文献

J-GLOBAL ID：202202292213124051   整理番号：22A0103682

機械の性能評価のための教師なし特徴学習に基づく健康指標構築法【JST・京大機械翻訳】

An unsupervised feature learning based health indicator construction method for performance assessment of machines

著者 (5件)： Guo Liang (Engineering Research Center of Advanced Driving Energy-saving Technology, Ministry of Education, School of Mechanical Engineering, Southwest Jiaotong University, Chengdu 610031, China) ,  Yu Yaoxiang (Engineering Research Center of Advanced Driving Energy-saving Technology, Ministry of Education, School of Mechanical Engineering, Southwest Jiaotong University, Chengdu 610031, China) ,  Duan Andongzhe (Engineering Research Center of Advanced Driving Energy-saving Technology, Ministry of Education, School of Mechanical Engineering, Southwest Jiaotong University, Chengdu 610031, China) ,  Gao Hongli (Engineering Research Center of Advanced Driving Energy-saving Technology, Ministry of Education, School of Mechanical Engineering, Southwest Jiaotong University, Chengdu 610031, China) ,  Zhang Jiangquan (Engineering Research Center of Advanced Driving Energy-saving Technology, Ministry of Education, School of Mechanical Engineering, Southwest Jiaotong University, Chengdu 610031, China)
資料名： Mechanical Systems and Signal Processing  (Mechanical Systems and Signal Processing)
巻： 167  号： PB  ページ： Null  発行年： 2022年 
JST資料番号： T0514A  ISSN： 0888-3270  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： 機械の劣化プロセスを評価するためには,適切な健康指標を構築する必要がある。既存の健康指標は手動で抽出された特徴で主に構築される。それらの手動抽出特徴は,専門家の豊富なドメイン知識に基づいている。しかし,ドメイン知識を得ることは困難である。健康指標を自動的に構築するために,教師なし特徴学習ベースの健康指標構築方法を本論文で提案した。提案方法は,主に3つのステップから成る:まず第一に,ネットワークハイパーパラメータが遺伝的アルゴリズムを通して最適化される多重スケール畳込みオートエンコーダネットワークを構築する。次に,獲得したセンサ信号を直接,構成ネットワークに入力して,特徴を適応的に学習した。有効特性を強化して,無用なものを抑えるために,異なる重みをすべての特徴に割り当てた。最後に,ベースラインサンプルデータと現在得られたサンプルデータ間の学習特徴の相対的類似性を,機械の健康状態を表す健康指標として計算した。提案方法の有効性を2つのケースを通して検証した。これらの事例研究では,傾向とスケール類似性を含む2つのメトリックを用いて,提案した方法の性能を他の最先端のものと定量的に比較した。結果は,提案した方法で構築された健康指標が,機械の劣化プロセスを効果的に同定することができ,それらの比較のものより良い性能を得ることができることを証明した。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： 最適化 ,  畳込み ,  *学習 ,  ネットワーク ,  事例研究 ,  基準線 ,  有効性 ,  性能評価 ,  遺伝的アルゴリズム ,  ドメイン知識
準シソーラス用語： *健康状態指標 ,  健康状態 ,  マルチスケール ,  ホップ数 ,  ハイパーパラメータ , 【Automatic Indexing@JST】

著者キーワード (5件)： 予後 ,  健康指標 ,  マルチスケール畳込みオートエンコーダネットワーク ,  遺伝的アルゴリズム ,  関連相関距離

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 性能評価 ,  教師 ,  学習 ,  健康指標 ,  構築