コレントロピーに基づくModified Brain Storm Optimizationを用いたArtificial Neural Networkによるショーケースの故障判定

カテゴリ: 部門大会

論文No: GS13-3

グループ名: 【C】2019年電気学会電子・情報・システム部門大会プログラム

発行日: 2019/08/28

タイトル(英語): Refrigerated Showcase Fault Detection by a Correntropy Based Artificial Neural Network Using Modified Brain Storm Optimization

著者名: 大高 直哉(明治大学),福山 良和(明治大学),川村 雄(富士電機),村上 賢哉(富士電機),Santana Adamo(富士電機),飯坂 達也(富士電機),松井 哲郎(富士電機)

著者名(英語): Naoya Otaka|Yoshikazu Fukuyama|Yu Kawamura|Kenya Murakami|Adamo Santana|Tatsuya Iizaka|Tetsuro Matsui

キーワード: 故障判定|ショーケース|ニューラルネットワーク|コレントロピー|モディファイドブレインストームオプティマイゼーション|Fault detection|Refrigerated showcase|Neural network|Correntropy|Modified brain storm optimization

要約(日本語): コンビニエンスストアなどで利用されているショーケースでは，着霜や冷媒漏れ等によって庫内が設定温度に保てなくなる可能性が稀にある。従って，高精度の故障判定は，顧客サービスの継続には欠かせない。本論文では，故障判定精度向上と共に，異常値を含むデータに対するエンジニアリング業務軽減のため，ニューラルネットワーク(以下，ANN)のパラメータ学習に，コレントロピーを適用したModified Brain Storm Optimization（以下，MBSO）を用いたショーケースに対する故障解析手法を提案する。従来のパラメータ学習法である最小二乗法を適用したBackpropagation及びコレントロピーを適用したFast Brain Storm Optimizationとの比較シミュレーションにより，提案法の有効性を確認した。

PDFファイルサイズ: 1,213 Kバイト