Download to read offline
![超音波の到達から10 μs 間
400点× 3波形 (x,y,z)
7
DNNに入力したデータの例
畳み込みフィルタ
横波， 𝜃 = 20°, 𝜙 = 0°
時間 [μs]
0
0
10
縦波， 𝜃 = 20°, 𝜙 = 0°
0
時間 [μs]
0 10
振幅
x
y
z](https://image.slidesharecdn.com/deeplearningultrasonic-190326061328/75/Deep-learning-ultrasonic-7-2048.jpg)
![10
DNNの評価
振動モード識別
許容誤差 正答率 [%]
0° 86.3
10° 94.1
20° 95.3
伝搬方向識別
10°
20°
3軸加速度センサ
推定伝搬方向正答率： 94.5 %
AE試験にDNNを適用することの有用性が示された
x
y
z
AE波(超音波)
90%以上の
正答率を達成
90%以上の
正答率を達成](https://image.slidesharecdn.com/deeplearningultrasonic-190326061328/75/Deep-learning-ultrasonic-10-2048.jpg)
![13
DLを使う意義
縦波, 𝜃 = 0°, 𝜙 = 0°
0 5010 20 30 40
0
𝑡0
この枠内をDLの入力とする
𝑡0+10
[μs]
x
y
z
理想的には，z軸方向にのみ振動する
実際には，
超音波の表面での挙動
センサの特性
受信する波形の複雑化
DLならば特徴抽出可能](https://image.slidesharecdn.com/deeplearningultrasonic-190326061328/75/Deep-learning-ultrasonic-13-2048.jpg)
![15
推定結果
推定結果 別々で学習
学習に用いていない
データの正答率
正答率 [%]
モード識別 94.5
方向識別
縦波 𝜃: 95.0 𝜙: 78.5
横波 𝜃: 99.7 𝜙: 92.5
伝搬方向の許容誤差ごとの正答率
許容誤差 正答率 [%]
0° 86.3
10° 94.1
30° 96.1
正答率[%]
許容誤差 [°]
・
・](https://image.slidesharecdn.com/deeplearningultrasonic-190326061328/75/Deep-learning-ultrasonic-15-2048.jpg)
![17
縦波の伝播方向識別結果
推定結果
True𝜃[°]
Prediction 𝜃[°]
0 10 20 30 40 50 60
6050403020100
-180 0 170
1700-180
True𝜙[°] Prediction 𝜙[°]](https://image.slidesharecdn.com/deeplearningultrasonic-190326061328/75/Deep-learning-ultrasonic-17-2048.jpg)
![18
横波の伝播方向識別結果
推定結果
True𝜃[°]
Prediction 𝜃[°]
0 10 20 30 40 50 60
6050403020100
-180 0 170
1700-180
True𝜙[°] Prediction 𝜙[°]](https://image.slidesharecdn.com/deeplearningultrasonic-190326061328/75/Deep-learning-ultrasonic-18-2048.jpg)
![19
伝播方向識別結果
推定結果
正解𝜃[°]
推定 𝜃[°]
0 10 20 30 40 50 60
6050403020100
-180 0 170
1700-180
正解𝜙[°] 推定 𝜙[°]](https://image.slidesharecdn.com/deeplearningultrasonic-190326061328/75/Deep-learning-ultrasonic-19-2048.jpg)
![31
実験で得られた波形の例
縦波, 𝜃 = 0°, 𝜙 = 0°
0 5010 20 30 40
0
縦波速度𝐶 𝑝 = 6356m/sより𝑡0 = 75mm/𝐶 𝑝 + 2.2 = 14μs
𝑡0
この枠内をDLの入力とする
𝑡0+10
[μs]
x
y
z
0 5010 20 30 40
0
横波速度Cs=3129m/sより𝑡0 = 75mm/𝐶 𝑝 + 3.0 = 27μs
𝑡0
[μs]𝑡0+10
横波, 𝜃 = 0°, 𝜙 = 0°
x
y
z](https://image.slidesharecdn.com/deeplearningultrasonic-190326061328/75/Deep-learning-ultrasonic-31-2048.jpg)
![32
畳み込みフィルタの大きさ
大きい畳み込みフィルタ
時間 [μs]
0
0
10
0
時間 [μs]
0 10
振幅
x
y
z
小さい畳み込みフィルタ
フィルタサイズ：0.25μs
1MHzの波長の1/4の大きさ
フィルタサイズ：2μs
250kHzの波長の1/2の大きさ](https://image.slidesharecdn.com/deeplearningultrasonic-190326061328/75/Deep-learning-ultrasonic-32-2048.jpg)
![[DL輪読会]Depth Prediction Without the Sensors: Leveraging Structure for Unsuper...](https://cdn.slidesharecdn.com/ss_thumbnails/struct2depth0301-190304050917-thumbnail.jpg?width=640&height=640&fit=bounds)
Deep learning ultrasonic
- 1.
