文献

J-GLOBAL ID：201702263186692219   整理番号：17A0158236

DBNに基づく故障特徴抽出と診断方法の研究【JST・京大機械翻訳】

Fault feature extraction and diagnosis method based on deep belief network

著者 (4件)： Zhao Guangquan (Department of Automatic Test and Control,Harbin Institute of Technology) ,  Ge Qiangqiang (Department of Automatic Test and Control,Harbin Institute of Technology) ,  Liu Xiaoyong (Department of Automatic Test and Control,Harbin Institute of Technology) ,  Peng Xiyuan (Department of Automatic Test and Control,Harbin Institute of Technology)
資料名： Yiqi Yibiao Xuebao  (Yiqi Yibiao Xuebao)
巻： 37  号： 9  ページ： 1946-1953  発行年： 2016年 
JST資料番号： C2448A  ISSN： 0254-3087  CODEN： YYXUDY  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： 装置の複雑化に伴い、専門家の経験や信号処理技術による人工の抽出と故障の特徴選択はますます困難になっている。さらに,BPニューラルネットワークとSVMを代表とする浅層モデルは,測定信号と装置の健康状態の間の複雑なマッピング関係を表現することが難しく,次元災害などの問題に直面している。深さ信頼性ネットワーク(DBN)の特徴抽出と高次元非線形データ処理の利点を考慮して,深さ信頼ネットワークに基づく故障特徴抽出と診断法を提案した。この方法は,時間領域信号を訓練するために,時間領域における信号を訓練するために,深さ学習を用いることによって,多くの信号処理技術と診断経験に依存することができ,故障特性の適応抽出と健康状態の知的診断を達成することができ,この方法は時間領域信号に対する周期的要求を持たない。それは,強い普遍性と適応性を持っている。シミュレーションデータセットとベアリングデータ集合における故障特徴抽出と診断実験を行った。提案した方法は,多くの種類の運転条件,多くの種類の故障位置と複数の故障程度の故障特徴抽出と診断を効果的に実行することができて,それは高い故障認識精度を持った。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 特徴選択 ,  ネットワーク ,  *故障 ,  普遍性 ,  高次元 ,  *特徴抽出 ,  適応性 ,  データ処理 ,  信号処理 ,  軸受
準シソーラス用語： 認識精度 ,  運転条件 ,  時間領域 ,  健康状態 ,  逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： deep belief network ,  feature extraction ,  fault diagnosis ,  raw data

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (5件)： DBN ,  故障 ,  特徴抽出 ,  診断 ,  研究