文献

J-GLOBAL ID：201702267074583885   整理番号：17A0145917

LMDサンプルエントロピーとLS-SVMに基づく転がり軸受の故障分類【Powered by NICT】

Fault classification of rolling bearing based on LMD-sample entropy and LS-SVM

著者 (5件)： Bian Jie (Aviation Key Laboratory of Aero-engine Vibration Technology, China Aviation Powerplant Research Institute, Zhuzhou, China) ,  Huo Changqing (Aviation Key Laboratory of Aero-engine Vibration Technology, China Aviation Powerplant Research Institute, Zhuzhou, China) ,  Tang Guang (Aviation Key Laboratory of Aero-engine Vibration Technology, China Aviation Powerplant Research Institute, Zhuzhou, China) ,  Gao Jun (Aviation Key Laboratory of Aero-engine Vibration Technology, China Aviation Powerplant Research Institute, Zhuzhou, China) ,  Lin Lisheng (Aviation Key Laboratory of Aero-engine Vibration Technology, China Aviation Powerplant Research Institute, Zhuzhou, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： PHM (Chengdu)  ページ： 1-6  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 転がり軸受の振動信号の非線形と非定常特性を考慮して,局所平均分解(LMD)-サンプルエントロピーと最小二乗サポートベクトルマシン(LS SVM)に基づく転がり軸受の故障分類法を提案した。LMD法は転がり軸受の振動信号を分解するいくつかの製品機能成分に使用し,主断層情報を含む最初の数PF成分のサンプルエントロピーは特徴的なベクターとして選択した。,LS-SVMを用いて,正常なベアリング,インナーレース欠陥軸受とアウターレース欠陥軸受の振動信号を解析し,同定することであった。結果を本論文で提案した方法は転がり軸受の種々の状態を分類できることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 定常特性 ,  *転がり軸受 ,  軸受
準シソーラス用語： アウターレース ,  インナーレース ,  振動信号 ,  *故障分類 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： サンプルエントロピー ,  LS-SVM ,  転がり軸受 ,  故障分類