文献

J-GLOBAL ID：201202266884239998   整理番号：12A0834782

空調ユニット故障診断における機械学習の応用

Application of machine learning in the fault diagnostics of air handling units

著者 (5件)： NAJAFI Massieh (Dep. of Mechanical Engineering, Univ. of California, Berkeley, California 94720, USA) ,  AUSLANDER David M. (Dep. of Mechanical Engineering, Univ. of California, Berkeley, California 94720, USA) ,  BARTLETT Peter L. (Computer Sci. Div. and Dep. of Statistics, Univ. of California, Berkeley, California 94720, USA) ,  HAVES Philip (Commercial Building Systems Group, Lawrence Berkeley National Lab., California 94720, USA) ,  SOHN Michael D. (Airflow and Pollutant Transport Group, Lawrence Berkeley National Lab., California 94720, USA)
資料名： Applied Energy  (Applied Energy)
巻： 96  ページ： 347-358  発行年： 2012年08月 
JST資料番号： A0097A  ISSN： 0306-2619  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： 空調ユニットのエネルギー使用量は部品故障或は障害に依って原設計から変わることがある-ダンパーの漏洩或は開/閉の故障,弁の固着など等。この様な問題は居住者苦情を必ずしも生まないし,その結果発生されたことの認識もされない。空調ユニットに関する最近の診断ソリューションの研究と開発の進歩にも拘らず,この様なシステムに関する信頼でき,スケーラブルで,手頃な診断ソリューションがまだ欠落している。モデリング限界,測定制約,同時発生障害の複雑性が空調ユニット診断における主な挑戦課題である。本稿の焦点は,系統的に機械学習技術を使用することに依ってより効率的にこのような制約を処理することができる,空調ユニットのための診断アルゴリズムを開発することにあった。提示したアルゴリズムは,システムで観測された挙動の分析,それを色々な障害状態に基づいて発生された挙動パターンセットと比較することに基づいた。本稿は,この様なパターンマッチング問題がベイズ確率論的モデルの事後確率分布推定として如何に定式化できるかを示した。本稿は商業建築空調ユニットの障害検出によって,この手法の有効性を明らかにした。Copyright 2012 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *空気調和装置 ,  *故障診断 ,  *機械学習 ,  エネルギー消費 ,  故障モード ,  故障 ,  障害 ,  *アルゴリズム ,  *システム ,  解析モデル ,  *モデリング ,  検証 ,  点検 ,  事例研究 ,  保守管理 ,  商業建築 ,  開発 ,  パターンマッチング ,  Bayes推定 ,  事後確率
準シソーラス用語： エネルギー使用量 ,  システム故障 ,  モデル検証 ,  空調ユニット ,  *診断アルゴリズム ,  *診断システム ,  保全プログラム ,  保全管理 ,  有効性確認 ,  システム開発

分類 (3件)： 設備管理  (KB02020X) ,  建築設備一般  (RB06010V) ,  空気調和装置一般  (PC02010U)

タイトルに関連する用語 (4件)： 空調ユニット ,  故障診断 ,  機械学習 ,  応用