文献

J-GLOBAL ID：201702264118018593   整理番号：17A1600341

カオス理論と関連ベクトルマシンに基づく自動故障診断【JST・京大機械翻訳】

Automaton fault diagnosis based on chaos theory and relevance vector machine

著者 (4件)： Lv Yan (軍械工程学院火炮工程系,河北 石家庄,050003) ,  Fang Liqing (軍械工程学院火炮工程系,河北 石家庄,050003) ,  Chu Yi (61081部隊,北京,100142) ,  Zhao Yulong (軍械工程学院火炮工程系,河北 石家庄,050003)
資料名： Zhongguo Ceshi  (Zhongguo Ceshi)
巻： 43  号： 3  ページ： 111-116  発行年： 2017年 
JST資料番号： C3059A  ISSN： 1674-5124  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： 自動機械振動信号の非線形性と短時間衝撃特性に従って,カオス理論と関連ベクトルマシン(RVM)に基づく自動故障診断法を提案した。まず第一に,各々のグループの自動振動信号の最大Lyapunov指数,相関次元,Kolmogorovエントロピー,および相対的距離エントロピーの4つのカオスパラメータを計算して,特性マトリックスを構成して,それによってオートマトンの状態情報を特性化した。次に,特徴行列をRVMに入力し,故障分類を判断した。自動故障診断の実例は,自動的振動信号の4つのカオスパラメータを抽出することによって,状態情報の特性化を実現することができて,RVMが自動的に自動的に故障を認識することができることを示した。さらに,サポートベクトルマシン(SVM)の故障診断結果との比較により,RVM分類モデルの優位性を検証した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *故障診断 ,  サポートベクトルマシン ,  自励振動 ,  オートマトン ,  キャラクタリゼーション ,  非線形性 ,  エントロピー
準シソーラス用語： 分類モデル ,  故障分類 ,  相関次元 ,  Lyapunov指数 ,  衝撃特性 ,  振動信号 ,  *関連ベクトルマシン ,  *カオス理論 , 【Automatic Indexing@JST】

著者キーワード (4件)： chaos theory ,  RVM ,  automaton ,  feature extraction

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： カオス理論 ,  関連ベクトルマシン ,  故障診断