文献

J-GLOBAL ID：201802236839495938   整理番号：18A0644885

潜水艦ポンプにおけるMMAGA-RBF故障診断法【JST・京大機械翻訳】

The MMAGA-RBF fault diagnosis method for submersible plunger pump

著者 (5件)： Yu Deliang (哈爾浜理工大学 電气与電子工程学院,哈爾浜150001;大慶油田采油工程研究院,黒竜江 大慶163000) ,  Li Yanmei (哈爾浜理工大学 電气与電子工程学院,哈爾浜,150001) ,  Ding Bao (哈爾浜工業大学 電气工程及自動化学院,哈爾浜,150001) ,  Zhao Pengshu (哈爾浜理工大学 電气与電子工程学院,哈爾浜,150001) ,  Sun Hao (哈爾浜理工大学 電气与電子工程学院,哈爾浜,150001)
資料名： Harbin Gongye Daxue Xuebao  (Harbin Gongye Daxue Xuebao)
巻： 46  号： 9  ページ： 159-165  発行年： 2017年 
JST資料番号： W1450A  ISSN： 0367-6234  CODEN： HPKYAY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 伝統的な地上グラフ法による故障診断の問題を解決することができないので,油ポンプの故障診断のための新しい方法を提案した。まず第一に,多変量適応可能な遺伝的アルゴリズム(MMAGA)を用いて,RBFニューラルネットワークのパラメータを最適化し,次に,潜水艦リニアモータの運転パラメータと坑井パラメータのような包括的なデータから,ポンプの運転状態を反映する特性パラメータを抽出した。次に,故障診断モデルの入力ベクトルとして,それを用いて,潜水艦ポンプの故障条件の診断を実現することができた。結果は以下を示した。MMAGA-RBF故障診断法は,より少ない訓練サンプルでより高い総合診断精度を達成することができ,訓練サンプル集合が1000以上に達すると,総合誤り率は4%より低く,一般的遺伝的アルゴリズムの最適化モデルよりも低い。その結果,MMAGA-RBFの故障診断法は,水中油ポンプの運転条件に適合し,そして,総合診断精度の要求を満たすことができた。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： ベクトル ,  遺伝的アルゴリズム ,  図式解法 ,  *故障診断 ,  リニアモータ ,  モデル ,  最適化 ,  誤り率 ,  *潜水艦 ,  *故障
準シソーラス用語： 運転条件 ,  最適化モデル ,  診断精度 ,  運転パラメータ ,  動径基底関数ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： submersible plunger pump ,  characteristic parameters ,  fault diagnosis ,  RBF ,  MMAGA

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (2件)： 潜水 ,  故障診断