JP7469828B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP7469828B2 JP7469828B2 JP2022550593A JP2022550593A JP7469828B2 JP 7469828 B2 JP7469828 B2 JP 7469828B2 JP 2022550593 A JP2022550593 A JP 2022550593A JP 2022550593 A JP2022550593 A JP 2022550593A JP 7469828 B2 JP7469828 B2 JP 7469828B2
- Authority
- JP
- Japan
- Prior art keywords
- diagnosis
- feature
- state
- evaluation index
- bridge
- 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.)
- Active
Links
- 238000003745 diagnosis Methods 0.000 title claims description 117
- 238000000034 method Methods 0.000 title claims description 29
- 238000011156 evaluation Methods 0.000 claims description 56
- 230000008569 process Effects 0.000 claims description 19
- 230000001133 acceleration Effects 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 14
- 238000007689 inspection Methods 0.000 claims description 11
- 238000013016 damping Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 description 122
- 230000005856 abnormality Effects 0.000 description 75
- 102000003712 Complement factor B Human genes 0.000 description 38
- 108090000056 Complement factor B Proteins 0.000 description 38
- 238000010586 diagram Methods 0.000 description 33
- 238000012545 processing Methods 0.000 description 32
- 230000008859 change Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 18
- 230000002159 abnormal effect Effects 0.000 description 14
- 238000002474 experimental method Methods 0.000 description 9
- 239000013598 vector Substances 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000009434 installation Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- 238000002405 diagnostic procedure Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012880 independent component analysis Methods 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008458 response to injury Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G01M99/00—Subject matter not provided for in other groups of this subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Bridges Or Land Bridges (AREA)
Description
先ず、実施形態の説明に先立ち、本発明の数理的背景を説明する。本発明では、構造物の状態空間モデルにおける状態方程式のシステム行列が、或る時刻における観測信号を或る時刻以前の観測信号の時系列の線形結合として表現する自己回帰モデルの回帰係数の行列によって近似できることを用いている。本発明では、回帰係数の行列がシステム行列に含まれる構造物の状態に関する様々な情報を含んでいる点に着目し、回帰係数の行列を用いて構造物の状態を表し、この回帰係数の行列を解析することで構造物の状態を評価する。
以下、図1~図7を参照して実施形態1を説明する。
図1は、実施形態1の診断システムSの概略構成を示す図である。診断システムSは、センサノード1と、診断装置2とを有する。センサノード1は、橋梁4に設置されたセンサ3から無線通信(または有線通信)を介して取得したセンサ情報に基づいて橋梁4の状態を示す特徴量を生成する。診断装置2は、センサノード1において生成された橋梁4の状態を示す特徴量を無線通信(または有線通信)を介して取得し、この特徴量を用いて橋梁4の異常の有無を診断する。
