文献

J-GLOBAL ID：202002219613590696   整理番号：20A2616214

多変量長期記憶ネットワークと多変量Gauss分布を組み合わせたレーダ送信機の劣化故障予測方法【JST・京大機械翻訳】

A Degradation Fault Prognostic Method of Radar Transmitter Combining Multivariate Long Short-Term Memory Network and Multivariate Gaussian Distribution

著者 (2件)： Zhai Yuting (Department of Information Science and Technology, Dalian Maritime University, Dalian, China) ,  Fang Shaojun (Department of Information Science and Technology, Dalian Maritime University, Dalian, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 199781-199791  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： レーダ送信機劣化故障の予後において,センサモニタリングデータの総サンプルサイズと故障サンプルサイズなどのいくつかの問題があり,モニタリングデータは故障閾値に達することができない。これらの問題を解決するために,多変量長短期記憶ネットワークと多変量Gauss分布を組み合わせた予測モデルを提案し,その中で,長い短期メモリネットワークがマルチセンサモニタリングデータの次の時間ステップを予測し,少数の故障サンプルによって構築した多変量Gauss分布モデルを劣化故障の予測を実現するために使用する。モデルのキーパラメータを,二重監視点のデータ処理実験によって決定し,そして,モデルの有効性を,多重モニタリング点のデータ処理実験によって,検証した。実験結果は,劣化故障がモニタリングデータの全時系列の10%以内で効果的に予測できることを示した。故障後の従来のレーダ警報と比較して,故障サンプルサイズが低いとき,モデルは送信機の劣化故障を効果的に予測することができ,故障閾値に達しなかった。Copyright 2020 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： *予測技法 ,  *レーダ ,  警報 ,  *故障 ,  *正規分布 ,  *ネットワーク ,  *劣化故障 ,  *送信機 ,  多重化 ,  データ処理 ,  予後 ,  センサ ,  有効性 ,  予測モデル
準シソーラス用語： *多変量 , 【Automatic Indexing@JST】

分類 (5件)： 通信網  (ND07030A) ,  計測機器一般  (AD02000X) ,  計算機網  (JC03000K) ,  通信方式一般  (ND07010E) ,  システムモデル  (IB02000Z)

タイトルに関連する用語 (6件)： 多変量 ,  長期記憶 ,  Gauss分布 ,  レーダ送信機 ,  劣化故障 ,  予測方法