文献

J-GLOBAL ID：201702268261405462   整理番号：17A1651140

DNNに基づく宇宙機電力系統の故障診断【Powered by NICT】

Spacecraft power system fault diagnosis based on DNN

著者 (5件)： Fang Hongzheng (Beijing Key Laboratory of High-speed Transport, Intelligent Diagnostic and Health Management) ,  Shi Hui (Beijing Key Laboratory of High-speed Transport, Intelligent Diagnostic and Health Management) ,  Dong Yunfan (Beijing Key Laboratory of High-speed Transport, Intelligent Diagnostic and Health Management) ,  Fan Huanzhen (Beijing Key Laboratory of High-speed Transport, Intelligent Diagnostic and Health Management) ,  Ren Shuai (Beijing Key Laboratory of High-speed Transport, Intelligent Diagnostic and Health Management)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： PHM (Harbin)  ページ： 1-5  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： 現在,宇宙機故障診断に適用される最も機械学習法は,教師つき学習法,限られた試料と細胞下での複雑な機能を表すことにおいて明らかな欠点を持っている。さらに,これらの方法の汎化能力は限定されている。衛星電力系統故障診断,衛星電力系統データの特性を組み合わせた深層学習の利点を持つに深い機械学習に基づく手法を提案した。法は予備訓練段階で教師なしアルゴリズムとしてノイズ除去自動符号器(DAE),と微調整段階における教師つきアルゴリズムとして逆伝搬(BP)アルゴリズムを用いている。実用衛星電力系統でテストしたところ,この方法は深い学習の完全な利点を利用して,教師つきおよび教師なし学習の有機的結合を達成した。ビッグデータに基づく故障特徴を抽出し,故障状態,従来法の欠点を克服することを明らかにした。添加では,提案した方法は,装置データの隠れた複雑な特徴の特性化,複雑な監視タスク下での装置健康状態のより正確な認識を可能にするのにより適している。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： 教師つき学習 ,  *宇宙飛行体 ,  実用衛星 ,  *故障 ,  *故障診断 ,  アルゴリズム ,  雑音低減 ,  キャラクタリゼーション ,  機械学習 ,  *電力系統 ,  符号器 ,  汎化
準シソーラス用語： ビッグデータ ,  深層学習 ,  電力系統故障 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 宇宙機 ,  電力系統 ,  故障診断