceleration depends on the frequency f. Therefore, if only the periphery of f is extracted with a narrow band bandpass filter, since f is a constant, acceleration can be treated equivalently as a parameter closely dependent on displacement. Therefore, when the acceleration is a periodic function, data equivalent to the displacement X can be obtained simply by plotting the trajectory of the acceleration without performing the second-order integration.
中継装置３０は、それぞれのセンサ２０内の加速度情報出力部２２から受信した加速度情報に基づいて、上述した演算処理を施すことで、振動軌跡を算出することができる。
The
さらに、本実施の形態１に係る構造物の異常検出システムでは、中継装置３０を設け、この中継装置３０で変位軌跡を算出した後のデータを、データ処理装置１０へ送信後、データ処理装置１０で取付状態の分析を行うことができる。ここで、大量の情報板１の管理を、１台のデータ処理装置１０で統括処理するためには、ネットワークを経由して、各中継装置３０からデータ処理装置１０に送るデータ量は、少ないほど良い。
Further, in the structure abnormality detection system according to the first embodiment, a
そこで、本実施の形態１に係る中継装置３０は、データ処理装置１０に対して、軌跡データそのものを送信するのではなく、軌跡情報を画像化したデータを送信することで、データ量の削減を図っていることを特徴としている。すなわち、中継装置３０は、センサ２０から得られた加速度情報の時系列データを、情報量を削減した画像データ（画像情報）に変換するデータ生成部として機能している。
Therefore, the
画像データは、多階調の濃淡データとなるため、軌跡が頻繁に通る画素は、より明るく、軌跡が頻繁に通らない画素は、より暗く表現することができる。そこで、中継装置３０は、変位軌跡を確率分布化して画像データに変換する。このように表現すれば、長期間にわたる変位軌跡を、小さなデータサイズで無理なく表現することが可能となる。
Since the image data is multi-gradation shading data, pixels with frequent loci can be expressed brighter, and pixels with infrequent loci can be expressed darker. Therefore, the
このような変位軌跡の画像データを得る具体的な手法を、図３〜図６に基づいて、以下に説明する。図３は、本発明の実施の形態１に係る構造物の異常検出システムにおいて実行される一連の異常検出処理を示したフローチャートである。また、図４〜図６は、本発明の実施の形態１における中継装置３０によって生成される変位軌跡の画像データに関する説明図である。
A specific method for obtaining image data of such a displacement locus will be described below with reference to FIGS. 3 to 6. FIG. 3 is a flowchart showing a series of abnormality detection processes executed in the structure abnormality detection system according to the first embodiment of the present invention. Further, FIGS. 4 to 6 are explanatory views relating to image data of the displacement locus generated by the
なお、以下では、ステップＳ３０１〜ステップＳ３０５における濃淡画像データの生成処理までを中継装置３０側で行い、その後のステップＳ３０６〜ステップＳ３１１による診断処理は、中継装置３０から変位軌跡の濃淡画像データを受信したデータ処理装置１０側の診断部１１で実施する構成として、図３のフローチャートを説明する。
In the following, the process of generating the shade image data in steps S301 to S305 is performed on the
これに対して、ステップＳ３０１〜ステップＳ３１１の一連処理のすべてを、中継装置３０で実施し、最終的な判断結果および警報出力をデータ処理装置１０に送信することも可能である。
On the other hand, it is also possible to carry out all of the series of processes of steps S301 to S311 in the
ステップＳ３０１において、中継装置３０は、加速度センサ２０から取得した加速度情報から、加速度のＸ成分、Ｙ成分およびＺ成分を抽出する。ここで、ＸＹ成分とは、図１（Ｂ）に示した両矢印の方向に相当し、ＹＺ成分とは、図１（Ａ）に示した両矢印の方向、ＸＺ成分とは、図１（Ｃ）に示した両矢印の方向に相当する。
In step S301, the
すなわち、支柱２の上部に情報板１が設置された状態の構造物に関するＸ、Ｙ、Ｚの各座標は、構造物の高さ方向がＺ座標あり、Ｚ軸に直交する平面がＸＹ平面であり、ＸＹ平面内における情報板１の長手方向がＸ座標であり、ＸＹ平面内における情報板１の長手方向と直交する方向がＹ座標であるとして規定している。
That is, the X, Y, and Z coordinates of the structure in which the information plate 1 is installed on the upper part of the
なお、この図３の説明では、Ｘ成分、Ｙ成分およびＺ成分の３成分をすべて抽出する場合について説明するが、２成分のみを抽出することによって、その２成分により規定される２軸による２次元平面内での異常検出処理を行うことができる。換言すると、Ｘ成分、Ｙ成分およびＺ成分の３成分のうち、任意の２つの成分に対応する方向を第一方向、第二方向とし、残りの１成分の方向を第三方向と設定することができる。 In the description of FIG. 3, a case where all three components of the X component, the Y component, and the Z component are extracted will be described. However, by extracting only the two components, the two components defined by the two components are 2 axes. Anomaly detection processing can be performed in the dimensional plane. In other words, of the three components of the X component, the Y component, and the Z component, the direction corresponding to any two components is set as the first direction and the second direction, and the direction of the remaining one component is set as the third direction. Can be done.
