文献

J-GLOBAL ID：201502215050637146   整理番号：15A0872112

統計的局所線形埋め込みに基づく軸受故障診断

Bearing Fault Diagnosis Based on Statistical Locally Linear Embedding

著者 (5件)： WANG Xiang (Hohai Univ., Nanjing, CHN) ,  WANG Xiang (Nanjing Inst. of Technol., Nanjing, CHN) ,  ZHENG Yuan (Hohai Univ., Nanjing, CHN) ,  ZHAO Zhenzhou (Hohai Univ., Nanjing, CHN) ,  WANG Jinping (Hohai Univ., Nanjing, CHN)
資料名： Sensors (Web)  (Sensors (Web))
巻： 15  号： 7  ページ： 16225-16247 (WEB ONLY)  発行年： 2015年07月 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 故障診断は本質的に一種のパターン認識である。測定される信号サンプルは,通常,高次元 信号空間中に埋め込まれた,非線形二次元マニホルド上に分布するので,どのように特徴抽出し,次元縮小し,また認識性能を改善するかが,重大な課題である。本稿では,故障種別標示情報を採用するLLEの拡張である,統計的局所線形埋め込み(S-LLE)アルゴリズムに基づく,新規の機械故障診断手法が提案される。故障診断手法は,最初に振動信号から得られる,時間領域,周波数領域,および経験的モード分解(EMD)による特徴抽出の,高次元特徴ベクトルから,本質的マニホルド特徴を抽出し,つぎにマニホルド学習アルゴリズムS-LLEによって,複雑なモード空間を顕著な低次元特徴空間に移転するもので,それはPCA,LDA,およびLLEのような,他の特徴分解法に優る。最後に,特徴分解空間パターン分類と分類子による故障診断が,容易かつ迅速に実施される。転がり軸受故障信号が使用されて,提案する故障診断法を検証する。結果は,提案手法が,故障パターン認識の分類性能を明確に改善し,他の伝統的手法に優ることを示す。(翻訳著者抄録)

シソーラス用語： 統計 ,  *故障診断 ,  データ ,  計算機利用 ,  特徴抽出 ,  次元縮小 ,  *軸受
準シソーラス用語： 高次元データ ,  統計局所線形

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (5件)： 統計 ,  線形 ,  埋め込み ,  軸受 ,  故障診断