文献

J-GLOBAL ID：202202222678760720   整理番号：22A0501225

注意モデルとサポートベクトル回帰に基づく航空エンジンの性能劣化予測【JST・京大機械翻訳】

Performance degradation prediction of aeroengine based on attention model and support vector regression

著者 (4件)： Che Changchang (College of Civil Aviation, Nanjing University of Aeronautics and Astronautics , Nanjing, China) ,  Wang Huawei (College of Civil Aviation, Nanjing University of Aeronautics and Astronautics , Nanjing, China) ,  Ni Xiaomei (College of Civil Aviation, Nanjing University of Aeronautics and Astronautics , Nanjing, China) ,  Fu Qiang (College of Civil Aviation, Nanjing University of Aeronautics and Astronautics , Nanjing, China)
資料名： Proceedings of the Institution of Mechanical Engineers. Part G. Journal of Aerospace Engineering  (Proceedings of the Institution of Mechanical Engineers. Part G. Journal of Aerospace Engineering)
巻： 236  号： 2  ページ： 410-416  発行年： 2022年 
JST資料番号： T0823A  ISSN： 0954-4100  資料種別： 逐次刊行物 (A)
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： 航空エンジンの正確な性能劣化予測は,航空機の安全性と信頼性を確実にすることができる。多重状態パラメータの質量長時系列データに基づいて,注意モデル(AM)とサポートベクトル回帰(SVR)に基づく新しい性能劣化予測方法を,本論文で提案した。AMは,状態パラメータの時系列予測を実現するために,異なるソースサンプルの重み分布を実現するために,符号器と復号器の間の注意機構を使用する。SVRモデルを用いて,多重状態パラメータと性能劣化の間のマッピング関係をマイニングした。性能劣化予測結果は,SVRモデルに多重状態パラメータの時系列予測結果を置いて達成できる。商用モジュール式航空推進システムシミュレーション(C-MAPSS)を用いて実行したターボファンエンジン劣化シミュレーションデータセットを用いて,提案した方法の有効性を検証した。結果は,正確な時系列予測と性能劣化解析結果を得ることができることを示した。他の方法と比較して,提案した注意モデルとサポートベクトル回帰(AM-SVR)モデルは,ノイズのあるサンプルを扱うとき,より低い予測誤差とより高い安定性を持った。Copyright IMechE 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  雑音 ,  *航空輸送 ,  航空機 ,  信頼性 ,  復号器 ,  システムシミュレーション ,  多重化 ,  符号器 ,  ターボファン ,  有効性 ,  予測誤差
準シソーラス用語： 時系列データ ,  *航空エンジン ,  *サポートベクトル回帰 , 【Automatic Indexing@JST】

著者キーワード (5件)： 航空エンジン ,  性能劣化 ,  注意モデル ,  時系列予測 ,  サポートベクトル回帰

分類 (2件)： 統計的品質管理  (KB04030W) ,  ガスタービン  (PB02040Y)

タイトルに関連する用語 (6件)： 注意 ,  モデル ,  サポートベクトル回帰 ,  航空エンジン ,  性能劣化 ,  予測