無人航空機(UAV)の信頼性・安全運用確保が喫緊の課題となる中、本論文ではモーションキャプチャ誘導下で高精度データを取得するモジュール型クアッドロータプラットフォームを提案する。飛行テレメトリ、振動・温度計測、6次元モーショントラッキングを統合し、UAVの状態を詳細に捉える。データクリーニングから探索的解析までの体系的プロセスを示し、異常検知・故障識別モデルを実装する。データセット、映像、解析コードを公開し、UAVヘルスモニタリング研究の促進を図る。
ビル空調設備の消費電力管理を対象とした転移強化学習における予備学習モデルとして,パラメトリックな数式モデルについて述べる。ビル空調設備の分刻み電力・室温数式モデルと推定対象ビルの図面運用情報から基準となる仮想ビルのパラメトリックモデルを構築した。そして,平常運転データにより機械学習でパラメータフィッティングした。どのパラメータ値が転移先ビルを最も説明できるかが示される説明性が得られた。
軌道上の人工衛星が増加する中、衛星ヘルスモニタリングの重要性が高まっている。筆者らは、不規則かつ多様な特性を有する衛星テレメトリに対して一律に適用可能な異常検知手法Q-GPRを提案してきたが、これまで他手法との性能比較は行われていなかった。本研究では、2024年に公開されたESA Anomaly Detection Benchmarkを用いてQ-GPRの性能評価を実施した。評価の結果、提案手法はデータセットに含まれるすべてのベースライン手法を上回る性能を示し、実衛星運用における有効性を確認した。本論文では、Q-GPRのESA-ADBにおける評価結果、および今後の課題について報告する。
This paper reconstructs the stability, interpretability, and generalizability of machine learning from a measurement science perspective, focusing on sensor data in Smart Manufacturing and System Health Management (SM&SHM). Based on the well-posedness of differential equations, it contrasts coarse-graining and observation expansion to explain the balance among error, regularization, and resolution. An active observation design using multi-armed bandits unifies data acquisition and learning. Through Spikelet decomposition, the study demonstrates the effectiveness of coarse-graining for time-series analysis and presents a theoretical basis for well-posed learning that integrates domain knowledge.
データ同化は、シミュレーションと観測データを融合し、システムの状態やパラメータを推定する手法である。しかし、システムモデルの非線形性に起因する誤差分布の非正規化は、パラメータ推定精度低下の一因となる。この問題に対し、本研究では変分オートエンコーダ(VAE)で状態変数を潜在空間へ写像し、誤差分布を正規分布に近づけたうえで、静的パラメータ推定に適した反復型アンサンブルスムーザー(iES)を潜在空間で適用する手法を提案する。単純な多質点振動系のバネ剛性推定に関する数値実験により、従来手法に対するパラメータ推定精度の改善を実証した。