次に、ステップＳ３０２において、中継装置３０は、加速度のＸ成分、Ｙ成分およびＺ成分のそれぞれについて、一次固有振動数を解析する。さらに、ステップＳ３０３において、中継装置３０は、解析した一次固有振動数に対してフィルタリング処理を施すことで、Ｘ成分、Ｙ成分およびＺ成分のそれぞれについて、固有振動成分を抽出する。
Next, in step S302, the
次に、ステップＳ３０４において、中継装置３０は、抽出した固有振動成分を２階積分することで、Ｘ成分、Ｙ成分およびＺ成分のそれぞれにおける構造物の変位を算出する。さらに、ステップＳ３０５において、中継装置３０は、単位時間当たりの変位を、ＸＹ−ＹＺ−ＺＸ、それぞれの平面上にプロットしていくことで、変位軌跡を生成する。
Next, in step S304, the
より具体的には、中継装置３０は、単位時間当たりの変位をＸＹ−ＹＺ−ＺＸ、それぞれの平面上にプロットしていくことで、変位軌跡を確率分布化して、濃淡画像データを生成する。すなわち、中継装置３０は、同じ２次元座標値に関して、変位軌跡が通過する回数が多くなるほど、その回数の累積により、より明るい画素として濃淡画像を生成することができる。
More specifically, the
さらに、中継装置３０は、生成した濃淡画像データをデータ処理装置１０に送信する。このように、送信データとして濃淡画像データを用いることで、中継装置３０からデータ処理装置１０に送信する情報量を削減することができる。
Further, the
次に、ステップＳ３０６において、データ処理装置１０は、変位軌跡の濃淡画像データに対して主成分分析を行い、第一主成分および第二主成分を算出する。ここで、第一主成分とは、ＸＹ平面で示された濃淡画像による変位軌跡においては、原点を通り、最も広い幅でデータが分布している方向、すなわち、分散が最大となる方向に相当する。また、第二主成分とは、原点を通り、第一主成分に直交する方向に相当する。ＹＺ平面、ＺＸ平面における第一主成分と第二主成分も、同様である。
Next, in step S306, the
なお、ＸＹ平面、ＹＺ平面、ＺＸ平面の３平面のそれぞれに対して行うステップＳ３０７以降の処理は、同じであり、３平面に共通した内容として、以下に説明する。また、３平面すべてについて、以降の演算処理を実施することは必ずしも必要なく、データ処理装置１０は、１平面、あるいは２平面について演算処理を実施することで、構造物の取付状態の劣化を、定量的に診断することができる。
The processing after step S307 performed on each of the three planes of the XY plane, the YZ plane, and the ZX plane is the same, and the contents common to the three planes will be described below. Further, it is not always necessary to perform the subsequent arithmetic processing on all three planes, and the
次に、ステップＳ３０７において、データ処理装置１０は、第一主成分の方向における変位軌跡の分散Ｖ１、および第二主成分の方向における変位軌跡の分散Ｖ２を算出する。また、ステップＳ３０８において、データ処理装置１０は、分散Ｖ１と分散Ｖ２との比率であるＶ１／Ｖ２を算出し、時系列データとして記憶部に記憶させる。さらに、ステップＳ３０９において、データ処理装置１０は、第一主成分とＸ軸との角度θを算出し、時系列データとして記憶部に記憶させる。
Next, in step S307, the
図４は、本発明の実施の形態１において、中継装置３０によって生成された変位軌跡の濃淡画像データに対して、データ処理装置１０により、変位軌跡に対する主成分分析を行った結果を示した説明図である。中継装置３０は、加速度センサ２０から取得した加速度情報に基づいて、図４に示すような変位軌跡の濃淡画像データを生成することができる。一方、濃淡画像データを受信したデータ処理装置１０は、主成分分析の結果として、第一主成分、第二主成分、および角度θを特定することができる。
FIG. 4 shows the result of performing principal component analysis on the displacement locus by the
