特許ウォッチ

公開番号2025139812
公報種別公開特許公報(A)
公開日2025-09-29
出願番号2024038856
出願日2024-03-13
発明の名称支持構造の異常検知方法
出願人国立大学法人群馬大学,中日本高速道路株式会社,能美防災株式会社
代理人個人,個人,個人,個人,個人
主分類G01M 99/00 20110101AFI20250919BHJP(測定;試験)
要約【課題】供用中の道路構造物の異常検査を、オートエンコーダを用いて高精度に実施する。
【解決手段】道路構造物に配置されたセンサにより物理量を計測するステップと、計測結果から算出した特徴量に基づいて支持構造の異常を検知する異常診断ステップとを備え、異常診断ステップは、物理量を記憶させる第1ステップと、正常時において正常時特徴量を算出する第2ステップと、正常時特徴量をエンコーダ層への入力として、デコーダ層に同一の出力が再構成されるようにオートエンコーダの学習を実施する第3ステップと、監視時において監視時特徴量を算出する第4ステップと、学習済みのオートエンコーダに対して監視時特徴量を入力として再構成されたデータを出力とし、入力と出力の誤差に基づいて支持構造の異常検知を実行する第5ステップとを有する。
【選択図】図1
特許請求の範囲【請求項１】
供用中の道路構造物に含まれる支持構造に対して配置されたセンサにより、前記支持構造の異常を検知するための指標値となる物理量を計測する計測ステップと、
前記センサによる計測結果に基づいて前記支持構造の剛性に異常が発生した際に変化が現れる特徴量を算出し、前記特徴量に基づいて前記支持構造の異常を検知する異常診断ステップと
を備えた支持構造の異常検知方法であって、
前記異常診断ステップは、
前記センサから継続的または定期的に前記計測結果として取得した前記物理量を計測情報として記憶部に記憶させる第１ステップと、
前記支持構造が正常時における前記計測情報に対する演算処理結果から前記特徴量として正常時特徴量を算出する第２ステップと、
異常監視用として用いるエンコーダ層、特徴学習層、デコーダ層で構成されるオートエンコーダに対し、前記第２ステップで算出された前記正常時特徴量を前記エンコーダ層への入力として、前記デコーダ層に同一の出力が再構成されるように機械学習を実施する第３ステップと、
日常の監視時における前記計測情報に対する演算処理結果から前記特徴量として監視時特徴量を算出する第４ステップと、
前記日常の監視時において、前記第３ステップにより学習済みの前記オートエンコーダに対して前記第４ステップで算出された前記監視時特徴量を前記エンコーダ層への入力とし、前記デコーダ層に再構成されたデータを出力とし、前記入力と前記出力との誤差に基づいて前記支持構造の異常検知を実行する第５ステップと
を有する、支持構造の異常検知方法。
続きを表示（約 1,800 文字）【請求項２】
前記計測ステップは、前記物理量を計測するとともに、前記支持構造の環境温度である温度情報をさらに計測し、
前記異常診断ステップは、
前記第１ステップにおいて、前記物理量とともに前記温度情報を取得し、前記物理量と前記温度情報とを関連付けたデータを前記計測情報として前記記憶部に記憶させ、
前記第２ステップにおいて、前記正常時特徴量を算出する際に、前記計測情報に含まれている前記温度情報を参照することで、環境温度ごとに温度別の正常時特徴量を算出し、前記温度別の正常時特徴量を前記記憶部に記憶させ、
前記第３ステップにおいて、前記温度別の正常時特徴量を用いて環境温度ごとに機械学習を実施することで、前記環境温度に応じた学習の重み係数を算出し、
前記第４ステップにおいて、前記計測情報に含まれている前記温度情報を参照することで、算出した前記監視時特徴量に対応する環境温度に応じた前記学習の重み係数を特定し、
前記第５ステップにおいて、前記第４ステップで特定した前記学習の重み係数を用いることで、前記環境温度に応じて重み付けされた学習済みの前記オートエンコーダを用いて前記支持構造の異常検知を実行する
請求項１に記載の支持構造の異常検知方法。
【請求項３】
前記異常診断ステップは、
前記センサにより前記物理量を計測する際の環境温度の範囲を所定の温度間隔で等分割した複数の環境温度範囲をあらかじめ設定しておき、
前記第１ステップにおいて、前記物理量とともに前記温度情報を取得し、前記温度情報と関連付けられた物理量を前記複数の環境温度範囲の中の該当する環境温度範囲のデータとして分類して温度別の計測情報として前記記憶部に記憶させ、
前記第２ステップにおいて、前記正常時特徴量を算出する際に、前記温度別の計測情報に基づいて温度別の正常時特徴量を算出する
請求項２に記載の支持構造の異常検知方法。
【請求項４】
前記異常診断ステップは、
前記第５ステップにおいて、前記入力と前記出力との前記誤差に基づいて前記誤差の残差平方和を算出し、所定期間における前記残差平方和の統計的検定により前記支持構造の異常検知を実行する
請求項３に記載の支持構造の異常検知方法。
【請求項５】
前記異常診断ステップは、
前記第５ステップにおいて、前記入力と前記出力との前記誤差に基づいて前記誤差の残差平方和を算出し、所定期間における前記残差平方和の分布から母集団の区間推定を行い、該区間推定に基づく閾値処理により前記支持構造の異常検知を実行する
請求項３に記載の支持構造の異常検知方法。
【請求項６】
前記異常診断ステップは、前記センサによる計測結果に基づいて短時間フーリエ変換を施すことにより前記特徴量としてスペクトログラムを算出し、前記スペクトログラムに基づいて前記支持構造の異常を検知する
請求項１から５のいずれか１項に記載の支持構造の異常検知方法。
【請求項７】
前記異常診断ステップは、前記センサによる計測結果に基づいてウェーブレット変換を施すことにより前記特徴量としてスカログラムを算出し、前記スカログラムに基づいて前記支持構造の異常を検知する
請求項１から５のいずれか１項に記載の支持構造の異常検知方法。
【請求項８】
前記異常診断ステップは、前記センサによる計測結果に基づいてＦＦＴ解析を施すことにより前記特徴量として周波数スペクトルを算出し、前記周波数スペクトルに基づいて前記支持構造の異常を検知する
請求項１から５のいずれか１項に記載の支持構造の異常検知方法。
【請求項９】
前記センサは、複数のセンサとして構成され、前記支持構造の応力が集中する部位あるいは前記支持構造の共振周波数の極に相当する位置を含むように設置されるとともに、互いに等間隔で設置される
請求項１から５のいずれか１項に記載の支持構造の異常検知方法。
【請求項１０】
前記センサは、加速度センサである
請求項１から５のいずれか１項に記載の支持構造の異常検知方法。

