文献

J-GLOBAL ID：201502214028029810   整理番号：15A1121897

ウェーブレットパケットとRBF(動径基底関数)ニューラルネットワーク同定に基づくガスセンサ故障診断【Powered by NICT】

Gas sensor Fault Diagnosis Based on Wavelet Packet and RBF Neural Network Identification

著者 (4件)： Shan Yafeng (Fac. of Electrical and Control Engineering,Liaoning Technical Univ., Liaoning, Huludao) ,  Sun Lu (Fac. of Electrical and Control Engineering,Liaoning Technical Univ., Liaoning, Huludao) ,  Fu Hua (Fac. of Electrical and Control Engineering,Liaoning Technical Univ., Liaoning, Huludao) ,  Zi Hai (Fac. of Electrical and Control Engineering,Liaoning Technical Univ., Liaoning, Huludao)
資料名： Chuangan Jishu Xuebao  (Chuangan Jishu Xuebao)
巻： 28  号： 2  ページ： 278-283  発行年： 2015年 
JST資料番号： C2450A  ISSN： 1004-1699  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： ガスセンサ診断速度は遅く,診断精度は高くないという問題を解決するために,本論文は,研究対象として衝撃,ドリフト,バイアスと周期的断層のような通常型ガスセンサの故障をとり,減法クラスタリングと粒子群最適化アルゴリズムにより最適化したRBF(動径基底関数)ニューラルネットワークに基づくガスセンサ法の故障診断のパターン分類と同定を提案した。各ノードの係数を得るために三層ウェーブレットパケット分解技術を使用し,故障の過渡信号特徴を改善するための幾つかの切断アルゴリズムを採用し,最適なエネルギースペクトルを得た。次に,RBF(動径基底関数)ニューラルネットワークを最適化し,粒子探索は,大域的最適解を見出すために高速かつ容易にするSCM PSO(粒子群最適化)アルゴリズムを用いた。実験コントラスト解析により,この方法は高速な訓練速度,分類の高い精度の特徴を持ち,同定正解率は95%以上である。故障診断の有効性と精度を著しく改善することができる。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： *ガスセンサ ,  ドリフト ,  最適化 ,  *故障診断 ,  アルゴリズム ,  バイアス ,  *動径基底関数 ,  コントラスト ,  *ニューラルネットワーク
準シソーラス用語： 訓練 ,  最適解 ,  ウェーブレットパケット分解 ,  粒子群最適化 ,  診断精度 ,  *ウェーブレットパケット , 【Automatic Indexing@JST】

分類 (1件)： 固体デバイス製造技術一般  (NC03030V)

タイトルに関連する用語 (7件)： ウェーブレットパケット ,  RbF ,  動径基底関数 ,  ニューラルネットワーク ,  同定 ,  ガスセンサ ,  故障診断