文献

J-GLOBAL ID：201802213113707463   整理番号：18A0447992

IMF尖度とPSO(粒子群最適化)SOM LVQ(学習ベクトル量子化)に基づく風力タービンの故障分類に関する研究【Powered by NICT】

Research on Fault Classification of Wind Turbine Based on IMF Kurtosis and PSO-SOM-LVQ

著者 (4件)： Shi Xianjiang (School of Mechanical and Power Engineering Harbin University of Science and Technology Harbin, China) ,  Li Wantao (School of Mechanical and Power Engineering Harbin University of Science and Technology Harbin, China) ,  Gao Qingkang (School of Mechanical and Power Engineering Harbin University of Science and Technology Harbin, China) ,  Guo Hua (School of Mechanical and Power Engineering Harbin University of Science and Technology Harbin, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ITNEC  ページ： 191-196  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： 風力発電機の駆動システムの機械的故障診断の効率を改善し,従来の振動診断技術に存在するどのような問題を克服するために。駆動システムの機械的故障のための固定子電流誘導の原理によれば,経験的モード分解(EMD)の方法は,固有モード関数(IMF)成分を分解に使用される,効果的なIMF成分尖度の六群は,自己組織化マップ(SOM)神経回路網の入力特徴量として選択した,初期量のデータは,粒子群最適化(PSO)によるSOMニューラルネットワークを最適化することにより得られた,データは学習ベクトル量子化(LVQ)競合層の重量,新しい競合層のパラメータとして使用し,線形出力層はLVQ(学習ベクトル量子化)ニューラルネットワークを初期化するために構築した,最適重みを持つ分類結果を得た。遊星歯車箱と転がり軸受のシミュレーション実験は,訓練されたニューラルネットワークは特徴的な量としてIMF成分尖度と故障信号を分類できることを示し,それは風車の駆動系における機械的故障の予備的分類と診断に用いることができる。Copyright 2018 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： 転がり軸受 ,  固定子 ,  シミュレーション ,  駆動方式 ,  神経回路網 ,  *最適化 ,  *風車 ,  電流 ,  *故障 ,  自己組織化特徴マップ ,  ニューラルネットワーク
準シソーラス用語： 機械故障 ,  *学習ベクトル量子化 ,  *粒子群最適化 ,  *尖度 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (10件)： IMF ,  尖度 ,  PSO ,  粒子群最適化 ,  SOM ,  LVQ ,  学習ベクトル量子化 ,  風力タービン ,  故障分類 ,  研究