文献

J-GLOBAL ID：201702252829803295   整理番号：17A0145858

多状態劣化のある非線形機械システムの正確なRUL予測のためのGKPCA NHSMMに基づく方法論【Powered by NICT】

A GKPCA-NHSMM based methodology for accurate RUL prognostics of nonlinear mechanical system with multistate deterioration

著者 (3件)： Chen Gaige (State Key Laboratory for Manufacturing and Systems Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Chen Jinglong (State Key Laboratory for Manufacturing and Systems Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Zi Yanyang (State Key Laboratory for Manufacturing and Systems Engineering, Xi’an Jiaotong University, Xi’an, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： PHM (Chengdu)  ページ： 1-5  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 残存有効寿命(RUL)予測は,予知診断と健全性管理(PHM)における中心的問題である。正確なRUL予測はミッション目標の検証だけでなく,故障防止と保全決定より効果的で効率的な方法でのみならず重要である。しかし,実質的な非線形性は非線形機械システムの劣化モデリングとRUL推定における最も重要な課題の一つである。興味ある寄与をモニターし非線形機械的システムと不均質隠れ準Markovモデル(NHSMM)の設定マルチ次元データから特徴を抽出多状態劣化過程をモデル化するために次元縮小のための欲張りカーネル主成分分析(GKPCA)の両方を用いてRUL予測精度の改善である。ターボファンエンジンからのデータセットを用いた事例研究は方法論を用いて解析した,線形PCA NHSMMの予測精度を比較することにより,結果は,方法論の有効性(実際のRULに近い,以前の追跡健康状態,小さい境界幅)と効率(より高い予測ロバスト性)を検証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 耐用年数 ,  ターボファン ,  非線形性 ,  ロバスト性 ,  次元縮小 ,  健全性 ,  事例研究 ,  モデリング ,  *線形性
準シソーラス用語： 予測精度 ,  カーネル主成分分析 ,  劣化過程 ,  Markovモデル ,  故障防止 ,  *機械システム , 【Automatic Indexing@JST】

分類 (9件)： 医学一般  (GA01010Y) ,  内燃機関一般  (PB02010R) ,  工業・技術設計  (HA05000Q) ,  航空機  (QK06000K) ,  二次電池  (YB04030K) ,  潤滑一般  (QB02010S) ,  図形・画像処理一般  (JE04010I) ,  マーケティング  (KA06020W) ,  発電機  (NB07020J)

タイトルに関連する用語 (4件)： 非線形 ,  機械システム ,  予測 ,  方法論