音による故障検知、故障予知と雑音除去技術

再開催を依頼する / 関連するセミナー・出版物を探す
オンライン 開催

本セミナーでは、講師のこれまでの音声研究のノウハウと、各種企業との共同研究の経験値を組み合わせ、音が故障検知や故障予知にどのように利用できるかを説明いたします。
ディジタル信号処理の基礎から、音の特徴量の求め方までを平易に解説した後、それらの故障検知への利用方法、およびその故障予知への発展の方法について、可能なアプローチをご紹介いたします。
また、実際の環境音、騒音などを鑑みて、比較的平易に取り組める雑除去手法も紹介いたします。

日時

中止

プログラム

画像処理やコンピュータビジョンにおけるAI技術の成功から、次は音の利用だ、という流れができつつあります。特に、これまで産業界から重大な問題であると認識されていたにも関わらず、実際には人間の手に頼らざるを得なかった、機械の故障検知や故障予知の問題に、音が有効に利用できる可能性が出てきました。  本セミナーでは、講師のこれまでの音声研究のノウハウと、各種企業との共同研究の経験値を組み合わせ、音が故障検知や故障予知にどのように利用できるかを説明します。ディジタル信号処理の基礎から、音の特徴量の求め方までを平易に解説した後、それらの故障検知への利用方法、およびその故障予知への発展の方法について、可能なアプローチをご紹介します。また、実際の環境音、騒音などを鑑みて、比較的平易に取り組める雑除去手法の紹介も行います。画像では困難だが、音なら容易である例にも言及し、これからの音応用のイメージを膨らませて頂くことを目指します。  共同研究を実施してきた経験から、特徴量ベースの方法、学習ベースの方法の二つを軸に、特徴量の計算として、パワー、スぺクトル、メル周波数、線形予測、ケプストラム、ウェーブレット等、また学習ではCNNを中心に、最適な方法の導出の考え方について、また最近の動向に触れ、異常データが少ない場合の対策 (MT法、AE法等) をも説明する予定です。我々の経験方法にも、言及します。

  1. はじめに
    1. 正常音と異常音
    2. 音による情景分析
  2. 音信号の基礎
    1. 離散時間信号
    2. ディジタルフィルタ
    3. フーリエ変換
    4. パワースペクトル
    5. 音の特性
  3. 音の特徴量
    1. パワー、周期
    2. スペクトル
    3. ケプストラム、メルケプストラム
    4. 線形予測係数
  4. 雑音除去技術
    1. スペクトル引き算
    2. ウィナーフィルタ
    3. 各種フィルタリング
    4. 複数マイクの利用
  5. 故障検知の方法
    1. 特徴量の利用
    2. 距離尺度の利用
    3. ニューラルネットワークの利用
    4. 最近の手法
  6. 故障予知の方法
    1. 時系列情報の利用
    2. 故障検知方法の有効利用
    3. 最近の試み
  7. まとめ

受講料

複数名同時受講割引について

アカデミック割引

日本国内に所在しており、以下に該当する方は、アカデミック割引が適用いただけます。

ライブ配信セミナーについて