JP7679773B2 - Imitation data generating device, imitation data generating method, and program - Google Patents
Imitation data generating device, imitation data generating method, and program Download PDFInfo
- Publication number
- JP7679773B2 JP7679773B2 JP2022008636A JP2022008636A JP7679773B2 JP 7679773 B2 JP7679773 B2 JP 7679773B2 JP 2022008636 A JP2022008636 A JP 2022008636A JP 2022008636 A JP2022008636 A JP 2022008636A JP 7679773 B2 JP7679773 B2 JP 7679773B2
- Authority
- JP
- Japan
- Prior art keywords
- matrix
- imitation
- data group
- generating
- data
- 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
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Description
本発明は、共振周波数を表すデータを模造する技術に関する。 The present invention relates to a technology for replicating data representing resonant frequencies.
検査対象である対象物の共振周波数を調べることにより対象物を検査することが行われている。例えば特許文献１には、密封容器の共振周波数を調べることにより容器の不良を判別する装置が記載されている。また、プロセス補償共振試験（ＰＣＲＴ）では、対象物の構造、材質、欠陥の有無等の内部の状況によって生じる、固有の共振周波数とその強さの分布具合を使って欠陥の有無が判別されている。
Objects are inspected by checking their resonant frequency. For example,
特許文献２には、地震発生後における建造物の損傷状況を推定するシステムとして、振動センサーによって地震に基づく実際の実応答を取得し、取得した実応答を入力として、機械学習により損傷状況を推定するシステムが記載されている。また、特許文献３には、主成分分析における手順を自動化して、分析作業をさらに短縮するとともに、分析の品質のバラツキの発生を抑える方法が記載されている。
共振周波数を用いた検査を行うためには、対象物の共振周波数を表すデータ、特に欠陥を含む対象物の共振周波数を表すデータを収集する必要がある。データを収集するために、従来では、ＰＣＲＴで実際のパーツを使って共振周波数とその強さをロギングするか、所定の構造解析ソフトを使ってどのような共振周波数が発生するかを計算する、といった手法が用いられていた。 To perform inspections using resonant frequencies, it is necessary to collect data that represents the resonant frequencies of objects, especially objects that contain defects. Conventionally, methods used to collect data include logging the resonant frequencies and their strengths using actual parts in a PCRT, or calculating what resonant frequencies will be generated using designated structural analysis software.
しかしながら、製造業において意図せず生じてしまう欠陥品のデータを収集することは困難である。また、構造解析ソフトを用いて欠陥品のデータを模造するとデータに偏りが生じてしまったり、実際に発生する欠陥品のデータと乖離したデータが生成されてしまったりするという問題があった。特許文献１～３に記載の技術でも、検査対象であるサンプルの共振周波数を表すデータとして、実際の計測結果を表すデータと乖離していないデータを模造することはできなかった。
However, it is difficult to collect data on defective products that occur unintentionally in the manufacturing industry. In addition, there is a problem that duplicating data on defective products using structural analysis software can result in biased data or data that deviates from data on actually occurring defective products. Even with the techniques described in
本発明の一態様は、検査対象である対象物の共振周波数を表すデータとして、実際に測定されたデータと乖離していない模造データを生成する技術を提供することを目的とする。 One aspect of the present invention aims to provide a technology that generates imitation data representing the resonant frequency of an object under test that does not deviate from the actually measured data.
上記の課題を解決するために、本発明の一態様に係る模造データ生成装置は、１または複数のプロセッサを備え、前記プロセッサは、複数の測定データからなる測定データ群であって、各測定データがサンプルの１～ｎ次（ｎは２以上の自然数）の共振周波数を表す測定データ群を取得するステップと、前記測定データ群を模造した、複数の模造データからなる模造データ群を生成するステップと、を実行し、前記模造データ群を生成するステップにおいて、前記プロセッサは、１～ｎ次の共振周波数のｎ次元空間において前記模造データ群の分布が前記測定データ群の分布を再現するように、前記模造データ群を生成する、ことを特徴とする。 In order to solve the above problem, an imitation data generating device according to one aspect of the present invention includes one or more processors, and the processor executes the steps of acquiring a measurement data group consisting of a plurality of pieces of measurement data, each of which represents a 1st to nth order (n is a natural number equal to or greater than 2) resonant frequency of a sample, and generating an imitation data group consisting of a plurality of imitation data that imitates the measurement data group, and in the step of generating the imitation data group, the processor generates the imitation data group such that the distribution of the imitation data group reproduces the distribution of the measurement data group in an n-dimensional space of the 1st to nth order resonant frequencies.
また、本発明の一態様に係る模造データ生成装置は、１または複数のプロセッサを備え、前記プロセッサは、複数の測定データからなる測定データ群であって、各測定データがサンプルの１～ｎ次（ｎは２以上の自然数）の共振周波数を表す測定データ群を取得するステップと、前記測定データ群を模造した、複数の模造データからなる模造データ群を生成するステップと、を実行し、１～ｎ次の共振周波数のｎ次元空間における前記模造データ群の分布は、前記測定データ群の分布と略同一である、ことを特徴とする。 An imitation data generating device according to one aspect of the present invention includes one or more processors, and the processor executes the steps of acquiring a measurement data group consisting of a plurality of pieces of measurement data, each of which represents a 1st to nth order (n is a natural number equal to or greater than 2) resonant frequency of a sample, and generating an imitation data group consisting of a plurality of imitation data that imitates the measurement data group, and the distribution of the imitation data group in an n-dimensional space of the 1st to nth order resonant frequencies is substantially identical to the distribution of the measurement data group.
本発明の各態様に係る模造データ生成装置は、コンピュータによって実現してもよく、この場合には、コンピュータを前記模造データ生成装置が備える各部（ソフトウェア要素）として動作させることにより前記模造データ生成装置をコンピュータにて実現させる模造データ生成装置のプログラム、およびそれを記録したコンピュータ読み取り可能な記録媒体も、本発明の範疇に入る。 The imitation data generating device according to each aspect of the present invention may be realized by a computer. In this case, the imitation data generating device program that causes a computer to operate as each part (software element) of the imitation data generating device to realize the imitation data generating device on a computer, and the computer-readable recording medium on which the program is recorded, also fall within the scope of the present invention.
本発明の一態様によれば、検査対象である対象物の共振周波数を表すデータとして、実際に測定されたデータと乖離していない模造データを生成できる。 According to one aspect of the present invention, it is possible to generate imitation data representing the resonant frequency of the object being inspected, which does not deviate from the actually measured data.
〔実施形態１〕
以下、本発明の一実施形態について詳細に説明する。図１は、本発明の一実施形態に係る模造データ生成装置１０の構成を示すブロック図である。模造データ生成装置１０は、検査対象である対象物の共振周波数を表す測定データを模造する装置である。模造データ生成装置１０は、例えばパーソナルコンピュータである。
[Embodiment 1]
An embodiment of the present invention will be described in detail below. Fig. 1 is a block diagram showing a configuration of an imitation
対象物は、一例として、鋳造により形成される鋳物または鋳型である。一例として、鋳物の欠陥の有無を共振周波数により検査する場合、模造データ生成装置１０が生成する模造データは、検査の比較対象として用いられたり、教師データを用いた機械学習により学習済モデルを生成する際の教師データとして用いられたりする。なお、検査対象である対象物は、上述した例に限られず、検査物は他の物品であってもよい。また、模造データの用途は上述した例に限られず、模造データは種々の用途で利用され得る。
The object is, for example, a casting or a mold formed by casting. As an example, when inspecting a casting for defects using resonant frequency, the imitation data generated by the imitation
模造データ生成装置１０は、１または複数のプロセッサ１１を備える。プロセッサ１１は、模造データ生成方法Ｍ１を実行する。図２は、プロセッサ１１が実行する模造データ生成方法Ｍ１の流れを示すフローチャートである。模造データ生成方法Ｍ１は、取得ステップＭ１１および生成ステップＭ１２を含む。取得ステップＭ１１は、複数の測定データからなる測定データ群を取得するステップである。測定データは、対象物であるサンプルの１～ｎ次（ｎは２以上の自然数）の共振周波数を表すデータである。
The imitation
プロセッサ１１は、取得ステップＭ１１において、測定データの一部または全部を、模造データ生成装置１０が内蔵する記憶装置から読み出すことにより取得してもよく、また、外部記憶装置から読み出すことにより取得してもよい。また、プロセッサ１１は、他の装置から通信インタフェースまたは入出力インタフェースを介して測定データの一部または全部を取得してもよい。
In the acquisition step M11, the
生成ステップＭ１２は、測定データ群を模造した、複数の模造データからなる模造データ群を生成するステップである。プロセッサ１１は、生成ステップＭ１２において、１～ｎ次の共振周波数のｎ次元空間において模造データ群の分布が測定データ群の分布を再現するように、模造データ群を生成する。プロセッサ１１は、一例として、測定データ群を表す行列を生成し、生成した行列を用いて特異値分解またはＬＵ分解を行うことにより、模造データ群を生成する。
The generating step M12 is a step of generating an imitation data group consisting of multiple imitation data that imitates the measurement data group. In the generating step M12, the
ｎ次元空間における模造データ群の分布が測定データ群の分布を再現するとは、一例として、ｎ次元空間における模造データ群の分布の態様と、測定データ群の分布の態様とが同一または類似していることをいう。 The distribution of the fake data group in n-dimensional space reproduces the distribution of the measured data group when, for example, the distribution pattern of the fake data group in n-dimensional space is the same as or similar to the distribution pattern of the measured data group.
