文献

J-GLOBAL ID：201702284288562046   整理番号：17A1917106

ガスサーキュレータ状態監視におけるイベントベース予測のための機械学習モデル【Powered by NICT】

Machine Learning Model for Event-Based Prognostics in Gas Circulator Condition Monitoring

著者 (3件)： Costello Jason J. A. (Department of Electronic and Electrical Engineering, Institute for Energy and Environment, University Of Strathclyde, Glasgow, U.K.) ,  West Graeme M. (Department of Electronic and Electrical Engineering, Institute for Energy and Environment, University Of Strathclyde, Glasgow, U.K.) ,  McArthur Stephen D. J. (Department of Electronic and Electrical Engineering, Institute for Energy and Environment, University Of Strathclyde, Glasgow, U.K.)
資料名： IEEE Transactions on Reliability  (IEEE Transactions on Reliability)
巻： 66  号： 4  ページ： 1048-1057  発行年： 2017年 
JST資料番号： C0448A  ISSN： 0018-9529  CODEN： IERQAD  資料種別： 逐次刊行物 (A)
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： ガスサーキュレータ(GC)ユニットは改良型ガス冷却炉設計で使用される重要な回転資産であり,原子炉炉心によるCO_2ガスの流れを容易にした。安全で経済的な発生を維持するためにこれらの機械の保守と検査した演算子のために重要である。GCは規則的な給油間隔で非定常状態挙動の周期をもつ動的デューティサイクルを経験し,信頼性技術者のためのユニークな解析問題となっている。利用可能な技術の増加したデータ量と高度と一致して,予測および予後の調査は,回転資産状態監視において中心的関心となっている。しかし,最先端技術アプローチ成功の発見の多くは定常時系列飼料の外挿,データのより複雑ではあるが期待される事象を考慮しないほど僅かであった。本論文では,GCにおける燃料補給挙動を調べ,振動データからの健康状態の評価に焦点を当てたのための新しいモデリングアプローチを実証した。機械学習モデルは,最終的な検閲に基づく失敗を経験しているユニットの運転履歴を用いて構築した。GC条件を検討するこの新しい方法を事例研究の明確な残存有効寿命測定と良く対応することを示し,回転機械健全性監視にしばしば用いられる既存の基本的な外挿法に向上している。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： 事例研究 ,  外挿法 ,  信頼性 ,  技術者 ,  耐用年数 ,  *予測 ,  *機械学習 ,  給油 ,  健全性 ,  回転機械 ,  安全性 ,  ガス冷却型原子炉
準シソーラス用語： 最先端技術 ,  非定常状態 ,  *状態監視 , 【Automatic Indexing@JST】

分類 (1件)： 信頼性  (KB04040H)

タイトルに関連する用語 (6件)： サーキュレータ ,  状態監視 ,  イベント ,  予測 ,  機械学習 ,  モデル