図2は、実施形態1のセンサノード1の構成を示すブロック図である。センサノード1は、センサ3から取得したセンサ情報から、橋梁4の状態を表す特徴量として係数行列A(または主成分行列A^)を生成するエッジ処理を行う。センサノード1は、プロセッサ11と、メモリ12と、ストレージ13と、通信I/F(Inter/Face)部14とを有する。
図3は、実施形態1の診断装置2の構成を示すブロック図である。診断装置2は、プロセッサ21と、メモリ22と、ストレージ23と、通信I/F部24と、出力部25とを有する。プロセッサ21は、メモリ22と協働してプログラムを実行することで、特徴量受信部211と、診断部212との各機能部を実現する。
図4は、実施形態1の診断システムSにおける基準時処理を示すシーケンス図である。診断システムSにおける基準時処理では、センサ3から基準時(例えば橋梁4の健全時)取得されたセンサ情報の時系列から係数行列Aおよび主成分行列A^を生成し、主成分行列A^をもとに基準評価指標232を算出する処理を行う。
図5は、実施形態1の診断システムSにおける診断時処理を示すシーケンス図である。図5の診断時処理は、図4の基準時処理と比較して、基準時ではなく診断時のセンサ情報および特徴量を取り扱う点が異なるのみで、ステップS111~S116は、図4のステップS101~S106と同様である。
上述の実施形態1では、構造物の状態を表す特徴量に基づく状態評価を、構造物の種々の物理量を含んだ確率分布であって、計測個所によって異なる損傷に対する計測値の変化の敏感さの違いを吸収しつつ、計測値の推定誤差を考慮できる確率分布に基づく評価指標を用いて行う。よって実施形態1によれば、設定に高度な専門知識を要する損傷に敏感な振動モードの設定を必要とせず、構造物の損傷に対して敏感な特徴量に基づく平均と分散を持つ確率分布を用いて、数値解析を行わず低コストかつ高い精度で構造物の状態を評価できる。また、評価の妥当性を分散で表すことができる。
実施形態1では、基準時と診断時の橋梁4の特徴量に基づく確率分布のマハラノビス距離などの統計的指標を用いて橋梁4の異常診断を行うのに対し、実施形態2では、橋梁4の特徴量に基づくベイズファクターを評価指標として用いて橋梁4の異常診断を行う。なお、実施形態2の診断システムSの構成は、診断装置2の診断部212の処理の一部が異なる点を除いて、実施形態1の診断システムの構成と同様である。
図8は、実施形態2の診断システムSにおける診断処理を示すフローチャートである。図8に示すフローチャートは、図5に示す実施形態1の診断時処理のステップS212の処理の別例である。すなわち実施形態2では、診断装置2は、ステップS211に引き続いて図8に示す診断処理を実行する。なお、実施形態2では、診断装置2は、図4の基準時処理を行うことなく、図5の診断時処理を実行可能である。
ここで、診断処理(図8)のステップS2122で用いた異常判定の閾値の算出方法について説明する。図9Aは、実施形態2の異常判定の閾値の算出方法を説明するための図である。図9Aの左側のグラフ(a)では、横軸を時間、縦軸をベイズファクターBの対数とし、各時刻におけるベイズファクターBの値がプロットされている。また図9Aの右側のグラフ(b)では、横軸を度数、縦軸をベイズファクターBの対数とし、ベイズファクターBの各値の度数分布が表されている。異常判定の閾値の算出は、診断装置2が行ってもよいし、その他の情報処理装置が行ってもよい。
異常診断の閾値の他例を説明する。図9Bは、実施形態2の複数の閾値を用いた異常判定方法の他例を説明するための図である。図9Bの(グラフa)では、横軸を度数分布、縦軸をベイズファクターBの対数とし、ベイズファクターBの各値の度数分布が表されている。図9Bの(グラフb)では、横軸を日、縦軸をベイズファクターBの対数とし、各日におけるベイズファクターBの各値がプロットされている。
さて、上記式(13)に基づくベイズファクターBは、橋梁4を全体的に見て異常を検知するための評価指標である。一方、橋梁4に設置されている個々のセンサ3のセンサ情報の時系列から得られる特徴量に基づいて個別のベイズファクターを算出することもできる。個別のベイズファクターをローカルベイズファクターと呼ぶ。例えば橋梁4に設置されている複数のセンサ3のうちのj番目(j=1,・・・,n)のセンサ3のセンサ情報の時系列の特徴量に基づくローカルベイズファクターBjは、下記式(14)で定義される。
図10は、実施形態2の診断システムSを用いて行った異常判定の実験結果を説明するための図である。図10は、横軸を時刻、縦軸をローカルベイズファクターBjの二進対数軸として、A1~A10の10種類のローカルベイズファクターBjの二進対数の時間推移を示す。図10では、A1~A10は、一例としてセンサ3の設置位置を示す。図10のINT(初期)、DMG1、DMG2は、各期間を表す。
図11は、実施形態2の診断システムSを用いて行った実験の実行条件を示す図である。図12は、実施形態2の診断システムSを用いて行った実験結果を示す図である。
図14は、橋梁4のある桁のある期間における外気温とベイズファクターの値の経時変化を示す図である。図14の(グラフa)はある期間の外気温の経時変化を示すグラフであり、(グラフb)は外気温のベイズファクターBの経時変化を示すグラフである。図14の(グラフb)における実線はベイズファクターBの異常判定の閾値を示し、この閾値を超えた場合に異常と判定される。
