文献

J-GLOBAL ID：201602214633095812   整理番号：16A0784890

ウェーブレットスパース信号特徴抽出に基づくベアリングの故障診断【JST・京大機械翻訳】

Wavelet sparse signal feature extraction method and its application in bearing fault diagnosis

著者 (6件)： Fan Wei (School of Urban Rail Transportation,Soochow University) ,  Li Shuang (School of Urban Rail Transportation,Soochow University) ,  Cai Gaigai (School of Urban Rail Transportation,Soochow University) ,  Shen Changqing (School of Mechanical and Electrical Engineering,Soochow University) ,  Huang Weiguo (School of Urban Rail Transportation,Soochow University) ,  Zhu Zhongkui (School of Urban Rail Transportation,Soochow University)
資料名： Zhendong Gongcheng Xuebao  (Zhendong Gongcheng Xuebao)
巻： 28  号： 6  ページ： 972-980  発行年： 2015年12月 
JST資料番号： W1501A  ISSN： 1004-4523  CODEN： ZXUEEA  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： 表示される軸受の弱い故障振動信号中の過渡成分は極めて容易に強い背景ノイズによって直ちに検出できない消滅,スパース結合原理は,1つのスパース信号特徴抽出のウェーブレットに基づく方法を提案し,それによって,過渡信号中の特徴成分抽出を実現した。スパース表現モデルは,オリジナル信号の過渡成分を構築することによって,オリジナル信号に対して相関フィルタ法を採用して最適ウェーブレット原子を獲得し,そして最適冗長ウェーブレット底,ウェーブレットと信号の故障特徴を実現するための最適マッチングを構築した;二次厳密凸関数を設計し,最適化モデルにおける目的関数を求め,信号中の過渡的衝撃成分を変換するスパース係数を表すための,強いバックグラウンドの雑音の弱い特徴を実現する最も小さい(MAJORIZATION MINIMIZATION MM)アルゴリズムの効率的抽出を用いて。この方法をシミュレーション信号および軸受の弱い故障試験で効果的に検出できると強い背景ノイズ下の微弱瞬態成分抽出を検証した。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： 目的関数 ,  雑音 ,  *波束 ,  マッチング ,  *故障診断 ,  衝撃 ,  *透視図法 ,  *特徴抽出 ,  凸関数 ,  *故障
準シソーラス用語： 最適化モデル ,  相関フィルタ ,  スパース表現 ,  振動信号 ,  *スパース信号 , 【Automatic Indexing@JST】

著者キーワード (5件)： fault diagnosis ,  bearing ,  sparse representaion ,  MM algorithm ,  transients

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (5件)： ウェーブレット ,  スパース信号 ,  特徴抽出 ,  ベアリング ,  故障診断