文献

J-GLOBAL ID：201802244307295473   整理番号：18A0391302

故障推定と分離のためのKullback-Leibler発散:ガンマ分布データへの応用【Powered by NICT】

Kullback-Leibler Divergence for fault estimation and isolation : Application to Gamma distributed data

著者 (3件)： Delpha Claude (Laboratoire des Signaux et Systemes (L2S), CNRS, CentraleSupelec, Univ. Paris-Sud, 91192 Gif Sur Yvette, France) ,  Diallo Demba (Laboratoire Genie Electrique et Electronique de Paris (GeePs), CNRS, CentraleSupelec, Univ. Paris-Sud, Univ. Pierre et Marie Curie, 91192 Gif Sur Yvette, France) ,  Youssef Abdulrahman (A. Youssef has contributed to this job during a joined program between L2S and GeePs)
資料名： Mechanical Systems and Signal Processing  (Mechanical Systems and Signal Processing)
巻： 93  ページ： 118-135  発行年： 2017年 
JST資料番号： T0514A  ISSN： 0888-3270  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  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いた故障検出,隔離および推定法を開発した。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。ガンマ分布データの事例における故障振幅を推定するために,KLDを結びつける故障重症度にする解析モデル,環境騒音条件を含むを開発した。主成分分析フレームワークは,KLDの提案したモデルを解析し,モンテカルロ推定量を用いたKLDの推定値と比較した。結果は通常の雑音条件(SNR>40dB)における初期故障(<10%)のための,故障振幅推定は相対誤差1%以下で十分正確であることを示した。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 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 環境騒音 ,  電気機械 ,  特徴抽出 ,  *故障 ,  解析モデル ,  *Γ分布 ,  推定量 ,  故障検出 ,  雑音 ,  確率密度関数 ,  初期故障 ,  軸受 ,  モンテカルロ法 ,  主成分分析
準シソーラス用語： データ駆動 , 【Automatic Indexing@JST】

著者キーワード (5件)： 故障検出と診断 ,  初期故障推定 ,  ガンマ分布データ ,  Kullback-Leibler発散 ,  主成分分析

分類 (1件)： 構造動力学  (HD02000E)

タイトルに関連する用語 (4件)： 故障推定 ,  Kullback-Leibler発散 ,  ガンマ分布 ,  応用