文献

J-GLOBAL ID：201702282928405059   整理番号：17A1398765

BP Adaboostモデルに基づく海軍銃の油圧システムの故障診断【Powered by NICT】

Fault diagnosis for hydraulic system of naval gun based on BP-Adaboost model

著者 (5件)： Liu Xiangkun (School of Reliability and Systems Engineering, Beihang University, Beijing, China) ,  Hu Yanguang (School of Reliability and Systems Engineering, Beihang University, Beijing, China) ,  Xu Zhijun (School of Reliability and Systems Engineering, Beihang University, Beijing, China) ,  Ren Yingjie (School of Reliability and Systems Engineering, Beihang University, Beijing, China) ,  Gao Tingfo (School of Reliability and Systems Engineering, Beihang University, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICRSE  ページ： 1-6  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： 故障状態間の強い非線形性と海軍銃油圧システムの性能パラメータである。BPニューラルネットワークは,変数間の非線形関係を効率的に表現するように訓練することができた。しかし,ネットワークの初期重みに敏感で,訓練結果は相対的に不安定であった。問題を解決するために,本論文では,BP Adaboostモデルに基づく海軍銃油圧システム故障診断への新しいアプローチを提案した。,BP神経回路網は,弱い分類器,故障状態とパラメータ間の関係を適合できるとして使用されている。BPニューラルネットワークの訓練により,いくつかの弱い分類器が得られた。Adaboostアルゴリズムを用いて,強力な分類器は複数のBPニューラルネットワークの弱い分類器を合併することによって得られた。強力な分類器は最終的に海軍銃油圧システムの故障を診断するために使用できる。シミュレーション結果は,故障診断モデルはより高い収束速度と診断精度,油圧システム故障診断の要求を満たすことができることを実証した。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： *故障診断 ,  ネットワーク ,  シミュレーション ,  *故障 ,  神経回路網 ,  *海軍 ,  非線形性 ,  *油圧システム ,  アルゴリズム
準シソーラス用語： 診断精度 ,  収束速度 ,  逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  脳・神経系モデル  (EL02050C)

タイトルに関連する用語 (7件)： BP ,  AdaBoost ,  モデル ,  海軍 ,  銃 ,  油圧システム ,  故障診断