文献

J-GLOBAL ID：202202288102873912   整理番号：22A0778043

深ニューラルネットワークを用いた超低電力機械故障検出【JST・京大機械翻訳】

Ultra-low Power Machinery Fault Detection Using Deep Neural Networks

著者 (4件)： Nitzsche Sven (FZI Research Center for Information Technology, Karlsruhe, Germany) ,  Neher Moritz (FZI Research Center for Information Technology, Karlsruhe, Germany) ,  von Dosky Stefan (Siemens AG, Digital Industries, Process Automation, DI PA TI OTP, Munich, Germany) ,  Becker Juergen (Karlsruhe Institute of Technology, Karlsruhe, Germany)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1524  ページ： 390-396  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  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： 本研究は,非常に資源制限デバイス上の機械故障検出のための人工およびスパイキングニューラルネットワークを研究した。遠心ポンプの振動データと2つの公共軸受故障データセットに関する様々なアーキテクチャを評価した。ターゲットシステムは,標準AA電池だけによって駆動される主メモリの80kBを有する統合ARM Cortex M4Fマイクロコントローラを有するセンサである。最新の手法と比較して,開発したニューラルネットワークは,極めて限られた資源(即ち,15kb未満のモデルサイズ,および数百ミリワットの電力消費)で実行するために最適化される。電池を変えずに10年間の全実行時間を目標とした。現在の結果は,およそ7.5年の実行時間を示した。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  振動 ,  電池 ,  *故障 ,  軸受 ,  遠心ポンプ ,  電力消費 ,  *ニューラルネットワーク ,  *故障検出 ,  センサ ,  主メモリ ,  マイクロコントローラ ,  計算機アーキテクチャ
準シソーラス用語： 実行時間 ,  *超低消費電力 , 【Automatic Indexing@JST】

著者キーワード (4件)： 機械故障検出 ,  軸受故障検出 ,  人工ニューラルネットワーク ,  スパイキングニューラルネットワーク

分類 (3件)： 軸受  (QB01020W) ,  信頼性  (KB04040H) ,  電動機  (NB07030U)

タイトルに関連する用語 (3件)： ニューラルネットワーク ,  低電力 ,  機械故障