文献

J-GLOBAL ID：201302299719463380   整理番号：13A1468961

HHT-DDKICAと支持ベクトルデータ記述法に基づくホイスト機械故障監視

Hoist Machinery Fault Monitoring Based on HHT-DDKICA and Support Vector Data Description Method

著者 (4件)： Liu Xiaoping ((Xuzhou) School of Mechanical and Electrical Engineering, China Univ. of Mining and Technol., Xuzhou) ,  Xu Guiyun ((Xuzhou) School of Mechanical and Electrical Engineering, China Univ. of Mining and Technol., Xuzhou) ,  Ren Shijin (School of Computer Sci. and Technol., Jiangsu Normal Univ., Xuzhou) ,  Yang Maoyun ((Xuzhou) School of Mechanical and Electrical Engineering, China Univ. of Mining and Technol., Xuzhou)
資料名： Jixie Gongcheng Xuebao  (Jixie Gongcheng Xuebao)
巻： 48  号： 23  ページ： 65-75  発行年： 2012年 
JST資料番号： W0292A  ISSN： 0577-6686  CODEN： CHHKA2  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： 既存の機能抽出と機械故障検出法の欠点を分析する。HHT-DDKICAを支持ベクトルデータ記述(SVDD)法と結合して,ホイスト機械の新しい故障監視アルゴリズムを提案する。ホイスト機械の振動信号を,複数の興味深い周波数帯にフィルタ処理する。そして,固有モード関数(IMF)を経験的モード分解(EMD)から得る。それから,HHTノイズ除去法と信号エネルギー判定基準を採用し有効IMFsを選ぶ。一つのIMFが若干の非線形振動源から成るので,代替データ依存性カーネル独立成分分析(DDKICA)法を提示し信号源を分離する。方法は訓練標本によって適切なカーネル関数を決定できる。そして,最適モデル定数は経験的機能空間でDDKICAモデル選択基準を解明することによって獲得できる。DDKICAによって抽出される特長の分布を考慮して,SVDDを採用し新しい統計と信頼限界を確立する。ホイスト機械適用は提案方法の有効性を示す。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *データ ,  記述 ,  故障 ,  アルゴリズム ,  周波数推定 ,  識別関数 ,  独立成分分析 ,  フィルタリング ,  非線形振動
準シソーラス用語： *ベクトルデータ ,  データ記述 ,  機械故障 ,  固有モード関数 ,  Kernel関数 ,  フィルタ処理

分類 (1件)： ロボットの運動・制御  (IC04012J)

物質索引 (1件)： HHT

タイトルに関連する用語 (6件)： HHT ,  支持 ,  ベクトルデータ ,  記述法 ,  ホイスト ,  機械故障