文献

J-GLOBAL ID：201302264571844640   整理番号：13A1249279

SOFMニューラルネットワークと隠れMarkovモデルを用いる動力学的調整ジャイロスコープの障害予測の方法

A Method for Predicting Faults of Dynamically Tuned Gyroscope Using SOFM Neural Network and Hidden Markov Model

著者 (3件)： Shang Yongshuang (Dep. of Scientific Res.,Naval Aeronautical and Astronautical Univ., Yantai) ,  Xu Aiqiang (Dep. of Scientific Res.,Naval Aeronautical and Astronautical Univ., Yantai) ,  Wu Zhongde (Dep. of Scientific Res.,Naval Aeronautical and Astronautical Univ., Yantai)
資料名： Jixie Kexue yu Jishu  (Jixie Kexue yu Jishu)
巻： 31  号： 10  ページ： 1711-1715,1720  発行年： 2012年 
JST資料番号： C2050A  ISSN： 1003-8728  CODEN： JKJIE6  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 動力学的調整されたジャイロスコープの性能のパラメータは劣化するので,著者らはその障害を予測するための方法を提案する。そしてそれは自己組織的特性図化(SOFM)ニューラルネットワークを隠れMarkovモデル(HMM)と結合する。第1に,著者らはその劣化を特性付けする特性情報として動力学的調整ジャイロスコープの振動,温度,ランダム漂流,モーター出力,出力源電圧,周波数と他の信号を集めて,そして次に,マルチセンサ情報融合を実行するために,SOFMニューラルネットワークを用いる。第2に,著者らは簡単に観察情報を検出するのが難しい初期障害信号を変換するためにHMMを使用する。このように,動力学的調整ジャイロスコープの障害を予測する。実験結果は著者らの方法がジャイロスコープの劣化の特徴情報を容易かつ効果的に抽出できることを示す。HMMによる訓練と検査は,著者らの方法が障害予測のために効果的であることを示す。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *隠れMarkovモデル ,  ニューラルネットワーク ,  ジャイロスコープ ,  自己組織化 ,  特徴抽出 ,  センサ ,  パラメータ ,  融合 ,  キャラクタリゼーション ,  電動機
準シソーラス用語： マルチセンサ ,  実験結果 ,  情報融合 ,  特性付け ,  モータ ,  HMM【モデル】

分類 (1件)： 計算機シミュレーション  (JE11000H)

タイトルに関連する用語 (6件)： ニューラルネットワーク ,  隠れMarkovモデル ,  動力学 ,  ジャイロスコープ ,  障害 ,  予測