- 2.
- 3. 3 研究背景 ディープラーニング ディープニューラルネットワーク(DNN)を用いて 自動で特徴を抽出する機械学習 ・ そば ・ うどん ・ラーメン 様々な分野でDNNの応用 （画像認識、音声認識など） DNN入力データ 出力
- 4.
- 5. 5 問題設定 振動モードと伝搬方向の異なる 超音波を3軸加速度センサで受信 ↓推定 振動モードと伝搬方向 振動モード : {縦波，横波} 伝搬方向𝜃∶ 0°, 10°, 20°, ⋯ , 60° 伝搬方向𝜙 = −180°, −170°, ⋯ , 170° 3軸加速度センサ AE源 推定 AE波(超音波) 𝜃 𝜙 x y z y : x : z : 振動モード 伝搬方向
- 6. 6 データの取得方法 半円柱の試験片を用いて 𝜃方向の異なる波を送信 異なる送信子を用いて 縦波と横波を送信 xy面内の回転行列をかけ て 𝜙の異なる波形を生成 ⇒10°刻みで36種を生成 1つの条件につき32データ 計16128データを取得 xy z 超音波送信子 𝜃 ∶0°, 10°, 20°, ⋯ , 60° 7通りに変更 𝜙 半円柱の試験片 3軸加速度センサ
- 7. 超音波の到達から10 μs 間 400点×3波形 (x,y,z) 7 DNNに入力したデータの例 畳み込みフィルタ 横波， 𝜃 = 20°, 𝜙 = 0° 時間 [μs] 0 0 10 縦波， 𝜃 = 20°, 𝜙 = 0° 0 時間 [μs] 0 10 振幅 x y z
- 8.
- 9.
- 10. 10 DNNの評価 振動モード識別 許容誤差 正答率 [%] 0°86.3 10° 94.1 20° 95.3 伝搬方向識別 10° 20° 3軸加速度センサ 推定伝搬方向正答率： 94.5 % AE試験にDNNを適用することの有用性が示された x y z AE波(超音波) 90%以上の 正答率を達成 90%以上の 正答率を達成
- 11.
- 12.
- 13. 13 DLを使う意義 縦波, 𝜃 =0°, 𝜙 = 0° 0 5010 20 30 40 0 𝑡0 この枠内をDLの入力とする 𝑡0+10 [μs] x y z 理想的には，z軸方向にのみ振動する 実際には， 超音波の表面での挙動 センサの特性 受信する波形の複雑化 DLならば特徴抽出可能
- 14. 14 伝搬方向推定時の誤差 cos 𝛼 =cos 𝜃true cos 𝜃pred + sin 𝜃true sin 𝜃pred cos 𝜙true − 𝜙pred 𝜃𝑡𝑟𝑢𝑒 = 30° 𝜃 𝑝𝑟𝑒𝑑 = 50° 𝜙 𝑝𝑟𝑒𝑑 = 70° 𝜙 𝑡𝑟𝑢𝑒 = 110° z 𝛼 𝛼 = 31.8° 真AE源 推定AE源
- 15. 15 推定結果 推定結果 別々で学習 学習に用いていない データの正答率 正答率 [%] モード識別94.5 方向識別 縦波 𝜃: 95.0 𝜙: 78.5 横波 𝜃: 99.7 𝜙: 92.5 伝搬方向の許容誤差ごとの正答率 許容誤差 正答率 [%] 0° 86.3 10° 94.1 30° 96.1 正答率[%] 許容誤差 [°] ・ ・
- 16. 16 振動モード識別結果 推定結果 推定 縦波 横波 正解 縦波 0.9440.056 横波 0.054 0.946
- 17. 17 縦波の伝播方向識別結果 推定結果 True𝜃[°] Prediction 𝜃[°] 0 1020 30 40 50 60 6050403020100 -180 0 170 1700-180 True𝜙[°] Prediction 𝜙[°]
- 18. 18 横波の伝播方向識別結果 推定結果 True𝜃[°] Prediction 𝜃[°] 0 1020 30 40 50 60 6050403020100 -180 0 170 1700-180 True𝜙[°] Prediction 𝜙[°]
- 19. 19 伝播方向識別結果 推定結果 正解𝜃[°] 推定 𝜃[°] 0 1020 30 40 50 60 6050403020100 -180 0 170 1700-180 正解𝜙[°] 推定 𝜙[°]
- 20.
