文献

J-GLOBAL ID：202202280736630803   整理番号：22A0393264

ターボシャフトエンジンガス経路故障パターン認識のための学習機械の比較【JST・京大機械翻訳】

A Comparison of Learning Machines for Turboshaft Engine Gas Path Fault Pattern Recognition

著者 (3件)： Zhao Shuai (Jiangsu Province Key Laboratory of Aerospace Power System, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China) ,  Huang Jinquan (Jiangsu Province Key Laboratory of Aerospace Power System, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China) ,  Lu Feng (Jiangsu Province Key Laboratory of Aerospace Power System, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China)
資料名： IOP Conference Series: Materials Science and Engineering  (IOP Conference Series: Materials Science and Engineering)
巻： 752  号： 1  ページ： 012013 (6pp)  発行年： 2020年 
JST資料番号： W5559A  ISSN： 1757-8981  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ターボシャフトエンジンの運転環境は複雑で厳しいため,ガス経路部品は容易に損傷を受ける。巨大な蓄積データからターボシャフトエンジンのためのガス経路故障診断は非常に重要である。本論文は,エンジンのガス経路故障診断のための機械学習機械アルゴリズムのデータ駆動方法および性能比較を提示した。基本的なELM,カーネルELM(KELM)および多重層KELM(MLKELM)を含む,様々な極端学習機械(ELM)が含まれている。さらに,深い学習機械の1つとして,深い信念ネットワーク(DBN)も用いて,故障パターンを認識する。シミュレーションは,典型的ガス経路故障モードによってターボシャフトエンジンに関して実行した。結果は,MLKELMとDBNがELMとKELMより良い分類精度を提供して,DBNがMLKELMと比較してより少ない訓練時間を消費することを示した。Please refer to the publisher for the copyright holders. 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 ,  *パターン認識 ,  *故障 ,  故障診断 ,  *学習機械 ,  *ターボシャフト ,  多層 ,  故障モード ,  機械学習
準シソーラス用語： 性能比較 ,  信念ネットワーク ,  分類精度 ,  データ駆動 ,  極度学習機械 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 経路 ,  故障 ,  パターン認識 ,  学習機械