文献

J-GLOBAL ID：201602291387960687   整理番号：16A0320556

改良された監視局所線形埋め込みに基づく故障特徴抽出【Powered by NICT】

Fault features extraction based on improved supervised locally linear embedding

著者 (5件)： Hu Feng (School of Mechanical Sci. and Automation, Wuhan Textile Univ., Wuhan) ,  Wang Chuantong (School of Mechanical Sci. and Automation, Wuhan Textile Univ., Wuhan) ,  Wu Yuchuan (School of Mechanical Sci. and Automation, Wuhan Textile Univ., Wuhan) ,  Fan Liangzhi (School of Mechanical Sci. and Automation, Wuhan Textile Univ., Wuhan) ,  Yu Lianqin (School of Mechanical Sci. and Automation, Wuhan Textile Univ., Wuhan)
資料名： Zhendong yu Chongji  (Zhendong yu Chongji)
巻： 34  号： 21  ページ： 119-123,135  発行年： 2015年 
JST資料番号： C2157A  ISSN： 1000-3835  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： 低次元出力ベクトルを再構成することで故障特徴抽出に不利である教師つき局所線形埋込み(SLLE)アルゴリズムの弱学習能力の不足を目指して,出力ベクトルの再構成モデルの学習能力は異なるクラスラベルを持つ試料間の平均距離を増大する訓練サンプルのクラスラベルの情報を利用することにより向上した。同じ試料の凝集と異なるクラスラベルを持つ試料の相互排除は向上した。故障特徴の抽出精度を向上させるために,二値粒子群最適化(PSO)アルゴリズム,正規化カットまたはNcut基準と再構成誤差を用いて妥協係数,埋め込み次元および近傍サイズを最適化した。改良SLLEは転がり軸受の故障特徴抽出に採用した。転がり軸受の故障診断のための試験結果は,他の手法と比較して,ISLLEである振動信号形故障特徴を抽出すると,破壊パターンの分類能力をより効果的に増進することを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： 正規化 ,  構成モデル ,  *故障 ,  最適化 ,  再構成 ,  相互排除 ,  *特徴抽出 ,  転がり軸受 ,  *線形性 ,  ベクトル ,  故障診断
準シソーラス用語： 振動信号 ,  二値粒子群最適化 ,  学習能力 ,  低次元 , 【Automatic Indexing@JST】

分類 (3件)： 軸受  (QB01020W) ,  その他のシステムプログラミング  (JD03070M) ,  歯車,歯車装置  (QB01060O)

タイトルに関連する用語 (5件)： 監視局 ,  線形 ,  埋め込み ,  故障 ,  特徴抽出