文献

J-GLOBAL ID：201702283316128248   整理番号：17A1420500

加重バギングGPRアルゴリズムを用いた有効寿命予測残存EMA【Powered by NICT】

EMA remaining useful life prediction with weighted bagging GPR algorithm

著者 (5件)： Zhang Yujie (Department of Automatic Test and Control, Harbin Institute of Technology, Harbin 150080, China) ,  Liu Datong (Department of Automatic Test and Control, Harbin Institute of Technology, Harbin 150080, China) ,  Yu Jinxiang (Department of Automatic Test and Control, Harbin Institute of Technology, Harbin 150080, China) ,  Peng Yu (Department of Automatic Test and Control, Harbin Institute of Technology, Harbin 150080, China) ,  Peng Xiyuan (Department of Automatic Test and Control, Harbin Institute of Technology, Harbin 150080, China)
資料名： Microelectronics Reliability  (Microelectronics Reliability)
巻： 75  ページ： 253-263  発行年： 2017年 
JST資料番号： C0530A  ISSN： 0026-2714  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 電気機械的アクチュエータ(EMA)は,次世代航空機のための重要な構成要素の1つである。その安全性と信頼性を確保するために,EMAの残存耐用年数(RUL)を予測するために重要である。データ駆動RUL予測をその不確実性表現と非線形モデル化能力のために,Gauss過程回帰(GPR)を用いて実行できる。安定性を向上させ,EMA RUL予測の高精度を達成するために,この研究で提示した加重バギングGPR(WB_GPR)アルゴリズム,アンサンブル学習を利用した。具体的には,EMA RUL予測のための分解特徴を解析し,EMAの分解過程と健康状態を表すパラメータを選択した。EMAのRULを推定するデータ駆動型枠組みを提案WB_GPRアルゴリズムで実現した。WB_GPRに基づいてRUL予測性能はセンサデータセットを用いて検証した。さらに,GPRとバギングGPRによるRUL予測比較も行った。実験結果はWB_GPRが低い誤り率と標準偏差とRUL予測に優れていることを実証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *耐用年数 ,  標準偏差 ,  航空機 ,  不確実性 ,  *予測 ,  安全性 ,  *アルゴリズム ,  電気機械 ,  信頼性 ,  誤り率 ,  アクチュエータ
準シソーラス用語： アンサンブル学習 ,  非線形モデル ,  データ駆動 ,  *加重 , 【Automatic Indexing@JST】

著者キーワード (6件)： 残存有効寿命 ,  電気機械的アクチュエータ ,  航空機 ,  Gauss過程回帰 ,  重み付き袋詰めGPR ,  Degradation

分類 (1件)： 固体デバイス計測・試験・信頼性  (NC03040G)

タイトルに関連する用語 (7件)： 加重 ,  バギング ,  GPR ,  アルゴリズム ,  寿命予測 ,  残存 ,  EMA