PD-SOVNet：軸箱（アクスルボックス）振動から車輪の多角形粗さを推定するための、物理駆動型セカンドオーダー振動オペレータネットワーク

概要: 軸箱（アクスルボックス）の振動信号から車輪の多角形粗さを定量的に推定することは、困難ではあるものの、鉄道車両の状態監視において実用的に重要な課題です。既存研究は主として検出、同定、または重症度（severity）の分類に焦点を当ててきました。一方で、多次数の粗さスペクトルの連続的な回帰推定は、特に実運用データや未見の車輪条件においては、十分に検討されていません。本論文では、この問題に対処するため、共有された2次振動カーネル、4\times4 MIMO結合モジュール、適応的な物理補正ブランチ、そしてMambaベースの時系列ブランチを組み合わせた物理ガイド付きグレーボックス枠組みPD-SOVNetを提案します。これにより、軸箱振動から第1～第40次の車輪粗さスペクトルを推定します。提案設計は、モデルにモーダル応答の事前知識（priors）を埋め込みつつ、サンプル依存の補正と残差の時系列ダイナミクスに対してデータ駆動的な柔軟性を保持します。実運用データと実際の故障データを含む3つの実世界データセットでの実験により、提案手法が、現在のデータプロトコルのもとで競争力のある予測精度を提供し、車輪間の性能も比較的安定していることが示されました。さらに、最も顕著な利点は、より難易度の高いデータセットIIIで観察されました。ノイズ注入の実験では、Mambaの時系列ブランチが、入力が摂動された場合に性能劣化を緩和するのに役立つことも示されています。これらの結果は、構造化された物理的事前知識が、実際の鉄道車両の状態監視シナリオにおける粗さ回帰の安定化に有益であり得ることを示唆していますが、より広範な運用条件や、より厳格な比較プロトコルでの追加検証は依然として必要です。