文献

J-GLOBAL ID：201702234802035480   整理番号：17A0353345

情報エントロピーと深い信念ネットワークを用いたガスタービンエンジンの有限センサ故障診断シミュレーション研究【Powered by NICT】

Finite-sensor fault-diagnosis simulation study of gas turbine engine using information entropy and deep belief networks

著者 (6件)： Feng Delong (Aeronautics and Astronautics Engineering College, Air Force Engineering University) ,  Xiao Mingqing (Aeronautics and Astronautics Engineering College, Air Force Engineering University) ,  Liu Yingxi (Air Force Xi’an Flight Academy) ,  Song Haifang (Aeronautics and Astronautics Engineering College, Air Force Engineering University) ,  Yang Zhao (Aeronautics and Astronautics Engineering College, Air Force Engineering University) ,  Hu Zewen (Aeronautics and Astronautics Engineering College, Air Force Engineering University)
資料名： Frontiers of Information Technology & Electronic Engineering  (Frontiers of Information Technology & Electronic Engineering)
巻： 17  号： 12  ページ： 1287-1304  発行年： 2016年 
JST資料番号： W2285A  ISSN： 2095-9184  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 英語 (EN)

抄録/ポイント： 正確な故障診断は,予知診断と健全性管理の重要な部分である。事故を避ける,機械のサービス寿命を延長し,維持コストを低減することができる。ガスタービンエンジン故障診断のために,エンジンの動作環境は過酷であり,センサは高温で働き,高回転速度では,あるいは高圧下でないので,エンジンで多数のセンサを設置できない。作動エンジンからの感覚データは既存の方法を用いた潜在的故障を診断するためには十分ではない。本論文では,複雑な環境下で有限官能データを用いたエンジン故障診断の問題を考察し,エンジン故障診断のための,IE DBN,情報エントロピーに基づく深層信念ネットワークを提案した。情報エントロピーを導入し,単一信号エントロピーに基づく関節複雑性エントロピーを提案した。第二に,深層信念ネットワーク(DBN)を解析し,ロジスティック回帰層はDBNの出力に追加した。,情報エントロピーを故障診断とDBNのための入力として用いた。提案したIE DBN法と最新の機械学習アプローチの比較はIE DBN法はより高い精度を達成することを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： 高圧 ,  *故障診断 ,  *センサ ,  *故障 ,  健全性 ,  高温 ,  耐用年数 ,  機械学習 ,  回転数 ,  *エントロピー ,  保全費
準シソーラス用語： 複雑性 ,  *ガスタービン機関 ,  *信念ネットワーク ,  *情報エントロピー , 【Automatic Indexing@JST】

著者キーワード (4件)： 深信念ネットワーク(DBN) ,  故障診断 ,  情報エントロピー ,  エンジン

分類 (1件)： ガスタービン  (PB02040Y)

タイトルに関連する用語 (7件)： 情報エントロピー ,  信念ネットワーク ,  ガスタービンエンジン ,  センサ故障 ,  診断 ,  シミュレーション ,  研究