WO2022158065A1 - 嵌合検知方法、嵌合検知装置及び嵌合検知システム - Google Patents
嵌合検知方法、嵌合検知装置及び嵌合検知システム Download PDFInfo
- Publication number
- WO2022158065A1 WO2022158065A1 PCT/JP2021/039306 JP2021039306W WO2022158065A1 WO 2022158065 A1 WO2022158065 A1 WO 2022158065A1 JP 2021039306 W JP2021039306 W JP 2021039306W WO 2022158065 A1 WO2022158065 A1 WO 2022158065A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- data
- fitting
- vibration
- mating
- amplitude
- 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.)
- Ceased
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01R—ELECTRICALLY-CONDUCTIVE CONNECTIONS; STRUCTURAL ASSOCIATIONS OF A PLURALITY OF MUTUALLY-INSULATED ELECTRICAL CONNECTING ELEMENTS; COUPLING DEVICES; CURRENT COLLECTORS
- H01R13/00—Details of coupling devices of the kinds covered by groups H01R12/70 or H01R24/00 - H01R33/00
- H01R13/64—Means for preventing incorrect coupling
- H01R13/641—Means for preventing incorrect coupling by indicating incorrect coupling; by indicating correct or full engagement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/12—Measuring characteristics of vibrations in solids by using direct conduction to the detector of longitudinal or not specified vibrations
- G01H1/16—Amplitude
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the other groups of this subclass
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01R—ELECTRICALLY-CONDUCTIVE CONNECTIONS; STRUCTURAL ASSOCIATIONS OF A PLURALITY OF MUTUALLY-INSULATED ELECTRICAL CONNECTING ELEMENTS; COUPLING DEVICES; CURRENT COLLECTORS
- H01R43/00—Apparatus or processes specially adapted for manufacturing, assembling, maintaining, or repairing of line connectors or current collectors or for joining electric conductors
- H01R43/26—Apparatus or processes specially adapted for manufacturing, assembling, maintaining, or repairing of line connectors or current collectors or for joining electric conductors for engaging or disengaging the two parts of a coupling device
Definitions
- the present disclosure relates to a mating detection method, a mating detection device, and a mating detection system.
- fitting detection method According to the fitting detection method, fitting detection device, and fitting detection system of the present disclosure, it is possible to efficiently detect normal fitting.
- the vibration sensor 10 is a sensor that detects vibration. Vibration sensor 10 detects vibration data associated with vibration.
- the vibration sensor 10 is, for example, a piezoelectric sensor that converts force applied to a piezoelectric body into voltage, and detects the voltage as vibration data.
- Processor 21 is, for example, a central processing unit (CPU), microprocessor, or other processing unit capable of executing computer-executable instructions. Processor 21 executes instructions stored in storage device 22 .
- CPU central processing unit
- microprocessor or other processing unit capable of executing computer-executable instructions.
- Processor 21 executes instructions stored in storage device 22 .
- the processor 21 determines to execute step ST20 when the absolute value of the amplitude of the first data is greater than the absolute value of the first threshold T1. On the other hand, the processor 21 determines not to execute step ST20 when the absolute value of the amplitude of the first data is equal to or less than the absolute value of the first threshold value T1. In this case, the process returns to step ST11.
- the trained model 24 receives the first data indicating the amplitude waveform of the vibration due to normal fitting, the second data indicating the amplitude waveform with less distortion (difference) than the first data is generated. Output.
- FIG. 10 is a schematic diagram showing an example of second data output by the learned model 24 when the first data is an amplitude waveform of vibration caused by disturbance other than normal fitting.
- FIG. 11 is a schematic diagram explaining comparison between the first data and the second data shown in FIG.
- the trained model 24 when the input first data is the amplitude waveform of vibration due to normal fitting, the output second data is substantially the same as the first data. Amplitude waveform.
- the output second data when the input first data is an amplitude waveform of vibration caused by disturbance other than normal fitting, the output second data has an amplitude waveform different from that of the first data.
- the processor 21 determines that the first data is not related to fitting when the degree of distortion is greater than the second threshold T2. In this case, the process proceeds to step ST40. On the other hand, the processor 21 determines that the first data is related to fitting when the degree of distortion is equal to or less than the second threshold T2. In this case, the process returns to step ST10.
- the criterion for determining whether the process proceeds to step ST40 or returns to step ST10 is not limited to the magnitude relationship between the degree of distortion and the second threshold value T2. For example, whether or not the degree of distortion falls within a predetermined threshold range (for example, threshold value T21 or more and threshold value T22 or less) may be used as a criterion for determining whether the process proceeds to step ST40 or returns to step ST10. In short, if it is possible to determine whether or not the first data is related to fit based on the degree of distortion, various means can be applied.
- the processor 21 compares the fitting determination data with the reference data, and determines whether or not the connector has been properly fitted based on the comparison result. Specifically, the processor 21 compares the peak level of the fit determination data and the level of the reference data.
- the reference data is stored in the storage device 22 .
- a plurality of reference data may be stored in the storage device 22 .
- the reference data may be selected from a plurality of reference data according to the shape, type, and size of the connector.
- the fitting detection method can detect whether or not the connectors are properly fitted by performing steps ST10 to ST40.
- the fitting detection method based on the second data output from the learned model 24, it is possible to determine whether or not the first data is related to vibration due to fitting, so that vibration due to disturbance can be eliminated. can be done. As a result, the load of determination processing is relatively light, and the determination time is also shortened. Moreover, in the fitting detection method, it is possible to reduce the possibility of erroneously determining that the fitting is normal based on the vibration caused by the disturbance, and improve the determination accuracy.
- the trained model 24 is an autoencoder, and the second data indicates information obtained by compressing and reconstructing the first data by the autoencoder.
- a step ST30 for determining whether or not the first data is related to fitting compares the first data and second data, and determines whether or not the first data is related to fitting based on the result of the comparison. judge. With such a configuration, it is possible to determine whether or not the first data is related to fitting based on the comparison between the first data and the second data. Thereby, it is possible to easily determine whether or not the first data is related to vibration due to fitting.
- the step ST20 of acquiring the second data includes a step ST21 of increasing the amplitude of the first data and a step ST22 of inputting the first data with the increased amplitude to the trained model 24.
- the second embodiment differs from the first embodiment in that a display 30 is provided.
- the second embodiment differs from the first embodiment in that a step ST50 for presenting the determination result is included.
- steps ST10 to ST40 shown in FIG. 15 are the same as steps ST10 to ST40 shown in FIG. 9, so description thereof will be omitted.
- the fitting detection method of the present disclosure further includes step ST50 of displaying the determination result as to whether or not the fitting has been performed normally.
- step ST50 of displaying the determination result as to whether or not the fitting has been performed normally.
- the receiver 31 receives the detection result of the fitting detection device 20 . Specifically, the receiver 31 wirelessly connects with the communication circuit 23A and receives the determination result. The detection result received by the receiver 31 is transmitted to the display 30 . Receiver 31 includes a circuit that performs wireless communication with fitting detection device 20 in compliance with a predetermined communication standard.
- the trained model 24 is stored on the server 40.
- the server 40 receives the first data from the fitting detection device 20 via wireless communication.
- the server 40 acquires the second data by inputting the received first data to the trained model 24 .
- the second data is transmitted from the server 40 to the fitting detection device 20 .
- the server 40 performs step ST20 of acquiring the second data shown in FIG.
- the communication circuit 41 is a circuit that performs wireless communication with the fitting detection device 20 in compliance with a predetermined communication standard.
- Predetermined communication standards include, for example, Wi-Fi (registered trademark) and Bluetooth (registered trademark).
- the communication circuit 41 exchanges data with the communication circuit 23A of the fitting detection device 20 by wireless communication.
- the communication circuit 41 receives first data from the fitting detection device 20 and transmits second data to the fitting detection device 20 .
- the server 40 When the server 40 performs the determination step ST30 shown in FIG. 15, the server 40 transmits the determination result as to whether or not the first data is related to fitting to the fitting detection device 20 via the communication circuit 41. You may
- the second model creation method may be created using pruning, or it may be a learned model newly created in the process of distillation.
- these models and/or models that output comprehensively using a plurality of these models are also referred to as trained models.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Manufacturing Of Electrical Connectors (AREA)
Abstract
本開示の嵌合検知方法は、嵌合を検知する嵌合検知方法であって、振動から生成される情報を示す第１データを取得し、少なくとも正常な嵌合により生じる振動から生成される情報を教師データとして機械学習が行われた学習済みモデルに、第１データを入力することによって、学習済みモデルから出力される第２データを取得し、第２データに基づいて、第１データが嵌合に関連するか否かを判定し、第１データが嵌合に関連する場合に、第１データに基づいて正常に嵌合されたか否かを判定すること、を含む。
Description
本開示は、嵌合検知方法、嵌合検知装置及び嵌合検知システムに関する。
特許文献１には、コネクタの嵌合検知方法が開示されている。特許文献１に記載の嵌合検知方法は、ロック機構を備えたコネクタが正規嵌合位置に至ってロックされたことを検知する。特許文献１に記載の方法は、コネクタに振動センサを接触させた状態でコネクタの嵌合操作を行い、ロック機構の作動時の振動を振動センサにより検出したことに基づき嵌合を検知する。
本開示は、正常な嵌合を効率良く検知することができる嵌合検知方法、嵌合検知装置及び嵌合検知システムを提供する。
本開示の嵌合検知方法は、嵌合を検知する嵌合検知方法であって、振動から生成される情報を示す第１データを取得し、少なくとも正常な嵌合により生じる振動から生成される情報を教師データとして機械学習が行われた学習済みモデルに、第１データを入力することによって、学習済みモデルから出力される第２データを取得し、第２データに基づいて、第１データが嵌合に関連するか否かを判定し、第１データが嵌合に関連する場合に、第１データに基づいて正常に嵌合されたか否かを判定すること、を含む。
本開示の嵌合検知装置は、嵌合を検知する嵌合検知装置であって、プロセッサと、プロセッサにより実行可能な命令を記憶した記憶装置と、を備え、命令は、振動から生成される情報を示す第１データを取得し、少なくとも正常な嵌合により生じる振動から生成される情報を教師データとして機械学習が行われた学習済みモデルに、第１データを入力することによって、学習済みモデルから出力される第２データを取得し、第２データに基づいて、第１データが嵌合に関連するか否かを判定し、第１データが嵌合に関連する場合に、第１データに基づいて正常に嵌合されたか否かを判定すること、を含む。
本開示の嵌合検知システムは、嵌合を検知する嵌合検知システムであって、振動を検出する振動センサと、プロセッサと、プロセッサにより実行可能な命令を記憶した記憶装置と、を備え、命令は、振動センサによって検出される振動から生成される情報を示す第１データを取得し、少なくとも正常な嵌合により生じる振動から生成される情報を教師データとして機械学習が行われた学習済みモデルに、第１データを入力することによって、学習済みモデルから出力される第２データを取得し、第２データに基づいて、第１データが嵌合に関連するか否かを判定し、第１データが嵌合に関連する場合に、第１データに基づいて正常に嵌合されたか否かを判定すること、を含む。
これらの概括的かつ特定の態様は、システム、方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体、並びに、それらの組み合わせにより、実現されてもよい。
本開示の嵌合検知方法、嵌合検知装置及び嵌合検知システムによれば、正常な嵌合を効率良く検知することができる。
（本開示の基礎となった知見）
コネクタの正常な嵌合を検知する嵌合検知方法として、例えば、コネクタの嵌合により生じる振動を振動センサによって検出し、検出した振動に基づいてコネクタが正常に嵌合されたか否かを判定する方法が知られている。
コネクタの正常な嵌合を検知する嵌合検知方法として、例えば、コネクタの嵌合により生じる振動を振動センサによって検出し、検出した振動に基づいてコネクタが正常に嵌合されたか否かを判定する方法が知られている。
しかしながら、このような嵌合検知方法で採用される振動センサは、コネクタの嵌合以外の外乱による振動を検知する場合がある。外乱による振動とは、コネクタの嵌合以外のその他の要因により生じる振動である。例えば、外乱による振動は、振動センサと衣類とが擦れたことにより生じる振動、コネクタが嵌合部分以外の部分に衝突することにより生じる振動、及び／又はコネクタ同士が衝突することにより生じる振動等を含む。当該嵌合検知方法では、コネクタの嵌合による振動及び外乱による振動を問わずに振動センサによって振動が検知されるたびに、正常な嵌合であるか否かを判定している。このような判定処理の負荷は比較的高く、かつ判定時間が長くなり得る。さらに、本来排除されるべき外乱による振動に基づいて正常な嵌合であるか否かを判定すると、偶然嵌合していると判定されることも考えられ、判定精度が低下し得る。
このため、上記の嵌合検知方法では、正常な嵌合を効率良く検知することができないという問題がある。また、正常な嵌合であるか否かの判定結果を表示する場合、振動センサによって外乱による振動が検知される度に判定結果が表示されることになるため、利便性が低下する。
本発明者らは、上記課題を解決するために、学習済みモデルを用いてコネクタの嵌合に関連する振動であるか否かを判定した後に、正常な嵌合であるか否かを判定する構成を見出した。これにより、外乱による振動を除外することができ、正常な嵌合であるか否かを効率良く判定することができる。
（第１実施形態）
以下、第１実施形態について、図面を参照しながら説明する。
以下、第１実施形態について、図面を参照しながら説明する。
１． 嵌合検知システム
図１を参照して、第１実施形態の嵌合検知システム１の構成について説明する。
図１を参照して、第１実施形態の嵌合検知システム１の構成について説明する。
図１は、第１実施形態の嵌合検知システム１の一例を示す概略ブロック図である。図１に示すように、嵌合検知システム１は、振動センサ１０及び嵌合検知装置２０を備える。
嵌合検知システム１は、嵌合を検知するシステムである。「嵌合」とは、一対の機構部品が少なくとも物理的に接触して固定されることを意味する。本実施の形態では篏合の一例としてコネクタの篏合を例に説明を行う。「コネクタ」とは、物品同士を接続するために用いられる一対の機構、よく知られた例では、雄コネクタと雌コネクタなどが含まれる。例えば、コネクタは、自動車等に搭載される機器同士を物理的または／および電気的に接続するために用いられる。また、「コネクタ」はラッチ等の機構を用いた接続部分を含んでもよい。具体的にはドアの開閉機構、一般的なロック機構など多種多様な機構部分を含んでもよい。
以下、嵌合検知システム１の構成について説明する。
＜振動センサ＞
振動センサ１０は、振動を検出するセンサである。振動センサ１０は、振動に関連する振動データを検出する。振動センサ１０は、例えば、圧電体に加えられた力を電圧に変換する圧電センサであり、振動データとして電圧を検出する。
振動センサ１０は、振動を検出するセンサである。振動センサ１０は、振動に関連する振動データを検出する。振動センサ１０は、例えば、圧電体に加えられた力を電圧に変換する圧電センサであり、振動データとして電圧を検出する。
例えば、振動センサ１０は、作業者が着用する作業用手袋に取り付けられている。具体的には、振動センサ１０は、作業用手袋の親指部分に取り付けられている。作業用手袋を着用した作業者がコネクタを把持して嵌合させる際に生じる振動を受けて振動データ（電圧）を検出する。振動センサ１０は、検出した振動データを嵌合検知装置２０に送信する。
＜嵌合検知装置＞
嵌合検知装置２０は、振動センサ１０で検出された振動データに基づいて、コネクタの嵌合を検知する。具体的には、嵌合検知装置２０は、振動センサ１０から振動データを受信し、振動データに基づいてコネクタが正常に嵌合されたか否かを検知する。
嵌合検知装置２０は、振動センサ１０で検出された振動データに基づいて、コネクタの嵌合を検知する。具体的には、嵌合検知装置２０は、振動センサ１０から振動データを受信し、振動データに基づいてコネクタが正常に嵌合されたか否かを検知する。
本実施形態では、振動センサ１０と嵌合検知装置２０とは、有線により通信可能に接続されている。
２． 嵌合検知装置
嵌合検知装置２０の構成について詳細に説明する。
嵌合検知装置２０の構成について詳細に説明する。
図１に示すように、嵌合検知装置２０は、プロセッサ２１、記憶装置２２及び通信端子２３を備える。
＜プロセッサ＞
プロセッサ２１は、例えば、中央処理ユニット（ＣＰＵ）、マイクロプロセッサ、又はコンピュータ実行可能命令の実行が可能なその他の処理ユニットである。プロセッサ２１は、記憶装置２２に記憶された命令を実行する。
プロセッサ２１は、例えば、中央処理ユニット（ＣＰＵ）、マイクロプロセッサ、又はコンピュータ実行可能命令の実行が可能なその他の処理ユニットである。プロセッサ２１は、記憶装置２２に記憶された命令を実行する。
＜記憶装置＞
記憶装置２２は、嵌合検知装置２０の機能を実現するために必要なプログラム及びデータを記憶する記憶媒体である。記憶装置２２は、例えば、ハードディスク（ＨＤＤ）、ＳＳＤ、ＲＡＭ、ＤＲＡＭ、強誘電体メモリ、フラッシュメモリ、磁気ディスク、又はこれらの組み合わせによって実現できる。
記憶装置２２は、嵌合検知装置２０の機能を実現するために必要なプログラム及びデータを記憶する記憶媒体である。記憶装置２２は、例えば、ハードディスク（ＨＤＤ）、ＳＳＤ、ＲＡＭ、ＤＲＡＭ、強誘電体メモリ、フラッシュメモリ、磁気ディスク、又はこれらの組み合わせによって実現できる。
本実施形態では、記憶装置２２は、学習済みモデル２４を格納している。
＜通信端子＞
通信端子２３は、振動センサ１０からの信号を受け取る通信端子である。本実施形態では、通信端子２３は、ＵＳＢ，ＨＤＭＩ（登録商標）又はＬＡＮなどで振動センサ１０と接続されていてもよい。
通信端子２３は、振動センサ１０からの信号を受け取る通信端子である。本実施形態では、通信端子２３は、ＵＳＢ，ＨＤＭＩ（登録商標）又はＬＡＮなどで振動センサ１０と接続されていてもよい。
３． 嵌合検知方法
図２を用いて、嵌合検知方法について説明する。図２は、第１実施形態の嵌合検知方法の一例を示すフローチャートである。
図２を用いて、嵌合検知方法について説明する。図２は、第１実施形態の嵌合検知方法の一例を示すフローチャートである。
図２に示すように、嵌合検知方法は、ステップＳＴ１０～ＳＴ４０を含む。これらのステップＳＴ１０～ＳＴ４０は、嵌合検知装置２０によって実施される。
ステップＳＴ１０では、プロセッサ２１が、振動から生成される情報を示す第１データを取得する。プロセッサ２１は、振動センサ１０から振動データを取得し、振動データを第１データに変換する。本実施形態では、振動データは電圧であり、第１データは時間経過に伴い変化する振動の振幅（変位量）のデータ、即ち、振動の振幅波形である。
ステップＳＴ１０の詳細について図３を用いて説明する。図３は、第１データを取得する処理の一例を示すフローチャートである。図３に示すように、ステップＳＴ１０は、ステップＳＴ１１～ＳＴ１３を含む。
ステップＳＴ１１では、プロセッサ２１が、通信端子２３を介して有線接続された振動センサ１０から振動データを取得する。本実施形態では、振動センサ１０が圧電センサであるため、振動データは電圧である。
ステップＳＴ１２では、プロセッサ２１が、振動データを振動の振幅波形を示す第１データに変換する。本実施形態では、プロセッサは、振動データである電圧を振幅（変位量）に変換し、振動の振幅波形を示す第１データを取得する。
ステップＳＴ１３では、プロセッサ２１が、第１データの振幅と第１閾値Ｔ１とに基づいて、第２データを取得するステップＳＴ２０を実行するか否かを判定する。
図４及び図５は、第１データの例を示す概略図である。図４は、コネクタの正常な嵌合により生じる振動の振幅波形の一例を示す。図５は、ノイズ等の小さい振動の振幅波形の一例を示す。
図４に示すように、プロセッサ２１は、第１データの振幅が第１閾値Ｔ１の絶対値より大きい場合に、第２データを取得する処理を実行すると判定する。具体的には、プロセッサ２１は、第１データの振幅が第１閾値Ｔ１の絶対値より大きいと判定した場合、第１データにおいてコネクタの正常な嵌合による振動の振幅波形が含まれる時間区間のデータを切り出し、切り出した部分の第１データに基づいて第２データを取得する。
図５に示すように、プロセッサ２１は、第１データの振幅が第１閾値Ｔ１の絶対値より小さい場合に、第２データを取得する処理を実行しないと判定する。この場合、プロセッサ２１は、振動データに基づく第１データの取得を継続する。
このように、プロセッサ２１は、第１データの振幅の絶対値が第１閾値Ｔ１の絶対値より大きい場合にステップＳＴ２０を実行すると判定する。一方、プロセッサ２１は、第１データの振幅の絶対値が第１閾値Ｔ１の絶対値以下である場合にステップＳＴ２０を実行しないと判定する。この場合、処理はステップＳＴ１１に戻る。
図２に戻って、ステップＳＴ２０では、プロセッサ２１が、学習済みモデル２４に第１データを入力することによって、学習済みモデル２４から出力される第２データを取得する。第２データは、第１データが嵌合に関連するか否かを判定するためのデータとして用いられる。
学習済みモデル２４は、少なくともコネクタの正常な嵌合により生じる振動の振幅波形と、振動が嵌合に関連することを示すデータとを教師データとして機械学習が行われたモデルである。
「コネクタの正常な嵌合により生じる振動の振幅波形」とは、時間の経過に伴い振幅が小さくなり、且つ波形のピークである山の数が少なくとも２つ以上である振幅波形である。例えば、図４に示すように、振幅波形には、第１ピークＰ１、第２ピークＰ２及び第３ピークＰ３の順に並んだ３つの山が含まれている。振幅波形の振幅の大きさは、第１ピークＰ１、第２ピークＰ２及び第３ピークＰ３の順に小さくなっている。
本実施形態においては学習済みモデル２４の一例として、学習済みモデル２４がオートエンコーダである場合を説明する。学習済みモデル２４がオートエンコーダである場合、第２データは、オートエンコーダによって、第１データが圧縮され、再構成されて得られた情報を示す。
なお、学習済みモデル２４がオートエンコーダである場合、「振動が嵌合に関連することを示すデータ」は、コネクタの正常な嵌合により生じる振動の振幅波形と同じ振幅波形となるため、コネクタの正常な嵌合により生じる振動の振幅波形に加えて振動が嵌合に関連することを示すデータを用いて学習を行わなくてもよい。
ステップＳＴ２０の詳細について図６を用いて説明する。図６は、第２データを取得する処理の一例を示すフローチャートである。図６に示すように、ステップＳＴ２０は、ステップＳＴ２１～ＳＴ２３を含む。
ステップＳＴ２１では、プロセッサ２１は、第１データの振幅を拡大する。具体的には、プロセッサ２１は、第１データの最大振幅が「１」となるように正規化する。
プロセッサ２１は、学習済みモデル２４に第１データを入力する前に、第１データの振幅を拡大する。図７は、振幅拡大した第１データの一例を示す概略図であり、図４の第１データの振幅を拡大した図である。図７に示すように、プロセッサ２１は、第１データの最大振幅が「１」となるように正規化する。図７に示す例では、第１ピークＰ１の振幅が「１」となるように、第１データの振幅が拡大されている。
ステップＳＴ２２では、プロセッサ２１が、振幅を拡大した第１データを学習済みモデル２４に入力する。
ステップＳＴ２３では、プロセッサ２１が、学習済みモデル２４から出力される第２データを取得する。
学習済みモデル２４は、振動の振幅波形を示す第１データが入力されると、第１データが圧縮され、再構成された振幅波形を第２データとして出力する。第２データは、コネクタの正常な嵌合により生じる振動の振幅波形の特徴を有し、且つ第１データに近似した波形である。例えば、第１データがコネクタの正常な嵌合により生じる振動の振幅波形である場合、第２データは第１データとほぼ同じ振幅波形となる。第１データが外乱による振動の振幅波形である場合、第２データはコネクタの正常な嵌合により生じる振動の振幅波形の特徴を有するが、第１データとは異なる振幅波形となる。
図８及び図９を参照して、学習済みモデル２４の処理の一例について説明する。図８は、第１データが正常な嵌合による振動の振幅波形である場合の学習済みモデル２４が出力する第２データの一例を示す概略図である。図９は、図８に示す第１データと第２データとの比較を説明する概略図である。
図８に示すように、学習済みモデル２４は、正常な嵌合による振動の振幅波形を示す第１データが入力されると、第１データとほぼ同じ振幅波形を示す第２データを出力する。図９に示すように、図８に示す第１データと第２データとを重ねて比較すると、第１データと第２データとはほぼ重なっている。よって第１データと第２データとの差異、即ち、歪みは小さい。
このように、学習済みモデル２４は、正常な嵌合による振動の振幅波形を示す第１データが入力されると、第１データと比べて歪み（差異）の小さい振幅波形を示す第２データを出力する。
図１０及び図１１を参照して、学習済みモデル２４の処理の別例について説明する。図１０は、第１データが正常な嵌合以外の外乱による振動の振幅波形である場合の学習済みモデル２４が出力する第２データの一例を示す概略図である。図１１は、図１０に示す第１データと第２データとの比較を説明する概略図である。
図１０に示すように、学習済みモデル２４は、正常な嵌合以外の外乱による振動の振幅波形を示す第１データが入力されると、第１データと異なる振幅波形を示す第２データを出力する。図１１に示すように、図１０に示す第１データと第２データとを重ねて比較すると、第１データと第２データとは、重なる部分が少ない。よって、第１データと第２データとの差異、即ち、歪みは、図８及び図９に示す場合に比べて大きくなっている。
このように、学習済みモデル２４がオートエンコーダである例においては、入力される第１データが正常な嵌合による振動の振幅波形である場合、出力される第２データが第１データとほぼ同じ振幅波形となる。一方、入力される第１データが正常な嵌合以外の外乱による振動の振幅波形である場合、出力される第２データが第１データと異なる振幅波形となる。
ステップＳＴ３０では、プロセッサ２１が、第２データに基づいて、第１データが嵌合に関連するか否かを判定する。プロセッサ２１は、第１データと第２データとを比較し、比較の結果に基づいて第１データが嵌合に関連するか否かを判定する。これにより、プロセッサ２１は、第１データが嵌合に関連する振動であるか、外乱による振動であるかを判定する。
ステップＳＴ３０の詳細について図１２を用いて説明する。図１２は、第１データが嵌合に関連するか否かを判定する処理の一例を示すフローチャートである。図１２に示すように、ステップＳＴ３０は、ステップＳＴ３１～ＳＴ３２を含む。
ステップＳＴ３１では、プロセッサ２１が、第１データと第２データとの差異を示す歪み度を算出する。歪み度は、第１データと第２データとの差異の度合いを示す値である。歪み度は、例えば、積分誤差又は平均二乗誤差などを用いて算出されてもよい。
ステップＳＴ３２では、プロセッサ２１が、算出された歪み度に基づいて、第１データが嵌合に関連するか否かを判定する。具体的には、プロセッサ２１は、算出された歪み度と第２閾値Ｔ２との比較に基づいて、第１データが嵌合に関連する振動の振幅波形であるか否かを判定する。
プロセッサ２１は、歪み度が第２閾値Ｔ２より大きい場合に第１データが嵌合に関連しないと判定する。この場合、処理はステップＳＴ４０へ進む。一方、プロセッサ２１は、歪み度が第２閾値Ｔ２以下である場合に第１データが嵌合に関連すると判定する。この場合、処理はステップＳＴ１０へ戻る。なお、処理がステップＳＴ４０へ進むか、ステップＳＴ１０へ戻るかの判断基準は、歪み度と第２閾値Ｔ２との大小関係のみに限られない。例えば、歪み度が所定の閾値域（一例としては閾値Ｔ２１以上閾値Ｔ２２以下）に収まっているか否かを、処理がステップＳＴ４０へ進むか、ステップＳＴ１０へ戻るかの判断基準としてもよい。要は歪み度に基づいて第１データが篏合に関連するか否かを判定することができれば、種々の手段を適用することができる。
ステップＳＴ４０では、プロセッサ２１が、第１データが嵌合に関連する場合に、第１データに基づいて正常に嵌合されたか否かを判定する。具体的には、プロセッサ２１は、第１データが嵌合に関連するとの判定結果を受けて、第１データに基づいてコネクタが正常に嵌合されたか否かを判定する。
ステップＳＴ４０の詳細について図１３を用いて説明する。図１３は、正常な嵌合であるか否かを判定する処理の一例を示すフローチャートである。図１３に示すように、ステップＳＴ４０は、ステップＳＴ４１～ＳＴ４４を含む。
ステップＳＴ４１では、プロセッサ２１が、第１データをＦＦＴ（Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ）処理することによって嵌合判定データを取得する。プロセッサ２１は、第１データを高速フーリエ変換して、正常な嵌合であるか否かを判定するための嵌合判定データを生成する。嵌合判定データは、正常な嵌合であるか否かを判定するためのデータであり、第１データに含まれる周波数成分の割合を示すデータである。
ステップＳＴ４２では、プロセッサ２１が、嵌合判定データと基準データとを比較し、比較結果に基づいてコネクタが正常に嵌合されたか否かを判定する。具体的には、プロセッサ２１は、嵌合判定データのピークレベルと基準データのレベルとを比較する。なお、基準データは、記憶装置２２に格納されている。記憶装置２２には、複数の基準データが格納されていてもよい。基準データは、複数の基準データの中からコネクタの形状、種類、大きさに応じて選択されてもよい。
プロセッサ２１は、嵌合判定データのピークレベルが基準データのレベルよりも大きい場合に、ステップＳＴ４３に示すように、コネクタが正常に嵌合されていると判定する。
プロセッサ２１は、嵌合判定データのピークレベルが基準データのレベル以下である場合に、ステップＳＴ４４に示すように、コネクタが正常に嵌合されていないと判定する。
以上のように、嵌合検知方法は、ステップＳＴ１０～ＳＴ４０を実施することによって、コネクタが正常に嵌合されたか否かを検知することができる。
４． 効果及び補足等
本開示の第１実施形態の嵌合検知方法によると以下の効果を奏する。
本開示の第１実施形態の嵌合検知方法によると以下の効果を奏する。
本開示の嵌合検知方法は、第１データを取得するステップＳＴ１０、第２データを取得するステップＳＴ２０、第１データが嵌合に関連するか否かを判定するステップＳＴ３０及び正常に嵌合されたか否かを判定するステップＳＴ４０を含む。第１データを取得するステップＳＴ１０は、振動から生成される情報を示す第１データを取得する。第２データを取得するステップＳＴ２０は、少なくとも正常な嵌合により生じる振動から生成される情報を教師データとして機械学習が行われた学習済みモデル２４に、第１データを入力することによって、学習済みモデル２４から出力される第２データを取得する。第１データが嵌合に関連するか否かを判定するステップＳＴ３０は、第２データに基づいて、第１データが嵌合に関連するか否かを判定する。正常に嵌合されたか否かを判定するステップＳＴ４０は、第１データが嵌合に関連する場合に、第１データに基づいて正常に嵌合されたか否かを判定する。
このような構成により、正常な嵌合を効率良く検知することができる。嵌合検知方法では、学習済みモデル２４から出力された第２データに基づいて、第１データが嵌合による振動に関連するのか否かを判定することができるため、外乱による振動を排除することができる。これにより、判定処理の負荷が比較的軽くなり、且つ判定時間も短くなる。また、嵌合検知方法では、外乱による振動に基づいて間違って正常な嵌合であると判定される可能性を下げ、判定精度を向上させることができる。
第１データが振動の振幅波形を示し、学習済みモデル２４が、少なくとも正常な嵌合により生じる振動の振幅波形を教師データとして機械学習が行われている場合において、第１データを取得するステップＳＴ１０は、第１データの振幅と第１閾値Ｔ１とに基づいて、第２データを取得する処理を実行するか否かを判定する。このような構成により、第１データを取得するステップＳＴ１０で、ノイズ等の小さい振動を排除することができる。このように明らかに嵌合に関連しないノイズ等の振動について、ステップＳＴ２０～ＳＴ４０の処理を行わないことを、ステップＳＴ１０の段階で早期に判定することができる。これにより、無駄な判定処理を減らすことができる。
学習済みモデル２４は、オートエンコーダであり、第２データは、オートエンコーダによって、第１データが圧縮され、再構成されて得られた情報を示す。第１データが嵌合に関連するか否かを判定するステップＳＴ３０は、第１データと第２データとを比較し、比較の結果に基づいて第１データが嵌合に関連するか否かを判定する。このような構成により、第１データと第２データとの比較に基づいて、第１データが嵌合に関連するか否かを判定することができる。これにより、第１データが嵌合による振動に関連するのか否かを容易に判定することができる。
第１データが嵌合に関連するか否かを判定するステップＳＴ３０は、第１データと第２データとの差異を示す歪み度を算出するステップＳＴ３１と、歪み度に基づいて、第１データが嵌合に関連するか否かを判定するステップＳＴ３２と、を有する。このような構成により、第１データと第２データとを容易に比較することができ、嵌合の判定を効率良く行うことができる。
正常な嵌合により生じる振動の振幅波形は、時間の経過に伴い振幅が小さくなり、且つ波形のピークである山の数が少なくとも２つ以上である。篏合構造においては弾性部分の変形が生じて篏合が起こるため、弾性部分の振動により少なくとも２つ以上の波形のピークが生じる。よって、このような構成により、判定精度を向上させることができる。
第１データは、正常な嵌合以外の外乱による振動の振幅波形を含む。第１データが外乱による振動の振幅波形を含む場合には、第１データが嵌合に関連するか否かを判定するステップＳＴ３０では、第１データは嵌合に関連しないと判定される。このような構成により、外乱による振動を排除することができ、正常な嵌合を効率良く検知することができる。
第２データを取得するステップＳＴ２０は、第１データの振幅を拡大するステップＳＴ２１と、振幅を拡大した第１データを学習済みモデル２４に入力するステップＳＴ２２と、を有する。このような構成により、第１データと第２データとの比較が容易となり、判定精度を向上させることができる。例えば、第１データと第２データとを比較するときに振幅が小さいと、第１データと第２データとの誤差が小さくなり、第１データと第２データとが比較しにくい。第１データと第２データとを比較するときに振幅が大きいと、第１データと第２データとの誤差が大きくなり、第１データと第２データとが比較しやすくなる。
また、本開示の第１実施形態の嵌合検知システム１及び嵌合検知装置２０においても、上述した嵌合検知方法と同様の効果を奏する。
（第２実施形態）
図１４を参照して、第２実施形態の嵌合検知システム１Ａの構成について説明する。
（第２実施形態）
図１４を参照して、第２実施形態の嵌合検知システム１Ａの構成について説明する。
第２実施形態では、主に第１実施形態と異なる点について説明する。第２実施形態においては、第１実施形態と同一又は同等の構成については同じ符号を付して説明する。また、第２実施形態では、第１実施形態と重複する記載は省略する。
第２実施形態では、ディスプレイ３０を備える点で、第１実施形態と異なる。
第２実施形態では、嵌合検知装置２０の検知結果がディスプレイ３０に表示される。
図１４は、第２実施形態の嵌合検知システム１Ａの一例を示す概略ブロック図である。図１４に示すように、嵌合検知システム１Ａは、嵌合検知装置２０と通信可能に接続されるディスプレイ３０を備える。
＜ディスプレイ＞
ディスプレイ３０は、嵌合検知装置２０の検知結果を表示する。具体的には、ディスプレイ３０は、コネクタが正常に嵌合されたか否かの判定結果を表示する。
ディスプレイ３０は、嵌合検知装置２０の検知結果を表示する。具体的には、ディスプレイ３０は、コネクタが正常に嵌合されたか否かの判定結果を表示する。
例えば、ディスプレイ３０はコネクタが正常に嵌合されたか否かの判定結果を視覚的に表示してもよい。「視覚的に表示する」とは、例えば、文字、画、映像などを用いて視覚的に認識できる方法で表示することを含む。
ディスプレイ３０と嵌合検知装置２０とは、通信端子２３を介して有線により通信可能に接続されている。
図１５を用いて、第２実施形態の嵌合検知方法を説明する。図１５は、第２実施形態の嵌合検知方法の一例を示すフローチャートである。
図１５に示すように、第２実施形態では、判定結果を提示するステップＳＴ５０を含む点で、第１実施形態と異なる。なお、図１５に示すステップＳＴ１０～ＳＴ４０は、図９に示すステップＳＴ１０～ＳＴ４０と同様であるため、説明を省略する。
ステップＳＴ５０では、ディスプレイ３０が、嵌合の判定結果を表示する。ディスプレイ３０は、通信端子２３を介して嵌合検知装置２０からステップＳＴ４０で実施された判定の判定結果を受信し、判定結果を提示する。
本開示の第２実施の形態の嵌合検知方法によると以下の効果を奏する。
本開示の嵌合検知方法は、正常に嵌合されたか否かの判定結果を表示するステップＳＴ５０を更に含む。このような構成により、作業者が判定結果を容易に知ることができる。また、判定処理から嵌合に関連しない外乱による振動が排除されているため、外乱による振動に基づく判定結果の表示の回数を減らすことができる。これにより、利便性が向上する。
本開示の第２実施の形態の嵌合検知システム１Ａにおいても、上述した嵌合検知方法と同様の効果を奏する。
なお、嵌合検知システム１Ａは、判定結果を提示するランプ及び／又はスピーカーを備えていてもよい。嵌合検知システム１Ａは、ディスプレイ３０を有さずに、ランプ及び／又はスピーカーを備えていてもよい。ランプはコネクタが正常に嵌合されたか否かの判定結果を点灯、点滅、色分けして表示してもよい。例えば、コネクタが正常に嵌合されている場合、ランプを点灯するか、又は緑色のランプを点灯させてもよい。コネクタが正常に嵌合されていない場合、ランプを点滅するか、又は赤色のランプを点灯させてもよい。ランプはＬＥＤであってもよい。スピーカーは、コネクタが正常に嵌合されたか否かの判定結果を音により報知してもよい。
（第３実施形態）
図１６を参照して、第３実施形態の嵌合検知システム１Ｂの構成について説明する。
図１６を参照して、第３実施形態の嵌合検知システム１Ｂの構成について説明する。
第３実施形態では、主に第２実施形態と異なる点について説明する。第３実施形態においては、第２実施形態と同一又は同等の構成については同じ符号を付して説明する。また、第３実施形態では、第２実施形態と重複する記載は省略する。
第３実施形態では、嵌合検知装置２０が、振動センサ１０及びディスプレイ３０と無線通信する点で、第２実施形態と異なる。
図１６は、第３実施形態の嵌合検知システム１Ｂの一例を示す概略ブロック図である。図１６に示すように、嵌合検知システム１Ｂは、振動センサ１０の振動データを送信する送信機１１と、嵌合検知装置２０の検知結果を受信する受信機３１と、を更に備える。また、嵌合検知装置２０は、通信回路２３Ａを備える。
通信回路２３Ａは、所定の通信規格に準拠して外部機器との無線通信を行う回路である。所定の通信規格は、例えば、Ｗｉ－Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）などを含む。通信回路２３Ａは、送信機１１及び受信機３１と無線通信によりデータのやりとりを行っている。
送信機１１は、振動センサ１０で検出された振動データを嵌合検知装置２０に送信する。具体的には、送信機１１は、嵌合検知装置２０の通信回路２３Ａと無線接続される。送信機１１は、所定の通信規格に準拠して嵌合検知装置２０との無線通信を行う回路を含む。本実施形態では、送信機１１は、振動センサ１０で検出された電圧のデータを通信回路２３Ａに送信している。
受信機３１は、嵌合検知装置２０の検知結果を受信する。具体的には、受信機３１は、通信回路２３Ａと無線接続し、判定結果を受信する。受信機３１で受信された検知結果は、ディスプレイ３０に送信される。受信機３１は、所定の通信規格に準拠して嵌合検知装置２０との無線通信を行う回路を含む。
本開示の第３実施形態の嵌合検知システム１Ｂによると以下の効果を奏することができる。
本開示の嵌合検知システム１Ｂでは、嵌合検知装置２０が無線通信を行う通信回路２３Ａを含む。嵌合検知装置２０は、通信回路２３Ａを介して、振動センサ１０から振動データを無線で受信している。また、嵌合検知装置２０は、通信回路２３Ａを介して、嵌合の判定結果をディスプレイ３０に無線で送信している。このような構成により、利便性が向上する。
（第４実施形態）
図１７を参照して、第４実施形態の嵌合検知システム１Ｃの構成について説明する。
図１７を参照して、第４実施形態の嵌合検知システム１Ｃの構成について説明する。
第４実施形態では、主に第３実施形態と異なる点について説明する。第４実施形態においては、第３実施形態と同一又は同等の構成については同じ符号を付して説明する。また、第４実施形態では、第３実施形態と重複する記載は省略する。
第４実施形態では、サーバ４０を備え、サーバ４０で第２データを取得する点で、第３実施形態と異なる。
第４実施形態では、サーバ４０上に学習済みモデル２４が格納されている。サーバ４０は、嵌合検知装置２０から無線通信を介して第１データを受信する。サーバ４０は、受信した第１データを学習済みモデル２４に入力することによって、第２データを取得する。第２データは、サーバ４０から嵌合検知装置２０に送信される。言い換えると、第４実施形態では、図１５に示す第２データを取得するステップＳＴ２０がサーバ４０で実施される。
図１７は、第４実施形態の嵌合検知システム１Ｃの一例を示す概略ブロック図である。図１７に示すように、嵌合検知システム１Ｃは、無線通信を介して接続されるサーバ４０を備える。
＜サーバ＞
サーバ４０は、通信回路４１、プロセッサ４２及び記憶装置４３を備える。
サーバ４０は、通信回路４１、プロセッサ４２及び記憶装置４３を備える。
通信回路４１は、所定の通信規格に準拠して嵌合検知装置２０との無線通信を行う回路である。所定の通信規格は、例えば、Ｗｉ－Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）などを含む。通信回路４１は、嵌合検知装置２０の通信回路２３Ａと無線通信によりデータのやりとりを行っている。本実施形態では、通信回路４１は、嵌合検知装置２０から第１データを受信し、嵌合検知装置２０へ第２データを送信している。
プロセッサ４２は、例えば、中央処理ユニット（ＣＰＵ）、マイクロプロセッサ、又はコンピュータ実行可能命令の実行が可能なその他の処理ユニットである。プロセッサ４２は、記憶装置４３に記憶された命令を実行する。
記憶装置４３は、サーバ４０の機能を実現するために必要なプログラム及びデータを記憶する記憶媒体である。記憶装置４３には、学習済みモデル２４が格納されている。記憶装置４３は、例えば、ハードディスク（ＨＤＤ）、ＳＳＤ、ＲＡＭ、ＤＲＡＭ、強誘電体メモリ、フラッシュメモリ、磁気ディスク、又はこれらの組み合わせによって実現できる。
嵌合検知システム１Ｃでは、第１データが嵌合検知装置２０の通信回路２３Ａを介してサーバ４０に送信される。サーバ４０は、通信回路４１を介して第１データを受信する。サーバ４０では、プロセッサ４２が、記憶装置４３に格納された学習済みモデル２４に第１データを入力することによって、学習済みモデル２４から出力される第２データを取得する。第２データは通信回路４１を介して嵌合検知装置２０に送信される。嵌合検知装置２０は、通信回路２３Ａを介して第２データを受信する。第２データは、嵌合検知装置２０に送られ、判定処理が行われる。
本開示の第４実施形態の嵌合検知システム１Ｃによると以下の効果を奏することができる。
本開示の嵌合検知システム１Ｃは、無線通信を介して接続されるサーバ４０を備える。学習済みモデル２４は、サーバ４０の記憶装置４３に格納されている。第１データは、無線通信を介してサーバ４０に送信され、第２データは、サーバ４０のプロセッサ４２によって学習済みモデル２４に、第１データを入力することによって取得される。
このような構成により、第２データの取得の処理をサーバ４０で行うことができるため、利便性が向上する。
なお、本実施形態では、サーバ４０が図１５に示す第２データを取得するステップＳＴ２０を実施する例について説明したが、これに限定されない。例えば、サーバ４０は、図１５に示す判定するステップＳＴ３０及び／又はＳＴ４０を実施してもよい。
サーバ４０が図１５に示す判定するステップＳＴ３０を実施する場合、サーバ４０は、通信回路４１を介して嵌合検知装置２０に、第１データが嵌合に関連するか否かの判定結果を送信してもよい。
サーバ４０が図１５に示す判定するステップＳＴ４０を実施する場合、サーバ４０は通信回路４１を介して嵌合検知装置２０に、第１データが嵌合に関連するか否かの判定結果又は正常な嵌合であるか否かの判定結果を送信してもよい。
なお、更なる変形例として、サーバ４０と、複数の嵌合検知装置２０とが接続されるように構成を行ってもよい。このようにすると、多種多様な環境において取得されたデータに基づき学習および判定を行うことができるため、判定処理の精度がより向上する。また、比較的処理負担の多い学習済みモデルを用いた判定処理部分をサーバ側で行わせることにより、クライアント側の処理を軽減できると共に、サーバの処理キャパシティの調整を通じて、判定処理需要の高低にも柔軟に対応することができる。
（他の実施形態）
以上のように、本出願において開示する技術の例示として、上記実施形態を説明した。しかしながら、本開示における技術は、これに限定されず、適宜、変更、置き換え、付加、省略などを行った実施形態にも適用可能である。そこで、以下、他の実施形態を例示する。
以上のように、本出願において開示する技術の例示として、上記実施形態を説明した。しかしながら、本開示における技術は、これに限定されず、適宜、変更、置き換え、付加、省略などを行った実施形態にも適用可能である。そこで、以下、他の実施形態を例示する。
上記実施形態では、振動センサ１０及びディスプレイ３０が、嵌合検知装置２０と別体である場合を例示した。しかし、振動センサ１０は、嵌合検知装置２０に含まれていてもよい。ディスプレイ３０は、嵌合検知装置２０に含まれていてもよい。
上記実施形態では、振動センサ１０が圧電センサであり、振動データが電圧である場合を例示した。しかし、振動センサ１０は圧電センサに限定されず、振動データは電圧に限定されない。振動センサ１０は、嵌合を検知可能な振動データを検出できればよい。例えば、振動センサ１０は、指向性マイクなどの音声センサ、加速度センサなどの動きセンサ類を用いても良い。ただし、振動センサ１０として圧電センサを用いた場合は、環境音の混入が抑止されやすいため、システム全体として外乱による誤反応が低減する。また、振動データは、振動に関連するデータであればよい。
上記実施形態では、学習済みモデル２４がオートエンコーダであり、教師データとして用いられる「振動が嵌合に関連することを示すデータ」が正常な嵌合により生じる振動の振幅波形と同じ振幅波形である場合を例示した。しかし、学習済みモデル２４は、オートエンコーダに限定されない。例えば、学習済みモデル２４は、オートエンコーダ以外のニューラルネットワーク、従来の古典的機械学習によって構築された、モデルや分類器等であってもよい。ただし、様々な機構、用途、材質などの要素が複雑に絡み合う篏合分野において、それらに及ぼされる外乱の影響の全てを教師データとして収集して学習済みモデルを構成することは困難な為、オートエンコーダを用いるとより簡便に精度よく判定を行うことができる。「振動が嵌合に関連することを示すデータ」は、例えば、嵌合の状態などを示すラベルであってもよい。嵌合の状態とは、例えば、正常な嵌合、半嵌合及び未嵌合などの状態を含んでもよい。「半嵌合」とは、部分的に係合しているが、完全に嵌合されていない状態を意味する。「未嵌合」とは、嵌合がされていない状態を意味する。
上記実施形態では、学習済みモデル２４の教師データが、コネクタの正常な嵌合により生じる振動の振幅波形と、振動が嵌合に関連することを示すデータと、である場合を例示した。しかし、学習済みモデル２４の教師データは、これらに限定されない。例えば、学習済みモデル２４の教師データは、外乱による振動の振動波形を含んでいてもよい。このような構成により、判定精度を向上させることができる。
また、学習済みモデル２４は、追加的に学習して更新されてもよい。例えば、正常な嵌合と判断された場合の第１データが、教師データとして学習済みモデル２４に入力されてもよい。これにより、学習済みモデル２４が追加的に学習することによって更新されてもよい。学習済みモデル２４の更新後、更新された学習済みモデル２４を用いて、第２データを取得してもよい。このような構成により、正常な嵌合の検知を更に効率良く行うことができる。またここでは、学習済みモデルを使用する例を説明したが、学習済みモデル自体を利用せず、いわゆるプログラム言語の関数式に置き換えてもよい。また、学習済みモデルは一次的に作成された学習済みモデルに限定されず、既存の学習済みモデルから派生した第二のモデルを利用してもよい。第二のモデルの作成方法は、枝刈りを用いて作成したものであってもよいし、蒸留という工程で新たに作成した学習済みモデルであってもいいことは言うまでもない。本開示ではこれらのモデル、および／またはこれらのモデルを複数用いて総合的に出力を行うモデルも含めて学習済みモデルと呼ぶ。
上記実施形態では、正常な嵌合により生じる振動の振幅波形が、時間の経過に伴い振幅が小さくなり、且つ波形のピークである山の数が３つである振幅波形の場合を例示した。しかし、正常な嵌合により生じる振動の振幅波形は、例えば、コネクタの種類、大きさ、形状、材料などによって変化してもよい。
上記実施形態では、第１データが、振動の振幅波形である場合を例示した。しかし、第１データは振動の振幅波形に限定されない。第１データは、振動から生成される情報を示すデータであればよい。例えば、第１データは、振動の周波数成分であってもよい。また、第１データが振動の周波数成分である場合、第２データも周波数成分であってもよい。また、第１データが振動の周波数成分である場合、学習済みモデル２４の教師データも周波数成分であってもよい。
上記実施形態では、プロセッサ２１が第１データの振幅と第１閾値Ｔ１とに基づいて第２データを取得する処理を実行するか否かを判定する場合を例示した。しかし、プロセッサ２１は、第２データを取得する処理を実行するか否かを判定しなくてもよい。
上記実施形態では、プロセッサ２１が、第１データに対する前処理として第１データの振幅を拡大する場合を例示した。しかし、プロセッサ２１は、第１データの振幅を拡大しなくてもよい。また、第１データに対する前処理としては第１データを第１データの包絡線に変換する処理を行ってもよい。また、また、第１データに対する前処理としては第１データを第１データに含まれる２つ以上の山のピーク間に関する情報（ピーク間の距離等）を示す値に変換する処理を行ってもよい。
上記実施形態では、プロセッサ２１が、第１データと第２データとの歪み度を算出し、歪み度と第２閾値Ｔ２とに基づいて第１データが嵌合に関連するか否かを判定する場合を例示した。しかし、プロセッサ２１は歪み度を算出する以外の方法で、第１データが嵌合に関連するか否かを判定してもよい。プロセッサ２１は、第２データに基づいて第１データが嵌合に関連するか否かを判定できればよい。
上記実施形態では、プロセッサ２１が、第１データをＦＦＴ処理して得た嵌合判定データと基準データとを比較することによって、コネクタが正常に嵌合されたか否かを判定する場合を例示した。しかし、プロセッサ２１は、ＦＦＴ処理以外の方法で、正常に嵌合されたか否かを判定してもよい。プロセッサ２１は、第１データに基づいて正常に嵌合されたか否かを判定できればよい。
上記実施形態では、嵌合検知方法のステップＳＴ１０～ＳＴ５０がそれぞれ別個のステップである場合を例示した。しかし、複数のステップが統合されていてもよい。例えば、ステップＳＴ１０とステップＳＴ２０とが統合されていてもよい。ステップＳＴ３０とステップＳＴ４０とが統合されていてもよい。
上記実施形態では、篏合が、自動車等に搭載される機器同士を物理的且つ電気的に接続するために用いられる場合を例示した。しかし、本明細書において「篏合」は、少なくとも物理的に接触するものであればよい。例えば、篏合は、ドアの開閉部品や、工場用機械の安全蓋の開閉部品で用いられるものあってもよい。篏合がドアの開閉部品に用いられるものである場合、本開示の嵌合検知方法、嵌合検知装置及び嵌合検知システムが、ドアの開閉状態の検知に適用されてもよい。篏合が工場用機械の安全蓋の開閉部品に用いられるものである場合、本開示の嵌合検知方法、嵌合検知装置及び嵌合検知システムが、安全蓋の開閉状態の検知に適用されてもよい。
（実施形態の概要）
（１）本開示の嵌合検知方法は、嵌合を検知する嵌合検知方法であって、振動から生成される情報を示す第１データを取得し、少なくとも正常な嵌合により生じる振動から生成される情報を教師データとして機械学習が行われた学習済みモデルに、第１データを入力することによって、学習済みモデルから出力される第２データを取得し、第２データに基づいて、第１データが嵌合に関連するか否かを判定し、第１データが嵌合に関連する場合に、第１データに基づいて正常に嵌合されたか否かを判定すること、を含む。
（１）本開示の嵌合検知方法は、嵌合を検知する嵌合検知方法であって、振動から生成される情報を示す第１データを取得し、少なくとも正常な嵌合により生じる振動から生成される情報を教師データとして機械学習が行われた学習済みモデルに、第１データを入力することによって、学習済みモデルから出力される第２データを取得し、第２データに基づいて、第１データが嵌合に関連するか否かを判定し、第１データが嵌合に関連する場合に、第１データに基づいて正常に嵌合されたか否かを判定すること、を含む。
（２）（１）の嵌合検知方法において、第１データが振動の振幅波形を示し、学習済みモデルが、少なくとも正常な嵌合により生じる振動の振幅波形を教師データとして機械学習が行われている場合において、第１データを取得することは、第１データの振幅と第１閾値とに基づいて、第２データを取得する処理を実行するか否かを判定してもよい。
（３）（１）又は（２）の嵌合検知方法において、学習済みモデルは、オートエンコーダであり、第２データは、オートエンコーダによって、第１データが圧縮され、再構成されて得られた情報を示し、第１データが嵌合に関連するか否かを判定することは、第１データと第２データとを比較し、比較の結果に基づいて第１データが嵌合に関連するか否かを判定してもよい。
（４）（３）の嵌合検知方法において、第１データが嵌合に関連するか否かを判定することは、第１データと第２データとの差異を示す歪み度を算出し、前記歪み度に基づいて、第１データが嵌合に関連するか否かを判定してもよい。
（５）（１）～（４）のいずれか１つの嵌合検知方法において、正常な嵌合により生じる振動の振幅波形は、時間の経過に伴い振幅が小さくなり、且つ波形のピークである山の数が少なくとも２つ以上であってもよい。
（６）（１）～（５）のいずれか１つの嵌合検知方法において、第１データは、正常な嵌合以外の外乱による振動の振幅波形を含み、第１データが外乱による振動の振幅波形を含む場合には、第１データは嵌合に関連しないと判定されてもよい。
（７）（１）～（６）のいずれか１つの嵌合検知方法において、第２データを取得することは、第１データの振幅を拡大し、振幅を拡大した第１データを学習済みモデルに入力してもよい。
（８）（１）～（７）のいずれか１つの嵌合検知方法において、正常に嵌合されたか否かの判定結果を表示することを更に含んでいてもよい。
（９）本開示の嵌合検知装置は、嵌合を検知する嵌合検知装置であって、プロセッサと、プロセッサにより実行可能な命令を記憶した記憶装置と、を備え、命令は、振動から生成される情報を示す第１データを取得し、少なくとも正常な嵌合により生じる振動から生成される情報を教師データとして機械学習が行われた学習済みモデルに、第１データを入力することによって、学習済みモデルから出力される第２データを取得し、第２データに基づいて、第１データが嵌合に関連するか否かを判定し、第１データが嵌合に関連する場合に、第１データに基づいて正常に嵌合されたか否かを判定すること、を含む。
（１０）（９）の嵌合検知装置において、第１データが振動の振幅波形を示し、学習済みモデルが、少なくとも正常な嵌合により生じる振動の振幅波形を教師データとして機械学習が行われている場合において、第１データを取得することは、第１データの振幅と第１閾値とに基づいて、第２データを取得する処理を実行するか否かを判定してもよい。
（１１）（９）又は（１０）の嵌合検知装置において、学習済みモデルは、オートエンコーダであり、第２データは、オートエンコーダによって、第１データが圧縮され、再構成されて得られた情報を示し、第１データが嵌合に関連するか否かを判定することは、第１データと第２データとを比較し、比較の結果に基づいて第１データが嵌合に関連するか否かを判定してもよい。
（１２）（１１）の嵌合検知装置において、第１データが嵌合に関連するか否かを判定することは、第１データと第２データとの差異を示す歪み度を算出し、歪み度に基づいて、第１データが嵌合に関連するか否かを判定してもよい。
（１３）（９）～（１２）の嵌合検知装置において、正常な嵌合により生じる振動の振幅波形は、時間の経過に伴い振幅が小さくなり、且つ波形のピークである山の数が少なくとも２つ以上であってもよい。
（１４）（９）～（１３）の嵌合検知装置において、第１データは、正常な嵌合以外の外乱による振動の振幅波形を含み、第１データが外乱による振動の振幅波形を含む場合には、第１データが嵌合に関連しないと判定されてもよい。
（１５）（９）～（１４）の嵌合検知装置において、第２データを取得することは、第１データの振幅を拡大し、振幅を拡大した第１データを学習済みモデルに入力してもよい。
（１６）本開示の嵌合検知システムは、嵌合を検知する嵌合検知システムであって、
振動を検出する振動センサと、プロセッサと、プロセッサにより実行可能な命令を記憶した記憶装置と、を備え、命令は、振動センサによって検出される振動から生成される情報を示す第１データを取得し、少なくとも正常な嵌合により生じる振動から生成される情報を教師データとして機械学習が行われた学習済みモデルに、第１データを入力することによって、学習済みモデルから出力される第２データを取得し、第２データに基づいて、第１データが嵌合に関連するか否かを判定し、第１データが嵌合に関連する場合に、第１データに基づいて正常に嵌合されたか否かを判定すること、を含む。
振動を検出する振動センサと、プロセッサと、プロセッサにより実行可能な命令を記憶した記憶装置と、を備え、命令は、振動センサによって検出される振動から生成される情報を示す第１データを取得し、少なくとも正常な嵌合により生じる振動から生成される情報を教師データとして機械学習が行われた学習済みモデルに、第１データを入力することによって、学習済みモデルから出力される第２データを取得し、第２データに基づいて、第１データが嵌合に関連するか否かを判定し、第１データが嵌合に関連する場合に、第１データに基づいて正常に嵌合されたか否かを判定すること、を含む。
（１７）（１６）の嵌合検知システムは、命令は、正常に嵌合されたか否かの判定結果を表示すること、を更に含んでいてもよい。
（１８）（１６）又は（１７）の嵌合検知システムは、無線通信を介して接続されるサーバを更に備え、学習済みモデルは、サーバの記憶装置に格納されており、第２データを取得することは、無線通信を介してサーバに第１データを送信し、サーバのプロセッサによって、学習済みモデルに、第１データを入力し、学習済みモデルから出力される第２データを取得してもよい。
（１９）（１８）の嵌合検知システムにおいて、第２データに基づいて、第１データが嵌合に関連するか否かを判定する処理と、第１データに基づいて正常に嵌合されたか否かを判定する処理とのうち少なくとも１つは、サーバのプロセッサにより実行されてもよい。
本開示は、嵌合を検知する分野に適用可能であり、コネクタの他、例えば、ドアや工場機械用の安全蓋が閉じているか否かを検知する技術に適用することができる。
１，１Ａ，１Ｂ，１Ｃ 嵌合検知システム
１０ 振動センサ
１１ 送信機
２０ 嵌合検知装置
２１ プロセッサ
２２ 記憶装置
２３ 通信端子
２３Ａ 通信回路
２４ 学習済みモデル
３０ ディスプレイ
３１ 受信機
４０ サーバ
４１ 通信回路
４２ プロセッサ
４３ 記憶装置
Ｐ１，Ｐ２，Ｐ３ ピーク
Ｔ１，Ｔ２ 閾値
１０ 振動センサ
１１ 送信機
２０ 嵌合検知装置
２１ プロセッサ
２２ 記憶装置
２３ 通信端子
２３Ａ 通信回路
２４ 学習済みモデル
３０ ディスプレイ
３１ 受信機
４０ サーバ
４１ 通信回路
４２ プロセッサ
４３ 記憶装置
Ｐ１，Ｐ２，Ｐ３ ピーク
Ｔ１，Ｔ２ 閾値
Claims (19)
- 嵌合を検知する嵌合検知方法であって、
振動から生成される情報を示す第１データを取得し、
少なくとも正常な嵌合により生じる振動から生成される情報を教師データとして機械学習が行われた学習済みモデルに、前記第１データを入力することによって、前記学習済みモデルから出力される第２データを取得し、
前記第２データに基づいて、前記第１データが嵌合に関連するか否かを判定し、
前記第１データが嵌合に関連する場合に、前記第１データに基づいて正常に嵌合されたか否かを判定すること、
を含む、
嵌合検知方法。 - 前記第１データが前記振動の振幅波形を示し、
前記学習済みモデルが、少なくとも前記正常な嵌合により生じる振動の振幅波形を教師データとして機械学習が行われている場合において、
前記第１データを取得することは、前記第１データの振幅と第１閾値とに基づいて、前記第２データを取得する処理を実行するか否かを判定する、
請求項１に記載の嵌合検知方法。 - 前記学習済みモデルは、オートエンコーダであり、
前記第２データは、前記オートエンコーダによって、前記第１データが圧縮され、再構成されて得られた情報を示し、
前記第１データが嵌合に関連するか否かを判定することは、前記第１データと前記第２データとを比較し、前記比較の結果に基づいて前記第１データが嵌合に関連するか否かを判定する、
請求項１に記載の嵌合検知方法。 - 前記第１データが嵌合に関連するか否かを判定することは、
前記第１データと前記第２データとの差異を示す歪み度を算出し、
前記歪み度に基づいて、前記第１データが嵌合に関連するか否かを判定する、
請求項３に記載の嵌合検知方法。 - 前記正常な嵌合により生じる振動の振幅波形は、時間の経過に伴い振幅が小さくなり、且つ波形のピークである山の数が少なくとも２つ以上である、
請求項１に記載の嵌合検知方法。 - 前記第１データは、前記正常な嵌合以外の外乱による振動の振幅波形を含み、
前記第１データが前記外乱による振動の振幅波形を含む場合には、前記第１データは嵌合に関連しないと判定される、
請求項１に記載の嵌合検知方法。 - 前記第２データを取得することは、
前記第１データの振幅を拡大し、
前記振幅を拡大した前記第１データを前記学習済みモデルに入力する、
請求項１に記載の嵌合検知方法。 - 前記正常に嵌合されたか否かの判定結果を表示することを更に含む、
請求項１に記載の嵌合検知方法。 - 嵌合を検知する嵌合検知装置であって、
プロセッサと、
前記プロセッサにより実行可能な命令を記憶した記憶装置と、
を備え、
前記命令は、
振動から生成される情報を示す第１データを取得し、
少なくとも正常な嵌合により生じる振動から生成される情報を教師データとして機械学習が行われた学習済みモデルに、前記第１データを入力することによって、前記学習済みモデルから出力される第２データを取得し、
前記第２データに基づいて、前記第１データが嵌合に関連するか否かを判定し、
前記第１データが嵌合に関連する場合に、前記第１データに基づいて正常に嵌合されたか否かを判定すること、
を含む、嵌合検知装置。 - 前記第１データが前記振動の振幅波形を示し、
前記学習済みモデルが、少なくとも前記正常な嵌合により生じる振動の振幅波形を教師データとして機械学習が行われている場合において、
前記第１データを取得することは、前記第１データの振幅と第１閾値とに基づいて、前記第２データを取得する処理を実行するか否かを判定する、
請求項９に記載の嵌合検知装置。 - 前記学習済みモデルは、オートエンコーダであり、
前記第２データは、前記オートエンコーダによって、前記第１データが圧縮され、再構成されて得られた情報を示し、
前記第１データが嵌合に関連するか否かを判定することは、前記第１データと前記第２データとを比較し、前記比較の結果に基づいて前記第１データが嵌合に関連するか否かを判定する、
請求項９に記載の嵌合検知装置。 - 前記第１データが嵌合に関連するか否かを判定することは、
前記第１データと前記第２データとの差異を示す歪み度を算出し、
前記歪み度に基づいて、前記第１データが嵌合に関連するか否かを判定する、
請求項１１に記載の嵌合検知装置。 - 前記正常な嵌合により生じる振動の振幅波形は、時間の経過に伴い振幅が小さくなり、且つ波形のピークである山の数が少なくとも２つ以上である、
請求項９に記載の嵌合検知装置。 - 前記第１データは、前記正常な嵌合以外の外乱による振動の振幅波形を含み、
前記第１データが前記外乱による振動の振幅波形を含む場合には、前記第１データが嵌合に関連しないと判定される、
請求項９に記載の嵌合検知装置。 - 前記第２データを取得することは、
前記第１データの振幅を拡大し、
前記振幅を拡大した前記第１データを前記学習済みモデルに入力する、
請求項９に記載の嵌合検知装置。 - 嵌合を検知する嵌合検知システムであって、
振動を検出する振動センサと、
プロセッサと、
前記プロセッサにより実行可能な命令を記憶した記憶装置と、
を備え、
前記命令は、
前記振動センサによって検出される前記振動から生成される情報を示す第１データを取得し、
少なくとも正常な嵌合により生じる振動から生成される情報を教師データとして機械学習が行われた学習済みモデルに、前記第１データを入力することによって、前記学習済みモデルから出力される第２データを取得し、
前記第２データに基づいて、前記第１データが嵌合に関連するか否かを判定し、
前記第１データが嵌合に関連する場合に、前記第１データに基づいて正常に嵌合されたか否かを判定すること、
を含む、嵌合検知システム。 - 前記命令は、前記正常に嵌合されたか否かの判定結果を表示すること、を更に含む、
請求項１６に記載の嵌合検知システム。 - 無線通信を介して接続されるサーバを更に備え、
前記学習済みモデルは、前記サーバの記憶装置に格納されており、
前記第２データを取得することは、
無線通信を介して前記サーバに前記第１データを送信し、
前記サーバのプロセッサによって、前記学習済みモデルに、前記第１データを入力し、前記学習済みモデルから出力される前記第２データを取得する、
請求項１６に記載の嵌合検知システム。 - 前記第２データに基づいて、前記第１データが嵌合に関連するか否かを判定する処理と、前記第１データに基づいて正常に嵌合されたか否かを判定する処理とのうち少なくとも１つは、前記サーバのプロセッサにより実行される、
請求項１８に記載の嵌合検知システム。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022576978A JP7457908B2 (ja) | 2021-01-20 | 2021-10-25 | 嵌合検知方法、嵌合検知装置及び嵌合検知システム |
| EP21921168.7A EP4283801A4 (en) | 2021-01-20 | 2021-10-25 | ASSEMBLY DETECTION METHOD, ASSEMBLY DETECTION DEVICE AND ASSEMBLY DETECTION SYSTEM |
| US18/222,703 US20230361511A1 (en) | 2021-01-20 | 2023-07-17 | Fitting detection method, fitting detection device, and fitting detection system |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021-007276 | 2021-01-20 | ||
| JP2021007276 | 2021-01-20 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| US18/222,703 Continuation US20230361511A1 (en) | 2021-01-20 | 2023-07-17 | Fitting detection method, fitting detection device, and fitting detection system |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2022158065A1 true WO2022158065A1 (ja) | 2022-07-28 |
Family
ID=82548702
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/JP2021/039306 Ceased WO2022158065A1 (ja) | 2021-01-20 | 2021-10-25 | 嵌合検知方法、嵌合検知装置及び嵌合検知システム |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20230361511A1 (ja) |
| EP (1) | EP4283801A4 (ja) |
| JP (1) | JP7457908B2 (ja) |
| WO (1) | WO2022158065A1 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024062823A1 (ja) * | 2022-09-22 | 2024-03-28 | パナソニックＩｐマネジメント株式会社 | 分類方法、分類装置及び分類システム |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7620147B1 (ja) * | 2024-05-17 | 2025-01-22 | Kddi株式会社 | 篏合音検出装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0982443A (ja) | 1995-09-06 | 1997-03-28 | Sumitomo Wiring Syst Ltd | コネクタの嵌合検知方法及び嵌合検知装置 |
| WO2008143226A1 (ja) * | 2007-05-24 | 2008-11-27 | Toyota Jidosha Kabushiki Kaisha | コネクタ嵌合状態判定装置、コネクタ嵌合状態判定システム及びコネクタ嵌合状態判定方法 |
| JP2010199047A (ja) * | 2009-02-26 | 2010-09-09 | Washino Kiko Kk | コネクタ結合検知装置 |
| WO2019176354A1 (ja) * | 2018-03-13 | 2019-09-19 | 住友電気工業株式会社 | 学習用データ収集方法、学習用データ収集装置、異変検知システム及びコンピュータプログラム |
| WO2020218129A1 (ja) * | 2019-04-22 | 2020-10-29 | トヨタ紡織株式会社 | 判定システム、分離装置、判定方法、およびプログラム |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040143398A1 (en) * | 2003-01-03 | 2004-07-22 | Nelson Mitchell C. | Method and system for monitoring vibration and/or mechanical waves in mechanical systems |
| US8179248B2 (en) * | 2006-10-13 | 2012-05-15 | Savannah River Nuclear Solutions, Llc | Door latching recognition apparatus and process |
| US10766113B2 (en) * | 2015-12-11 | 2020-09-08 | Makino Milling Machine Co., Ltd. | Machine tool |
| WO2018094273A1 (en) * | 2016-11-17 | 2018-05-24 | Ez Pulley Llc | Systems and methods for detection and analysis of faulty components in a rotating pulley system |
| US10539932B2 (en) * | 2017-09-30 | 2020-01-21 | Intel Corporation | Machine diagnostics based on overall system energy state |
| JP2020101431A (ja) * | 2018-12-21 | 2020-07-02 | 東京電力ホールディングス株式会社 | 情報処理装置、情報処理システム、携帯端末、プログラム、及び検出部 |
| JP7217246B2 (ja) * | 2019-04-26 | 2023-02-02 | 長野計器株式会社 | モニタリング装置および健全度モニタリングシステム |
| JP7239982B2 (ja) * | 2019-06-04 | 2023-03-15 | 国立大学法人広島大学 | 触覚評価システム、触覚評価方法及びプログラム |
| KR102737991B1 (ko) * | 2019-08-15 | 2024-12-05 | 엘지전자 주식회사 | 딥러닝 기반의 세탁기의 진동 분석 방법과 그 장치 |
| DE102019006810A1 (de) * | 2019-10-01 | 2020-04-02 | Daimler Ag | Verfahren zur Überprüfung einer Herstellung einer Steckverbindung |
-
2021
- 2021-10-25 EP EP21921168.7A patent/EP4283801A4/en not_active Withdrawn
- 2021-10-25 WO PCT/JP2021/039306 patent/WO2022158065A1/ja not_active Ceased
- 2021-10-25 JP JP2022576978A patent/JP7457908B2/ja active Active
-
2023
- 2023-07-17 US US18/222,703 patent/US20230361511A1/en active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0982443A (ja) | 1995-09-06 | 1997-03-28 | Sumitomo Wiring Syst Ltd | コネクタの嵌合検知方法及び嵌合検知装置 |
| WO2008143226A1 (ja) * | 2007-05-24 | 2008-11-27 | Toyota Jidosha Kabushiki Kaisha | コネクタ嵌合状態判定装置、コネクタ嵌合状態判定システム及びコネクタ嵌合状態判定方法 |
| JP2010199047A (ja) * | 2009-02-26 | 2010-09-09 | Washino Kiko Kk | コネクタ結合検知装置 |
| WO2019176354A1 (ja) * | 2018-03-13 | 2019-09-19 | 住友電気工業株式会社 | 学習用データ収集方法、学習用データ収集装置、異変検知システム及びコンピュータプログラム |
| WO2020218129A1 (ja) * | 2019-04-22 | 2020-10-29 | トヨタ紡織株式会社 | 判定システム、分離装置、判定方法、およびプログラム |
Non-Patent Citations (1)
| Title |
|---|
| See also references of EP4283801A4 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024062823A1 (ja) * | 2022-09-22 | 2024-03-28 | パナソニックＩｐマネジメント株式会社 | 分類方法、分類装置及び分類システム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7457908B2 (ja) | 2024-03-29 |
| EP4283801A1 (en) | 2023-11-29 |
| EP4283801A4 (en) | 2024-06-05 |
| US20230361511A1 (en) | 2023-11-09 |
| JPWO2022158065A1 (ja) | 2022-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7457908B2 (ja) | 嵌合検知方法、嵌合検知装置及び嵌合検知システム | |
| US12154590B2 (en) | Data processing method, data processing device, and program | |
| Cheng et al. | Independent component analysis based source number estimation and its comparison for mechanical systems | |
| KR101939683B1 (ko) | 사용자 행동 실시간 인식장치 및 방법 | |
| US20180276569A1 (en) | Learning model construction device, abnormality detection device, abnormality detection system and server | |
| KR102181762B1 (ko) | 적대적 오토 인코더 기반 이상 데이터 검출 장치 | |
| KR102116604B1 (ko) | 레이더를 이용한 제스처 인식 장치 및 방법 | |
| Barella et al. | ClusterOSS: a new undersampling method for imbalanced learning | |
| Ashwini et al. | Skeletal data based activity recognition system | |
| CN109598823B (zh) | 基于多传感器的身份识别方法 | |
| Aparna et al. | Human activity recognition via wi-fi csi and vae-cnn-bilstm hybrid deep learning | |
| JP7092818B2 (ja) | 異常検知装置 | |
| Zhang et al. | Dynamic evaluation of degradation space variation for machine condition monitoring | |
| US20210166082A1 (en) | Data analysis system and data analysis method | |
| JP7624625B2 (ja) | 嵌合検知判定システム、嵌合検知判定装置および嵌合検知判定方法 | |
| US20250216222A1 (en) | Sensor data verification | |
| CN121794751A (zh) | 使用神经网络从音频混合信号中提取音频信号 | |
| JP2022175941A (ja) | 嵌合検知判定システムおよび嵌合検知判定方法 | |
| Hiruma et al. | Separating stereo audio mixture having no phase difference by convex clustering and disjointness map | |
| JP6625270B1 (ja) | 表示データ生成装置、表示データ生成方法及びプログラム | |
| KR20240083695A (ko) | 심층 학습 기반 분석 시스템 및 그의 동작 방법 | |
| KR102661402B1 (ko) | 인공지능 기반 침입 탐지 시스템 및 방법 | |
| JP5936377B2 (ja) | 音声区間検出装置 | |
| JP5874963B2 (ja) | 移動体の動き分類方法及び移動体の動き分類システム | |
| US20220269958A1 (en) | Device-invariant, frequency-domain signal processing with machine learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 21921168 Country of ref document: EP Kind code of ref document: A1 |
|
| ENP | Entry into the national phase |
Ref document number: 2022576978 Country of ref document: JP Kind code of ref document: A |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| ENP | Entry into the national phase |
Ref document number: 2021921168 Country of ref document: EP Effective date: 20230821 |
|
| WWW | Wipo information: withdrawn in national office |
Ref document number: 2021921168 Country of ref document: EP |