文献

J-GLOBAL ID：202102244707337397   整理番号：21A1823229

マルチセンサ劣化データ融合と残存寿命予測【JST・京大機械翻訳】

Multisensor Degradation Data Fusion and Remaining Life Prediction

著者 (4件)： Wang Changxi (Rutgers University, Piscataway, NJ) ,  Elsayed E. A. (Rutgers University, Piscataway, NJ) ,  Li Kang (Rutgers University, Piscataway, NJ) ,  Cabrera Javier (Rutgers University, Piscataway, NJ)
資料名： ASME Conference Proceedings  (ASME Conference Proceedings)
号： PVP2017  ページ： Null  発行年： 2017年 
JST資料番号： A0478C  資料種別： 会議録 (C)
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： 多重センサーは,劣化モニタリングのために一般的に使用される。異なるセンサが劣化過程の異なる段階で高感度であり,各センサデータが劣化ユニットの部分的情報のみを含むので,多重センサからの劣化データを統合するデータ融合手法は劣化モデリングと寿命予測精度を効果的に改善できる。センサ観測の動的クラスタリングに基づいて各センサに重みを割当てるノンパラメトリック手法を提案した。疲れ亀裂成長データセットを含む事例研究を,ユニットの予後性能を評価するために実行した。結果は,提案した方式で得られた融合経路は,寿命予測精度に関して,適応閾値クラスタ化アルゴリズムで得られた個々のセンサデータおよび他の経路より優れていることを示した。Please refer to the publisher for the copyright holders. 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 ,  ノンパラメトリック法 ,  クラスタ化 ,  予後 ,  事例研究 ,  *センサ ,  高感度 ,  *データ融合 ,  寿命予測 ,  余寿命 ,  疲れ亀裂成長
準シソーラス用語： マルチセンサ ,  動的クラスタリング ,  センサデータ ,  劣化過程 , 【Automatic Indexing@JST】

分類 (5件)： 品質管理  (QA01098Y) ,  動力伝達装置  (QG03020Z) ,  計算機シミュレーション  (JE11000H) ,  電気・電子部品一搬  (NA05010H) ,  自動車性能一般  (QG02010H)

タイトルに関連する用語 (4件)： マルチセンサ ,  データ融合 ,  残存 ,  寿命予測