モジュール構造ニューラルネットの機能形成モデルとヘルスモニタリングへの応用

模块化神经网络的功能形成模型及其在健康监测中的应用

基本信息

批准号：
10780233
负责人：
小澤誠一
金额：
$ 1.02万
依托单位：
Osaka Kyoiku University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Encouragement of Young Scientists (A)
财政年份：
1998
资助国家：
日本
起止时间：
1998 至 1999
项目状态：
已结题

项目摘要

構造物の健全度を非破壊で調べるヘルスモニタリングの基本技術として,ウェーブレット解析と階層型ニューラルネットのハイブリッド化手法を提案した。ウェーブレット解析は観測信号(構造物の加速度や速度情報)から正常/異常の判断に用いる特徴量の抽出に利用され,ニューラルネットは構造物の劣化を推定するのに用いられる。構造物を3自由度ダイナミカルシステムで近似し,観測信号から解析的に解が求まらない設定のもとで,バネ定数および減衰定数の劣化の程度を推定する問題に提案したハイブリッド手法を適用した。計算機シミュレーションによって推定精度を調べた結果,バネ定数はある程度の精度で推定可能であったが,減衰定数については十分な推定精度が得られなかった.ここで用いたニューラルネットはモジュール構造をもたないものであるが,この代わりに創発的に機能獲得が可能なモジュール構造ニューラルネットを適用することで,前述の問題を改善できる可能性がある.そこで,まずニューラルネットの基本特性を調べる際によく取り上げられる連想記憶の問題を取り上げ,モジュール構造ニューラルネットの有効性を検討した.モジュール構造を決定するパラメータの探索に遺伝的アルゴリズムを用い,所望の特性に適合したモジュール構造(各モジュールは異なる機能をもつ)が自動的に決定されるニューラルシステムを開発した。シミュレーション実験の結果,試行錯誤では発見の難い高性能なモジュール構造の探索が,本システムで可能になることを確認した.最終的には,これをヘルスモニタリングに適用して性能が改善されることを確認する必要がある.しかし,本研究期間内では残念ながらこれを達成できなかった.今後の研究課題としたい.また,特徴抽出手法として,ウェーブレット解析の代わりに最近ブラインド信号分離問題で盛んに研究されている独立成分分析の適用も検討したことを付記しておく.

我们提出了一种小波分析和分层神经网络的混合方法作为健康监测的基本技术，以无损地检查结构的健康状况。小波分析用于从观测信号（结构的加速度和速度信息）中提取用于确定正常/异常的特征，神经网络用于估计结构的恶化。所提出的混合方法应用于估计弹簧常数和阻尼常数恶化程度的问题，其中结构由三自由度动力系统近似，并且无法从观测信号中找到解析解。做过。通过计算机模拟检查估计精度，可以以一定的精度估计弹簧常数，但对于阻尼常数没有获得足够的估计精度。然而，这里使用的神经网络具有模块化结构。，通过应用可以紧急获取函数的模块化神经网络来代替，有可能改善上述问题。因此，我们首先讨论了在研究神经网络的基本特征时经常遇到的联想记忆问题，并研究了模块化神经网络的有效性。我们使用遗传算法来搜索确定模块化结构的参数。开发了一种神经系统，可以自动确定与所需特征相匹配的模块结构（每个模块具有不同的功能）。通过模拟实验，我们确认该系统能够搜索到通过反复试验很难发现的高性能模块结构。最终，该系统将应用于健康监控以提高性能。但是，不幸的是，我们没有做到这一点。在本研究期间无法实现这一点。我们希望将其作为未来研究的主题。此外，作为一种特征提取方法，它代替小波分析，最近在盲信号分离问题中变得流行。应该指出的是，我们还考虑了独立成分分析的应用，对此进行了研究。