- 21. 21 構築したDNNの詳細 Input 400x3 低周波 高周波波全体 10x6 10x6 128 結合248 全結合層 32 出力 2or7or36
- 22. 22 構築したDNNの詳細 フィルタ 枚数 サイズ/ ストライド 出力 Input 400x3 畳み込み層 3210/2 200x32 畳み込み層 6 10/1 200x10 畳み込み層 6 4/4 50x6 Pooling層 7/5 10x6 高周波抽出DNN
- 23. 23 構築したDNNの詳細 フィルタ 枚数 サイズ/ ストライド 出力 Input 400x3 畳み込み層 3280/5 80x32 畳み込み層 6 80/1 80x10 畳み込み層 6 16/4 20x6 Pooling層 3/2 10x6 低周波抽出DNN
- 24. 24 構築したDNNの詳細 フィルタ 枚数 サイズ/ ストライド 出力 Input 400x3 畳み込み層 3232/2 200x32 畳み込み層 32 32/2 100x32 畳み込み層 32 32/2 50x32 LSTM 128 波全体の特徴抽出DNN
- 25. 25 1D-CNN 通常のCNN(画像に対して行うCNN) は2次元のフィルタを持つ 時系列データに適用する1D-CNN は1次元のフィルタを持つ 2 1 0 -14 1 0 -2 3 2 1 0 -1 4 1 0 -2 3 2 1 0 -1 4 1 0 -2 3 2 1 1 0 -2 2 1 1 0 -2 2 1 1 0 -2 2 1 1 0 -2
- 26.
- 27. 27 加速度センサ 小野測器 NP-3560 小野測器 NP-3560 寸法10.2 × 10.2 × 10.2 𝑚𝑚 方式 サイズモ式 共振周波数 約55 𝑘𝐻𝑧 質量 5.3 𝑔 使用周波数範囲(X, Z軸) 2～10000Hz 使用周波数範囲(Y軸) 2～5000Hz
- 28. 28 加速度センサ 周波数応答 𝑚 𝜕2 𝑥 𝜕𝑡2 + 𝑐 𝜕 𝜕𝑡 𝑥− 𝑟 + 𝑘 𝑥 − 𝑟 = 0 𝑦 = 𝑎𝐵 cos 𝜔𝑡 − 𝜙 強制変位振動としてモデル化 ゲイン線図 位相線図
- 29.
- 30. 30 モード変換 スネルの法則 sin 𝜃𝑖 𝐶𝑖 = sin 𝜃𝑡 𝐶𝑡 = sin𝜃𝑟 𝐶𝑟 モード変換 𝐶は媒質を伝わる波の速度 縦波速度 ≒ 2 × 横波速度 屈折角や反射角が大きく異なる2つの波
- 31. 31 実験で得られた波形の例 縦波, 𝜃 =0°, 𝜙 = 0° 0 5010 20 30 40 0 縦波速度𝐶 𝑝 = 6356m/sより𝑡0 = 75mm/𝐶 𝑝 + 2.2 = 14μs 𝑡0 この枠内をDLの入力とする 𝑡0+10 [μs] x y z 0 5010 20 30 40 0 横波速度Cs=3129m/sより𝑡0 = 75mm/𝐶 𝑝 + 3.0 = 27μs 𝑡0 [μs]𝑡0+10 横波, 𝜃 = 0°, 𝜙 = 0° x y z
- 32. 32 畳み込みフィルタの大きさ 大きい畳み込みフィルタ 時間 [μs] 0 0 10 0 時間 [μs] 010 振幅 x y z 小さい畳み込みフィルタ フィルタサイズ：0.25μs 1MHzの波長の1/4の大きさ フィルタサイズ：2μs 250kHzの波長の1/2の大きさ
- 33.
