文献

J-GLOBAL ID：202002246384440191   整理番号：20A1073231

非線形プロセス故障診断のための局所線形バックプロパゲーションに基づく寄与【JST・京大機械翻訳】

Locally linear back-propagation based contribution for nonlinear process fault diagnosis

著者 (3件)： Qian Jinchuan (State Key Laboratory of Industrial Control Technology, College of Control Science and Engineering, Zhejiang University, Hangzhou 310027, China) ,  Jiang Li (Shanghai Research Institute of Huawei Technology Co., Ltd, Shanghai 200127, China) ,  Song Zhihuan (State Key Laboratory of Industrial Control Technology, College of Control Science and Engineering, Zhejiang University, Hangzhou 310027, China)
資料名： IEEE/CAA Journal of Automatica Sinica  (IEEE/CAA Journal of Automatica Sinica)
巻： 7  号： 3  ページ： 764-775  発行年： 2020年 
JST資料番号： W2424A  ISSN： 2329-9266  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： 本論文は,非線形プロセス故障診断のための新しい局所線形逆伝搬ベースの寄与と#x0028LLBBCと#x0029を提案した。自動エンコーダと#x0028AE)の深い学習モデルに基づく方法として,LLBBCは,非線形特徴を抽出することを通して,故障診断問題を扱うことができた。オンライン故障診断タスクが進行中であるとき,局所的線形モデルを最初に現在の故障サンプルにおいて築き上げた。再構成に基づく寄与と#x0028RBC)の基本的アイデアに従って,故障情報の伝搬を逆伝搬と#x0028BP)アルゴリズムを用いて記述した。次に,変数と故障の間の相関を測定するために寄与指数を確立して,最終診断結果を大きな寄与を有する変数を検索することによって得た。故障診断の性能に影響を及ぼす重要な因子であるスミア効果は,同様に抑制することができて,理論的解析は,正確な診断がLLBBCによって保証することができることを明らかにした。最後に,提案した方法の実現可能性と有効性を,非線形数値例とTennessee Eastmanベンチマーク過程を通して検証した。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： アルゴリズム ,  学習モデル ,  *故障 ,  *故障診断 ,  符号器 ,  再構成 ,  線形性 ,  有効性 ,  ベンチマーク ,  *逆伝搬法
準シソーラス用語： スミア ,  線形モデル ,  オンライン ,  *非線形プロセス , 【Automatic Indexing@JST】

分類 (3件)： 移動通信  (ND08030H) ,  図形・画像処理一般  (JE04010I) ,  電子航法一般  (ND14010O)

タイトルに関連する用語 (4件)： 非線形プロセス ,  故障診断 ,  線形 ,  バックプロパゲーション