文献

J-GLOBAL ID：202202269839336754   整理番号：22A1048569

自己教師付き健康表現学習に基づく風力タービンブレードの状態監視:風力エネルギーの有効で信頼性の高い利用に対する教育技術【JST・京大機械翻訳】

Condition monitoring of wind turbine blades based on self-supervised health representation learning: A conducive technique to effective and reliable utilization of wind energy

著者 (5件)： Sun Shilin (Department of Mechanical Engineering, Tsinghua University, Beijing 100084, China) ,  Sun Shilin (Renewable Energy Research Group (RERG), Research Institute for Sustainable Urban Development, The Hong Kong Polytechnic University, Hong Kong) ,  Wang Tianyang (Department of Mechanical Engineering, Tsinghua University, Beijing 100084, China) ,  Yang Hongxing (Renewable Energy Research Group (RERG), Research Institute for Sustainable Urban Development, The Hong Kong Polytechnic University, Hong Kong) ,  Chu Fulei (Department of Mechanical Engineering, Tsinghua University, Beijing 100084, China)
資料名： Applied Energy  (Applied Energy)
巻： 313  ページ： Null  発行年： 2022年 
JST資料番号： A0097A  ISSN： 0306-2619  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： 風力発電の効率と信頼性を改善するために,風力タービンの条件監視は世界的に大きな注目を集めている。しかし,ブレード健康モニタリングは,揮発性操作条件および健康および不健康測定が訓練段階後に自然に分離できるという仮定に依存するため,まだ困難である。本論文では,自己教師付き健康表現学習法を提案し,これらの問題に対処し,訓練において健康測定のみを必要とした。特に,ブレード健康条件に関連したデータ表現は,データ増強と補助タスクによりニューラルネットワークによって学習される。この場合,運転状況とノイズの干渉を除去でき,測定の揮発性は,健全な操作の正確なモデルを確立するために抑制できる。さらに,分離可能性仮定は,不健康なサンプルの表現分布に制約を課すことによって保証され,学習された知識に基づく意思決定の信頼性を改善する。カーネル密度推定を用いて,ブレード健康条件を認識する。提案方法の満足な性能を実験室と現場測定によって実証し,オンライン健康監視のための既存の手法より高い精度を達成した。本研究はクリーンエネルギー利用の経済性に寄与する。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： 雑音 ,  意思決定 ,  *信頼性 ,  経済性 ,  ニューラルネットワーク ,  風力発電 ,  *教育工学 ,  *風車 ,  データ表現 ,  揮発性 ,  モデル
準シソーラス用語： 操作条件 ,  *状態監視 ,  オンライン ,  *表現学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 状態監視 ,  風力発電 ,  風力タービンブレード ,  風力エネルギー ,  自己教師つき学習

分類 (1件)： 火力発電  (NB03040D)

タイトルに関連する用語 (7件)： 自己 ,  教師 ,  表現学習 ,  風力タービンブレード ,  状態監視 ,  風力エネルギー ,  教育