図15は、橋梁のある期間におけるたわみとベイズファクターの値の経時変化を示す図である。たわみは連通管を用いて検出している。図15は、4月から翌年3月までの1年を年度単位とし、(グラフa)にはある期間のたわみの経時変化を示し、(グラフb)にはたわみのベイズファクターBの経時変化を示す。図15の(グラフb)における実線はベイズファクターBの異常判定の閾値を示し、この閾値を超えた場合に異常と判定される。基準年度の1年間の測定データを基に異常判定の閾値を定めている。
図16は、橋梁の2つの径間のベイズファクターの値の経時変化の比較を示す図である。図16では、5月から翌年4月までの1年を年度単位としている。図16にデータを示す橋梁4は、図15にデータを示した橋梁4と同一である。
本実施形態では、診断装置2は、橋梁4の係数行列Aまたは主成分行列A^を橋梁4の状態を表す特徴量とし、特徴量に基づくベイズファクターBまたはローカルベイズファクターBjを用いて橋梁の異常診断を行うとした。しかしこれに限らず、構造物の各部位の1または複数の物理量を継続的に測定した時系列データから特徴量を抽出し、この特徴量に基づくベイズファクターを用いて構造物の異常診断を行ってもよい。物理量は、変位、速度、加速度、外力、歪み、温度などである。例えば橋梁4の温度を定点観測した時系列データのうちの所定期間のデータから抽出した特徴量に基づくベイズファクターを用いて構造物の異常診断を行ってもよい。
実施形態2では、各時間領域での構造物の観測データの時系列から算出される健全状態と異常状態の確率の比であるベイズファクターと、高度な専門知識を持つ点検技術者が過去に異常とした損傷状態から設定された閾値とに基づいて、構造物の状態診断を行う。よって、高度な専門知識を持たない者であっても、数値解析などの高コスト処理を必要とせず、定量的な評価指標を用いて、高度な専門知識を持つ点検技術者と同等に、構造物の健全性評価を高精度に行うことができる。
実施形態3では、実施形態1または2において、橋梁4の状態を表す特徴量である係数行列Aをベイズ推定を用いて逐次学習することで、橋梁4の異常検知精度の向上を図る。係数行列Aの逐次学習は、センサノード1(例えば特徴量生成部113)が行っても、診断装置2(例えば診断部212)が行ってもよい。なお、係数行列Aに代え、主成分行列A^でも同様の処理を行っても、同様の効果が得られる。
図18は、実施形態3の診断システムにおける係数行列の逐次更新による係数行列の確率分布の収束を示す図である。図18では、横軸を特徴量(例えば係数行列A)の要素が取りうる値とし、縦軸を要素の各値における事後確率としている。実施形態3では、係数行列Aの確率分布を逐次学習することで、図18に示すように、確率分布の平均値が真値へ近づき分散が小さくなる方向へ収束(図18に示す確率分布が細線から破線そして太線へと収束)していくので、係数行列Aが構造物の状態をより高精度に表すようになる。そして、診断部212は、逐次学習後の係数行列Aまたは主成分行列A^を特徴量として用いて構造物の状態を診断する。よって、構造物の状態の異常推定の高精度化を図ることができる。係数行列Aは、構造物の振動データの種々の特徴を含んだ特徴量であるため、固有振動数などを用いて異常判定を行う従来技術よりも、より微細な構造物の状態変化を捉えて異常判定を行うことが可能になる。
上述した実施形態では、診断システムSは、センサノード1と、診断装置2とを有するものとして説明したが、実施形態はこれに限定されるものではない。例えば、診断システムSは、診断装置2を有さずに構成されてもよい。かかる場合、診断システムSは、取得部と、自己回帰モデル生成部と、特徴量生成部と、診断部とを有するセンサノード1を含んで構成される。すなわち、センサノード1は、構造物に取り付けられたセンサからセンサ情報を時系列で取得する取得部と、取得部によって或る時刻において取得されたセンサ情報を、或る時刻以前において取得されたセンサ情報の時系列の線形結合で表現する自己回帰モデルを生成する自己回帰モデル生成部と、自己回帰モデルの回帰係数に基づいて、或る時刻における構造物の状態を示す特徴量を生成する特徴量生成部と、構造物に関する情報の時系列から生成された該構造物の状態を示す特徴量について、構造物が健全状態であると仮定した場合における該特徴量の確率分布を表す第1の周辺尤度と、構造物が健全状態でないと仮定した場合における該特徴量の確率分布を表す第2の周辺尤度と、の比率である評価指標を算出し、評価指標に基づいて構造物の状態を診断する診断部とを有する。
図19は、実施形態のセンサノード1として用いるセンサノード端末1Bの構成を示すブロック図である。センサノード1として実装するセンサノード端末1Bは、センサノード1(図2)の構成と比較して、加速度センサ15をさらに有する。このようなセンサノード端末1Bでは、所定のアプリケーションを実行することでセンサノード1及びセンサ3と同様の機能を発揮する。すなわちセンサノード端末1Bは、センサ3と同様に橋梁4に設置され、取得した加速度データから橋梁4の特徴量を生成し、診断装置2へ送信する。
Claims (12)
- 構造物に関する情報の時系列から生成された該構造物の状態を示す特徴量について、前記構造物が健全状態であると仮定した場合における該特徴量の尤度を表す第1の周辺尤度と、前記構造物が前記健全状態でないと仮定した場合における該特徴量の尤度を表す第2の周辺尤度と、の比率である評価指標を算出し、前記評価指標に基づいて前記構造物の状態を診断する診断部を有し、
前記診断部は、
ベイズ推定を用いて、前記特徴量から前記第1の周辺尤度と前記第2の周辺尤度を推定し、
