文献

J-GLOBAL ID：201702238000532895   整理番号：17A0172382

転がり軸受の故障程度評価のAR-GMM法【JST・京大機械翻訳】

Assessment of Rolling Bearing Fault Degree Using AR-GMM

著者 (5件)： Long Ming (School of Mechatronics & Vehicle Engineering,East China Jiaotong University) ,  Wen Zhang (School of Mechatronics & Vehicle Engineering,East China Jiaotong University) ,  Huang Wenyi (School of Mechatronics & Vehicle Engineering,East China Jiaotong University) ,  Zhou Jianming (School of Mechatronics & Vehicle Engineering,East China Jiaotong University) ,  Zhou Jihui (School of Mechatronics & Vehicle Engineering,East China Jiaotong University)
資料名： Jixie Kexue yu Jishu  (Jixie Kexue yu Jishu)
巻： 35  号： 8  ページ： 1183-1188  発行年： 2016年 
JST資料番号： C2050A  ISSN： 1003-8728  CODEN： JKJIE6  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： AR-GMMに基づく転がり軸受の故障度の評価方法を提案し,自己回帰モデル(AR)を用いて,故障ベアリングの初期振動信号の特徴を抽出し,そして,故障度合の評価基準として,故障ベアリングのGAUSS混合モデル(GMM)を確立した。軸受後期の振動信号はAR特徴抽出後にこの基準GMMモデルを導入し、テストサンプルと無故障サンプルの間の定量化類似度を得た。次に,自己回帰対数尤度確率(()を,転がり軸受の故障程度の評価指標として使用した。軸受疲労試験の解析は,この指数がベアリングの初期故障を効果的に発見することができ,軸受の劣化傾向を予測することができることを示し,そしてそれは保全の保全のための基礎を築くことができた。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 疲れ試験 ,  評価基準 ,  自己回帰モデル ,  初期故障 ,  *転がり軸受 ,  *軸受 ,  特徴抽出 ,  *故障
準シソーラス用語： 評価指標 ,  対数尤度 ,  自己回帰 ,  類似度 ,  混合モデル ,  振動信号 ,  評価方法 , 【Automatic Indexing@JST】

著者キーワード (3件)： fault degree assessment ,  condition-based maintenance ,  Gauss mixture model

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (3件)： 転がり軸受 ,  故障 ,  評価