図３は、測定データ群と、測定データ群を模造した模造データ群とを例示した図である。図において、測定データ群Ｄ１１は、プロセッサ１１が取得ステップＭ１１で取得する測定データ群の一例である。模造データ群Ｄ２１は、測定データ群Ｄ１１を模造した模造データ群の一例である。図において、横軸は１次共振周波数［Ｈｚ］を示し、縦軸は２次共振周波数［Ｈｚ］を示す。図に含まれるドットのそれぞれが測定データを表す。なお、図３の例では、発明の理解を容易にするため、２つの共振周波数の表す二次元空間を図示しているが、測定データ群および模造データ群の表す共振周波数の数は２に限られず、これより多くてもよい。
Figure 3 is a diagram illustrating a measurement data group and a imitation data group that imitates the measurement data group. In the figure, the measurement data group D11 is an example of a measurement data group acquired by the
図３に示すように、測定データ群Ｄ１１に含まれる測定データの二次元空間における分布の態様と、模造データ群Ｄ２１に含まれる模造データの二次元空間における分布の態様とは類似している。換言すると、１～ｎ次の共振周波数のｎ次元空間における模造データ群Ｄ２１の分布は、測定データ群Ｄ１１の分布と略同一である。より具体的には、図３の例では、測定データ群Ｄ１１と模造データ群Ｄ１２とは共に、縦軸と横軸とで表される二次元空間の左下から右上に斜めに広がった分布を形成している。 As shown in FIG. 3, the distribution of the measurement data contained in the measurement data group D11 in two-dimensional space is similar to the distribution of the imitation data contained in the imitation data group D21 in two-dimensional space. In other words, the distribution of the imitation data group D21 in the n-dimensional space of the 1st to nth resonance frequencies is approximately the same as the distribution of the measurement data group D11. More specifically, in the example of FIG. 3, both the measurement data group D11 and the imitation data group D12 form a distribution that spreads diagonally from the lower left to the upper right in the two-dimensional space represented by the vertical and horizontal axes.
上記の構成によれば、模造データ生成装置１０は、１～ｎ次の共振周波数のｎ次元空間において模造データ群の分布が測定データ群の分布を再現するように、模造データ群を生成する。これにより、実際に測定されたサンプルの複数の共振周波数の関係性を維持した、実際の測定結果を表すデータと乖離していない模造データを生成することができる。
According to the above configuration, the imitation
〔システム構成〕
図４は、本実施形態に係る模造データ生成システム１の構成を示すブロック図である。模造データ生成システム１は、サンプル２の共振周波数を測定し、測定した共振周波数を表す測定データを模造する。サンプル２は、一例として、鋳造により造型される鋳物または鋳型である。模造データ生成システム１は、模造データ生成装置１０に加えて、振動発生装置２０、および振動受信装置３０を備える。
[System Configuration]
4 is a block diagram showing a configuration of the imitation
（振動発生装置）
振動発生装置２０は、サンプル２を振動させる装置である。振動発生装置２０は、一例として、インパルス応答法、または、正弦波掃引法を用いてサンプル２を振動させる。インパルス応答法を用いる場合、振動発生装置２０は、一例として、ハンマー等を備えるインパルス加振装置である。正弦波掃引法を用いる場合、振動発生装置２０は、一例として、ピエゾ素子等の正弦波加振装置である。
(Vibration Generator)
The
（振動受信装置）
振動受信装置３０は、サンプル２の振動を信号に変換する装置である。振動受信装置３０は一例として、マイク、振動計、または振動子である。
(Vibration receiving device)
The
〔模造データ生成装置の構成〕
模造データ生成装置１０は、汎用コンピュータを用いて実現される。模造データ生成装置１０は、図１に示すように、プロセッサ１１と、一次メモリ１２と、二次メモリ１３と、入出力ＩＦ１４と、通信ＩＦ１５と、バス１６とを備えている。プロセッサ１１、一次メモリ１２、二次メモリ１３、入出力ＩＦ１４、および通信ＩＦ１５は、バス１６を介して相互に接続されている。
[Configuration of the Imitation Data Generating Device]
The imitation
二次メモリ１３には、模造データ生成プログラムＰ１が格納されている。プロセッサ１１は、二次メモリ１３に格納されている模造データ生成プログラムＰ１を一次メモリ１２上に展開し、一次メモリ１２上に展開された模造データ生成プログラムＰ１に含まれる命令に従って、模造データ生成方法Ｍ１に含まれる各ステップを実行する。プロセッサ１１として利用可能なデバイスとしては、例えば、ＣＰＵ（Central Processing Unit）を挙げることができる。また、一次メモリ１２として利用可能なデバイスとしては、例えば、半導体ＲＡＭ（Random Access Memory）を挙げることができる。また、二次メモリ１３として利用可能なデバイスとしては、例えば、フラッシュメモリを挙げることができる。
The
入出力ＩＦ１４には、入力デバイスおよび／または出力デバイスが接続される。入出力ＩＦ１４としては、例えば、ＵＳＢ（Universal Serial Bus）が挙げられる。模造データ生成方法Ｍ１において振動受信装置３０から取得する情報は、一例として、入出力ＩＦ１４を介して模造データ生成装置１０に入力される。また、模造データ生成方法Ｍ１において生成される模造データ群は、一例として、この入出力ＩＦ１４を介して模造データ生成装置１０から出力される。
An input device and/or an output device are connected to the input/output IF 14. An example of the input/output IF 14 is a Universal Serial Bus (USB). As an example, information acquired from the
通信ＩＦ１５は、他のコンピュータと通信を行うためのインタフェースである。通信ＩＦ１５には、ネットワークを介さずに他のコンピュータと通信を行うためのインタフェース、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）インタフェースが含まれ得る。また、通信ＩＦ１５には、ＬＡＮ（Local Area Network）を介して他のコンピュータと通信を行うためのインタフェース、例えば、Ｗｉ－Ｆｉ（登録商標）インタフェースが含まれ得る。 The communication IF 15 is an interface for communicating with other computers. The communication IF 15 may include an interface for communicating with other computers without going through a network, such as a Bluetooth (registered trademark) interface. The communication IF 15 may also include an interface for communicating with other computers via a LAN (Local Area Network), such as a Wi-Fi (registered trademark) interface.
なお、本実施形態においては、単一のプロセッサ（プロセッサ１１）を用いて模造データ生成方法Ｍ１を実行する構成を採用しているが、本発明は、これに限定されない。すなわち、複数のプロセッサを用いて模造データ生成方法Ｍ１を実行する構成を採用してもよい。この場合、連携して模造データ生成方法Ｍ１を実行する複数のプロセッサは、単一のコンピュータに設けられ、バスを介して相互に通信可能に構成されていてもよいし、複数のコンピュータに分散して設けられ、ネットワークを介して相互に通信可能に構成されていてもよい。一例として、クラウドサーバを構成するコンピュータに内蔵されたプロセッサと、そのクラウドサーバの利用者が所有するコンピュータに内蔵されたプロセッサとが、連携して模造データ生成方法Ｍ１を実行する態様などが考えられる。 In this embodiment, a configuration is adopted in which the imitation data generation method M1 is executed using a single processor (processor 11), but the present invention is not limited to this. That is, a configuration may be adopted in which the imitation data generation method M1 is executed using multiple processors. In this case, the multiple processors that cooperate to execute the imitation data generation method M1 may be provided in a single computer and configured to be able to communicate with each other via a bus, or may be provided in a distributed manner in multiple computers and configured to be able to communicate with each other via a network. As an example, a processor built in a computer that constitutes a cloud server and a processor built in a computer owned by a user of the cloud server may cooperate to execute the imitation data generation method M1.
