[2I4-GS-2] 機械学習: 異常検知

[2I4-GS-2-05] ロケットエンジン故障検知・診断に向けた試験・数値解析の融合による学習データ生成技術

〇佐藤 大和¹、平林 美樹¹、堤 誠司¹、尾亦 範泰¹、安部 賢治²、河津 要¹ (1. 宇宙航空研究開発機構、2. 菱友システムズ)

キーワード：モデルベース、故障検知、故障診断、システムレベルシミュレーション

再使用ロケットの信頼性向上とコスト低減を両立するために，機械学習による故障検知・診断技術を適用した再整備が求められる．一方，再使用ロケットエンジンは推力が可変であり，運用状況によって動的に変化するオペレーショナルシーケンスに対して柔軟な対応が求められる．機械学習は十分な数の学習データを必要とするが，膨大な時間とコストを必要とする液体ロケットの試験のみで異常データやシーケンスの変化まで含まれる学習データを用意することは現実的ではない．本研究では，一次元的にモデル化した縮約モデルを組み合わせ，システム全体の性能を計算できるシステムレベルシミュレーション(SLS)によって学習データを生成することとした．しかし，ロケットエンジンには，故障検知・診断において重要である一方，SLSで再現できない現象が多く存在する．そこで，再現が可能な現象を説明変数として混合ガウスモデルによって分割し，SLSで再現できない現象を目的変数としてクラスタ毎に回帰モデルを学習させることで再現が困難な現象を生成できた．これらを組み合わせることで，開発済みの故障検知・診断技術の学習データとして利用できる見通しが得られた．