抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
現在の産業4.0革命において,PrognosticsとHealth Management(PHM)は研究の新興分野である。産業設定における電気機械的システムからのデータを得ることの困難さは,自動化産業の規模とアクセシビリティに比例して増加し,より少ない内挿PHMシステムをもたらす。もうひとつの方法を提供するために,各産業システムのための正確なPHMシステムの開発は,特定の条件下で得られたユニークなデータセットを必要とする。ほとんどの環境において,この1つの類似データセットを得ることは困難であり,得られたデータセットは,有意な不均衡,ある有用な情報の欠如,およびマルチドメイン知識を有する。これに取り組むために,本論文は,信号処理(SP)技術と深層学習ベース(DL)ドメイン知識移転を利用して,産業ロボットから取得した不均衡,Scarce,Multi-Domain(ISMD)データを評価し,前処理する故障検出と診断システムを提供した。ドメイン知識転送を用いて,各ドメインに関するすべての有用な情報を含む高い補間率を有する合成データセットを生成した。ドメイン知識転送とデータ生成のために,Generative Adversarial Network(GAN)による連続ウェーブレット変換(CWT)を用いて,変換学習といくつかの故障の分類を用いて,提案した方法論をテストするために,畳込みニューラルネットワーク(CNN)を使用した。提案した方法論を,Hyunai Robotics社製の工業ロボットを含む実際の実験台で試験した。この開発は,いくつかのCNNベンチマークモデルに関する移動学習によって達成された99.7%(最高)分類精度を有する満足な分解能をもたらした。【JST・京大機械翻訳】
