セミパラメトリック学習と確率的推論を用いた宇宙機故障診断法に関する研究

基于半参数学习和概率推理的航天器故障诊断方法研究

基本信息

批准号：
07J03404
负责人：
河原吉伸
金额：
$ 0.64万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2007
资助国家：
日本
起止时间：
2007 至 2008
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-07J03404/
关键词：
異常検知故障診断確率的推論部分空間法

项目摘要

本研究は、主に宇宙機を対象として、統計的な学習と確率的推論に基づいた高度な故障診断法に関するものである。本年度の研究では、主にその理論的枠組に関する検討について取り組み、必要となる種々のアルゴリズムの構築と検証を実施した。大規模複雑システムである宇宙機の故障診断においては、そのダイナミクスや機器の物理モデル、専門家の経験則といった工学的知識に加え、実験・運用時にシステムから得られる観測データを有効に利用する事が重要となる。本年度の研究では、まず、得られた観測データを用いて、宇宙機のように複雑な挙動を示す動的システムを表す非線形モデルを低計算コストかつロバストに推定するための方法を提案した。より具体的には、部分空間法と呼ばれるシステム同定の枠組みを、正定値カーネルを用いて再生核ヒルベルト空間上において議論する事で、従来法の良い特性を保持しつつ、非線形へと拡張するアルゴリズムを導出した。加えて、その際の理論的枠組に基づき、データからシステムの挙動の変化を検知するための変化点検知手法(部分空間法に基づく変化点検知アルゴリズム)を導出した。また、システムの挙動の変化が検知された際に、それがどの部分に起因するかを推定するための方法として、報告者は、従来から逐次モンテカルロ法に基づく異常診断法に関する研究を行ってきたが、本年度においては、これを更に発展させ、いくつかの技術的改良を加えて、システムのパラメータとモードを同時に推定する事で、異常時におけるパラメータの変化を追跡可能なアルゴリズムの構築を行い、シミュレーション・データを用いてその有用性の検証を行った。

这项研究主要关注航天器，与基于统计学习和概率推理的先进故障诊断方法有关。今年的研究主要集中于研究理论框架，并构建和验证各种算法所需的算法。在诊断大型复杂系统的航天器的故障时，重要的是，在实验和操作过程中有效利用从系统获得的观察到的数据，除了其工程知识，例如其动力学，设备的物理模型和专家的拇指规则。在今年的研究中，我们首先提出了一种使用所获得的观察数据来估计代表动态系统的非线性模型的方法，这些模型表现出复杂的行为，例如航天器以低计算成本和稳健性。更具体地说，通过讨论使用正面定义的内核在再生核希尔伯特空间中的系统识别框架（称为子空间方法），该算法是非线性扩展的，同时保留了常规方法的良好特性。此外，基于此时的理论框架，得出了一种更改点检测方法（基于子空间方法的变更点检测算法），以从数据中检测系统行为的变化。此外，作为一种估计系统行为行为变化部分的方法，在检测到该方法时，记者先前已经对基于蒙特卡洛方法进行了对异常诊断方法进行了研究它使用仿真数据的实用性。