マルチフィデリティ・デジタルツインとFMEA知識強化に基づく一般航空機のインテリジェント故障診断手法
arXiv cs.AI / 2026/4/28
💬 オピニオンDeveloper Stack & InfrastructureModels & Research
要点
- 本論文は、実故障データの不足、多様な故障タイプ、弱い故障シグネチャといった一般航空機の故障診断課題に対し、マルチフィデリティ・デジタルツインを基盤とする枠組みを提案している。
- デジタルツインはJSBSimの6自由度（6-DoF）飛行ダイナミクスエンジンで構築し、半経験的なセンサ合成方程式によって23チャネルのエンジン状態監視データを生成する。
- FMEA（故障モード・影響解析）に基づく3層のフォルト注入エンジンにより、19種類のエンジン故障について物理的な因果伝播をモデル化し、現実的な故障シミュレーションを支える。
- 診断では、残差特徴抽出をマルチフィデリティで行い、ペアードミラー方式（高忠実度でクリーンな偏差信号）とGRUサロゲート方式（低忠実度でオンラインのリアルタイム残差計算）を併用し、その後1D-CNNで20クラスの故障をエンドツーエンドに分類する。
- さらに、LLMをFMEA知識で強化したレポート生成モジュールが、分類結果・残差の根拠・ドメインの因果知識を融合して、解釈可能な自然言語の診断レポートを生成する。実験では、Macro-F1が96.2%で、推論を約4.3倍高速化しつつ性能低下は0.6%にとどまることが示され、加えて「残差特徴の質」が分類器アーキテクチャより約5倍重要という設計原則が明らかになった。