次に、ステップＳ３１０において、データ処理装置１０は、比率Ｖ１／Ｖ２があらかじめ設定した許容値を超えるか、あるいは過去の値からあらかじめ設定した倍率以上変化した場合には、構造物の取付状態に異常が発生したと判断し、警報を出力する。
Next, in step S310, when the ratio V1 / V2 exceeds the preset allowable value or changes from the past value by a preset magnification or more, the
さらに、ステップＳ３１１において、データ処理装置１０は、角度θが、過去の所定期間における変動幅を逸脱した値になった場合にも、構造物の取付状態に異常が発生したと判断し、警報を出力する。
Further, in step S311, the
図５は、本発明の実施の形態１において、データ処理装置１０によって構造物の取付状態が正常であると判断される場合の、変位軌跡の濃淡画像データの具体例を示した図である。図５（Ａ）、図５（Ｂ）のような変位軌跡であれば、データ処理装置１０は、ステップＳ３１０およびステップＳ３１１の判定処理により、構造物の取付状態に異常が発生していないと判断する。
FIG. 5 is a diagram showing a specific example of the shading image data of the displacement locus when the
一方、図６は、本発明の実施の形態１において、データ処理装置１０によって構造物の取付状態が異常であると判断される場合の、変位軌跡の濃淡画像データの具体例を示した図である。図６のような変位軌跡であれば、データ処理装置１０は、ステップＳ３１０およびステップＳ３１１の判定処理により、構造物の取付状態に異常が発生したと判断する。
On the other hand, FIG. 6 is a diagram showing a specific example of the shading image data of the displacement locus when the
なお、先の図３〜図６では、加速度情報として、２成分を用いた２次元空間上での変位分布に基づいて、構造物の異常検出を定量的に行う場合について説明した。ただし、本願発明は、加速度情報として、Ｘ成分、Ｙ成分、Ｚ成分の３成分を同時に用いた３次元空間上での変位分布に基づいて、構造物の異常検出を定量的に行うことも可能である。 In addition, in FIGS. 3 to 6 above, the case where the abnormality detection of the structure is quantitatively performed based on the displacement distribution in the two-dimensional space using two components as the acceleration information has been described. However, according to the present invention, it is also possible to quantitatively detect anomalies in a structure based on a displacement distribution in a three-dimensional space using three components of an X component, a Y component, and a Z component at the same time as acceleration information. Is.
図７は、本発明の実施の形態１に係る構造物の異常検出システムにおいて実行される、３成分の加速度情報を同時に用いた際の一連の異常検出処理を示したフローチャートである。 FIG. 7 is a flowchart showing a series of abnormality detection processes executed in the structure abnormality detection system according to the first embodiment of the present invention when acceleration information of three components is used at the same time.
