文献

J-GLOBAL ID：202202248645855627   整理番号：22A0157218

マルチセンサデータで有用な寿命予測を行う航空エンジンのための統合深部マルチスケール特徴融合ネットワーク【JST・京大機械翻訳】

An integrated deep multiscale feature fusion network for aeroengine remaining useful life prediction with multisensor data

著者 (5件)： Li Xingqiu (School of Civil Aviation, Northwestern Polytechnical University, 710072, Xi’an, China) ,  Jiang Hongkai (School of Civil Aviation, Northwestern Polytechnical University, 710072, Xi’an, China) ,  Liu Yuan (School of Astronautics, Harbin Institute of Technology, 150001 Harbin, China) ,  Wang Tongqing (AECC Sichuan Gas Turbine Establishment, 621010 Mianyang, China) ,  Li Zhenning (School of Civil Aviation, Northwestern Polytechnical University, 710072, Xi’an, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 235  ページ： Null  発行年： 2022年 
JST資料番号： T0426A  ISSN： 0950-7051  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： ほとんどのRUL予測方法は,他のスケールと層で有意な詳細を無視して,単一スケール特徴を抽出することができるだけであった。これらの方法は,1タイプのモデルを用いて全て構築され,異なるモデルの利点を利用しない。本研究では,マルチセンサデータを用いた航空エンジンRUL予測のための統合ディープマルチスケール特徴融合ネットワーク(IDMFFN)を提案した。二次元試料を多重時間サイクルでマルチセンサデータを用いて構築した。マルチスケール特徴抽出ブロックを設計して,種々のサイズの畳込みフィルタを用いて,異なるスケール特徴を学習した。マルチスケール特徴連結ブロックを構築し,異なる層からマルチスケール特徴を統合した。GRUベース高レベル特徴融合ブロックを構築し,従来の完全接続層を置換し,特徴融合のための強力な時間的特徴学習を活用できる。新しい活性化関数Mishを用いてネットワークを構築した。模擬ターボファンエンジンデータセットを用いてネットワークの有効性を検証した。結果は,IDMFFNが既存の方法より正確にRULを予測できることを示した。Copyright 2022 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： 予測技法 ,  畳込み ,  フィルタ ,  学習 ,  *ネットワーク ,  特徴抽出 ,  多重化 ,  二次元 ,  有効性 ,  寿命予測
準シソーラス用語： *マルチスケール ,  マルチセンサ ,  活性化関数 ,  *航空エンジン ,  *特徴融合 , 【Automatic Indexing@JST】

著者キーワード (5件)： 航空エンジン ,  有用な寿命予測の残存 ,  マルチセンサ ,  核融合 ,  マルチスケール

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： マルチ ,  センサデータ ,  寿命予測 ,  航空 ,  統合 ,  深部 ,  マルチスケール ,  特徴融合