文献

J-GLOBAL ID：201702215107764798   整理番号：17A0450056

回転機械故障診断のための深い増強特徴融合法【Powered by NICT】

An enhancement deep feature fusion method for rotating machinery fault diagnosis

著者 (4件)： Shao Haidong (School of Aeronautics, Northwestern Polytechnical University, 710072 Xi’an, China) ,  Jiang Hongkai (School of Aeronautics, Northwestern Polytechnical University, 710072 Xi’an, China) ,  Wang Fuan (School of Aeronautics, Northwestern Polytechnical University, 710072 Xi’an, China) ,  Zhao Huiwei (School of Aeronautics, Northwestern Polytechnical University, 710072 Xi’an, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 119  ページ： 200-220  発行年： 2017年 
JST資料番号： T0426A  ISSN： 0950-7051  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： は自動的に生の振動データから価値ある特徴を学習し,正確な故障診断結果を提供するために意味がある。本論文では,回転機械の故障診断のために開発した増強深特徴融合法。最初に,新しい深オートエンコーダは,特徴学習能力の強化のためのノイズ除去オートエンコーダ(DAE)と収縮オートエンコーダ(CAE)から構成されている。第二に,局所性保存射影(LPP)を採用して,学習された特徴の品質をさらに向上させるための深い特徴を融合することである。最後に,融合深い特徴をソフトマックスに供給知的診断モデルを訓練した。開発された方法はロータと軸受の故障診断に適用した。結果は,提案した方法はより効果的で,既存の方法と比較してロバストであることを確認した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *故障診断 ,  局所性 ,  軸受 ,  射影 ,  ロバスト性 ,  品質 ,  *回転機械 ,  雑音低減
準シソーラス用語： 診断モデル ,  学習能力 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深い特徴融合 ,  特徴強調 ,  故障診断 ,  回転機械 ,  局所性保存射影

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 回転機械 ,  故障診断 ,  増強 ,  特徴融合