なお、以下では、ステップＳ７０１〜ステップＳ７０５における濃淡画像データの生成処理までを中継装置３０側で行い、その後のステップＳ７０６〜ステップＳ７１１による診断処理は、中継装置３０から変位軌跡の濃淡画像データを受信したデータ処理装置１０側の診断部１１で実施する構成として、図７のフローチャートを説明する。
In the following, the process of generating the shade image data in steps S701 to S705 is performed on the
ステップＳ７０１において、中継装置３０は、加速度センサ２０から取得した加速度情報から、加速度のＸ成分、Ｙ成分、およびＺ成分を抽出する。ここで、Ｘ成分、Ｙ成分、Ｚ成分は、先の図３の場合と同じである。
In step S701, the
次に、ステップＳ７０２において、中継装置３０は、加速度のＸ成分、Ｙ成分、およびＺ成分のそれぞれについて、一次固有振動数を解析する。さらに、ステップＳ７０３において、中継装置３０は、解析した一次固有振動数に対してフィルタリング処理を施すことで、Ｘ成分、Ｙ成分およびＺ成分のそれぞれについて、固有振動成分を抽出する。
Next, in step S702, the
次に、ステップＳ７０４において、中継装置３０は、抽出した固有振動成分を２階積分することで、Ｘ成分、Ｙ成分およびＺ成分のそれぞれにおける構造物の変位を算出する。さらに、ステップＳ７０５において、中継装置３０は、単位時間当たりの変位を、ＸＹＺの３次元空間上にプロットしていくことで、３次元空間上の変位軌跡を生成する。より具体的には、中継装置３０は、単位時間当たりの変位をＸＹＺ空間上にプロットしていくことで、変位軌跡の３次元データを生成する。
Next, in step S704, the
ここで、変位軌跡の３次元データが、Ｘ、Ｙ、Ｘそれぞれ１００画素として規定されているとする。この場合、中継装置３０は、変位軌跡の３次元データから、ＸＹ平面における１００画素×１００画素として確率分布化された濃淡画像データをＺ方向に１００枚有して構成される１００枚の濃淡画像データに変換することができる。すなわち、中継装置３０は、変位軌跡の３次元データから、複数枚の濃淡画像データを生成することができる。
Here, it is assumed that the three-dimensional data of the displacement locus is defined as 100 pixels for each of X, Y, and X. In this case, the
さらに、中継装置３０は、得られた複数枚の濃淡画像データをデータ処理装置１０に送信する。このように、複数枚の濃淡画像データを用いることで、中継装置３０からデータ処理装置１０に送信するデータ情報量を削減することができる。
Further, the
次に、ステップＳ７０６において、データ処理装置１０は、中継装置３０から受信した複数枚の濃淡画像データを組み合わせることで、変位軌跡の３次元データを再構築する。そして、データ処理装置１０は、３次元化された変位軌跡に対して主成分分析を行い、第一主成分および第二主成分を算出する。ここで、第一主成分とは、ＸＹＺ空間で示された変位軌跡において、最も広い幅でデータが分布している方向に相当する。また、第二主成分とは、第一主成分に直交する方向であり、かつ、その中で最も広い幅でデータが分布している方向に相当する。
Next, in step S706, the
なお、データ処理装置１０は、第一主成分および第二主成分に直交する方向に相当する第三主成分をさらに特定することもできる。以下の説明では、第三主成分も特定した場合を例に、説明する。
The
次に、ステップＳ７０７において、データ処理装置１０は、第一主成分の方向における変位軌跡の分散Ｖ１、第二主成分の方向における変位軌跡の分散Ｖ２、および第三主成分の方向における変位軌跡の分散Ｖ３を算出する。また、ステップＳ７０８において、データ処理装置１０は、分散Ｖ１と分散Ｖ２との比率であるＶ１／Ｖ２、および分散Ｖ１と分散Ｖ３との比率であるＶ１／Ｖ３を算出し、時系列データとして記憶部に記憶させる。なお、データ処理装置１０は、分散Ｖ２と分散Ｖ３との比率であるＶ２／Ｖ３を算出し、時系列データとして記憶部にさらに記憶させることも可能である。
Next, in step S707, the
さらに、ステップＳ７０９において、データ処理装置１０は、第一主成分をＸＹ平面に投影したときのＸ軸との角度θ1、および第一主成分軸をＸＺ平面に投影したときのＸ軸との角度θ２を算出し、それぞれ、時系列データとして記憶部に記憶させる。
Further, in step S709, the
次に、ステップＳ７１０において、データ処理装置１０は、比率Ｖ１／Ｖ２および比率Ｖ１／Ｖ３の少なくともいずれかが、あらかじめ設定した許容値を超えるか、あるいは過去の値からあらかじめ設定した倍率以上変化した場合には、構造物の取付状態に異常が発生したと判断し、警報を出力する。 Next, in step S710, when at least one of the ratio V1 / V2 and the ratio V1 / V3 exceeds the preset allowable value or changes from the past value by a preset magnification or more. It is determined that an abnormality has occurred in the mounting state of the structure, and an alarm is output.
