文献

J-GLOBAL ID：202102272462343500   整理番号：21A0989779

故障検査報告によるRNN-LSTMに基づく非構造テキストデータマイニングと故障分類に関する研究【JST・京大機械翻訳】

Research on Unstructured Text Data Mining and Fault Classification Based on RNN-LSTM with Malfunction Inspection Report

著者 (7件)： Wei Daqian (School of Electrical Engineering, Wuhan University, Wuhan 430072, China) ,  Wang Bo (School of Electrical Engineering, Wuhan University, Wuhan 430072, China) ,  Lin Gang (School of Electrical Engineering, Wuhan University, Wuhan 430072, China) ,  Liu Dichen (School of Electrical Engineering, Wuhan University, Wuhan 430072, China) ,  Dong Zhaoyang (School of Electrical Engineering and Telecommunications, University of NSW, Sydney 2052, Australia) ,  Liu Hesen (Department of Electrical Engineering and Computer Science, The University of Tennessee, Knoxville, TN 37996, USA) ,  Liu Yilu (Department of Electrical Engineering and Computer Science, The University of Tennessee, Knoxville, TN 37996, USA)
資料名： Energies (Web)  (Energies (Web))
巻： 10  号： 3  ページ： 406  発行年： 2017年03月 
JST資料番号： U7016A  ISSN： 1996-1073  CODEN： ENERGA  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： 本論文は,電力変圧器の条件ベース保全(CBM)を文書化し,その解析は,2つの基本データグループ,即ち,構造化(例えば,数値とカテゴリー)と非構造化(例えば,自然言語テキストナラティブ)に依存し,これは,必要なデータの80%を占める。しかし,電力グリッドの運転と保守によって記録されたように,故障検査報告から成る非構造化データは,電力洞察の豊富な未利用の源を構成する。本論文では,テキストデータマイニング指向再帰ニューラルネットワーク(RNN)と長い短期メモリ(LSTM)を組み合わせた深層学習による誤動作検査報告処理法を提案した。本論文では,モデリング検査データに対するRNN-LSTMネットワークの有効性を,各シーケンスステップでターゲットを複製する簡単な訓練戦略を用いて確立した。次に,元のデータラベルと出力サンプルとの比較による故障分類の精度を計算するために,対応する故障ラベルをデータセットで与えた。実験結果は,主要変数が最適結果を達成するために重要な変数の形態で選択されることができるかを反映できる。故障認識の精度は,著者らが提案した方式が,非構造化データを取り扱うために,グリッド検査員のためのより効果的な方法を提供できることを証明した。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： 記憶装置 ,  *故障 ,  電力 ,  ネットワーク ,  保全 ,  電力変圧器 ,  ニューラルネットワーク ,  自然言語 ,  検査員 ,  誤動作 ,  有効性
準シソーラス用語： リカレントニューラルネットワーク ,  *故障分類 ,  非構造化データ ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 深層学習 ,  リカレントニューラルネットワーク(RNN) ,  自然言語処理(NLP) ,  長期短期記憶(LSTM) ,  非構造データ ,  機能不全検査報告

分類 (2件)： 送風機,圧縮機,風車  (QD03000U) ,  電力系統一般  (NB02000E)

引用文献 (30件)：

• Besnard, F.; Bertling, L. An approach for condition-based maintenance optimization applied to wind turbine blades. IEEE Trans. Sustain. Energy 2010, 1, 77-83.
• Ahmad, R.; Kamaruddin, S. An overview of time-based and condition-based maintenance in industrial application. Comput. Ind. Eng. 2012, 63, 135-149.
• Carita, A.J.Q.; Leita, L.C.; Junior, A.P.P.M.; Godoy, R.B.; Sauer, L. Bayesian networks applied to failure diagnosis in power transformer. IEEE Lat. Am. Trans. 2013, 11, 1075-1082.
• Su, H.; Li, Q. A hybrid deterministic model based on rough set and fuzzy set and Bayesian optimal classifier. In Proceedings of the First International Conference on Innovative Computing, Information and Control (ICICIC), Beijing, China, 30 August-1 September 2006; Volume 2, pp. 175-178.
• Zheng, G.; Yongli, Z. Research of transformer fault diagnosis based on Bayesian network classifiers. In Proceedings of the International Conference Computer Design and Applications (ICCDA), Qinhuangdao, China, 25-27 June 2010; Volume 3, pp. 382-385.

タイトルに関連する用語 (8件)： 故障 ,  検査 ,  報告 ,  RNN ,  LSTM ,  データマイニング ,  故障分類 ,  研究