Editor's Notes
- #22 湾曲繊維束の破壊曲率半径を測定するための，単軸曲げ破壊試験方法を提案し，実施いたしました．概要を説明いたします。 実験の試験片は右上の図のような，直線の繊維束を熱処理して成形した，成形曲率半径が25, 15, 10mmの3種類の湾曲繊維束を使用しました。 （湾曲繊維束表面には熱可塑性樹脂溶融時に樹脂流出を防止するためにコーティングを施しています．） 円錐形冶具の表面に、直線または湾曲繊維束を密着させ、曲率半径が小さくなる方向へ少しずつ移動させます．繊維束が破壊すると，繊維束が冶具表面から離れ，小さな破壊音が生じます．この時の破壊曲率半径を測定します． 繊維束内部の繊維ばらつきを考慮して，各繊維束に対して100本破壊実験を行い，統計手法によって評価しました．
- #23 湾曲繊維束の破壊曲率半径を測定するための，単軸曲げ破壊試験方法を提案し，実施いたしました．概要を説明いたします。 実験の試験片は右上の図のような，直線の繊維束を熱処理して成形した，成形曲率半径が25, 15, 10mmの3種類の湾曲繊維束を使用しました。 （湾曲繊維束表面には熱可塑性樹脂溶融時に樹脂流出を防止するためにコーティングを施しています．） 円錐形冶具の表面に、直線または湾曲繊維束を密着させ、曲率半径が小さくなる方向へ少しずつ移動させます．繊維束が破壊すると，繊維束が冶具表面から離れ，小さな破壊音が生じます．この時の破壊曲率半径を測定します． 繊維束内部の繊維ばらつきを考慮して，各繊維束に対して100本破壊実験を行い，統計手法によって評価しました．
- #24 湾曲繊維束の破壊曲率半径を測定するための，単軸曲げ破壊試験方法を提案し，実施いたしました．概要を説明いたします。 実験の試験片は右上の図のような，直線の繊維束を熱処理して成形した，成形曲率半径が25, 15, 10mmの3種類の湾曲繊維束を使用しました。 （湾曲繊維束表面には熱可塑性樹脂溶融時に樹脂流出を防止するためにコーティングを施しています．） 円錐形冶具の表面に、直線または湾曲繊維束を密着させ、曲率半径が小さくなる方向へ少しずつ移動させます．繊維束が破壊すると，繊維束が冶具表面から離れ，小さな破壊音が生じます．この時の破壊曲率半径を測定します． 繊維束内部の繊維ばらつきを考慮して，各繊維束に対して100本破壊実験を行い，統計手法によって評価しました．
- #25 湾曲繊維束の破壊曲率半径を測定するための，単軸曲げ破壊試験方法を提案し，実施いたしました．概要を説明いたします。 実験の試験片は右上の図のような，直線の繊維束を熱処理して成形した，成形曲率半径が25, 15, 10mmの3種類の湾曲繊維束を使用しました。 （湾曲繊維束表面には熱可塑性樹脂溶融時に樹脂流出を防止するためにコーティングを施しています．） 円錐形冶具の表面に、直線または湾曲繊維束を密着させ、曲率半径が小さくなる方向へ少しずつ移動させます．繊維束が破壊すると，繊維束が冶具表面から離れ，小さな破壊音が生じます．この時の破壊曲率半径を測定します． 繊維束内部の繊維ばらつきを考慮して，各繊維束に対して100本破壊実験を行い，統計手法によって評価しました．
- #26 湾曲繊維束の破壊曲率半径を測定するための，単軸曲げ破壊試験方法を提案し，実施いたしました．概要を説明いたします。 実験の試験片は右上の図のような，直線の繊維束を熱処理して成形した，成形曲率半径が25, 15, 10mmの3種類の湾曲繊維束を使用しました。 （湾曲繊維束表面には熱可塑性樹脂溶融時に樹脂流出を防止するためにコーティングを施しています．） 円錐形冶具の表面に、直線または湾曲繊維束を密着させ、曲率半径が小さくなる方向へ少しずつ移動させます．繊維束が破壊すると，繊維束が冶具表面から離れ，小さな破壊音が生じます．この時の破壊曲率半径を測定します． 繊維束内部の繊維ばらつきを考慮して，各繊維束に対して100本破壊実験を行い，統計手法によって評価しました．
- #27 湾曲繊維束の破壊曲率半径を測定するための，単軸曲げ破壊試験方法を提案し，実施いたしました．概要を説明いたします。 実験の試験片は右上の図のような，直線の繊維束を熱処理して成形した，成形曲率半径が25, 15, 10mmの3種類の湾曲繊維束を使用しました。 （湾曲繊維束表面には熱可塑性樹脂溶融時に樹脂流出を防止するためにコーティングを施しています．） 円錐形冶具の表面に、直線または湾曲繊維束を密着させ、曲率半径が小さくなる方向へ少しずつ移動させます．繊維束が破壊すると，繊維束が冶具表面から離れ，小さな破壊音が生じます．この時の破壊曲率半径を測定します． 繊維束内部の繊維ばらつきを考慮して，各繊維束に対して100本破壊実験を行い，統計手法によって評価しました．
