文献

J-GLOBAL ID：202202280057600934   整理番号：22A0968195

電気機械駆動システムの故障診断のためのカオス適応重力探索と粒子群最適化アルゴリズムにより最適化したBPNNの適用【JST・京大機械翻訳】

Application of BPNN optimized by chaotic adaptive gravity search and particle swarm optimization algorithms for fault diagnosis of electrical machine drive system

著者 (13件)： Zhang Peng (School of Electrical Engineering and Automation, Anhui University, Hefei, China) ,  Cui Zhiwei (School of Electrical Engineering and Automation, Anhui University, Hefei, China) ,  Cui Zhiwei (National Engineering Laboratory of Energy-Saving Motor and Control Technique, Anhui University, Hefei, China) ,  Cui Zhiwei (Power Quality Engineering Research Center, Ministry of Education, Anhui University, Hefei, China) ,  Cui Zhiwei (Industrial Power Saving and Safety Laboratory, Anhui University, Hefei, China) ,  Wang Yinjiang (School of Electrical Engineering and Automation, Anhui University, Hefei, China) ,  Wang Yinjiang (National Engineering Laboratory of Energy-Saving Motor and Control Technique, Anhui University, Hefei, China) ,  Wang Yinjiang (Power Quality Engineering Research Center, Ministry of Education, Anhui University, Hefei, China) ,  Wang Yinjiang (Industrial Power Saving and Safety Laboratory, Anhui University, Hefei, China) ,  Ding Shichuan (School of Electrical Engineering and Automation, Anhui University, Hefei, China) ,  Ding Shichuan (National Engineering Laboratory of Energy-Saving Motor and Control Technique, Anhui University, Hefei, China) ,  Ding Shichuan (Power Quality Engineering Research Center, Ministry of Education, Anhui University, Hefei, China) ,  Ding Shichuan (Industrial Power Saving and Safety Laboratory, Anhui University, Hefei, China)
資料名： Electrical Engineering  (Electrical Engineering)
巻： 104  号： 2  ページ： 819-831  発行年： 2022年 
JST資料番号： A0448A  ISSN： 0948-7921  資料種別： 逐次刊行物 (A)
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： 本論文は,カオス適応重力探索アルゴリズム(GSA)と粒子群最適化(PSO)アルゴリズムによって最適化したバックプロパゲーションニューラルネットワーク(BPNN)を使用することによって,電気機械駆動システムのための故障診断方法を提案した。この方法では,GSAの大域的探索能力と局所開発能力のバランスをとるために,反復時間とカオス写像に基づく適応重力定数因子を導入した。次に,PSOアルゴリズムと結合して,PSOアルゴリズムの未熟と局所最適の問題を解決した。最後に,BPNNと組み合わせて,カオス適応GSA-PSO-BPNNに基づく故障診断モデルを確立した。実験結果は,適応重力定数の減衰係数の導入とカオス写像が,GSA-PSO-BPNNの分類性能を改善でき,カオス適応GSA-PSOアルゴリズムの実現可能性と有効性を証明した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *最適化 ,  写像 ,  *重力 ,  分類 ,  *電気機械 ,  *故障診断 ,  *駆動方式 ,  重力定数 ,  減衰定数 ,  有効性 ,  *カオス
準シソーラス用語： *粒子群最適化 ,  探索アルゴリズム ,  逆伝播ニューラルネットワーク ,  カオス写像 , 【Automatic Indexing@JST】

著者キーワード (5件)： 逆伝搬ニューラルネットワーク ,  重力探索アルゴリズム ,  カオスマッピング ,  粒子群最適化 ,  故障診断

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (9件)： 電気機械 ,  駆動システム ,  故障診断 ,  カオス ,  適応 ,  重力 ,  探索 ,  粒子群最適化アルゴリズム ,  最適化