文献

J-GLOBAL ID：202002233964263235   整理番号：20A1109947

部分的に解釈可能な畳込みニューラルネットワークに基づくガスタービンの故障診断【JST・京大機械翻訳】

Fault diagnosis of gas turbine based on partly interpretable convolutional neural networks

著者 (5件)： Zhou Dengji (The Key Laboratory of Power Machinery and Engineering of Education Ministry, Shanghai Jiao Tong University, Shanghai, 200240, PR China) ,  Yao Qinbo (The Key Laboratory of Power Machinery and Engineering of Education Ministry, Shanghai Jiao Tong University, Shanghai, 200240, PR China) ,  Wu Hang (The Key Laboratory of Power Machinery and Engineering of Education Ministry, Shanghai Jiao Tong University, Shanghai, 200240, PR China) ,  Ma Shixi (The Key Laboratory of Power Machinery and Engineering of Education Ministry, Shanghai Jiao Tong University, Shanghai, 200240, PR China) ,  Zhang Huisheng (The Key Laboratory of Power Machinery and Engineering of Education Ministry, Shanghai Jiao Tong University, Shanghai, 200240, PR China)
資料名： Energy  (Energy)
巻： 200  ページ： Null  発行年： 2020年 
JST資料番号： H0631A  ISSN： 0360-5442  CODEN： ENEYDS  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ガスタービンの故障診断は,エンジン信頼性とアベイラビリティにおいて重要な役割を果たす。データ駆動診断モデルは,エンジン劣化の同定と特性化に有用であることが検証されている。しかし,時系列信号に対する故障診断においては,収束ニューラルネットワーク(CNN)は不十分であると考えられている。そして,ほとんどの研究はCNNの解釈可能性を含まず,主要なモデルは最適化され,物理的機構と統合される。ガスタービンの故障診断のために,強い結合がガス経路故障とセンサ故障の間にしばしば存在し,両方の故障が同時に起こるときに故障診断を困難にする。入力測定パラメータ配列決定の影響を最適化することにより,典型的CNNの性能を改善するための新しい方法を提案した。極端な勾配ブースティング(XGBoost)を用いて,CNN診断精度解釈表に及ぼす配列決定の影響を作った。シミュレーション実験において,最適化後のCNNの診断精度は95.52%であり,従来のCNN(精度率91.10%),RNN(精度率94.21%)および他の方法のそれより高かった。現場データの解析のために,新しい方法はより強い特徴抽出能力を示して,前もって典型的なガス経路故障を検出することができた。新しい方法は,精度,安定性,および可理解性において良好に機能する。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  シミュレーション ,  *故障 ,  信頼性 ,  *ガスタービン ,  *故障診断 ,  *ニューラルネットワーク ,  特徴抽出 ,  キャラクタリゼーション
準シソーラス用語： ブースティング ,  診断精度 ,  データ駆動 ,  診断モデル ,  センサ故障 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： ガスタービン ,  故障診断 ,  畳み込みニューラルネットワーク ,  極端な勾配ブースティング ,  解釈 ,  フィールドデータ

分類 (3件)： 熱交換器,冷却器  (PA03020G) ,  ボイラ  (PB01020V) ,  内燃機関発電  (NB03050O)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  ガスタービン ,  故障診断