- #28 湾曲繊維束の破壊曲率半径を測定するための，単軸曲げ破壊試験方法を提案し，実施いたしました．概要を説明いたします。 実験の試験片は右上の図のような，直線の繊維束を熱処理して成形した，成形曲率半径が25, 15, 10mmの3種類の湾曲繊維束を使用しました。 （湾曲繊維束表面には熱可塑性樹脂溶融時に樹脂流出を防止するためにコーティングを施しています．） 円錐形冶具の表面に、直線または湾曲繊維束を密着させ、曲率半径が小さくなる方向へ少しずつ移動させます．繊維束が破壊すると，繊維束が冶具表面から離れ，小さな破壊音が生じます．この時の破壊曲率半径を測定します． 繊維束内部の繊維ばらつきを考慮して，各繊維束に対して100本破壊実験を行い，統計手法によって評価しました．
- #29 湾曲繊維束の破壊曲率半径を測定するための，単軸曲げ破壊試験方法を提案し，実施いたしました．概要を説明いたします。 実験の試験片は右上の図のような，直線の繊維束を熱処理して成形した，成形曲率半径が25, 15, 10mmの3種類の湾曲繊維束を使用しました。 （湾曲繊維束表面には熱可塑性樹脂溶融時に樹脂流出を防止するためにコーティングを施しています．） 円錐形冶具の表面に、直線または湾曲繊維束を密着させ、曲率半径が小さくなる方向へ少しずつ移動させます．繊維束が破壊すると，繊維束が冶具表面から離れ，小さな破壊音が生じます．この時の破壊曲率半径を測定します． 繊維束内部の繊維ばらつきを考慮して，各繊維束に対して100本破壊実験を行い，統計手法によって評価しました．
- #30 湾曲繊維束の破壊曲率半径を測定するための，単軸曲げ破壊試験方法を提案し，実施いたしました．概要を説明いたします。 実験の試験片は右上の図のような，直線の繊維束を熱処理して成形した，成形曲率半径が25, 15, 10mmの3種類の湾曲繊維束を使用しました。 （湾曲繊維束表面には熱可塑性樹脂溶融時に樹脂流出を防止するためにコーティングを施しています．） 円錐形冶具の表面に、直線または湾曲繊維束を密着させ、曲率半径が小さくなる方向へ少しずつ移動させます．繊維束が破壊すると，繊維束が冶具表面から離れ，小さな破壊音が生じます．この時の破壊曲率半径を測定します． 繊維束内部の繊維ばらつきを考慮して，各繊維束に対して100本破壊実験を行い，統計手法によって評価しました．
- #31 湾曲繊維束の破壊曲率半径を測定するための，単軸曲げ破壊試験方法を提案し，実施いたしました．概要を説明いたします。 実験の試験片は右上の図のような，直線の繊維束を熱処理して成形した，成形曲率半径が25, 15, 10mmの3種類の湾曲繊維束を使用しました。 （湾曲繊維束表面には熱可塑性樹脂溶融時に樹脂流出を防止するためにコーティングを施しています．） 円錐形冶具の表面に、直線または湾曲繊維束を密着させ、曲率半径が小さくなる方向へ少しずつ移動させます．繊維束が破壊すると，繊維束が冶具表面から離れ，小さな破壊音が生じます．この時の破壊曲率半径を測定します． 繊維束内部の繊維ばらつきを考慮して，各繊維束に対して100本破壊実験を行い，統計手法によって評価しました．
- #32 湾曲繊維束の破壊曲率半径を測定するための，単軸曲げ破壊試験方法を提案し，実施いたしました．概要を説明いたします。 実験の試験片は右上の図のような，直線の繊維束を熱処理して成形した，成形曲率半径が25, 15, 10mmの3種類の湾曲繊維束を使用しました。 （湾曲繊維束表面には熱可塑性樹脂溶融時に樹脂流出を防止するためにコーティングを施しています．） 円錐形冶具の表面に、直線または湾曲繊維束を密着させ、曲率半径が小さくなる方向へ少しずつ移動させます．繊維束が破壊すると，繊維束が冶具表面から離れ，小さな破壊音が生じます．この時の破壊曲率半径を測定します． 繊維束内部の繊維ばらつきを考慮して，各繊維束に対して100本破壊実験を行い，統計手法によって評価しました．
- #33 ディープニューラルネットワークに入力するデータの例です． 実験で取得したデータのうち，波の到達から10μsを取り出し，さらに標準化して得られた波形がこの波形です． 時間方向に400点あり，x,y,zで3つの波形があります． この2つの波形は，伝播方向は同じで，振動モードのみが異なる波形です． これがDNNの入力になります． DNNでは，この入力波形からこのような畳み込みフィルタを用いて，このように時間方向の特徴を維持したまま特徴を抽出していきます．