〔測定データの生成方法〕
図５は、模造データ生成システム１が行う、測定データ生成方法Ｍ２０を例示するフローチャートである。なお、一部のステップは並行して、または、順序を替えて実行されてもよい。ステップＳ２１において、測定者は、振動発生装置２０および振動受信装置３０の電源を入れる。ステップＳ２２において、測定者は、振動発生装置２０を用いてサンプル２を共振させる。ステップＳ２３において、振動受信装置３０は、サンプル２の振動を信号に変換する。
[Method of generating measurement data]
5 is a flowchart illustrating a measurement data generation method M20 performed by the imitation
ステップＳ２４において、模造データ生成装置１０のプロセッサ１１は、振動受信装置３０が変換した信号から共振周波数（固有振動数）を算出する。インパルス応答法を用いる場合、プロセッサ１１は、一例として、フーリエ変換により共振周波数を算出する。正弦波掃引法を用いる場合、プロセッサ１１は、一例として、信号の微分により共振周波数を算出する。
In step S24, the
ステップＳ２５において、模造データ生成装置１０は、共振周波数を表す測定データを二次メモリ１３に記録する。測定データは、一例として、１～ｎ次（ｎは２以上の自然数）共振周波数を表すデータである。模造データ生成装置１０が、複数のサンプル２について図５に示す測定データの生成処理を行うことにより、複数の測定データからなる測定データ群が二次メモリ１３に記録される。
In step S25, the imitation
〔模造データの生成方法〕
図６は、模造データ生成装置１０が行う、模造データ生成方法Ｍ１０を例示するフローチャートである。プロセッサ１１は、二次メモリ１３に記憶された測定データ群を模造した模造データ群を生成する。なお、一部のステップは並行して、または、順序を替えて実行されてもよい。
[Method of generating fake data]
6 is a flowchart illustrating an imitation data generating method M10 performed by the imitation
本動作例において、プロセッサ１１は、１～ｎ次の共振周波数のｎ次元空間において模造データ群の分布が測定データ群の分布を再現するように、模造データ群を生成する。より具体的には、プロセッサ１１は、ｎ次元空間を表す複数の軸方向のそれぞれにおける測定データ同士の相対的な位置関係の一部または全部を再現するように、模造データ群を生成する。
In this operation example, the
（ステップＳ１０・Ｓ１１）
ステップＳ１０において、プロセッサ１１は、二次メモリ１３から測定データ群を読み出すことにより、測定データ群を取得する。ステップＳ１１において、プロセッサ１１は、測定データ群を表すサンプル行列ｆrawを生成する。
(Steps S10 and S11)
In step S10, the
（サンプル行列）
サンプル行列ｆrawは、測定データ群を表す行列であり、ｍ個（ｍは２以上の自然数）の各サンプルの測定データを各行で表すｍ行×ｎ列の行列である。ｍは測定データの数であり、ｎは各測定データに含まれる共振周波数の数である。
(sample matrix)
The sample matrix f raw is a matrix representing a group of measurement data, and is an m-row by n-column matrix in which each row represents the measurement data of each of m samples (m is a natural number of 2 or more). m is the number of measurement data, and n is the number of resonant frequencies included in each measurement data.
サンプル行列ｆrawは一例として、以下の式（１）で表される。式（１）において、サンプル行列ｆrawは、測定データｄ[ｉ]（１≦ｉ≦ｍ）の測定データ群を表す。測定データｄ［ｉ］はそれぞれ、１～ｎ次の共振周波数ｆｊ_sample［ｉ］（１≦ｊ≦ｎ）を含む。
（ステップＳ１２）
ステップＳ１２において、プロセッサ１１は、測定データの表す共振周波数を標準化または正規化する処理を行う。この例で、プロセッサ１１は、サンプル行列ｆrawを標準化または正規化した標準化行列ｆnormを算出する。
(Step S12)
In step S12, the
プロセッサ１１は、一例として、以下の式（２）または式（３）を用いてサンプル行列ｆrawを標準化または正規化する。式（２）を用いる場合、換言すると、プロセッサ１１は、サンプル行列ｆrawの列毎の成分の平均値ｆｊ＿ave（０≦ｊ≦ｎ）を各成分から減算して、標準化行列ｆnormを算出する。式（３）を用いる場合、換言すると、プロセッサ１１は、サンプル行列ｆrawの列毎に標準化した標準化行列ｆnormを算出する。
式（２）および式（３）において、行列ａｖｅ（ｆraw）は、以下の式（４）で表される。式（４）において、平均値ｆ1＿aveは、ｆ１＿sample[1]～ｆ１＿sample[m]の平均値である。同様に、平均値ｆ２＿aveは、ｆ２＿sample[1]～ｆ２＿sample[m]の平均値である。他の列についても同様であり、平均値ｆｊ＿ave（０≦ｊ≦ｎ）は、ｆｊ＿sample[1]～ｆｊ＿sample[m]の平均値である。
式（３）において、行列ｓｔｄ（ｆraw）は、以下の式（５）で表される。式（５）において、標準偏差ｆ1＿stdは、ｆ１＿sample[1]～ｆ１＿sample[m]の標準偏差である。同様に、標準偏差ｆ２＿stdは、ｆ２＿sample[1]～ｆ２＿sample[m]の標準偏差である。他の列についても同様であり、標準偏差ｆｊ＿std（０≦ｊ≦ｎ）は、ｆｊ＿sample[1]～ｆｊ＿sample[m]の標準偏差である。
（ステップＳ１３）
ステップＳ１３において、プロセッサ１１は、ステップＳ１２で生成した標準化行列ｆnormの分散共分散行列ｆcovを算出する。プロセッサ１１は一例として、標準化行列ｆnormの列毎に分散共分散行列を生成する。本動作例では、ｎ個の共振周波数を扱うため、得られる分散共分散行列ｆcovは、ｎ行×ｎ列の正方行列である。
(Step S13)
In step S13, the
（ステップＳ１４）
ステップＳ１４において、プロセッサ１１は、正規分布に基づく乱数行列ｍｔｘrandを生成する。本動作例では、ｎ個の共振周波数を扱い、サンプル数はｍのため、乱数行列ｍｔｘrandは、ｍ行×ｎ列の行列である。乱数行列ｍｔｘrandの各成分の一部の値が同じであってもよく、また、全ての成分の値が異なっていてもよい。プロセッサ１１は、一例として、各行に含まれる複数の成分の値が等しい乱数行列ｍｔｘrandを生成する。乱数行列ｍｔｘrandは、一例として、以下の式（６）で表される。式（６）において、乱数ｒａｎｄｉ（１≦ｉ≦ｍ）は、一例として、所定のランダム関数により生成される乱数である。
In step S14, the
（ステップＳ１５）
ステップＳ１５において、プロセッサ１１は、分散共分散行列ｆcovに基づき行列積ｍｔｘpreを生成する。プロセッサ１１は、一例として、分散共分散行列ｆcovを特異値分解またはＬＵ分解することにより、行列積ｍｔｘpreを生成する。行列積ｍｔｘpreの生成処理については後述する。
(Step S15)
In step S15, the
（ステップＳ１６）
ステップＳ１６において、プロセッサ１１は、行列積ｍｔｘpreに乱数行列ｍｔｘrandを乗算して転置した演算後行列ｍｔｘpostを生成する。演算後行列ｍｔｘpostは、以下の式（７）で表される。
In step S16, the
（ステップＳ１７）
ステップＳ１７において、プロセッサ１１は、演算後行列ｍｔｘpostに対し、ステップＳ１２で行った標準化または正規化の逆変換を行って、模造データ群を表す模造行列fgeneratedを生成する。一例として、ステップＳ１２においてサンプル行列ｆrawを上記式（２）により正規化した場合、プロセッサ１１は、ステップＳ１７において以下の式（８）により逆変換処理を行う。換言すると、（８）式を用いる場合、プロセッサ１１は、演算後行列ｍｔｘpostの列毎の成分の平均値を各成分に加算して模造行列fgeneratedを生成する。一方、ステップＳ１２においてサンプル行列ｆrawを上記式（３）により標準化した場合、プロセッサ１１は、ステップＳ１７において以下の式（９）により逆変換処理を行う。式（９）において、演算子○は、アダマール積を表す。
In step S17, the
模造行列fgeneratedは、模造データ群を表す行列であり、サンプル行列ｆrawに対応する行列である。換言すると、模造行列fgeneratedは、ｍ個の模造データを各行で表すｍ行×ｎ列の行列である。模造データ生成装置１０が生成した模造データは、一例として、教師データを用いた機械学習により学習済モデルを生成する処理において、教師データとして用いられる。
The imitation matrix f generated is a matrix representing an imitation data group and corresponds to the sample matrix f raw . In other words, the imitation matrix f generated is an m-row by n-column matrix in which each row represents m pieces of imitation data. The imitation data generated by the imitation
図７は、プロセッサ１１が行う行列積ｍｔｘpreの生成処理（図６のステップＳ１５の処理）の流れの一例を示す図である。図７の例では、プロセッサ１１は、分散共分散行列ｆcovの列毎の、ｎ個の固有ベクトルｅｖａｃｊ（１≦ｊ≦ｎ）とｎ個の固有値ｅｖａｌｊ（１≦ｊ≦ｎ）とを算出し、算出した固有ベクトルと固有値とに基づき行列積ｍｔｘpreを生成する。
Fig. 7 is a diagram showing an example of the flow of the generation process of the matrix product mtxpre (the process of step S15 in Fig. 6) performed by the
ステップＳ１５１において、プロセッサ１１は、分散共分散行列ｆcovの固有値ｅｖａｌｊ（１≦ｊ≦ｎ）と固有ベクトルｅｖｅｃｊ（１≦ｊ≦ｎ）とを、特異値分解により算出する。換言すると、特異値分解により、固有値ｅｖａｌｊと固有ベクトルｅｖｅｃｊとの対が複数得られる。
In step S151, the
ステップＳ１５２において、プロセッサ１１は、複数の固有値ｅｖａｌｊを降順に並べ替えるとともに、複数の固有ベクトルｅｖｅｃｊを固有値ｅｖａｌｊと同じ順番に並び替える。換言すると、プロセッサ１１は、固有値ｅｖａｌｊと固有ベクトルｅｖｅｃｊとの対を、固有値ｅｖａｌｊの降順に並び替える。換言すると、固有値ｅｖａｌｊと固有ベクトルｅｖｅｃｊとの対は、並び替えにより組み変わらない。並び替えられた固有値ｅｖａｌｊと固有ベクトルｅｖｅｃｊとを、以下では、固有値ｅｖａｌｋ（１≦ｋ≦ｎ）と固有ベクトルｅｖｅｃｋ（１≦ｋ≦ｎ）という。
In step S152, the
ステップＳ１５３において、プロセッサ１１は、固有値ｅｖａｌｋの平方根ｓｋを算出する。平方根ｓｋは、以下の式（１０）で表される。
ステップＳ１５４において、プロセッサ１１は、平方根ｓｋを対角行列ｓdiagに変換する。対角行列ｓdiagは、以下の式（１１）で表される。
ステップＳ１５５において、プロセッサ１１は、固有ベクトル行列ｅｖｅｃと対角行列ｓdiagの内積である行列積ｍｔｘpreを算出する。行列積ｍｔｘpreは、以下の式（１２）で表される。式（１２）において、固有ベクトル行列ｅｖｅｃは、固有ベクトルｅｖｅｃｋを成分に含む行列である。
図８は、本実施形態に係る測定データのシフト量を説明するための模式図である。図において、横軸は１次共振周波数［Ｈｚ］であり、縦軸は２次共振周波数［Ｈｚ］である。図８の例では、測定データは、正規分布乱数ｒａｎｄ１１と正規分布乱数ｒａｎｄ１２とに基づく矢印Ａ１１だけシフトする。 Figure 8 is a schematic diagram for explaining the amount of shift in measurement data according to this embodiment. In the figure, the horizontal axis is the primary resonance frequency [Hz], and the vertical axis is the secondary resonance frequency [Hz]. In the example of Figure 8, the measurement data is shifted by the arrow A11 based on the normal distribution random number rand11 and the normal distribution random number rand12.
図３は、上述したように、本実施形態において模造データ生成装置１０が取得する測定データ群と、模造データ生成装置１０が生成する模造データ群とを例示した図である。図において、二次元空間における模造データ群Ｄ２１の分布の態様は、測定データ群Ｄ１１の分布の態様に類似している。換言すると、測定データ群Ｄ１１と模造データ群Ｄ２１とは、共振周波数同士の相関関係が維持されていると言える。このように、本実施形態によれば、模造データ生成装置１０は、測定データ群と乖離していない、不自然でない模造データ群を生成することができる。
As described above, FIG. 3 is a diagram illustrating a measurement data group acquired by the imitation
また、本実施形態では、プロセッサ１１は、図６のステップＳ１４において、各行に含まれる複数の成分の値が等しい乱数行列ｍｔｘrandを生成する。これにより、ひとつのサンプルにおいて、例えば共振周波数ｆ１が高い場合、共振周波数ｆ２も高くする、といったように、異なる周波数帯間で同じ傾向を示す乱数を生成することができる。
In this embodiment, the
〔実施形態２〕
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態１にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
[Embodiment 2]
Other embodiments of the present invention will be described below. For ease of explanation, the same reference numerals will be used to designate components having the same functions as those described in the first embodiment, and the description thereof will not be repeated.
上述の実施形態１では、プロセッサ１１は、図６のステップＳ１５において、特異値分解により行列積ｍｔｘpreを生成した。本実施形態では、プロセッサ１１は、分散共分散行列ｆcovをＬＵ分解することにより行列積ｍｔｘpreを生成する。プロセッサ１１は、一例として、分散共分散行列ｆcovをコレスキー分解することにより行列積ｍｔｘpreを生成する。
In the above-described first embodiment, the
本実施形態においても、上述の実施形態１と同様に、模造データ生成装置１０は、測定データの共振周波数同士の相関関係を維持した模造データを生成する。換言すると、本実施形態によれば、模造データ生成装置１０は、実際に測定したデータと乖離していない、違和感のない模造データ群を生成することができる。
In this embodiment, as in the above-described first embodiment, the imitation
〔実施形態３〕
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態１～２にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
[Embodiment 3]
Other embodiments of the present invention will be described below. For the sake of convenience, the same reference numerals will be used to designate components having the same functions as those described in the first and second embodiments, and the description thereof will not be repeated.
図９は、本実施形態においてプロセッサ１１が行う模造データ生成方法Ｍ１０Ｂを例示するフローチャートである。図９に示すフローチャートは、図６に示したフローチャートのステップＳ１２、ステップＳ１４およびステップＳ１７の処理に代えて、ステップＳ１２、ステップＳ１４ＢおよびステップＳ１７Ｂの処理を含む。
Figure 9 is a flowchart illustrating an example of an imitation data generation method M10B performed by the
ステップＳ１２Ｂにおいて、プロセッサ１１は、上記式（３）により、サンプル行列ｆrawの列毎に標準化した標準化行列ｆnormを算出する。
In step S12B, the
ステップＳ１４Ｂにおいて、プロセッサ１１は、乱数行列ｍｔｘrandを生成し、生成した乱数行列ｍｔｘrandに所定の係数を乗算する。所定の係数は、一例として、０．１、または０．０１である。本動作例では、プロセッサ１１は、実施形態１と同様に、各行に含まれる複数の成分の値が等しい乱数行列ｍｔｘrandを生成し、生成した乱数行列ｍｔｘrandに所定の係数を乗算する。各行に含まれる複数の成分の値が等しい乱数行列ｍｔｘrandは、換言すると、ひとつのサンプルにおいて用いる乱数が共通していることを示す。
In step S14B, the
ステップＳ１７Ｂにおいて、プロセッサ１１は、演算後行列ｍｔｘpostに式（３）に対する逆変換処理を行って模造行列fgeneratedを生成する。一例として、プロセッサ１１は、以下の式（１３）により模造行列fgeneratedを生成する。
図１０は、図３の測定データ群Ｄ１１に対し図９に示す処理を行って生成した模造データ群Ｄ２３を例示する図である。図において、横軸は１次共振周波数［Ｈｚ］を示し、縦軸は２次共振周波数［Ｈｚ］を示す。図３の測定データ群Ｄ１１と図１０の模造データ群Ｄ２３とを比較すると、模造データ群Ｄ２３は、生データである測定データ群Ｄ１１をわずかにシフトしたデータ群となっている。 Figure 10 is a diagram illustrating an example of a simulated data group D23 generated by performing the process shown in Figure 9 on the measurement data group D11 of Figure 3. In the diagram, the horizontal axis indicates the primary resonance frequency [Hz], and the vertical axis indicates the secondary resonance frequency [Hz]. Comparing the measurement data group D11 of Figure 3 with the simulated data group D23 of Figure 10, the simulated data group D23 is a data group that is slightly shifted from the measurement data group D11, which is raw data.
図１１は、本実施形態に係る測定データのシフト量を説明するための模式図である。図において、横軸は１次共振周波数［Ｈｚ］であり、縦軸は２次共振周波数［Ｈｚ］である。図１１の例では、測定データは矢印Ａ２１だけシフトする。図において、測定データを正規分布分だけ移動させると、測定データが移動しすぎてしまう場合がある。そのため、本実施形態では、乱数行列ｍｔｘrandに適当な係数（例えば、０．１）を乗算することで、測定データが移動しすぎてしまうことを防いでいる。本実施形態では、シフト量を算出するための乱数の値は、周波数帯別を問わず同じ値（図１１では＋１、＋１）である。そのため、１次共振周波数と２次共振周波数とは同じようにシフトする。 FIG. 11 is a schematic diagram for explaining the shift amount of the measurement data according to this embodiment. In the figure, the horizontal axis is the first resonance frequency [Hz], and the vertical axis is the second resonance frequency [Hz]. In the example of FIG. 11, the measurement data is shifted by the arrow A21. In the figure, if the measurement data is moved by the normal distribution amount, the measurement data may move too much. Therefore, in this embodiment, the random number matrix mtx rand is multiplied by an appropriate coefficient (for example, 0.1) to prevent the measurement data from moving too much. In this embodiment, the value of the random number for calculating the shift amount is the same value (+1, +1 in FIG. 11) regardless of the frequency band. Therefore, the first resonance frequency and the second resonance frequency shift in the same way.
上述の実施形態１では、式（８）を用いて模造行列fgeneratedを生成する場合、プロセッサ１１は、共振周波数毎の平均値を成分にもつ行列ａｖｅ（ｆraw）に、演算後行列ｍｔｘpostを加算して模造行列fgeneratedを算出した。それに対し、本実施形態では、プロセッサ１１は、行列ａｖｅ（ｆraw）ではなく生データであるサンプル行列ｆrawに演算後行列ｍｔｘpostを加算して模造行列fgeneratedを算出する。これにより、本実施形態によれば、測定データが少し揺らいだだけのような模造データを生成することができる。
In the above-described first embodiment, when generating the pseudo matrix f generated using formula (8), the
〔実施形態４〕
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態１～３にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
[Embodiment 4]
Other embodiments of the present invention will be described below. For ease of explanation, the same reference numerals are given to members having the same functions as those described in the first to third embodiments, and the description thereof will not be repeated.
上述の実施形態３では、プロセッサ１１は、図９のステップＳ１４Ｂにおいて、各行に含まれる複数の成分の値が等しい乱数行列ｍｔｘrandを生成した。それに対し、本実施形態では、プロセッサ１１は、各成分の値をランダムに生成する。乱数行列ｍｔｘrandの各成分の一部の値が同じであってもよく、また、全ての成分の値が異なっていてもよい。プロセッサ１１は、一例として、所定のランダム関数により乱数行列ｍｔｘrandの各成分を生成する。
In the above-described third embodiment, the
図１２は、測定データのシフト量を説明するための模式図である。図において、横軸は１次共振周波数［Ｈｚ］であり、縦軸は２次共振周波数［Ｈｚ］である。図において、測定データを正規分布分だけ移動させると、測定データが移動しすぎてしまう場合がある。そのため、本実施形態では、乱数行列ｍｔｘrandに適当な係数（例えば、０．１）を乗算することで、測定データが移動しすぎてしまうことを防いでいる。本実施形態では、シフト量を算出するための乱数の値は、周波数帯別で異なる図１２の例では、－１、＋１であるため、１次共振周波数は減少、２次共振周波数は増加するように、矢印Ａ３１だけシフトする。 FIG. 12 is a schematic diagram for explaining the shift amount of the measurement data. In the figure, the horizontal axis is the primary resonance frequency [Hz], and the vertical axis is the secondary resonance frequency [Hz]. In the figure, if the measurement data is moved by the normal distribution amount, the measurement data may move too much. Therefore, in this embodiment, the random number matrix mtx rand is multiplied by an appropriate coefficient (for example, 0.1) to prevent the measurement data from moving too much. In this embodiment, the random number value for calculating the shift amount is −1 and +1 in the example of FIG. 12, which differs depending on the frequency band, so the primary resonance frequency is shifted by the arrow A31 so that the secondary resonance frequency is increased.
図１３は、本実施形態においてプロセッサ１１が生成する模造データ群Ｄ２４の一例を示す図である。図において、横軸は１次共振周波数［Ｈｚ］を示し、縦軸は２次共振周波数［Ｈｚ］を示す。図１３の模造データ群Ｄ２４と、図１０の模造データ群Ｄ２３とを比較すると、模造データ群Ｄ２４は、共振周波数間の関係性がわずかに乱れたデータとなっている。
Figure 13 is a diagram showing an example of the imitation data group D24 generated by the
〔実施形態５〕
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態１～４にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
[Embodiment 5]
Other embodiments of the present invention will be described below. For ease of explanation, the same reference numerals are given to members having the same functions as those described in the first to fourth embodiments, and the description thereof will not be repeated.
図１４は、本実施形態においてプロセッサ１１が行う模造データ生成方法Ｍ１０Ｃの一例を示すフローチャートである。図１４に示すフローチャートは、図９に示したフローチャートのステップＳ１２Ｂ、ステップＳ１４ＢおよびステップＳ１７Ｂの処理に代えて、ステップＳ１２Ｃ、ステップＳ１４ＣおよびステップＳ１７Ｃの処理を含む。
Figure 14 is a flowchart showing an example of an imitation data generation method M10C performed by the
ステップＳ１２Ｃにおいて、プロセッサ１１は、上記（２）式により、サンプル行列ｆrawの列毎の成分の平均値を各成分から減算して標準化行列ｆnormを算出する。
In step S12C, the
ステップＳ１４Ｃにおいて、プロセッサ１１は、乱数行列ｍｔｘrandを生成し、生成した乱数行列ｍｔｘrandに所定の係数を乗算する。所定の係数は、一例として、０．１、または０．０１である。本動作例では、プロセッサ１１は、実施形態１と同様に、各行に含まれる複数の成分の値が等しい乱数行列ｍｔｘrand、または、各成分の値がそれぞれ異なる乱数行列ｍｔｘrandを生成し、生成した乱数行列ｍｔｘrandに所定の係数を乗算する。各行に含まれる複数の成分の値が等しい乱数行列ｍｔｘrandは、換言すると、ひとつのサンプルにおいて用いる乱数が共通していることを示す。一方、各成分の値がそれぞれ異なる乱数行列ｍｔｘrandは、換言すると、ひとつのサンプルにおいて異なる乱数が用いられることを示す。
In step S14C, the
ステップＳ１７Ｃにおいて、プロセッサ１１は、演算後行列ｍｔｘpostにサンプル行列ｆrawを加算して模造行列fgeneratedを生成する。一例として、プロセッサ１１は、以下の式（１４）により模造行列fgeneratedを生成する。
図１５および図１６は、図３の測定データ群Ｄ１１に対し図１４に示す処理を行って生成した模造データ群の一例を示す図である。図１５の模造データ群Ｄ２５は、図１４のステップＳ１４Ｃにおいて、ひとつのサンプルについて同じ乱数を用いた場合にプロセッサ１１が生成する模造データ群である。一方、図１６の模造データ群Ｄ２６は、図１４のステップＳ１４Ｃにおいて、ひとつのサンプルにおいて異なる乱数を用いた場合にプロセッサ１１が生成する模造データ群である。
Figures 15 and 16 are diagrams showing an example of an imitation data group generated by performing the process shown in Figure 14 on the measurement data group D11 of Figure 3. The imitation data group D25 of Figure 15 is an imitation data group generated by the
図３の測定データ群Ｄ１１と図１５の模造データ群Ｄ２５とを比較すると、模造データ群Ｄ２５は、標準偏差の変換を行わない分、データのバラつきが大きくなっている。また、測定データ群Ｄ１１と模造データ群Ｄ２６とを比較すると、周波数間の関係性が乱数分だけわずかに乱れるとともに、標準偏差の変換がない分バラつきが大きくなっている。換言すると、模造データ群Ｄ２６は、模造データ群Ｄ２５よりもバラつきの大きなデータ群となっている。 Comparing the measurement data group D11 in FIG. 3 with the imitation data group D25 in FIG. 15, the imitation data group D25 has a larger variation in the data because no conversion of the standard deviation is performed. Also, comparing the measurement data group D11 with the imitation data group D26, the relationship between the frequencies is slightly disturbed by a random number, and the variation is larger because there is no conversion of the standard deviation. In other words, the imitation data group D26 is a data group with a larger variation than the imitation data group D25.
〔付記事項１〕
上述の各実施形態では、プロセッサ１１が、測定データの生成処理と模造データの生成処理との両方の処理を実行したが、模造データ生成装置１０とは異なる他の装置が測定データを生成してもよい。この場合、模造データ生成装置１０は、他の装置が生成した測定データを入出力ＩＦ１４または通信ＩＦ１５を介して取得してもよい。
[Additional Note 1]
In each of the above-described embodiments, the
また、上述の各実施形態では、プロセッサ１１が、乱数行列ｍｔｘrandを生成した（図６のステップＳ１４等）が、模造データ生成装置１０とは異なる他の装置が乱数行列ｍｔｘrandを生成してもよい。この場合、模造データ生成装置１０は、他の装置が生成した乱数行列ｍｔｘrandを、入出力ＩＦ１４または通信ＩＦ１５を介して取得する。
In each of the above-described embodiments, the
〔まとめ〕
態様１に係る模造データ生成装置は、１または複数のプロセッサを備え、前記プロセッサは、複数の測定データからなる測定データ群であって、各測定データがサンプルの１～ｎ次（ｎは２以上の自然数）の共振周波数を表す測定データ群を取得するステップと、
前記測定データ群を模造した、複数の模造データからなる模造データ群を生成するステップと、を実行し、前記模造データ群を生成するステップにおいて、前記プロセッサは、１～ｎ次の共振周波数のｎ次元空間において前記模造データ群の分布が前記測定データ群の分布を再現するように、前記模造データ群を生成する。
〔summary〕
The simulated data generating device according to the first aspect includes one or more processors, and the processor performs the steps of acquiring a measurement data group consisting of a plurality of measurement data, each measurement data representing a 1st to nth order (n is a natural number equal to or greater than 2) resonance frequency of a sample;
and generating an imitation data group consisting of a plurality of imitation data that imitates the measurement data group, wherein in the step of generating the imitation data group, the processor generates the imitation data group such that the distribution of the imitation data group reproduces the distribution of the measurement data group in an n-dimensional space of 1st to nth resonant frequencies.
上記の構成によれば、模造データ生成装置は、検査対象である対象物の共振周波数を表すデータとし、実際の計測結果を表すデータと乖離していない模造データを生成することができる。 With the above configuration, the imitation data generating device can generate imitation data that represents the resonant frequency of the object being inspected and does not deviate from the data that represents the actual measurement results.
態様２に係る模造データ生成装置は、態様１に係る模造データ生成装置の特徴に加えて、以下の特徴を有している。すなわち、態様２に係る外観判定装置において、前記プロセッサは、前記模造データ群を生成するステップにおいて、前記ｎ次元空間を表す複数の軸方向のそれぞれにおける前記測定データ同士の相対的な位置関係を再現するように、前記模造データ群を生成する。
The imitation data generating device according to
上記の構成によれば、模造データ生成装置は、測定データの表す複数の共振周波数のｎ次元空間における位置関係を維持した模造データ群を生成することができる。 With the above configuration, the imitation data generating device can generate a group of imitation data that maintains the positional relationship in n-dimensional space of multiple resonant frequencies represented by the measurement data.
態様３に係る模造データ生成装置は、態様１または２に係る模造データ生成装置の特徴に加えて、以下の特徴を有している。すなわち、態様３に係る外観判定装置において、前記模造データ群を生成するステップは、前記プロセッサが、ｍ個（ｍは２以上の自然数）の各サンプルの測定データを各行で表すｍ行×ｎ列の行列であるサンプル行列を標準化または正規化した標準化行列を算出するステップと、前記標準化行列を算出するステップで生成した標準化行列の分散共分散行列を算出するステップと、前記分散共分散行列に基づき行列積を生成するステップと、前記行列積に乱数行列を乗算して転置した演算後行列を生成するステップと、前記演算後行列に対し、前記標準化または前記正規化の逆変換を行って、前記模造データ群を表す模造行列を生成するステップと、を含む。
The imitation data generating device according to aspect 3 has the following features in addition to the features of the imitation data generating device according to
上記の構成によれば、模造データ生成装置は、対象物の共振周波数を表すデータとして、実際に測定されたデータと乖離していない模造データを生成することができる。 With the above configuration, the imitation data generating device can generate imitation data representing the resonant frequency of the object that does not deviate from the actually measured data.
態様４に係る模造データ生成装置は、態様３に係る模造データ生成装置の特徴に加えて、以下の特徴を有している。すなわち、態様４に係る模造データ生成装置において、前記プロセッサは、前記行列積を生成するステップにおいて、前記分散共分散行列を特異値分解またはＬＵ分解することにより前記行列積を生成する。 The imitation data generating device according to aspect 4 has the following features in addition to the features of the imitation data generating device according to aspect 3. That is, in the imitation data generating device according to aspect 4, in the step of generating the matrix product, the processor generates the matrix product by performing singular value decomposition or LU decomposition on the variance-covariance matrix.
上記の構成によれば、模造データ生成装置は、対象物の共振周波数を表すデータとして、実際に測定されたデータと乖離していない模造データを生成することができる。 With the above configuration, the imitation data generating device can generate imitation data representing the resonant frequency of the object that does not deviate from the actually measured data.
態様５に係る模造データ生成装置は、態様４に係る模造データ生成装置の特徴に加えて、以下の特徴を有している。すなわち、態様５に係る模造データ生成装置において、前記プロセッサは、前記行列積を生成するステップにおいて、前記分散共分散行列の列毎の、ｎ個の固有ベクトルとｎ個の固有値を算出し、算出した固有ベクトルと固有値とに基づき前記行列積を生成する。 The imitation data generating device according to aspect 5 has the following features in addition to the features of the imitation data generating device according to aspect 4. That is, in the imitation data generating device according to aspect 5, in the step of generating the matrix product, the processor calculates n eigenvectors and n eigenvalues for each column of the variance-covariance matrix, and generates the matrix product based on the calculated eigenvectors and eigenvalues.
上記の構成によれば、模造データ生成装置は、複数の固有ベクトルと固有値との対により表されるｎ次元空間上の位置関係の一部または全部が維持された模造データ群を生成する。これにより、対象物の共振周波数を表すデータとして、実際に測定されたデータと乖離していない模造データを生成することができる。 According to the above configuration, the imitation data generating device generates a group of imitation data in which some or all of the positional relationships in n-dimensional space represented by pairs of multiple eigenvectors and eigenvalues are maintained. This makes it possible to generate imitation data that does not deviate from the actually measured data as data representing the resonant frequency of the object.
態様６に係る模造データ生成装置は、態様４に係る模造データ生成装置の特徴に加えて、以下の特徴を有している。すなわち、態様６に係る模造データ生成装置において、前記プロセッサは、前記行列積を生成するステップにおいて、コレスキー分解により前記行列積を生成する。 The fake data generating device according to aspect 6 has the following features in addition to the features of the fake data generating device according to aspect 4. That is, in the fake data generating device according to aspect 6, in the step of generating the matrix product, the processor generates the matrix product by Cholesky decomposition.
上記の構成によれば、模造データ生成装置は、対象物の共振周波数を表すデータとして、実際に測定されたデータと乖離していない模造データを生成することができる。 With the above configuration, the imitation data generating device can generate imitation data representing the resonant frequency of the object that does not deviate from the actually measured data.
態様７に係る模造データ生成装置は、態様３から６のいずれかに係る模造データ生成装置の特徴に加えて、以下の特徴を有している。すなわち、態様７に係る模造データ生成装置において、前記プロセッサは、正規分布に基づき前記乱数行列を生成するステップ、を更に実行する。 The imitation data generating device according to aspect 7 has the following features in addition to the features of the imitation data generating device according to any one of aspects 3 to 6. That is, in the imitation data generating device according to aspect 7, the processor further executes a step of generating the random number matrix based on a normal distribution.
上記の構成によれば、模造データ生成装置は、対象物の共振周波数を表すデータとして、実際に測定されたデータと乖離していない模造データを生成することができる。 With the above configuration, the imitation data generating device can generate imitation data representing the resonant frequency of the object that does not deviate from the actually measured data.
態様８に係る模造データ生成装置は、態様３から７のいずれかに係る模造データ生成装置の特徴に加えて、以下の特徴を有している。すなわち、態様８に係る模造データ生成装置において、前記プロセッサは、前記標準化行列を算出するステップにおいて、前記サンプル行列の列毎の成分の平均値を各成分から減算して前記標準化行列を算出し、前記模造行列を生成するステップにおいて、前記演算後行列の列毎の成分の前記平均値を前記各成分に加算して前記模造行列を生成する。 The imitation data generating device according to aspect 8 has the following features in addition to the features of the imitation data generating device according to any one of aspects 3 to 7. That is, in the imitation data generating device according to aspect 8, the processor calculates the standardized matrix by subtracting the average value of the components for each column of the sample matrix from each component in the step of calculating the standardized matrix, and generates the imitation matrix by adding the average value of the components for each column of the post-operation matrix to each component in the step of generating the imitation matrix.
上記の構成によれば、模造データ生成装置は、対象物の共振周波数を表すデータとして、実際に測定されたデータと乖離していない模造データを生成することができる。 With the above configuration, the imitation data generating device can generate imitation data representing the resonant frequency of the object that does not deviate from the actually measured data.
態様９に係る模造データ生成装置は、態様７に係る模造データ生成装置の特徴に加えて、以下の特徴を有している。すなわち、態様９に係る模造データ生成装置において、前記プロセッサは、前記標準化行列を算出するステップにおいて、前記サンプル行列の列毎の成分の平均値を各成分から減算して前記標準化行列を算出し、前記乱数行列を生成するステップにおいて、生成した前記乱数行列に所定の係数を乗算し、前記模造行列を生成するステップにおいて、前記演算後行列に前記サンプル行列を加算して前記模造行列を生成する。 The imitation data generating device according to aspect 9 has the following features in addition to the features of the imitation data generating device according to aspect 7. That is, in the imitation data generating device according to aspect 9, in the step of calculating the standardized matrix, the processor calculates the standardized matrix by subtracting the average value of the components for each column of the sample matrix from each component, in the step of generating the random number matrix, the processor multiplies the generated random number matrix by a predetermined coefficient, and in the step of generating the imitation matrix, the processor adds the sample matrix to the post-operation matrix to generate the imitation matrix.
上記の構成によれば、模造データ生成装置は、対象物の共振周波数を表すデータとして、実際に測定されたデータと乖離していない模造データを生成することができる。 With the above configuration, the imitation data generating device can generate imitation data representing the resonant frequency of the object that does not deviate from the actually measured data.
態様１０に係る模造データ生成装置は、態様７～９のいずれかに係る模造データ生成装置の特徴に加えて、以下の特徴を有している。すなわち、態様１０に係る模造データ生成装置において、前記プロセッサは、前記乱数行列を生成するステップにおいて、前記乱数行列として、各行に含まれる複数の成分の値が等しい行列を生成する。
The imitation data generating device according to
上記の構成によれば、模造データ生成装置は、対象物の共振周波数を表すデータとして、実際に測定されたデータと乖離していない模造データを生成することができる。 With the above configuration, the imitation data generating device can generate imitation data representing the resonant frequency of the object that does not deviate from the actually measured data.
態様１１に係る模造データ生成方法は、１または複数のプロセッサが、複数の測定データからなる測定データ群であって、各測定データがサンプルの１～ｎ次（ｎは２以上の自然数）の共振周波数を表す測定データ群を取得するステップと、前記測定データ群を模造した、複数の模造データからなる模造データ群を生成するステップと、を含み、前記模造データ群を生成するステップにおいて、前記プロセッサは、１～ｎ次の共振周波数のｎ次元空間において前記模造データ群の分布が前記測定データ群の分布を再現するように、前記模造データ群を生成する。
The imitation data generation method according to
上記の構成によれば、検査対象である対象物の共振周波数を表すデータとして、実際に測定されたデータと乖離していない模造データを生成することができる。 The above configuration makes it possible to generate imitation data representing the resonant frequency of the object being inspected that does not deviate from the actually measured data.
態様１２に係るプログラムは、コンピュータに、複数の測定データからなる測定データ群であって、各測定データがサンプルの１～ｎ次（ｎは２以上の自然数）の共振周波数を表す測定データ群を取得するステップと、前記測定データ群を模造した、複数の模造データからなる模造データ群を生成するステップと、を実行させ、前記模造データ群を生成するステップにおいて、前記コンピュータは、１～ｎ次の共振周波数のｎ次元空間において前記模造データ群の分布が前記測定データ群の分布を再現するように、前記模造データ群を生成する。
The program according to
上記の構成によれば、検査対象である対象物の共振周波数を表すデータとして、実際に測定されたデータと乖離していない模造データを生成することができる。 The above configuration makes it possible to generate imitation data representing the resonant frequency of the object being inspected that does not deviate from the actually measured data.
態様１３に係る模造データ生成装置は、１または複数のプロセッサを備え、前記プロセッサは、複数の測定データからなる測定データ群であって、各測定データがサンプルの１～ｎ次（ｎは２以上の自然数）の共振周波数を表す測定データ群を取得するステップと、前記測定データ群を模造した、複数の模造データからなる模造データ群を生成するステップと、を実行し、１～ｎ次の共振周波数のｎ次元空間における前記模造データ群の分布は、前記測定データ群の分布と略同一である、ことを特徴とする。
The imitation data generating device according to
上記の構成によれば、模造データ生成装置は、検査対象である対象物の共振周波数を表すデータとし、実際の計測結果を表すデータと乖離していない模造データを生成することができる。 With the above configuration, the imitation data generating device can generate imitation data that represents the resonant frequency of the object being inspected and does not deviate from the data that represents the actual measurement results.
〔ソフトウェアによる実現例〕
模造データ生成装置１０（以下、「装置」と呼ぶ）の機能は、当該装置としてコンピュータを機能させるためのプログラムであって、当該装置の各制御ブロックとしてコンピュータを機能させるためのプログラムにより実現することができる。
[Software implementation example]
The functions of the imitation data generating device 10 (hereinafter referred to as the "device") can be realized by a program for causing a computer to function as the device, and a program for causing a computer to function as each control block of the device.
この場合、上記装置は、上記プログラムを実行するためのハードウェアとして、少なくとも１つの制御装置（例えばプロセッサ）と少なくとも１つの記憶装置（例えばメモリ）を有するコンピュータを備えている。この制御装置と記憶装置により上記プログラムを実行することにより、上記各実施形態で説明した各機能が実現される。 In this case, the device includes a computer having at least one control device (e.g., a processor) and at least one storage device (e.g., a memory) as hardware for executing the program. The control device and storage device execute the program, thereby realizing each of the functions described in each of the above embodiments.
上記プログラムは、一時的ではなく、コンピュータ読み取り可能な、１または複数の記録媒体に記録されていてもよい。この記録媒体は、上記装置が備えていてもよいし、備えていなくてもよい。後者の場合、上記プログラムは、有線または無線の任意の伝送媒体を介して上記装置に供給されてもよい。 The program may be recorded on one or more computer-readable recording media, not on a temporary basis. The recording media may or may not be included in the device. In the latter case, the program may be provided to the device via any wired or wireless transmission medium.
また、上記各制御ブロックの機能の一部または全部は、論理回路により実現することも可能である。例えば、上記各制御ブロックとして機能する論理回路が形成された集積回路も本発明の範疇に含まれる。この他にも、例えば量子コンピュータにより上記各制御ブロックの機能を実現することも可能である。 In addition, some or all of the functions of each of the above control blocks can be realized by a logic circuit. For example, an integrated circuit in which a logic circuit that functions as each of the above control blocks is formed is also included in the scope of the present invention. In addition, it is also possible to realize the functions of each of the above control blocks by, for example, a quantum computer.
また、上記各実施形態で説明した各処理は、ＡＩ（Artificial Intelligence：人工知能）に実行させてもよい。この場合、ＡＩは上記制御装置で動作するものであってもよいし、他の装置（例えばエッジコンピュータまたはクラウドサーバ等）で動作するものであってもよい。 The processes described in each of the above embodiments may be executed by AI (Artificial Intelligence). In this case, the AI may run on the control device, or on another device (such as an edge computer or a cloud server).
本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。 The present invention is not limited to the above-described embodiments, and various modifications are possible within the scope of the claims. The technical scope of the present invention also includes embodiments obtained by appropriately combining the technical means disclosed in different embodiments.
１ 模造データ生成システム
２ サンプル
１０ 模造データ生成装置
１１ プロセッサ
１２ 一次メモリ
１３ 二次メモリ
１４ 入出力ＩＦ
１５ 通信ＩＦ
２０ 振動発生装置
３０ 振動受信装置
1 Fake
15 Communication IF
20
Claims (13)
前記プロセッサは、
複数の測定データからなる測定データ群であって、各測定データがサンプルの１～ｎ次（ｎは２以上の自然数）の共振周波数を表す測定データ群を取得するステップと、
前記測定データ群を模造した、複数の模造データからなる模造データ群を生成するステップと、を実行し、
前記模造データ群を生成するステップにおいて、前記プロセッサは、１～ｎ次の共振周波数のｎ次元空間において前記模造データ群の分布が前記測定データ群の分布を再現するように、前記模造データ群を生成する、
ことを特徴とする模造データ生成装置。 One or more processors;
The processor,
acquiring a measurement data group consisting of a plurality of measurement data, each of which represents a 1st to nth order (n is a natural number equal to or greater than 2) resonance frequency of a sample;
generating an imitation data group consisting of a plurality of imitation data by imitation of the measurement data group;
In the step of generating the simulated data group, the processor generates the simulated data group such that a distribution of the simulated data group reproduces a distribution of the measurement data group in an n-dimensional space of 1st to nth resonant frequencies.
1. An imitation data generating device comprising:
ことを特徴とする請求項１に記載の模造データ生成装置。 In the step of generating the simulated data group, the processor generates the simulated data group so as to reproduce a part or all of a relative positional relationship between the measurement data in each of a plurality of axis directions representing the n-dimensional space.
2. The imitation data generating device according to claim 1.
前記標準化行列を算出するステップで生成した標準化行列の分散共分散行列を算出するステップと、
前記分散共分散行列に基づき行列積を生成するステップと、
前記行列積に乱数行列を乗算して転置した演算後行列を生成するステップと、
前記演算後行列に対し、前記標準化または前記正規化の逆変換を行って、前記模造データ群を表す模造行列を生成するステップと、を含む、
ことを特徴とする請求項１または２に記載の模造データ生成装置。 The step of generating the simulated data group includes a step of: calculating a standardization matrix by standardizing or normalizing a sample matrix, which is an m-row by n-column matrix in which each row represents measurement data of each of m samples (m is a natural number equal to or greater than 2), by the processor;
calculating a variance-covariance matrix of the standardized matrix generated in the step of calculating the standardized matrix;
generating a matrix product based on the variance-covariance matrix;
generating a transposed post-operation matrix by multiplying the matrix product by a random number matrix;
and performing an inverse transformation of the standardization or the normalization on the post-operation matrix to generate an imitation matrix representing the imitation data group.
3. The imitation data generating device according to claim 1 or 2.
ことを特徴とする請求項３に記載の模造データ生成装置。 In the step of generating the matrix product, the processor generates the matrix product by performing singular value decomposition or LU decomposition on the variance-covariance matrix.
4. The imitation data generating device according to claim 3.
ことを特徴とする請求項４に記載の模造データ生成装置。 In the step of generating the matrix product, the processor calculates n eigenvectors and n eigenvalues for each column of the variance-covariance matrix, and generates the matrix product based on the calculated eigenvectors and eigenvalues.
5. The imitation data generating device according to claim 4.
ことを特徴とする請求項４に記載の模造データ生成装置。 In the step of generating the matrix product, the processor generates the matrix product by Cholesky decomposition.
5. The imitation data generating device according to claim 4.
ことを特徴とする請求項３から６のいずれか１項に記載の模造データ生成装置。 The processor further performs the step of generating the random number matrix based on a normal distribution.
7. The imitation data generating device according to claim 3,
前記模造行列を生成するステップにおいて、前記演算後行列の列毎の成分の前記平均値を前記各成分に加算して前記模造行列を生成する、
ことを特徴とする請求項３から７のいずれか１項に記載の模造データ生成装置。 In the step of calculating the standardization matrix, the processor calculates the standardization matrix by subtracting an average value of elements in each column of the sample matrix from each element;
In the step of generating the pseudo matrix, the average value of the components for each column of the post-operation matrix is added to each component to generate the pseudo matrix.
8. The imitation data generating device according to claim 3, wherein the imitation data generating device is a device for generating imitation data.
前記乱数行列を生成するステップにおいて、生成した前記乱数行列に所定の係数を乗算し、
前記模造行列を生成するステップにおいて、前記演算後行列に前記サンプル行列を加算して前記模造行列を生成する、
ことを特徴とする請求項７に記載の模造データ生成装置。 In the step of calculating the standardization matrix, the processor calculates the standardization matrix by subtracting an average value of elements in each column of the sample matrix from each element;
In the step of generating a random number matrix, the generated random number matrix is multiplied by a predetermined coefficient;
In the step of generating the pseudo matrix, the sample matrix is added to the post-operation matrix to generate the pseudo matrix.
8. The imitation data generating device according to claim 7.
ことを特徴とする請求項７～９のいずれか１項に記載の模造データ生成装置。 In the step of generating a random number matrix, the processor generates a matrix in which a plurality of components included in each row have equal values as the random number matrix.
10. The imitation data generating device according to claim 7, wherein the imitation data generating device is a device for generating imitation data.
複数の測定データからなる測定データ群であって、各測定データがサンプルの１～ｎ次（ｎは２以上の自然数）の共振周波数を表す測定データ群を取得するステップと、
前記測定データ群を模造した、複数の模造データからなる模造データ群を生成するステップと、を含み、
前記模造データ群を生成するステップにおいて、前記プロセッサは、１～ｎ次の共振周波数のｎ次元空間において前記模造データ群の分布が前記測定データ群の分布を再現するように、前記模造データ群を生成する、
ことを特徴とする模造データ生成方法。 one or more processors,
acquiring a measurement data group consisting of a plurality of measurement data, each of which represents a 1st to nth order (n is a natural number equal to or greater than 2) resonance frequency of a sample;
and generating an imitation data group consisting of a plurality of imitation data by imitation of the measurement data group,
In the step of generating the simulated data group, the processor generates the simulated data group such that a distribution of the simulated data group reproduces a distribution of the measurement data group in an n-dimensional space of 1st to nth resonant frequencies.
A method for generating fake data comprising the steps of:
複数の測定データからなる測定データ群であって、各測定データがサンプルの１～ｎ次（ｎは２以上の自然数）の共振周波数を表す測定データ群を取得するステップと、
前記測定データ群を模造した、複数の模造データからなる模造データ群を生成するステップと、を実行させ、
前記模造データ群を生成するステップにおいて、前記コンピュータは、１～ｎ次の共振周波数のｎ次元空間において前記模造データ群の分布が前記測定データ群の分布を再現するように、前記模造データ群を生成する、
ことを特徴とするプログラム。 On the computer,
acquiring a measurement data group consisting of a plurality of measurement data, each of which represents a 1st to nth order (n is a natural number equal to or greater than 2) resonance frequency of a sample;
generating an imitation data group consisting of a plurality of imitation data by imitation of the measurement data group;
In the step of generating the simulated data group, the computer generates the simulated data group such that a distribution of the simulated data group reproduces a distribution of the measurement data group in an n-dimensional space of 1st to nth resonant frequencies.
A program characterized by:
前記プロセッサは、
複数の測定データからなる測定データ群であって、各測定データがサンプルの１～ｎ次（ｎは２以上の自然数）の共振周波数を表す測定データ群を取得するステップと、
前記測定データ群を模造した、複数の模造データからなる模造データ群を生成するステップと、を実行し、
１～ｎ次の共振周波数のｎ次元空間における前記模造データ群の分布は、前記測定データ群の分布と略同一である、
ことを特徴とする模造データ生成装置。 One or more processors;
The processor,
acquiring a measurement data group consisting of a plurality of measurement data, each of which represents a 1st to nth order (n is a natural number equal to or greater than 2) resonance frequency of a sample;
generating an imitation data group consisting of a plurality of imitation data by imitation of the measurement data group;
A distribution of the simulated data group in an n-dimensional space of 1st to nth resonant frequencies is substantially the same as a distribution of the measured data group.
1. An imitation data generating device comprising:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022008636A JP7679773B2 (en) | 2022-01-24 | 2022-01-24 | Imitation data generating device, imitation data generating method, and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022008636A JP7679773B2 (en) | 2022-01-24 | 2022-01-24 | Imitation data generating device, imitation data generating method, and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2023107435A JP2023107435A (en) | 2023-08-03 |
| JP7679773B2 true JP7679773B2 (en) | 2025-05-20 |
Family
ID=87474648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022008636A Active JP7679773B2 (en) | 2022-01-24 | 2022-01-24 | Imitation data generating device, imitation data generating method, and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7679773B2 (en) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011234047A (en) | 2010-04-26 | 2011-11-17 | Toshiba Corp | Audio signal correcting device, method of the same, and software recording medium |
| JP2018146436A (en) | 2017-03-07 | 2018-09-20 | 三菱重工業株式会社 | Vibration diagnosis system, vibration diagnosis method and parameter setting method |
| JP2019215008A (en) | 2018-06-11 | 2019-12-19 | 株式会社ジェイテクト | Bearing device, and diagnostic method of bearing part |
| KR102240941B1 (en) | 2018-08-22 | 2021-04-16 | 한국과학기술원 | Impact Echo Testing System for Depth Estimation of Shallow Foundations |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08320251A (en) * | 1995-05-25 | 1996-12-03 | Fuji Facom Corp | Acoustic and vibration diagnostic methods in equipment |
| JPH09212489A (en) * | 1996-01-31 | 1997-08-15 | Fujitsu Ltd | Parallel processing apparatus and method for solving eigenvalue problem of symmetric matrix |
-
2022
- 2022-01-24 JP JP2022008636A patent/JP7679773B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011234047A (en) | 2010-04-26 | 2011-11-17 | Toshiba Corp | Audio signal correcting device, method of the same, and software recording medium |
| JP2018146436A (en) | 2017-03-07 | 2018-09-20 | 三菱重工業株式会社 | Vibration diagnosis system, vibration diagnosis method and parameter setting method |
| JP2019215008A (en) | 2018-06-11 | 2019-12-19 | 株式会社ジェイテクト | Bearing device, and diagnostic method of bearing part |
| KR102240941B1 (en) | 2018-08-22 | 2021-04-16 | 한국과학기술원 | Impact Echo Testing System for Depth Estimation of Shallow Foundations |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2023107435A (en) | 2023-08-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jancsók et al. | Investigation of the effect of shape on the acoustic response of ‘conference’pears by finite element modelling | |
| CN110036279B (en) | Inspection device and inspection method | |
| CN112629786A (en) | Working mode parameter identification method and equipment fault diagnosis method | |
| CN113990412B (en) | Method, system and device for calibrating deformation behavior of material and simulation platform | |
| Salazar et al. | Learning material defect patterns by separating mixtures of independent component analyzers from NDT sonic signals | |
| Smyth et al. | Surveillance of mechanical systems on the basis of vibration signature analysis | |
| Kodrič et al. | Experimental framework for identifying inconsistent measurements in frequency-based substructuring | |
| Paulraj et al. | Structural steel plate damage detection using non destructive testing, frame energy based statistical features and artificial neural networks | |
| WO2022158037A1 (en) | Quality prediction system, model-generating device, quality prediction method, and quality prediction program | |
| CN118503683B (en) | Dense modal parameter identification method, device, equipment and medium under underdetermined condition | |
| Rezvani et al. | A comparison of some methods for structural damage detection | |
| JP7679773B2 (en) | Imitation data generating device, imitation data generating method, and program | |
| Żółtowski et al. | Vibrations in the assessment of construction state | |
| CN111859250B (en) | Modal parameter accuracy evaluation method, system and storage medium | |
| CN118839564B (en) | Structural full-degree-of-freedom vibration mode identification method based on a small amount of measurement point acceleration data and generative adversarial network | |
| Fallahian et al. | Application of couple sparse coding ensemble on structural damage detection | |
| CN111428342B (en) | A Random Dynamic Load Identification Method Based on Frequency Domain Spectrum Decomposition | |
| Zoltowski et al. | Vibrations in the assessment of construction state | |
| Choudhury et al. | A modified support vector regression approach for failure analysis in beam-like structures | |
| Bellizzi et al. | Karhunen–Loève modes obtained from displacement and velocity fields: assessments and comparisons | |
| JP7099296B2 (en) | Evaluation method, system construction method, and evaluation system | |
| JP2023161551A (en) | Cross-sectional evaluation device and cross-sectional evaluation method for steel members | |
| TR2023004089A1 (en) | DEEP LEARNING BASED ABNORMALITY DETECTION SYSTEM IN VIBRATION-BASED STRUCTURAL HEALTH MONITORING | |
| Jones et al. | Constraining Gaussian processes for grey-box acoustic emission source localisation | |
| Overbey et al. | Damage assessment using generalized state-space correlation features |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240712 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20250326 |
|
| 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: 20250408 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20250421 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7679773 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |