文献

J-GLOBAL ID：201302285773366038   整理番号：13A1151543

回転要素ベアリングからの振動信号解析のための,PSOアルゴリズムを用いたウェーブレットSVMに基づく多重故障分類

Multi-fault classification based on wavelet SVM with PSO algorithm to analyze vibration signals from rolling element bearings

著者 (5件)： LIU Zhiwen (State Key Lab. for Manufacturing Systems Engineering, Xi’an Jiaotong Univ., Xi’an 710049, CHN) ,  CAO Hongrui (State Key Lab. for Manufacturing Systems Engineering, Xi’an Jiaotong Univ., Xi’an 710049, CHN) ,  CHEN Xuefeng (State Key Lab. for Manufacturing Systems Engineering, Xi’an Jiaotong Univ., Xi’an 710049, CHN) ,  HE Zhengjia (State Key Lab. for Manufacturing Systems Engineering, Xi’an Jiaotong Univ., Xi’an 710049, CHN) ,  SHEN Zhongjie (State Key Lab. for Manufacturing Systems Engineering, Xi’an Jiaotong Univ., Xi’an 710049, CHN)
資料名： Neurocomputing  (Neurocomputing)
巻： 99  ページ： 399-410  発行年： 2013年01月01日 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 回転要素ベアリングの条件モニタリングおよび故障診断をタイムリーかつ高精度に行うことは,回転機械の高信頼運転を保証するために極めて重要である。本論文では,サポートベクトルマシン(SVM)およびウェーブレットフレーム,ウェーブレット基底に関するカーネル手法に基づく多重故障分類モデルを提案し,SVMのカーネル関数を構築し,ウェーブレットサポートベクトルマシン(WSVM)を提案した。WSVMの最適パラメータを探索するために,WSVMの未知パラメータ最適化のために粒子群最適化(PSO)を適用した。本研究では,経験モデル分解(EMD)を用いて回転要素ベアリングから計測された振動信号の前処理を行った。さらに,冗長で関連性の薄い情報を除去し,分類プロセスのための顕著特徴の選択を行うために,距離評価技法を遂行した。従って,PSOを用いたEMD,距離評価技法,WSVMに基づく相対的に新しいハイブリッド型インテリジェント故障検出および分類手法を提案した。提案手法は,回転要素ベアリングテストベンチ上で検証され,次に,電気自動車のベアリング故障診断に適用された。通常用いられているSVMと比較して,WSVMでは,より高い精度を実現することができる。これらの結果により,提案手法では,振動信号に基づく回転要素ベアリングの異なる故障パターンの高信頼な同定が行えることを指摘した。Copyright 2013 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *故障診断 ,  *サポートベクトルマシン ,  *最適化 ,  パラメタリゼーション ,  ハイブリッド方式 ,  故障検出 ,  評価試験 ,  精度 ,  軸受 ,  *人工生命 ,  ウェーブレット変換
準シソーラス用語： ウェーブレットサポートベクトルマシン ,  ベアリング ,  故障パターン ,  故障分類 ,  *粒子群最適化 ,  ウェーブレット基底

分類 (4件)： 信頼性  (KB04040H) ,  ニューロコンピュータ  (JC06010Q) ,  その他のオペレーションズリサーチの手法  (KA03070E) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (9件)： 回転要素 ,  ベアリング ,  振動信号 ,  解析 ,  PSOアルゴリズム ,  ウェーブレット ,  SVM ,  多重 ,  故障分類