文献

J-GLOBAL ID：201902217767221272   整理番号：19A2177631

重力探索アルゴリズムにより支援された修正極端学習機械を用いたサッカーロッドポンプシステムの故障診断【JST・京大機械翻訳】

Fault diagnosis of sucker rod pumping system using modified extreme learning machine assisted by gravitational search algorithm

著者 (5件)： Deng Xiaogang (College of Information and Control Engineering, China University of Petroleum, Qingdao, 266580) ,  Cao Yuping (College of Information and Control Engineering, China University of Petroleum, Qingdao, 266580) ,  Yang Minghui (College of Information and Control Engineering, China University of Petroleum, Qingdao, 266580) ,  Sun Zhenhua (Shengli College, China University of Petroleum, Dongying, 257061) ,  Cui Wenzhi (College of Information and Control Engineering, China University of Petroleum, Qingdao, 266580)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CCDC  ページ： 4518-4522  発行年： 2019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： サッカーロッドポンプシステムは一種の重要な石油生産ユニットである。電力データに基づいて故障状態を診断する方法は挑戦的な課題である。この問題を目的として,本論文では,修正極値機械学習に基づくサッカーロッドポンプシステム故障診断法を構築した。特徴抽出と分類器構築を含む2つの側面を提案方法に含む。最初に,電力データを収集し,ウェーブレット解析を適用することによりデータ特徴を開発した。さらに,入力重みのランダム初期化の影響を克服するために,重力探索アルゴリズム(GSA-ELM)により支援された修正極端学習機械を提案した。基本ELM法と比較して,GSA-ELMは簡単なモデル構造でより良い一般化性能を提供できる。最後に,実際の産業データを用いて,提案方法をテストし,結果はその有効性を実証した。Copyright 2019 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： 特徴抽出 ,  機械学習 ,  モデル ,  有効性 ,  *重力 ,  採油 ,  *故障 ,  電力 ,  診断 ,  *故障診断
準シソーラス用語： ウェーブレット解析 ,  システム障害 ,  *サッカーロッドポンプ ,  *極度学習機械 ,  *探索アルゴリズム , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 重力 ,  探索アルゴリズム ,  支援 ,  極端学習機械 ,  故障診断