設備診断のためのカルバック-ライブラーダイバージェンスによるデータ分析

カテゴリ: 研究会(論文単位)

論文No: PI20061,IIS20072

グループ名: 【C】電子・情報・システム部門 知覚情報/【D】産業応用部門 次世代産業システム合同研究会

発行日: 2020/10/20

タイトル(英語): Data analysis by Kullback-Leibler divergence for facility diagnosis

著者名: 貞国 佑輔(広島工業大学),前田 俊二(広島工業大学),青戸 勇太(広島工業大学),松林 幹大(広島工業大学),居森 章(広島工業大学),森本 直斗(広島工業大学),谷口 哲至(広島工業大学),外田 脩(明電舎)

著者名(英語): Yusuke Sadakuni(Hiroshima Institute of Technology),Shunji Maeda(Hiroshima Institute of Technology),Yuta Aoto(Hiroshima Institute of Technology),Kanta Matsubayashi(Hiroshima Institute of Technology),Akira Imori(Hiroshima Institute of Technology),Naoto Morimoto(Hiroshima Institute of Technology),Tetsuji Taniguchi(Hiroshima Institute of Technology),Osamu Toda(MEIDENSHA CORPORATION)

キーワード: 異常診断|anomaly diagnosis

要約(日本語): 電力や交通などの社会を支えるインフラ設備は,故障が社会に与える影響が大きく, 計画外停止を未然に防ぐことが必要とされている.定期的に行う時間計画保全から,異常を予兆の段階で見つけて対策する状態監視保全に移行されつつある．本研究では,発電設備の診断を行うために,取り付けられた多次元センサデータを対象に,カルバック-ライブラーダイバージェンスによる分析を通して異常につながるセンサを抽出する.

要約(英語): Infrastructures that support society, such as electric power and transportation, have a great impact on society due to breakdowns, In this study, in order to diagnose the power generation equipment, The sensors related to anomalies are detected through the analysis by Kullback-Leibler divergence on the attached multidimensional sensor data.

原稿種別: 日本語

PDFファイルサイズ: 1,527 Kバイト