文献

J-GLOBAL ID：201802227930783758   整理番号：18A1514034

クラウドネットワーク上の教師付き学習を用いた無人航空機のデータ駆動故障検出【JST・京大機械翻訳】

Data-Driven Fault Detection of Un-Manned Aerial Vehicles Using Supervised Learning Over Cloud Networks

著者 (5件)： Yousefi Parsa (The University of Texas at San Antonio, Department of Electrical and Computer Engineering, One UTSA Circle San Antonio, Texas, 78249, USA) ,  Fekriazgomi Hamid (The University of Texas at San Antonio, Department of Electrical and Computer Engineering, One UTSA Circle San Antonio, Texas, 78249, USA) ,  Demir Mevlut A. (The University of Texas at San Antonio, Department of Electrical and Computer Engineering, One UTSA Circle San Antonio, Texas, 78249, USA) ,  Prevost John J. (The University of Texas at San Antonio, Department of Electrical and Computer Engineering, One UTSA Circle San Antonio, Texas, 78249, USA) ,  Jamshidi Mo (The University of Texas at San Antonio, Department of Electrical and Computer Engineering, One UTSA Circle San Antonio, Texas, 78249, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： WAC  ページ： 1-6  発行年： 2018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： 無人航空機の現代の応用は,従来の安全性と信頼性分野の注意をますます引きつけている。UAV故障検出を決定するための多くの標準手法が存在する。しかし,モデルに依存しないだけでなく,UAVシステムに対して定義されていない故障を検出する能力を有する方法も存在しない。本研究では,UAV故障を予測するために,アルゴリズムのロジスティック回帰と線形判別分析を実行する2つの教師付き機械学習アルゴリズムを提案した。これらのアプローチに使用されているデータは,UAVの4つのアクチュエータに属する電圧と電流入力に基づく離散サンプリング,ノイズ除去アナログ信号から得られる。さらに,異なるタイプの訓練および試験データセットを生成するために,5回交差検証プロセスを用いることにより,最適化モデルを選択できることを示した。提案したモデルの精度を記述する解析を通して結果を検証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 安全性 ,  *故障 ,  電流 ,  *故障検出 ,  *教師つき学習 ,  信頼性 ,  アクチュエータ ,  アルゴリズム ,  雑音低減 ,  *無人機 ,  電圧
準シソーラス用語： 最適化モデル ,  アナログ信号 ,  ロジスティック回帰分析 ,  *データ駆動 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： クラウド ,  教師付き学習 ,  無人航空機 ,  データ駆動 ,  故障検出