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

カテゴリ: 全国大会

論文No: 4-246

グループ名: 【全国大会】平成31年電気学会全国大会論文集

発行日: 2019/03/01

タイトル(英語): Refrigeration Showcase Fault Analysis by Artificial Neural Network using Correntropy based Fast 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),Adamo Santana(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(Meiji University),Yoshikazu Fukuyama(Meiji University),Yu Kawamura(Fuji Electric),Kenya Murakami(Fuji Electric),Adamo Santana(Fuji Electric),Tatsuya Iizaka(Fuji Electric),Tetsuro Matsui(Fuji Electric)

キーワード: ショーケース,故障解析,ニューラルネットワーク,コレントロピー,Fast 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，高精度の故障解析は，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Fast Brain Storm Optimization（以下，FBSO）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Differential Evolutionary Particle Swarm 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。

原稿種別: 日本語

PDFファイルサイズ: 377 Kバイト