文献

J-GLOBAL ID：202102218349064335   整理番号：21A2529279

半教師付き残存有効寿命予測のためのマルチセンサ融合に基づく深い敵対アプローチ【JST・京大機械翻訳】

A Deep Adversarial Approach Based on Multi-Sensor Fusion for Semi-Supervised Remaining Useful Life Prognostics

著者 (3件)： Verstraete David (Center for Risk and Reliability, University of Maryland, College Park, MD 20742, USA) ,  Droguett Enrique (Department of Mechanical Engineering, University of Chile, Santiago 8320000, Chile) ,  Modarres Mohammad (Center for Risk and Reliability, University of Maryland, College Park, MD 20742, USA)
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 1  ページ： 176  発行年： 2019年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： マルチセンサシステムは資産管理産業で増殖している。モノのインターネット(IoT)と組み合わせた産業4.0は,システム信頼性を予測し,保全決定を評価するために,予後と健康管理システムの要求に着手した。最先端のシステムの状態は,現在,大きな機械データを生成し,統合残留有効寿命予測能力のためのマルチセンサ融合を必要とする。これらのデータセットを扱うとき,従来の予測方法は,非中毒における多重センサ信号を取り扱うために装備されない。この課題に取り組むために,本論文では,新しい,非Markov,変分,推論ベースモデル,敵対的方法論を組み込んだ,任意の残存寿命予測に対する,新しい,深い,敵対的アプローチを提案する。提案アプローチを評価するために,残りの有用な寿命予測アプリケーションのために2つの公開マルチセンサデータセットを用いた。(1)CMAPSSターボファンエンジンデータセット,(2)FEMTO Pronostia圧延要素軸受データセット。提案した手法は,類似の深層学習モデルに対して好ましい結果を得る。Copyright 2021 The Author(s) 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 ,  変分法 ,  ネットワーク ,  保全 ,  軸受 ,  圧延 ,  システム信頼度 ,  *応用プログラム ,  健康管理 ,  予後 ,  寿命予測 ,  耐用年数
準シソーラス用語： 資産管理 ,  モノのインターネット ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 生成敵対ネットワーク ,  変分オートエンコーダ ,  予後と健康管理 ,  有用な生命の残存 ,  マルチセンサ融合

分類 (1件)： パターン認識  (JE07000S)

引用文献 (34件)：

• Malte, B.; Friederichsen, N.; Keller, M.; Rosenberg, N. How virtualization, decentralization and network building change the manufacturing landscape: An Industry 4.0 Perspective. Int. J. Mech. Ind. Sci. Eng. 2014, 8, 37-44.
• Xiao-Sheng, S.; Wang, W.; Hu, C.H.; Zhou, D.H. Remaining useful life estimation-a review on the statistical data driven approaches. Eur. J. Oper. Res. 2011, 213, 1-14.
• Benjamin, V.D.; Droguett, E.L.; Meruane, V.; Modarres, M.; Ferrada, A. Deep semi-supervised generative adversarial fault diagnostics of rolling element bearings. Struct. Health Monit. 2019.
• Malhotra, P.; TV, V.; Ramakrishnan, A.; Anand, G.; Vig, L.; Agarwal, P.; Shroff, G. Multi-Sensor Prognostics using an Unsupervised Health Index based on LSTM Encoder-Decoder. arXiv 2016, arXiv:1608.06154.
• Mei, Y.; Wu, Y.; Lin, L. Fault diagnosis and remaining useful life estimation of aero engine using lstm neural network. In Proceedings of the IEEE International Conference on Aircraft Utility Systems (AUS), Beijing, China, 10-12 October 2016.

タイトルに関連する用語 (6件)： 教師 ,  残存 ,  有効寿命 ,  予測 ,  マルチセンサ融合 ,  敵対