文献

J-GLOBAL ID：201902275469881703   整理番号：19A1605466

センサデータを用いたタービンエンジン予測のためのLS-SVMベースのアプローチ【JST・京大機械翻訳】

A LS-SVM based Approach for Turbine Engines Prognostics Using Sensor Data

著者 (4件)： Li Yongxiang (Technology and Engineering Center for Space Utilization, University of Chinese Academy of Sciences, Beijing, China) ,  Shan Xiaoming (Weifang International, Information Industry Research Center, Weifang, China) ,  Zhao Wei (Technology and Engineering Center for Space Utilization, Chinese Academy of Sciences, Beijing, China) ,  Wang Gong (Technology and Engineering Center for Space Utilization, Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICIT  ページ： 983-987  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： 航空機の中心部として,エンジンの健康状態は航空機の安全性に密接に関連している。したがって,エンジンの残存する有用寿命(RUL)を正確に予測することは,非常に実用的な重要性を持っている。タービンエンジンは複雑なシステムであり,その寿命劣化プロセスは多くの要因によって影響を受けるので,エンジン劣化を表現するために,あるモデルを使用することは困難である。幸いにも,タービンエンジンはしばしば運転データを得るために種々のセンサをセットし,劣化の傾向を監視するための効果的な方法を提供する。本論文では,最小二乗サポートベクトルマシン(LS-SVM)に基づく予後手法を提案し,センサデータを用いてタービンエンジンRULを推定した。最初に,多変量センサデータからの合成指標である健康指標(HI)を,下降次元法を用いて計算し,次に,LS-SVMに基づくHIsの回帰を通して,劣化モデルを構築した。最後に,試験エンジンのRULは,劣化モデルによって計算することができた。応用事例として,NASA Amesにより供給されたターボファンエンジン劣化シミュレーションデータセットを用いて,提案したアプローチの性能を実証した。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： モデル ,  航空機 ,  予後 ,  *センサ ,  ターボファン ,  安全性 ,  *予測
準シソーラス用語： 劣化モデル ,  健康状態指標 ,  多変量 ,  最小二乗-サポートベクトルマシン ,  運転データ ,  健康状態 ,  *タービンエンジン ,  *センサデータ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： センサデータ ,  タービンエンジン ,  予測 ,  LS-SVM