文献

J-GLOBAL ID：202102248529850522   整理番号：21A3198149

局所Mahalanobis距離を用いた初期故障診断方法論:経験的確率密度推定に基づく検出プロセス【JST・京大機械翻訳】

An incipient fault diagnosis methodology using local Mahalanobis distance: Detection process based on empirical probability density estimation

著者 (2件)： Yang Junjie (Universite Paris Saclay, CNRS, CentraleSupelec, Laboratoire des Signaux et Systemes (L2S), 3 Rue Joliot Curie, Gif sur Yvette, France) ,  Delpha Claude (Universite Paris Saclay, CNRS, CentraleSupelec, Laboratoire des Signaux et Systemes (L2S), 3 Rue Joliot Curie, Gif sur Yvette, France)
資料名： Signal Processing  (Signal Processing)
巻： 190  ページ： Null  発行年： 2022年 
JST資料番号： A0102B  ISSN： 0165-1684  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： 工業および学術分野での挑戦的で最新の話題として,事故故障検出が成長している。悪化し,厳しいセキュリティ問題に導くことができるシステム状態の僅かな非許可変化を避けることが重要である。この問題の主な課題は,初期段階の小さい変化がノイズでぼやけられ,典型的な故障検出方法の貧弱な検出性能をもたらす混乱を創り出すという事実にある。時系列情報を保ちながら,雑音に埋没し,非Gauss分布データ条件に対処する微妙な偏差を検出するために,特定調整局所Mahalanobis距離(LMD)アルゴリズムと経験的確率密度(EPD)推定技術を組み合わせた高感度故障検出法を提案した。より具体的には,まず,最適に調整された特性を持つ局所Mahalanobis距離を計算するために,健康な領域推定を提案した。健康なドメインを近似するために,本研究は,アンカー生成のためのダウンサンプリングアルゴリズムと,ドメインマージン選択のための一般化極値分布(GEV)に基づいて最適に調整され,そして,パラメータ推定法を提案する。その後,EPD累積和技法をLMD結果に適用し,検出感度をさらに改善した。シミュレーションデータに基づく性能分析は,著者らの提案が非Gaussデータに有効であり,初期故障検出に敏感であることを示した。連続流撹拌タンク反応器(CSTR)に基づく事例研究は,著者らの提案の有効性をさらに検証して,検出遅延,検出確率,誤り警報確率,および受信者操作特性曲線(AUC)の下の領域に関して,最先端のベース解法と比較することによって,その利点を強調した。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： アルゴリズム ,  雑音 ,  シミュレーション ,  *故障 ,  *初期故障 ,  正規分布 ,  故障検出 ,  *事後確率 ,  連続流 ,  パラメータ推定 ,  事例研究 ,  特性曲線 ,  性能分析
準シソーラス用語： *Mahalanobis距離 ,  誤警報 , 【Automatic Indexing@JST】

著者キーワード (5件)： 初期故障診断 ,  故障検出 ,  時変故障 ,  Mahalanobis距離 ,  多変量統計プロセスモニタリング

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (8件)： Mahalanobis距離 ,  初期 ,  故障診断 ,  方法論 ,  経験的確率 ,  密度 ,  推定 ,  プロセス