文献

J-GLOBAL ID：201602279411357176   整理番号：16A0959497

スパース表現に基づく軸受の早期故障特徴を抽出する【JST・京大機械翻訳】

Initial Fault Feature Extraction of Bearing Based on Sparse Representation

著者 (3件)： Yu Fajun (College of Information Science and Engineering,Wuhan University of Science and Technology) ,  Zhou Fengxing (College of Information Science and Engineering,Wuhan University of Science and Technology) ,  Yan Baokang (College of Information Science and Engineering,Wuhan University of Science and Technology)
資料名： Beijing Ligong Daxue Xuebao  (Beijing Ligong Daxue Xuebao)
巻： 36  号： 4  ページ： 376-381,398  発行年： 2016年 
JST資料番号： W0652A  ISSN： 1001-0645  CODEN： BLXUEV  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： 中国語 (ZH)

抄録/ポイント： 低速重荷重機械設備中の転がり軸受の極めて大きな荷重に耐えるため,内部/外部ループ故障を起こしやすい。故障の早期段階では,故障特徴の衝撃成分は非常に弱い反映し,極めて容易に雑音を被覆するために識別困難である。正確な軸受の早期故障を診断するために,スパース表現に基づく故障特徴抽出法を提案した。;この方法をK-SVD辞書訓練アルゴリズムを用いて正確な衝撃成分の辞書を照合しエネルギー構造とした,パラメータ化辞書の自己適応の欠乏の問題を克服した。スパース符号化過程における,分解終了条件としてのバッチ直交マッチング追跡(BATCH ORTHOGONAL MATCHING PURSUIT,BATCH-OMP)アルゴリズムを振動信号の分解を行い,信号の近似を最大原理を用いて,自己適応分解回数を決定した;最後に,再構成の特徴成分に対して包絡線スペクトル解析を行うことにより,故障のタイプを得た。シミュレーション信号と軸受の振動信号に対して故障特徴抽出を行い,結果は提案方法が正確に,衝撃成分を抽出することができることを示した,その有効性と実用性をを検証した。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： 特徴抽出 ,  *軸受 ,  再構成 ,  学習アルゴリズム ,  *故障 ,  エンベロープ ,  衝撃 ,  低速度 ,  スペクトル解析 ,  パラメタリゼーション
準シソーラス用語： 振動信号 ,  スパースコーディング ,  自己適応 ,  機械設備 ,  *スパース表現 , 【Automatic Indexing@JST】

著者キーワード (6件)： sparse representation ,  K-SVD ,  Batch-OMP ,  kurtosis value ,  impulse component ,  bearing fault diagnosis

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (4件)： スパース表現 ,  軸受 ,  早期 ,  故障