前記評価指標として、前記第2の周辺尤度を前記第1の周辺尤度で除算したベイズファクターを算出する
ことを特徴とする構造物診断システム。 - 前記情報の時系列は、前記構造物における位置毎に取得されたものであり、
前記診断部は、前記構造物における位置毎の前記時系列に基づいて位置毎の前記ベイズファクターを算出し、位置毎の前記ベイズファクターに基づいて、前記構造物の位置毎に状態を診断する
ことを特徴とする請求項1に記載の構造物診断システム。 - 前記情報の時系列は、複数種類の前記情報の種類毎に取得されたものであり、
前記診断部は、種類毎の前記時系列に基づいて種類毎の前記ベイズファクターを算出し、種類毎の前記ベイズファクターに基づいて前記構造物の状態を診断する
ことを特徴とする請求項1に記載の構造物診断システム。 - 前記構造物に取り付けられたセンサからセンサ情報を時系列で取得する取得部と、
前記取得部によって或る時刻において取得された前記センサ情報を、該或る時刻以前において取得された前記センサ情報の時系列の線形結合で表現する自己回帰モデルを生成する自己回帰モデル生成部と、
前記自己回帰モデルの回帰係数に基づいて、前記或る時刻における前記構造物の状態を示す前記特徴量を生成する特徴量生成部と、をさらに有する
ことを特徴とする請求項1~3の何れか1項に記載の構造物診断システム。 - 前記構造物診断システムは、
前記取得部と、前記自己回帰モデル生成部と、前記特徴量生成部と、前記特徴量生成部によって生成された前記特徴量を前記診断部へ送信する送信部と、を含んで構成されるセンサノードを有することを特徴とする請求項4に記載の構造物診断システム。 - 前記特徴量生成部は、
前回生成の前記特徴量の確率分布を事前分布とするベイズ推定によって求まる事後分布を今回生成の前記特徴量の確率分布とする処理を繰り返す逐次学習によって前記特徴量を生成する
ことを特徴とする請求項4または5に記載の構造物診断システム。 - 前記特徴量は、該特徴量の観測点における前記構造物の変位、速度、加速度、質量、剛性、および減衰係数の情報のうちの少なくとも一つを含んだことを特徴とする請求項1~6の何れか1項に記載の構造物診断システム。
- 前記診断部は、前記構造物に対する実地点検による点検結果を用いて前記評価指標を補正し、該補正した前記評価指標に基づいて前記構造物の状態を診断する
ことを特徴とする請求項1~7の何れか1項に記載の構造物診断システム。 - 前記診断部は、前記評価指標と閾値との比較に基づいて前記構造物の状態を診断し、
前記閾値は、前記構造物の過去の所定期間の複数の計測データの平均及び分散に基づいて決定されたものである
ことを特徴とする請求項1~8の何れか1項に記載の構造物診断システム。 - 前記閾値は、前記平均及び前記分散に基づいて複数決定され、
前記診断部は、前記評価指標と複数の前記閾値に基づく範囲との比較に基づいて前記構造物の状態を診断する
ことを特徴とする請求項9に記載の構造物診断システム。 - 構造物の状態を診断する構造物診断システムが行う構造物診断方法であって、
前記構造物に関する情報の時系列から生成された該構造物の状態を示す特徴量について、前記構造物が健全状態であると仮定した場合における該特徴量の尤度を表す第1の周辺尤度と、前記構造物が前記健全状態でないと仮定した場合における該特徴量の尤度を表す第2の周辺尤度と、の比率である評価指標を算出し、
前記評価指標に基づいて前記構造物の状態を診断する
各処理を含み、
前記構造物診断システムは、
ベイズ推定を用いて、前記特徴量から前記第1の周辺尤度と前記第2の周辺尤度を推定し、
前記評価指標として、前記第2の周辺尤度を前記第1の周辺尤度で除算したベイズファクターを算出する
ことを特徴とする構造物診断方法。 - コンピュータを、
構造物に関する情報の時系列から生成された該構造物の状態を示す特徴量について、前記構造物が健全状態であると仮定した場合における該特徴量の尤度を表す第1の周辺尤度と、前記構造物が前記健全状態でないと仮定した場合における該特徴量の尤度を表す第2の周辺尤度と、の比率である評価指標を算出し、前記評価指標に基づいて前記構造物の状態を診断する診断部
として機能させるための構造物診断プログラムであって、
前記診断部は、
ベイズ推定を用いて、前記特徴量から前記第1の周辺尤度と前記第2の周辺尤度を推定し、
前記評価指標として、前記第2の周辺尤度を前記第1の周辺尤度で除算したベイズファクターを算出する
構造物診断プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2024019508A JP2024045515A (ja) | 2020-09-15 | 2024-02-13 | 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 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020154971 | 2020-09-15 | ||
JP2020154971 | 2020-09-15 | ||
PCT/JP2021/033999 WO2022059720A1 (ja) | 2020-09-15 | 2021-09-15 | 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 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2024019508A Division JP2024045515A (ja) | 2020-09-15 | 2024-02-13 | 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 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2022059720A1 JPWO2022059720A1 (ja) | 2022-03-24 |
