文献

J-GLOBAL ID：201802291510178673   整理番号：18A0447264

回転機械のための知的故障診断モデル【Powered by NICT】

Intelligent fault diagnostic model for rotating machinery

著者 (4件)： Muhammad Masdi B. (Department of Mechanical Engineering Universiti Teknologi PETRONAS, 32610 Bandar Seri Iskandar, Perak Darul Ridzuan, Malaysia) ,  Sarwar Umair (Department of Mechanical Engineering Universiti Teknologi PETRONAS, 32610 Bandar Seri Iskandar, Perak Darul Ridzuan, Malaysia) ,  Tahan Mohammadreza (Department of Mechanical Engineering Universiti Teknologi PETRONAS, 32610 Bandar Seri Iskandar, Perak Darul Ridzuan, Malaysia) ,  Karim Z. A. Abdul (Department of Mechanical Engineering Universiti Teknologi PETRONAS, 32610 Bandar Seri Iskandar, Perak Darul Ridzuan, Malaysia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IEEM  ページ： 1858-1862  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： 本論文の目的は,変化を評価し,実時間データを用いた回転機械の故障を検出するための知的故障診断を提示することである。開発したモデルは,性能条件モニタリングデータを解釈し,人工神経回路網(ANN)を用いた機械の健康状態を決定する。ANNネットワークは,実際のシステム性能は,入力パラメータの与えられたセットに基づいて予測できる原理性能パラメータを訓練した。提案モデルの妥当性は,エンジンベルマウスで発生した故障を検出するための二軸18700kW産業用ガスタービンエンジンに関する事例研究を通して評価した。結果は,Levenberg-Marquardt(LM)訓練関数を用いて訓練されたネットワークはBayes調節(BR)とスケール共役勾配(SCG)訓練機能に比べてより正確な結果を達成できることを示した。添加でも,結果は,出力パラメータと燃料流量の両方がガスタービンの性能をモニターするために効果的に使用できることを示した。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： 事例研究 ,  ニューラルネットワーク ,  共役 ,  *故障 ,  二軸 ,  流量 ,  ネットワーク ,  ガスタービン ,  *回転機械 ,  *故障診断
準シソーラス用語： ガスタービン機関 ,  入力パラメータ ,  システム性能 ,  健康状態 ,  *診断モデル , 【Automatic Indexing@JST】

分類 (5件)： 坑井仕上げ,試験  (UA09040X) ,  各種石油製品及びその製造一般  (YF02071R) ,  脳・神経系モデル  (EL02050C) ,  非破壊試験  (HB02030F) ,  坑井掘さく  (UA09020B)

タイトルに関連する用語 (3件)： 回転機械 ,  故障 ,  診断モデル