文献

J-GLOBAL ID：201702230545832127   整理番号：17A0448171

拡張Kalmanフィルタと再帰的1クラスSVM(サポートベクトルマシン)を組み合わせた冷凍機のためのオンライン故障検出法【Powered by NICT】

Online fault detection methods for chillers combining extended kalman filter and recursive one-class SVM

著者 (3件)： Yan Ke (College of Information Engineering, China Jiliang University, 258 Xueyuan Street, Hangzhou 310018, China) ,  Ji Zhiwei (School of Information & Electronic Engineering, Zhejiang Gongshang University, 18 Xuezheng Road, Hangzhou 310018, China) ,  Shen Wen (Department of Informatics, University of California Irvine, Irvine, CA 92697, United States)
資料名： Neurocomputing  (Neurocomputing)
巻： 228  ページ： 205-212  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 冷凍機など,暖房換気空気調和(HVAC)サブシステムの自動,正確でオンライン故障検出はエネルギー廃棄物と高い維持コストを防止するためのビル管理システム(BMS)で要求される。しかし,ほとんどの故障検出技術は,通常利用できないという豊富な不完全訓練データを必要とする。本研究では,利用可能な任意の故障訓練データを付けないことで受けるチラーサブシステムの故障を検出,すなわち正常データのみを訓練に提案した新しいハイブリッド法。ASHRAEプロジェクト1043RPによって収集された冷凍機データセットに適用される最も重要な特徴変数を選択することであるハイブリッド特徴選択アルゴリズム。拡張Kalmanフィルタ(EKF)モデルと再帰的1クラスサポートベクトルマシン(ROSVM)を組み合わせて導入したオンライン分類フレームワーク。実験の結果,提案アルゴリズムは高精度で典型的な冷凍機の故障を検出し,既存の研究に比べてより少ない特徴変数を必要とすることを示す。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 保全費 ,  *故障検出 ,  HVAC ,  *サポートベクトルマシン ,  換気 ,  特徴選択 ,  *冷凍機 ,  *故障 ,  空気調和
準シソーラス用語： ASHRAE ,  訓練データ ,  ビル管理システム ,  サブシステム ,  *オンライン ,  *拡張Kalmanフィルタ , 【Automatic Indexing@JST】

著者キーワード (4件)： チラー ,  故障検出 ,  1クラスサポートベクトルマシン ,  拡張Kalmanはフィルタ

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 拡張Kalmanフィルタ ,  クラス ,  SVM ,  サポートベクトルマシン ,  冷凍機 ,  オンライン ,  故障検出