文献

J-GLOBAL ID：201002252718166359   整理番号：10A0444849

時系列波形分類学習による低スペックセンサ信号からの状態判別

Detection of Abnormality by Using Waveform Time-series Classifiers on Low-Quality Sensor Data

著者 (3件)： 植野研 (東芝 研究開発セ システム技術ラボラトリー) ,  PAUL Topon Kumar (東芝 研究開発セ システム技術ラボラトリー) ,  佐藤誠 (東芝 研究開発セ システム技術ラボラトリー)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 109  号： 473(SSS2009 30-36)  ページ： 23-26  発行年： 2010年03月19日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年,さまざまな領域において異常診断が行われているが,種類や設置数が増えるにつれ,コスト的に高性能センサを用いることが困難な場合が考えられる。ここでは低コストセンサを用いた場合でも確率的な多変量センサ波形判別に基づく決定フュージョン技術を導入することで精度よく対象物の状態を判別可能な状態判別法k-Nearest Neighbor-based Bayesian Classifier(k-NNBC)を提案する。3軸加速度センサを用いた簡易検証により高スペック条件(250Hzサンプリング),低スペック設定条件(125Hzサンプリング)で判別性能を評価したところ,単チャネルセンサ波形判別と比較し,高スペックのみならず低スペックにおいても提案法の判別性能向上が見られた。特に低スペック条件下では平均で約12.5%向上することが分かりフュージョン効果が表れやすいことが分かった。(著者抄録)

シソーラス用語： *センサ ,  学習 ,  異常 ,  *状態選択 ,  *時系列分析 ,  *波形 ,  確率モデル ,  改良 ,  速度センサ ,  加速度センサ ,  *分類学習 ,  数学モデル
準シソーラス用語： *性能向上

分類 (2件)： 制御機器一般  (IC02010N) ,  システム同定  (IA02040O)

引用文献 (14件)：

• ANDREEVA, E. O. Driver Drowsiness Detection using Multi-modal Sensor Fusion. Proc. of the SPIE-The International Society for Optical Engineering, 2004. 2004, 5434, 1, 380-390
• BROOKS, C. Vibration-based Terrain Analysis for Mobile Robots. Proc. of the IEEE International Conference on Robotics and Automation, 2005. 2005, 3415-3420
• 出町和之. SSA法による動的機器の診断. 日本保全学会第6回学術講演会要旨集, 2009. 2009, 121-124
• ESSAWY, M. A. Wavelet versus Fourier Preprocessing for Neuro-fuzzy Systems for Fault Diagnosis in Helicopter Gearboxes. Intelligent Engineering Systems through Artificial Neural Networks, 1998. 1998, 767-772
• 福永辰也. 石油化学産業におけるオンライン設備診断システム導入事例. 日本保全学会第5回学術講演会要旨集, 2008. 2008, 73-78

タイトルに関連する用語 (6件)： 時系列 ,  波形 ,  分類学習 ,  スペック ,  センサ信号 ,  判別