文献

J-GLOBAL ID：201602215857284890   整理番号：16A0729458

カーネルファジイc-平均クラスタリングに基づく風力タービンのギアボックスの故障診断

Fault Diagnosis of Wind Turbine Gearbox based on Kernel Fuzzy c-means Clustering

著者 (5件)： LI Zhuang (North China Electric Power Univ., Beijing, CHN) ,  JIANG Rui (North China Electric Power Univ., Beijing, CHN) ,  JIANG Rui (China Electricity Council, Beijing, CHN) ,  MA Zhiyong (North China Electric Power Univ., Beijing, CHN) ,  LIU Yibing (North China Electric Power Univ., Beijing, CHN)
資料名： IET Conference Publications  (IET Conference Publications)
巻： 679 Vol.1  ページ： 653-656  発行年： 2015年 
JST資料番号： B0665A  ISSN： 0537-9989  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 風力タービンの主要装置であるギアボックスは過酷な動作のため故障しやすいうえ,保守も容易ではなく,有効な故障診断方法が求められている。故障診断のための従来の方法は,既知の欠点に関する過去のサンプルに基づいて管理されたトレーニング過程を必要とする。しかし,全種類の既知の故障のサンプルを収集するには,時間とコストがかかる。実際には,管理されたトレーニングのための完全な既知のサンプルは不足している。これらの方法は故障が新しいか未知であると診断できない。本論文では,カーネルファジイc-平均クラスタリング(KFCM)に基づく方法を提案し,風力タービンのギアボックスの故障診断のための既知および未知の故障診断を行った。最初に,KFCMによって既知のサンプルの分類を行い,次いで各故障のクラスセンターを取得する。次いで,新しいデータサンプルが既知の故障に属するかを診断するために類似性パラメータを計算した。この類似性パラメータは新しいデータのサンプルと既知のクラスセンター間のカーネル空間における類似性パラメータである。本提案方法を目的の故障診断に適用した。その結果,本提案の方法が正確かつ有効に既知の故障と未知の故障の両方を診断できることがわかった。

シソーラス用語： *風力発電所 ,  電気故障 ,  パターン分類 ,  集合論 ,  *故障診断 ,  *歯車箱 ,  クラスタ分析 ,  平均法
準シソーラス用語： c-平均法 ,  *ギヤボックス ,  パターンクラスタリング ,  ファジィ集合論 ,  発電故障

分類 (3件)： 風力発電  (NB03120Q) ,  歯車,歯車装置  (QB01060O) ,  信頼性  (KB04040H)

タイトルに関連する用語 (6件)： 平均 ,  クラスタリング ,  風力タービン ,  ギア ,  ボックス ,  故障診断