文献

J-GLOBAL ID：201702223468192385   整理番号：17A1722354

多重故障診断のためのBayes仮説推論への因数分解進化的最適化アプローチ【Powered by NICT】

A factored evolutionary optimization approach to Bayesian abductive inference for multiple-fault diagnosis

著者 (2件)： Sheppard John W. (Gianforte School of Computing, Montana State University, Bozeman, Montana 59717) ,  Strasser Shane (Gianforte School of Computing, Montana State University, Bozeman, Montana 59717)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： AUTOTESTCON  ページ： 1-10  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 市販または防御システムを支える場合,多年にわたる挑戦課題は停止時間を最小化するための効果的な試験と診断戦略を提供し,それによってシステムアベイラビリティを最大化することである。停止時間を最大化する最も有効な方法の一つは可能な限り一度にシステムで多くの故障を検出し,隔離できることである。これは「多重故障診断」問題と呼ばれている。いくつかのツールは,多重故障診断を行うことを支援するために年間開発されているが,かなりの研究が最良の診断の可能性を提供していない。最近,進化的計算のための新しいモデルは,「因子分解された進化的アルゴリズム」(FEA)と呼ばれるを開発した。本論文では,多重故障診断問題に対処する方法として,仮説推論を行うために有限要素法解析戦略を用いた静的故障分離マニュアルとフォールトツリーからの診断Bayesネットワークを導く際の著者らの以前の研究を組み合わせた。既存,実世界FIMから誘導されたいくつかのネットワーク上でのこの方法の有効性を実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： モデル ,  *仮説推論 ,  停止時間 ,  *因数分解 ,  フォールトツリー解析 ,  *故障診断 ,  進化的計算 ,  *多重化 ,  ネットワーク
準シソーラス用語： 信念ネットワーク ,  故障隔離 ,  有限要素解析 ,  進化的アルゴリズム ,  因子分解 ,  *進化的最適化 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  信頼性  (KB04040H)

タイトルに関連する用語 (5件)： 多重 ,  故障診断 ,  仮説推論 ,  因数分解 ,  進化的最適化