文献

J-GLOBAL ID：202202251053342458   整理番号：22A0416881

風力タービンスピンドルの核融合構造に基づく故障状態予測【JST・京大機械翻訳】

Fusion Structure-based Fault State Prediction of Wind Turbine Spindle

著者 (7件)： Qiang Baohua (Guangxi Key Laboratory of Image and Graphic Intelligent Processing, (Guilin University of Electronic Technology), Guilin, Guangxi, China) ,  Yin Wenqiang (Guangxi Key Laboratory of Image and Graphic Intelligent Processing, (Guilin University of Electronic Technology), Guilin, Guangxi, China) ,  Tao Xiaoling (Guangxi Key Laboratory of Image and Graphic Intelligent Processing, (Guilin University of Electronic Technology), Guilin, Guangxi, China) ,  Li Longge (Guangxi Key Laboratory of Image and Graphic Intelligent Processing, (Guilin University of Electronic Technology), Guilin, Guangxi, China) ,  Li Baolian (The 54Th Research Institute of China Electronics Technology Group Corporation, Shijiazhuang, China) ,  Peng Bo (The 54Th Research Institute of China Electronics Technology Group Corporation, Shijiazhuang, China) ,  Wang YuFeng (The 54Th Research Institute of China Electronics Technology Group Corporation, Shijiazhuang, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 833  ページ： 712-723  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 風力タービンの既存のキーコンポーネント状態予測方法のための単一特性と非要求粒度があるという問題に照準を定めて,融合構造に基づく風力タービンスピンドル故障状態予測モデルを提案した。統合に基づくモデルは,風力タービン状態の情報表現をより完全にマイニングすることができた。因子化機械(FM)モジュールを用いて,風力タービンの1次および2次特徴のパラメータを微調整した。交差ネットワークを用いて,有限次特徴交差製品を実行した。深層ネットワークモジュールを結合して,高次風力タービン特徴情報の利点を探った。融合構造モデルは,3つのモジュールの特徴を効果的に融合する。高次および低次特性の影響を,モデルの故障状態予測効果を改善するために完全に考慮した。本論文では,曲線(AUC)とLog-尤度損失(Logloss)を評価指数として用いて,SCADAシステムの実際の風力タービンデータセットにおけるモデル予測性能を検証した。実験結果は,融合構造に基づくスピンドル故障状態予測モデルが従来の予測モデルと最新の深層学習予測モデルより良い性能を有することを示した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 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 ,  *故障 ,  ネットワーク ,  *スピンドル ,  *状態推定 ,  ニューラルネットワーク ,  *核融合 ,  *風車 ,  深層 ,  SCADAシステム ,  予測モデル
準シソーラス用語： 構造モデル ,  尤度 ,  モデル予測 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 風車スピンドル ,  核融合構造 ,  ニューラルネットワーク ,  故障予測 ,  高次特徴

分類 (2件)： 風力発電  (NB03120Q) ,  送風機,圧縮機,風車  (QD03000U)

タイトルに関連する用語 (5件)： 風力タービン ,  スピンドル ,  核融合 ,  故障 ,  状態予測