文献

J-GLOBAL ID：201702266390266488   整理番号：17A1264801

KICA AROMFに基づく故障診断の研究と応用【Powered by NICT】

Research and application of KICA-AROMF based fault diagnosis

著者 (4件)： Zhu Qun-Xiong (College of Information Science & Technology, Beijing University of Chemical Technology, Beijing 100029, China) ,  Meng Qian-Qian (College of Information Science & Technology, Beijing University of Chemical Technology, Beijing 100029, China) ,  Xu Yuan (College of Information Science & Technology, Beijing University of Chemical Technology, Beijing 100029, China) ,  He Yan-Lin (College of Information Science & Technology, Beijing University of Chemical Technology, Beijing 100029, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： AdCONIP  ページ： 215-220  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： 現代産業システムの発展に伴い,データ駆動故障診断法はますます注目を集めている。一次元適応型ランク順序モフォロジーフィーター(AROMF)に基づく複雑な工業プロセスの故障診断は,プロセスデータの過剰な次元縮小のために重要な情報を見逃す可能性がある。この問題を解決するために,カーネル独立成分分析(KICA)を組み合わせた一次元AROMFによる方法を提案した。KICAは非線形特徴抽出に用い,テンプレート信号と各パターンの試験信号を集めている。AROMFに基づく多次元信号分類法による故障診断法を提案した。提案した方法の利点は,Tennessee Eastmanプロセスのシミュレーションにより確認した。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： 特徴抽出 ,  試験信号 ,  *故障診断 ,  次元縮小 ,  高次元 ,  独立成分分析 ,  一次元
準シソーラス用語： 信号分類 ,  工業プロセス ,  データ駆動 , 【Automatic Indexing@JST】

分類 (2件)： 化学プロセスの解析  (XC01030R) ,  化学プロセスの制御  (XC02020N)

タイトルに関連する用語 (3件)： 故障診断 ,  研究 ,  応用