文献

J-GLOBAL ID：202102274781787702   整理番号：21A1145505

回転機械のためのオートエンコーダベース状態監視と異常検出法【JST・京大機械翻訳】

Autoencoder-based Condition Monitoring and Anomaly Detection Method for Rotating Machines

著者 (4件)： Ahmad Sabtain (TU Berlin,Distributed and Operating Systems,Berlin,Germany) ,  Styp-Rekowski Kevin (TU Berlin,Distributed and Operating Systems,Berlin,Germany) ,  Nedelkoski Sasho (TU Berlin,Distributed and Operating Systems,Berlin,Germany) ,  Kao Odej (TU Berlin,Distributed and Operating Systems,Berlin,Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： Big Data  ページ： 4093-4102  発行年： 2020年 
JST資料番号： W2441A  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： エンジン,ポンプ,またはタービンのような回転機械は現代社会に遍在している。電気エンジン,ロータ,または軸受のようなそれらの機械部品は,主要な部品であり,それらの故障は,それらの全停止をもたらすかもしれない。このような重要なシステムにおける異常検出は,システムの健康をモニターするために非常に重要である。すべての可能な故障が明示的にラベル付けされる回転機械からデータセットを得る要求は,満足するのが難しいので,代わりに機械の通常の挙動に焦点を当てた方法を提案した。異常検出手法を用いることにより,回転機械の条件監視のためのオートエンコーダモデルベース法を提案した。この方法は,機械の健全な状態をモデル化するために,通常の振動信号を用いて回転機械の特性を学習する。閾値ベースのアプローチを,次に,非意味データの再構成誤差に適用して,このように,非seen異常の検出を可能にした。提案方法は,生振動信号から顕著な特徴を直接抽出することができ,手動で操作された特徴の必要性を除去することができる。2つの回転機械データセットを採用することによって提案した方法の有効性を実証し,自動的に学習された特徴の品質を,これらの2つの集合のいずれかに関して,分離森林モデルを訓練することによって,手作業された特徴の集合と比較した。2つの実世界データセットに関する実験結果は,提案した解決策が有望な結果を与え,99.6%の平均F1スコアを達成することを示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 回転機械 ,  機械要素 ,  *軸受 ,  再構成 ,  タービン ,  有効性
準シソーラス用語： 異常検出 ,  *状態監視 ,  振動信号 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 回転機械 ,  オートエンコーダ ,  状態監視 ,  検出法