WEKO3
アイテム
時間整合アルゴリズムに基づくタイヤ振動解析法―リアルタイム路面状態判別システムの開発―
https://ir.soken.ac.jp/records/4078
https://ir.soken.ac.jp/records/40788715f2f6-3cec-457b-adc7-d705d235ad17
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
要旨・審査要旨 (180.7 kB)
|
||
|
本文 (5.5 MB)
|
| Item type | 学位論文 / Thesis or Dissertation(1) | |||||||
|---|---|---|---|---|---|---|---|---|
| 公開日 | 2013-11-19 | |||||||
| タイトル | ||||||||
| タイトル | 時間整合アルゴリズムに基づくタイヤ振動解析法―リアルタイム路面状態判別システムの開発― | |||||||
| 言語 | ||||||||
| 言語 | jpn | |||||||
| 資源タイプ | ||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_46ec | |||||||
| 資源タイプ | thesis | |||||||
| 著者名 |
花塚, 泰史
× 花塚, 泰史
|
|||||||
| フリガナ |
ハナツカ, ヤスシ
× ハナツカ, ヤスシ
|
|||||||
| 著者 |
HANATSUKA, Yasushi
× HANATSUKA, Yasushi
|
|||||||
| 学位授与機関 | ||||||||
| 学位授与機関名 | 総合研究大学院大学 | |||||||
| 学位名 | ||||||||
| 学位名 | 博士（学術） | |||||||
| 学位記番号 | ||||||||
| 内容記述タイプ | Other | |||||||
| 内容記述 | 総研大甲第1598号 | |||||||
| 研究科 | ||||||||
| 値 | 複合科学研究科 | |||||||
| 専攻 | ||||||||
| 値 | 15 統計科学専攻 | |||||||
| 学位授与年月日 | ||||||||
| 学位授与年月日 | 2013-03-22 | |||||||
| 学位授与年度 | ||||||||
| 値 | 2012 | |||||||
| 要旨 | ||||||||
| 内容記述タイプ | Other | |||||||
| 内容記述 | 近年の計測技術の向上によって，高速で回転するタイヤから振動などの物理量を計測することが可能になり，それら物理量の特徴が路面状態変化の影響を受け変化することが明らかになってきた．本論文ではその逆問題として，タイヤ内面に取り付けた加速度センサの出力から，走行している路面状態をリアルタイムに判別する方法を提案する． タイヤ振動の特定周波数帯には路面状態変化に応じた特徴が現れる．一方，回転にともなうタイヤの動的挙動に対応しその波形は非定常性が強いので，路面状態毎に現れる周波数的な特徴が時系列的にも変化する．このようなタイヤ振動波形の特徴を定量化する手法として，LPCケプストラム係数を使用する方法と，バンドパスフィルタを使用する手法を採用した．また，速度が変化するとタイヤ振動の波形の系列長が変化するため，時間整合を考慮したモデリングが必要である．この問題に対し，隠れマルコフモデルを用いる方法，および時系列を直接的に扱える Global Alignmentカーネルを適用する手法を提案した． 隠れマルコフモデルは状態空間モデルの潜在変数がマルコフ性を有し，且つ離散変数であるとき，観測値は対応する潜在変数の状態に条件づけられると仮定するモデルである．状態の遷移は確率的に表現されるため，時間軸上で伸縮しうる信号のパターン認識に適しているとされ，音声認識や自然言語処理などの分野で発展してきた．この特長を活かし，同様に時間伸縮するタイヤ振動波形のモデル化し路面状態を判別する手法を提案した．具体的には速度によって時間伸縮するタイヤ振動波形を，left-to-rightモデルで表現し，接地面近傍の波形のモデルが無情報状態のモデルに挟まれた構造を持つHMMネットワークを構成した．このようなモデルを予め路面状態毎に用意し，未知データが入力されたとき，各モデルの尤度をViterbiアルゴリズムを用いて算出，比較し，最も尤度が高いモデルに対応する路面状態に判別するようなアルゴリズムを開発した．テストコースで取得した実データを用いて認識テストを行った結果，タイヤ振動情報のみを使って従来法と同等以上の精度で判別可能であることを示した．また，1つのタイヤ種で学習した時に他のタイヤの精度を検証することによって，タイヤサイズ変更に対するロバスト性の評価を行った．その結果，1つのタイヤサイズのデータのみで他サイズのタイヤでも高精度に路面状態の判別ができる可能性が示された．しかし， 特定の条件で精度が低くなっており，提案した隠れマルコフモデルを用いた手法では完全なタイヤサイズに対するロバスト性付与には至っていない． カーネル法は近年，主として計算機科学の分野で急速に発展してきたデータ解析の方法論である．データの非線形性や高次の情報を扱うことを可能にする系統的な方法であり，カーネル法によって様々な線形データ解析法を非線形化する研究がなされてきた．その端緒となったのがSVMを非線形化する研究 であり，その後様々な理論的研究，応用研究が進められ，SVMはカーネル法の代表的な方法となっている．カーネル法のもう一つの利点として，音声など時間伸縮する時系列のような，構造を持つデータに対して直接適用できるという点がある．そのような特長が，本研究で扱うタイヤ振動波形に適用できると考え， 時系列を対象としたカーネルであるGAカーネルを用いてタイヤ振動波形を解析し路面状態判別する方法への適用を試みた．隠れマルコフモデルを用いた手法と同様に，テストコースで取得した実データを用いて認識テストを行った結果，今回特徴量として採用したバンドパスフィルタの透過波のパワー値の平均およびLPCケプストラム係数のどちらを用いても，精度は90%以上で判別できており，隠れマルコフモデルを用いた手法以上の高精度で路面状態判別が可能であることが示された．またタイヤサイズ変更に対するロバスト性の評価においても，高い精度で判別できることを示した． 一般的に，単純なクラス分類を考えた時，識別モデルや識別関数による判別器は生成モデルよりも高い判別性能を持つことが知られており，本研究においても，その一般論が当てはまったと言える．個別具体的には，本研究ではHMMを用いる手法において，状態数を5，6，7状態に設定し，その中での状態遷移を考えたが，GAカーネルでは窓毎に類似度を測り比較しているので，状態数という制約がなく柔軟性が高いと言える．先行研究の検討から，タイヤ振動波形を，タイヤの動的挙動に基づく領域（路面踏み込み，接地，蹴り出し等）に離散的に分割することが，モデルを構築する上で有利になると考えたが，結果としては，GAカーネルを用いて最適パスの周辺も含めて連続的に類似度を評価するほうが本研究には適していた． 今後の課題として， GAカーネルは上記のように高精度に判別できる半面，計算負荷が高く，現状ではリアルタイム処理が難しい．アライメントを取る時のパスを制限し，計算量の縮減や並列化することによって，高速化することを目指す．加えて，本研究ではタイヤ振動の動的変化を捉えて路面状態を判別する問題を考えたが，本研究で提案したタイヤ振動解析法を用いれば，タイヤ振動からタイヤ－路面間の接地特性が評価できるようになると期待でき，乗り心地や操縦安定性の評価への応用可能性があると考えている． このように本論文では，タイヤにセンシング機能という新たな価値を付与することを可能にする振動解析手法を提案した． |
|||||||
| 所蔵 | ||||||||
| 値 | 有 | |||||||