JPWO2022059720A5 JPWO2022059720A5 (ja) | 2023-11-24 |
JP7469828B2 true JP7469828B2 (ja) | 2024-04-17 |
Family
ID=80776738
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022550593A Active JP7469828B2 (ja) | 2020-09-15 | 2021-09-15 | 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 |
JP2024019508A Pending JP2024045515A (ja) | 2020-09-15 | 2024-02-13 | 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 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2024019508A Pending JP2024045515A (ja) | 2020-09-15 | 2024-02-13 | 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 |
Country Status (2)
Country | Link |
---|---|
JP (2) | JP7469828B2 (ja) |
WO (1) | WO2022059720A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116465577B (zh) * | 2023-03-13 | 2024-01-30 | 哈尔滨工业大学 | 基于高密度测点应变的空心板梁桥集群铰缝损伤诊断方法 |
CN116992202A (zh) * | 2023-06-28 | 2023-11-03 | 北京空间飞行器总体设计部 | 一种航天器可诊断性的表征、判定和量化方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019070965A (ja) | 2017-10-10 | 2019-05-09 | 日本電信電話株式会社 | 学習装置、学習方法、プログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6848813B2 (ja) * | 2017-10-25 | 2021-03-24 | 日本製鉄株式会社 | 情報処理装置、情報処理方法及びプログラム |
US20200363287A1 (en) * | 2017-11-16 | 2020-11-19 | Nec Corporation | Damage diagnosing device, damage diagnosing method, and recording medium having damage diagnosing program stored thereon |
-
2021
- 2021-09-15 JP JP2022550593A patent/JP7469828B2/ja active Active
- 2021-09-15 WO PCT/JP2021/033999 patent/WO2022059720A1/ja active Application Filing
-
2024
- 2024-02-13 JP JP2024019508A patent/JP2024045515A/ja active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019070965A (ja) | 2017-10-10 | 2019-05-09 | 日本電信電話株式会社 | 学習装置、学習方法、プログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2022059720A1 (ja) | 2022-03-24 |
JPWO2022059720A1 (ja) | 2022-03-24 |
JP2024045515A (ja) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yi et al. | Development of sensor validation methodologies for structural health monitoring: A comprehensive review | |
Sarmadi et al. | Structural health monitoring by a novel probabilistic machine learning method based on extreme value theory and mixture quantile modeling | |
Wang et al. | Bayesian dynamic forecasting of structural strain response using structural health monitoring data | |