さらに、ステップＳ７１１において、データ処理装置１０は、角度θ１、θ２の少なくとも何れか一方が、過去の所定期間における変動幅を逸脱した値になった場合にも、構造物の取付状態に異常が発生したと判断し、警報を出力する。
Further, in step S711, even when at least one of the angles θ1 and θ2 deviates from the fluctuation range in the past predetermined period, the
このような一連処理を行うことで、３次元空間上のＸ成分、Ｙ成分、Ｚ成分の３成分を用いて、構造物の異常検出を定量的に行うことができる。 By performing such a series of processes, it is possible to quantitatively detect anomalies in the structure by using the three components of the X component, the Y component, and the Z component in the three-dimensional space.
以上のように、実施の形態１によれば、構造物の取付状態の劣化を、検査員よる定期検査を必要とせずに、定量的に診断することのできる構造物の異常診断システムを実現できる。特に、実施の形態１によれば、加速度センサからのデータに基づいて、長期間にわたる変位軌跡を、情報量を削減した分布データに変換することができる。この結果、必要とされるメモリ容量を抑制した上で、長期間にわたる変位測定結果に基づいて構造物の異常検出を定量的に行うことができる。 As described above, according to the first embodiment, it is possible to realize a structure abnormality diagnosis system capable of quantitatively diagnosing deterioration of the mounting state of the structure without requiring a periodic inspection by an inspector. .. In particular, according to the first embodiment, the displacement locus over a long period of time can be converted into distribution data with a reduced amount of information based on the data from the acceleration sensor. As a result, it is possible to quantitatively detect anomalies in the structure based on the displacement measurement results over a long period of time while suppressing the required memory capacity.
このような検出処理において、変位軌跡を確率分布化した濃淡画像データの生成までは、中継装置で実施することができる。一方、大量に存在する構造物に関する異常状態を統括管理するデータ処理装置は、それぞれの中継装置から、データ量が削減された濃淡画像データを取得して、長期間にわたって、構造物の取付状態に関する異常診断を、定量的に実施することができる。 In such a detection process, the relay device can perform up to the generation of the shading image data in which the displacement locus is probabilistically distributed. On the other hand, the data processing device that comprehensively manages the abnormal state related to the structure existing in a large amount acquires the shading image data with the reduced amount of data from each relay device, and relates to the mounting state of the structure for a long period of time. Abnormality diagnosis can be performed quantitatively.
また、上述した実施の形態では、センサ２０が加速度センサである場合を例示した。しかしながら、センサ２０は、加速度情報を導出できる物理量を測定可能なセンサであれば、加速度センサ以外のものを適用することも可能である。
Further, in the above-described embodiment, the case where the
また、図３のフローチャートで示した一連処理を行うことで、２次元空間上での変位軌跡に基づいて構造物の取付状態に関する異常診断を定量的に実施することができ、図７のフローチャートで示した一連処理を行うことで、３次元空間上での変位軌跡に基づいて構造物の取付状態に関する異常診断を定量的に実施することができる。すなわち、本願発明は、１以上のセンサにより測定された物理量から複数の特徴量を算出し、算出した複数の特徴量のそれぞれを軸として多次元空間上に表記することを、時間経過とともに繰返し実行することで、多次元空間上に表記された複数の特徴量の分布データを生成することができる。 Further, by performing the series of processes shown in the flowchart of FIG. 3, it is possible to quantitatively carry out an abnormality diagnosis regarding the mounting state of the structure based on the displacement locus in the two-dimensional space. By performing the series of processes shown, it is possible to quantitatively carry out an abnormality diagnosis regarding the mounting state of the structure based on the displacement locus in the three-dimensional space. That is, in the present invention, a plurality of feature quantities are calculated from physical quantities measured by one or more sensors, and each of the calculated feature quantities is repeatedly expressed in a multidimensional space with the passage of time. By doing so, it is possible to generate distribution data of a plurality of features represented in a multidimensional space.
