文献

J-GLOBAL ID：201802227690659955   整理番号：18A2072706

統計的およびサポートベクトルマシンによる風力タービンベンチマークの故障診断【JST・京大機械翻訳】

Fault Diagnosis of a Wind Turbine Benchmark via Statistical and Support Vector Machine

著者 (2件)： Mokhtari Abderrahmane (University Amar Telidji of Laghouat, Laboratory of Telecommunications, Signals and Systems; Laghouat, Algeria, 03000) ,  Belkheiri Mohammed (University Amar Telidji of Laghouat, Laboratory of Telecommunications, Signals and Systems; Laghouat, Algeria, 03000)
資料名： International Journal of Engineering and Research in Africa  (International Journal of Engineering and Research in Africa)
巻： 37  ページ： 29-42  発行年： 2018年 
JST資料番号： W3696A  ISSN： 1663-3571  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 本論文は,データ駆動およびマルチクラスサポートベクトルマシン(SVM)アプローチを用いた風力タービンベンチマークモデルにおける故障検出および分離(FDI)の問題に取り組んだ。故障検出は任意のアクティブシステムにとって基本的であるので,分離は同様に重要であり,同定は故障再構成と監視目的への保全の追加に対して決定的である。センサ,アクチュエータ,あるいはシステム故障が発生するときに自動的に動作する人工動的システムの必要性は,信頼性を向上させ,アベイラビリティと保守コストを減少させるために常に開発されている。移動標準偏差や指数加重移動平均(EWMA)のような統計的方法を適用することにより,センサ測定からの平均特徴の抽出に基づく著者らのアプローチの重要なステップである。故障検出ステップは,故障の有無を決定するマルチクラスSVM分類器に基づいて,後に投資される。本論文のもう一つの重要な貢献は,風力タービンベンチマークモデルにおいて,同時にセンサとアクチュエータ故障を同時にシミュレーションすることである。FDI性能を,7つの異なるシナリオ試験に対するシミュレーション研究により説明した。結果は,単一,複数のセンサおよびアクチュエータ故障を検出し,分離するための統計的およびSVMアプローチの有効性を明確に示し,この問題を解決するための文献に報告された多くの結果を上回った。Copyright 2018 Trans Tech Publications Ltd. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 標準偏差 ,  *風車 ,  *ベンチマーク ,  *故障診断 ,  センサ ,  アクチュエータ ,  動的系 ,  シミュレーション ,  再構成 ,  信頼性 ,  *サポートベクトルマシン ,  *故障 ,  故障検出 ,  モデル
準シソーラス用語： アクチュエータ故障 , 【Automatic Indexing@JST】

著者キーワード (5件)： 故障診断 ,  統計解析 ,  サポートベクトルマシン ,  風力タービンベンチマークモデル ,  指数加重移動平均

分類 (2件)： 風力発電  (NB03120Q) ,  送風機,圧縮機,風車  (QD03000U)

タイトルに関連する用語 (5件)： 統計 ,  サポートベクトルマシン ,  風力タービン ,  ベンチマーク ,  故障診断