JP7469828B2 (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 | |
Das et al. | Structural health monitoring techniques implemented on IASC–ASCE benchmark problem: a review | |
JP5901140B2 (ja) | システムの高い可用性のためにセンサデータを補間する方法、コンピュータプログラム、システム。 | |
US8417432B2 (en) | Method for calculating confidence on prediction in fault diagnosis systems | |
US20120005533A1 (en) | Methods And Apparatus For Cross-Host Diagnosis Of Complex Multi-Host Systems In A Time Series With Probablistic Inference | |
WO2018008708A1 (ja) | 震央距離推定装置、震央距離推定方法、及びコンピュータ読み取り可能な記録媒体 | |
CN108427400B (zh) | 一种基于神经网络解析冗余的飞机空速管故障诊断方法 | |
JP5193533B2 (ja) | 遠隔監視システム及び遠隔監視方法 | |
WO2016195092A1 (ja) | 異常検知装置 | |
Thöns et al. | On damage detection system information for structural systems | |
JPWO2019098226A1 (ja) | 損傷診断装置、損傷診断方法、及び、損傷診断プログラム | |
JP5281475B2 (ja) | 常時微動計測に基づく建物の健全性診断法、診断装置及び診断プログラム | |
Jayawardhana et al. | Statistical damage sensitive feature for structural damage detection using AR model coefficients | |
KR20140111396A (ko) | 센서 모니터링 장치, 센서 모니터링 방법, 및 이를 위한 기록매체 | |
Lakshmi et al. | Structural damage detection using ARMAX time series models and cepstral distances | |
Ding et al. | Structural damage assessment using improved Dempster-Shafer data fusion algorithm | |
Mollineaux et al. | Structural health monitoring of progressive damage | |
KR102512615B1 (ko) | 수명분포를 고려한 생애주기데이터 확장 기능을 가지는 잔존수명 예측 시스템 및 방법 | |
Prakash et al. | Bayesian two-phase gamma process model for damage detection and prognosis | |
JPWO2018198267A1 (ja) | 因果関係学習方法、プログラム、装置および異常分析システム | |
Shi et al. | Set‐membership identification technique for structural damage based on the dynamic responses with noises | |
Dzakowic et al. | Advanced Techniques for the verification and validation of prognostics & health management capabilities |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230303 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230316 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20231023 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231102 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20231023 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231219 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240213 |
|
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: 20240319 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240329 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7469828 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |