文献

J-GLOBAL ID：202002216594549334   整理番号：20A2072155

深い敵対移動学習に基づく切削工具の残存寿命予測【JST・京大機械翻訳】

Remaining Useful Life Prediction of Cutting Tools based on Deep Adversarial Transfer Learning

著者 (3件)： Liu Yingchao (School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Hu Xiaofeng (School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Jin Jian (School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICCPR ’19  ページ： 434-439  発行年： 2019年 
JST資料番号： D0698C  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： 切削ツールの条件ベース保全と残留有効寿命(RUL)の予測は,予想外のダウンタイムを減らし,品質を確保するために極めて重要である。本論文では,切削工具のRUL予測のための深い敵対移動学習ベースアプローチを提案した。それは主に3つの部分を含んでいる:ソースドメイン予訓練,敵対領域適応,およびターゲットドメイン予測。最初に,ソース長短期メモリ(LSTM)ネットワークとラベル付きソース切断ツール例を用いて非線形回帰モデルを事前訓練した。第2に,それぞれのマッピングの下でソースドメインとターゲットドメイン間の距離を最小化するターゲットLSTMモデルを学習することによって,敵対的ドメイン適応を実行して,このように,ターゲットとソース切断ツールを区別するために識別器のためにそれを不可能にする。最後に,ターゲット切削工具のRULを予測することができた。提案方法を,タービン工場のスロットカッタ加工プロセスから得たデータを得るために適用した。結果は,提案した方法の有効性と実用性を示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  弁別器 ,  *学習 ,  ネットワーク ,  保全 ,  *切削工具 ,  *切削 ,  タービン ,  停止時間 ,  有効性 ,  寿命予測 ,  余寿命 ,  耐用年数
準シソーラス用語： 敵意 ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (3件)： 深層敵対移動学習 ,  切削工具 ,  有用な寿命予測の残存

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 敵対 ,  学習 ,  切削工具 ,  残存 ,  寿命予測