文献

J-GLOBAL ID：202302212506870033   整理番号：23A0650034

ターボ機械をデータでつなぐ 機械学習による転がり軸受の微小欠陥検出と余寿命予測

Micro Defect Detection and Remaining Useful Life Prediction of Rolling Bearing by Machine Learning

著者 (1件)： 福井健一 (大阪大 産科研)
資料名： ターボ機械  (Turbomachinery)
巻： 51  号： 3  ページ： 172-182  発行年： 2023年03月10日 
JST資料番号： S0391B  ISSN： 0385-8839  CODEN： TKAICZ  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・本稿では,1)転がり軸受の初期の欠陥を早期に検出するための欠陥検出手法,2)欠陥検出後,転がり軸受が使用可能な限界までの予寿命推定手法に関する研究を紹介。
・機械学習による初期欠陥検出として,導入,評価対象,微小欠陥を含む欠陥検知法の概要・特長ベクトル・評価指標(異常率),外れ値検出手法や特徴・選択手法など機械学習手法,特徴選択の効果,微小欠陥検出結果を説明。
・階層ベイズによる予寿命曲線推定として,導入,欠陥進展下における予寿命(RUL)推定の課題,階層ベイズによるRUL曲線推定の概要と階層ベイス回帰モデルを記述。
・実験条件,評価指標およびRUL曲線推定精度の評価に言及。

シソーラス用語： ターボ機械 ,  *機械学習 ,  *転がり軸受 ,  *欠陥 ,  検出 ,  *余寿命 ,  *予測 ,  情報 ,  特徴抽出 ,  ベクトル ,  指標 ,  計算機アルゴリズム ,  特徴選択 ,  Bayes推定 ,  回帰モデル ,  特徴ベクトル ,  異常値検出
準シソーラス用語： ランダムフォレスト法 ,  異常率 ,  階層ベイズ ,  外れ値検出 ,  人工欠陥

分類 (4件)： 工場設備管理  (QA01096Q) ,  非破壊試験  (HB02030F) ,  軸受  (QB01020W) ,  人工知能  (JE08000Z)

引用文献 (7件)：

• 北井・筒井, One Class Support Vector Machineを用いたアンギュラ玉軸受の異常診断, トライボロジー会議2017秋 (2017), C41.
• Breiman, L., Random Forests, Machine Learning, Vol.45, (2001), pp.5-32.
• Breunig, M.M.・他3名, LOF : Identifying density-based local outliers, Management of Data, Vol.29, (2000), pp.93-101.
• He, X.・他2名, Laplacian score for feature selection, Advances in Neural Information Processing Systems, Vol.18, (2005), pp.507-514.
• 北井・赤松・福井, 特徴選択と2段の外れ値検出手法による微小欠陥を含む転がり軸受の欠陥検出法, 情報処理学会論文誌: 数理モデル化と応用, Vol.57, No.3 (2019), pp.19-33.

タイトルに関連する用語 (7件)： ターボ機械 ,  機械学習 ,  転がり軸受 ,  微小 ,  欠陥検出 ,  余寿命 ,  予測