文献

J-GLOBAL ID：201802242639218340   整理番号：18A0079175

Kullback-Leibler発散を用いたマルチセンサ故障検出と分離:データ振動信号への応用【Powered by NICT】

Multisensor Fault Detection and Isolation Using Kullback Leibler Divergence: Application to Data Vibration Signals

著者 (5件)： Delpha Claude ,  Diallo Demba ,  Wang Tianzhen ,  Liu Jie ,  Li Zelig
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SDPC  ページ： 305-310  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： 本論文では,データ駆動型アプローチに基づく故障検出と分離方法を開発した。データ駆動型方法は統計的手法を用いた特徴抽出と特徴解析のための有効であった。提案では,主成分分析(PCA)手法は,特徴を抽出し,データの次元を低減するために使用されている。,Kullback-Leibler発散(KLD)は潜在的スコアの確率密度関数を比較することにより,故障発生を検出した。故障センサはZ分解として表示される二成分係数を持つ元の測定値の線形結合により単離した。提案されたアプローチは,電気機械におけるモニタリング軸受に用いられる振動信号を実験的に検証した。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： 電気機械 ,  特徴抽出 ,  *故障 ,  主成分分析 ,  軸受 ,  *センサ ,  統計的方法 ,  確率密度関数 ,  *故障検出
準シソーラス用語： 線形結合 ,  障害発生 ,  特徴解析 ,  データ駆動 ,  *振動信号 ,  *マルチセンサ , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： Kullback-Leibler発散 ,  マルチセンサ ,  故障検出 ,  振動信号 ,  応用