文献

J-GLOBAL ID：202102218088207434   整理番号：21A2053346

故障のない機械の知的診断のための知識を補完するためのマルチソース転送学習ネットワーク【JST・京大機械翻訳】

Multi-source transfer learning network to complement knowledge for intelligent diagnosis of machines with unseen faults

著者 (7件)： Yang Bin (Key Laboratory of Education Ministry for Modern Design and Rotor-Bearing System, Xi’an Jiaotong University, Xi’an 710049, China) ,  Yang Bin (Centre for Maintenance Optimization and Reliability Engineering, University of Toronto, Toronto M5S 3G8, Canada) ,  Xu Songci (Centre for Maintenance Optimization and Reliability Engineering, University of Toronto, Toronto M5S 3G8, Canada) ,  Lei Yaguo (Key Laboratory of Education Ministry for Modern Design and Rotor-Bearing System, Xi’an Jiaotong University, Xi’an 710049, China) ,  Lee Chi-Guhn (Centre for Maintenance Optimization and Reliability Engineering, University of Toronto, Toronto M5S 3G8, Canada) ,  Stewart Edward (Centre for Railway Research and Education, University of Birmingham, Birmingham B15 2TT, United Kingdom) ,  Roberts Clive (Centre for Railway Research and Education, University of Birmingham, Birmingham B15 2TT, United Kingdom)
資料名： Mechanical Systems and Signal Processing  (Mechanical Systems and Signal Processing)
巻： 162  ページ： Null  発行年： 2022年 
JST資料番号： T0514A  ISSN： 0888-3270  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 深層移動学習ベースの故障診断のほとんどの現在の成功は,2つの仮定を必要とする。1)ソースマシンの健康状態セットは,ターゲットマシンのそれに重なる。2)ターゲットマシンサンプルの数は,健康状態を通してバランスをとっている。しかし,そのような仮定は工学シナリオにおいて非現実的であり,そこでは,ターゲットマシンは,ソースマシンで見られない故障タイプに悩まされ,そして,ターゲットマシンは,多くの場合,時折故障だけの健全な状態である。結果として,ソースマシンからの診断知識は,ターゲットマシンの全ての故障タイプをカバーせず,不均衡なターゲットサンプルを扱うことができない。したがって,多重ソース転送学習ネットワーク(MSTLN)と呼ばれるフレームワークを提案し,複数の部分分布適応サブネットワーク(PDA-Subnets)とマルチソース診断知識融合モジュールを結合することにより,多重ソースマシンから診断知識を集約し,転送する。前者は,ソースとターゲットペアの部分分布を共同で適応させるための対平衡因子によってターゲットサンプルを目標とし,後者は多重ソースマシン間の不一致のために負の効果を放出し,さらに複数のPDA-Subnetsから診断決定出力を融合する。2つの事例研究は,MSTLNが,他の従来法よりも不均衡なターゲットサンプルに対して,VoIPレートを低減し,より良い転送性能を得ることができることを示した。Copyright 2021 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： *学習 ,  *故障 ,  *ネットワーク ,  故障診断 ,  多重化 ,  事例研究 ,  深層
準シソーラス用語： 健康状態 ,  不均衡 ,  VoIP ,  サブネットワーク ,  ターゲットシステム , 【Automatic Indexing@JST】

著者キーワード (5件)： 知的故障診断 ,  回転機械 ,  マルチソース伝達学習 ,  深層転送学習 ,  部分的ドメイン適応

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 故障 ,  診断 ,  知識 ,  補完 ,  マルチ ,  ソース ,  転送 ,  学習