発明の詳細な説明【技術分野】
【０００１】
本開示は、供用中の道路構造物の支持構造に関して、オートエンコーダを用いて劣化に伴う異常を検知する支持構造の異常検知方法に関する。
続きを表示（約 1,200 文字）【背景技術】
【０００２】
例えば、車両が通過する橋梁、あるいは車両が通過する道路の周辺に設置された道路情報板は、車両の通過に伴う経年変化によって次第に劣化する。なお、本開示では、使用中の橋梁、道路情報板などの構造物を、供用中の道路構造物と称することとする。
【０００３】
供用中の道路構造物の中には、高度経済成長期の急激な道路交通需要の拡大に応じて大量に建設されたものも多く含まれている。供用中の道路構造物が老朽化することによって引き起こされる事故は、被害が甚大となるものが多く、壊れてしまう前に劣化状態を検知することが非常に重要となる。
【０００４】
しかしながら、供用中の道路構造物の劣化状態を検査する方法としては、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、いまだに主流である。
【０００５】
上述したように、供用中の道路構造物で用いられる支持構造は、劣化に伴う甚大な被害の発生を未然に防止することが重要であり、近年では、供用中の道路構造物の異常検知を、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手法が望まれている。
【０００６】
供用中の道路構造物の異常検知を無人で行うための１つの手法としては、オートエンコーダを用いた異常検知手法を適用することが考えられる。オートエンコーダを用いて機械装置の異常検知を行う手法は、従来技術として開示されている（例えば、非特許文献１参照）。
【０００７】
具体的には、非特許文献１では、油圧で駆動されるピストン機構を持つ機械装置を異常検知対象として、ニューラルネットワークを用いたオートエンコーダの判別モデルを作成し、機械装置の正常および異常の識別を自動化している。この結果、目視検査による負荷を軽減し、異常を見逃してしまうおそれを抑制している。
【先行技術文献】
【非特許文献】
【０００８】
第３５回ファジシステムシンポジウム講演論文集（ＦＳＳ２０１９大阪大学）ＦＤ１－３、峯誉明他、Ｐ５０６～Ｐ５０８
【発明の概要】
【発明が解決しようとする課題】
【０００９】
非特許文献１では、異常検知対象であるピストンから取得したセンサーパターンをそのままオートエンコーダへの入力としている。しかしながら、このような入力では、道路構造物の剛性に異常が発生したことを高精度に判断することは困難であった。
【００１０】
また、非特許文献１では、学習に使わなかった別のデータを用いて、正常値の最大値と異常値の最低値の平均値を算出し、異常判定のための閾値を設定している。すなわち、非特許文献１の異常判定手法では、閾値を設定するためには、学習時に用いた正常時の計測データとは別に、異常時での計測データを必要としていた。
（【００１１】以降は省略されています）

関連特許