また、濃淡画像データの生成から、異常診断までの一貫した処理を、診断対象の近傍に設置されている中継装置で実施することも可能である。異常診断を、データ処理装置あるいは中継装置のいずれで実施するにせよ、情報量を圧縮した分布データを生成するデータ生成部と、データ分布に基づいて異常診断を行う診断部とを用いた本発明の診断処理方法を採用することで、必要とされるメモリ容量を抑制した上で、長期間にわたる変位測定結果に基づいて構造物の異常検出を定量的に行うことができる。 It is also possible to carry out consistent processing from the generation of grayscale image data to the diagnosis of abnormalities with a relay device installed near the diagnosis target. Whether the abnormality diagnosis is performed by a data processing device or a relay device, the present invention uses a data generation unit that generates distribution data with a compressed amount of information and a diagnosis unit that performs abnormality diagnosis based on the data distribution. By adopting the diagnostic processing method of, it is possible to quantitatively detect anomalies in the structure based on the displacement measurement results over a long period of time while suppressing the required memory capacity.
１ 情報板、２ 支柱、１０ データ処理装置、１１ 診断部、２０ センサ（加速度センサ）、２１ センサ部、２２ 加速度情報出力部、３０ 中継装置。 1 Information board, 2 columns, 10 data processing device, 11 diagnostic unit, 20 sensor (accelerometer), 21 sensor unit, 22 acceleration information output unit, 30 relay device.
Claims (7)
前記１以上のセンサにより測定された前記物理量から複数の特徴量を算出し、算出した前記複数の特徴量のそれぞれを軸として多次元空間上に表記することを、時間経過とともに繰返し実行することで、前記多次元空間上に表記された前記複数の特徴量の分布データを生成し、前記分布データから前記構造物の取り付け状態の異常診断を行う診断部と
を備える、構造物の異常検出システム。 One or more sensors installed in a structure that can measure physical quantities,
By calculating a plurality of feature quantities from the physical quantities measured by the one or more sensors and expressing each of the calculated feature quantities on a multidimensional space with each of the calculated feature quantities as an axis, it is repeatedly executed over time. An abnormality detection system for a structure, comprising a diagnostic unit that generates distribution data of the plurality of features represented on the multidimensional space and diagnoses an abnormality in the mounting state of the structure from the distribution data.
前記診断部は、前記時間経過とともに繰返し実行することで前記分布データを生成する際に、分布頻度に対応する多階調の画像情報として前記記憶部に記憶されている前記分布データを順次更新し、前記記憶部に前記多階調の画像情報による確率分布として記憶された前記分布データを用いて前記構造物の取り付け状態の異常診断を行う
請求項１に記載の構造物の異常検出システム。 A storage unit for storing the distribution data is further provided.
When the diagnostic unit generates the distribution data by repeatedly executing it with the passage of time, the diagnostic unit sequentially updates the distribution data stored in the storage unit as multi-gradation image information corresponding to the distribution frequency. The structure abnormality detection system according to claim 1, wherein an abnormality diagnosis of an attached state of the structure is performed using the distribution data stored in the storage unit as a probability distribution based on the multi-gradation image information.
請求項１または２に記載の構造物の異常検出システム。 The diagnostic unit calculates the direction of the first principal component that maximizes the dispersion in the distribution data, and the width of the distribution data in the direction of the first principal component is orthogonal to the direction of the first principal component. The structure abnormality detection system according to claim 1 or 2, wherein an abnormality diagnosis of the attached state of the structure is performed from the ratio with the width of the distribution data in the direction of the second principal component.
前記１以上のセンサは、前記物理量として加速度を測定する加速度センサであり、
前記診断部は、前記支柱の取り付け状態の異常診断を行うに当たって、前記加速度センサから出力される第一方向および前記第一方向と直交する第二方向からなる２軸の加速度情報を抽出し、前記２軸の加速度情報のそれぞれを２階積分して得られる変位量を前記複数の特徴量として算出し、２次元空間上に表記された前記複数の特徴量の確率分布を前記分布データとして生成し、前記確率分布に対して前記第一主成分および前記第二主成分を特定し、前記第一主成分の方向における前記分布データの幅と、前記第二主成分の方向における前記分布データの幅との比から前記構造物の取り付け状態の異常診断を行う
請求項３に記載の構造物の異常検出システム。 The structure is a support column on which an information board is installed.
The one or more sensors are acceleration sensors that measure acceleration as the physical quantity.
The diagnostic unit extracts biaxial acceleration information output from the acceleration sensor in a first direction and a second direction orthogonal to the first direction in performing an abnormality diagnosis of the mounting state of the support column, and the above-mentioned The amount of displacement obtained by integrating each of the acceleration information of the two axes in the second order is calculated as the plurality of feature quantities, and the probability distribution of the plurality of feature quantities represented in the two-dimensional space is generated as the distribution data. , The first principal component and the second principal component are specified with respect to the probability distribution, and the width of the distribution data in the direction of the first principal component and the width of the distribution data in the direction of the second principal component. The structure abnormality detection system according to claim 3, wherein the abnormality diagnosis of the attached state of the structure is performed from the ratio with the above.
請求項１または２に記載の構造物の異常検出システム。 The diagnostic unit calculates the direction of the first principal component that maximizes the dispersion in the distribution data, and the width of the distribution data in the direction of the first principal component is orthogonal to the direction of the first principal component. The ratio of the distribution data to the width in the direction of the second principal component, the width of the distribution data in the direction of the first principal component, and the direction of the first principal component and the direction of the second principal component are orthogonal to each other. The structure abnormality detection system according to claim 1 or 2, wherein an abnormality diagnosis of the attachment state of the structure is performed from the ratio with the width of the distribution data in the direction of the third principal component.
前記１以上のセンサは、前記物理量として加速度を測定する加速度センサであり、
前記診断部は、前記支柱の取り付け状態の異常診断を行うに当たって、前記加速度センサから出力される第一方向および前記第一方向と直交する第二方向、および第一方向と第二方向とに直交する第三方向からなる３軸の加速度情報を抽出し、前記３軸の加速度情報のそれぞれを２階積分して得られる変位量を前記複数の特徴量として算出し、３次元空間上に表記された前記複数の特徴量の確率分布を前記分布データとして生成し、前記確率分布に対して前記第一主成分、前記第二主成分および前記第三主成分を特定し、前記第一主成分の方向における前記分布データの幅と、前記第二主成分の方向における前記分布データの幅との比、および前記第一主成分の方向における前記分布データの幅と、前記第一主成分の方向と前記第二主成分の方向とに直交する第三主成分の方向における前記分布データの幅との比、から前記構造物の取り付け状態の異常診断を行う
請求項５に記載の構造物の異常検出システム。 The structure is a support column on which an information board is installed.
The one or more sensors are acceleration sensors that measure acceleration as the physical quantity.
The diagnostic unit is orthogonal to the first direction, the second direction orthogonal to the first direction, and the first direction and the second direction output from the acceleration sensor in performing an abnormality diagnosis of the mounting state of the support column. The acceleration information of the three axes consisting of the third direction is extracted, and the displacement amount obtained by integrating each of the acceleration information of the three axes in the second order is calculated as the plurality of feature amounts and expressed in the three-dimensional space. The probability distributions of the plurality of feature quantities are generated as the distribution data, the first principal component, the second principal component, and the third principal component are specified from the probability distribution, and the first principal component The ratio of the width of the distribution data in the direction to the width of the distribution data in the direction of the second principal component, the width of the distribution data in the direction of the first principal component, and the direction of the first principal component. The abnormality detection of the structure according to claim 5, wherein the abnormality diagnosis of the attachment state of the structure is performed from the ratio with the width of the distribution data in the direction of the third main component orthogonal to the direction of the second main component. system.
請求項３から６のいずれか１項に記載の構造物の異常検出システム。 According to any one of claims 3 to 6, the diagnostic unit calculates the direction of the first principal component that maximizes the variance by performing principal component analysis of the probability distribution obtained as the distribution data. Anomaly detection system for the described structures.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019138742A JP7325737B2 (en) | 2019-07-29 | 2019-07-29 | Structure anomaly detection system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019138742A JP7325737B2 (en) | 2019-07-29 | 2019-07-29 | Structure anomaly detection system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021021646A true JP2021021646A (en) | 2021-02-18 |
| JP7325737B2 JP7325737B2 (en) | 2023-08-15 |
Family
ID=74574775
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019138742A Active JP7325737B2 (en) | 2019-07-29 | 2019-07-29 | Structure anomaly detection system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7325737B2 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022196156A1 (en) * | 2021-03-18 | 2022-09-22 | ソニーグループ株式会社 | Detection device, detection method, and program |
| JP7453654B1 (en) | 2023-05-12 | 2024-03-21 | 星和電機株式会社 | Computer program, structural abnormality determination device, and structural abnormality determination method |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014228471A (en) * | 2013-05-24 | 2014-12-08 | 能美防災株式会社 | Structure degradation diagnostic system |
| JP2015064346A (en) * | 2013-08-26 | 2015-04-09 | 能美防災株式会社 | Structure deterioration diagnostic system |
| JP2017190983A (en) * | 2016-04-12 | 2017-10-19 | 国立大学法人群馬大学 | Fatigue damage evaluation device and fatigue damage evaluation method |
| JP2017194331A (en) * | 2016-04-20 | 2017-10-26 | セイコーエプソン株式会社 | Damage detection system, damage detection device, damage detection method, and program |
-
2019
- 2019-07-29 JP JP2019138742A patent/JP7325737B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014228471A (en) * | 2013-05-24 | 2014-12-08 | 能美防災株式会社 | Structure degradation diagnostic system |
| JP2015064346A (en) * | 2013-08-26 | 2015-04-09 | 能美防災株式会社 | Structure deterioration diagnostic system |
| JP2017190983A (en) * | 2016-04-12 | 2017-10-19 | 国立大学法人群馬大学 | Fatigue damage evaluation device and fatigue damage evaluation method |
| JP2017194331A (en) * | 2016-04-20 | 2017-10-26 | セイコーエプソン株式会社 | Damage detection system, damage detection device, damage detection method, and program |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022196156A1 (en) * | 2021-03-18 | 2022-09-22 | ソニーグループ株式会社 | Detection device, detection method, and program |
| JP7453654B1 (en) | 2023-05-12 | 2024-03-21 | 星和電機株式会社 | Computer program, structural abnormality determination device, and structural abnormality determination method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7325737B2 (en) | 2023-08-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11803297B2 (en) | Non-contacting monitor for bridges and civil structures | |
| JP6263455B2 (en) | Structure deterioration diagnosis system | |
| CN108731788A (en) | A kind of working at height arm low-frequency vibration vision inspection apparatus and method | |
| CN107421586B (en) | Nuclear power station containment vessel compression test strength monitoring system and monitoring method | |
| JP6423686B2 (en) | Deterioration diagnosis support system and deterioration diagnosis support method | |
| JP7325737B2 (en) | Structure anomaly detection system | |
| JP6140528B2 (en) | Structure deterioration diagnosis system | |
| JP6795562B2 (en) | Inspection equipment and machine learning method | |
| JP6823025B2 (en) | Inspection equipment and machine learning method | |
| CN113485898A (en) | Vibration measuring point display method, device, equipment and storage medium | |
| CN211696662U (en) | Wind vibration response monitoring system | |
| CN108825447A (en) | A kind of wind energy conversion system monitoring method and system | |
| JP2021156681A (en) | Information board abnormality detection system | |
| JP2014238334A (en) | Structure degradation diagnosis system | |
| CN110598680A (en) | Method and system for evaluating health state of mechanical equipment and readable storage medium | |
| JP6181427B2 (en) | Structure deterioration diagnosis system | |
| CN115561163A (en) | Bridge structure monitoring method based on Internet of things communication | |
| JP6179979B2 (en) | Structure deterioration diagnosis system | |
| JP7357272B2 (en) | Information board anomaly detection system | |
| JP7270189B2 (en) | Conversion factor calculation method | |
| JP6996642B2 (en) | Information processing equipment, control methods, and programs | |
| US20210350522A1 (en) | Information processing apparatus, control method, and program | |
| KR20150110862A (en) | System for providing car repair technique | |
| CN114354351A (en) | Rock destruction process real-time monitoring and early warning system and method based on multi-source heterogeneous data | |
| CN114252107A (en) | Beam type structure quality monitoring system using optical fiber sensing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220613 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230315 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230425 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230616 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230704 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230724 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7325737 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |