【研究領域課題番号】19K12094 (KAKENデータベースで見る）

【研究キーワード】

動的システム学習 / 健全性監視 / 異常検知 / 転移学習 / 教師なし学習 / システム同定 / 生成モデル / 機械学習 / 予防保全 / 人工知能

【研究成果の概要】

近年、IoTに代表される計測通信技術の普及と、深層学習を含む機械学習の発展が相まって、大規模かつ複雑な人工システムの健全性監視において、データ駆動型のアプローチ、すなわち、過去の膨大なデータからシステムの挙動モデルを統計的に学習して健全性の監視に利用するアプローチが大きな期待を集めている。本研究では、このデータ駆動型健全性監視が抱える2つの問題に焦点を当てている。第一の問題は、現実の人工システムにおいては事前に十分な量と質を兼ねた訓練データを入手することが容易でなく、特に、異常や不具合に関するデータはほとんど存在しないという点である。第二の問題点は、膨大なデータに対して機械学習を適用することによって得られた帰納的モデルが必ずしも専門家が持つドメイン知識と整合しないため、実世界での利用に耐えるだけの説明性を有さないことである。これら２つの問題を解決するため、本研究では、データ駆動健全性監視のための転移学習法を開発すること、および、工学者・専門家にとって解釈性の高い潜在変数-状態空間モデルと最新の機械学習手法との融合を図ることでデータ駆動健全性監視の説明性を実現することを目的とする。
本課題３年度目である2021年度は、前年度から引き続き状態空間モデルと生成的な
深層学習モデルを融合することにより、自然法則やシステム固有のダイナミクスに関する事前知識をモデルに埋め込みつつ、高次元時系列データ入力からシステムの内部状態遷移を推定・監視する技術の開発に取り組んだ。また、変分自己符号器の訓練に自己教師あり学習を用い、地球周回の人工衛星に本来備わる周期性を事前知識として利用することによって、潜在変数空間の各次元が解釈可能になることを示した。

【研究種目】基盤研究(C)

【研究期間】2019-04-01 - 2023-03-31

【配分額】4,290千円 (直接経費: 3,300千円、間接経費: 990千円)

【研究領域課題番号】18H04155 (KAKENデータベースで見る）

【研究キーワード】

HEMS / スマートメーター / 太陽光発電 / 異常検知 / LCA / ビッグデータ / AI / 深層学習 / カーボンニュートラル / ライフスタイル / IDEA / 敵対的生成学習 / 電力 / 実験経済学 / 意思決定 / Deep Learning / 機械学習 / 行動変容 / ディープラーニング / インベントリデータベース / パリ協定

【研究成果の概要】

2050年までにカーボン・ニュートラル社会を実現するため、特に排出削減が難しい家庭部門の温室効果ガス排出削減のための手法開発を目指した研究を実施した。
家庭のエネルギー消費削減には、家庭内でどのような形態によってエネルギー消費が行われているか、すなわちライフスタイルを明らかにする必要があった。そこで本研究では、HEMS/スマートメータといったIoTセンシングによって得られた約6万世帯、20億レコードの家庭電力消費ビッグデータを活用した。近年急速に発展する深層学習アルゴリズムを開発し、分析を行うことで、消費電力量のみから家庭の属性や生活パターンを分析する手法を開発した。

【研究の社会的意義】

家庭内消費電力データを分析することで、複数の制度においてその制度の意図と異なる行動が発生していることを示唆する結果を得た。太陽光売電制度においては、節電インセンティブが存在するとされていた余剰売電制度の方が、節電インセンティブが存在しない全量売電制度よりも、実際の家庭内消費電力量が増大していることをビッグデータによって示した。さらに、このような事象が発生した原因を行動経済学の知見に基づいてリバウンド効果として学術的に説明を行った。
今後さらに強く求められる家庭内エネルギー消費削減に必要となる様々な社会制度設計において、家庭電力消費ビッグデータの活用が有効であることを示した。

【研究種目】基盤研究(A)

【研究期間】2018-04-01 - 2022-03-31

【配分額】42,900千円 (直接経費: 33,000千円、間接経費: 9,900千円)

【研究分野】航空宇宙工学

【研究領域課題番号】26289320 (KAKENデータベースで見る）

【研究キーワード】

宇宙工学 / 機械学習 / 異常検知 / 健全性監視 / 運用支援 / 航空宇宙システム / 人工知能 / システム健全性監視 / 航空宇宙工学 / 人工衛星 / 予測保全

【研究成果の概要】

本研究は、人工衛星などの宇宙機システムの運用者と、学習型(データ駆動型)状態監視・異常検知器との間の持続的な知識相互作用という新たな方法論の確立を目的とするものである。大局的で離散的なモード遷移と局所的で連続的な状態遷移から構成される人工衛星システムの挙動特性を考慮した次元削減とクラスタリングに基づく学習型状態監視法を提案し、運用者への有用情報の提示、運用者からの専門知識の獲得、両者の継続的な相互作用の励起に有効であることを示した。

【研究種目】基盤研究(B)

【研究期間】2014-04-01 - 2018-03-31

【配分額】11,570千円 (直接経費: 8,900千円、間接経費: 2,670千円)

【研究分野】航空宇宙工学

【研究領域課題番号】22560779 (KAKENデータベースで見る）

【研究キーワード】

異常検知 / 航空宇宙システム / データマイニング / 人工知能 / 機械学習 / 宇宙機システム / テレメトリデータ

【研究成果の概要】

本研究の目的は、人工衛星などの宇宙機システムより得られる膨大なテレメトリデータから、運用者にとって有用な情報・知識を得るための様々な解析手法・処理技術群を体系化することである。具体的には、(1) データアクセス方法、(2) オンライン監視法、(3) オフライン解析法、(4) 他情報源との連携法の４つのサブテーマに取り組んだ。その結果、(1)人工衛星テレメトリの性質の明確化、(2)宇宙機テレメトリに適した前処理法の開発、(3)次元削減とクラスタリングに基づく監視法の開発と拡張、(4)衛星運用での有効性の実証、という成果を得た。

【研究種目】基盤研究(C)

【研究期間】2010-04-01 - 2015-03-31

【配分額】4,290千円 (直接経費: 3,300千円、間接経費: 990千円)