文献

J-GLOBAL ID：201702219048804433   整理番号：17A1979560

転がり軸受故障診断におけるXgboostの応用【JST・京大機械翻訳】

Application of Xgboost to Fault Diagnosis of Rolling Bearings

著者 (4件)： Zhang Yu (軽工過程先進控制教育部重点実験室,江南大学 自動化研究所,江蘇 无錫 214122) ,  Chen Jun (軽工過程先進控制教育部重点実験室,江南大学 自動化研究所,江蘇 无錫 214122) ,  Wang Xiaofeng (西門子中国研究院,北京,100000) ,  Liu Fei (軽工過程先進控制教育部重点実験室,江南大学 自動化研究所,江蘇 无錫 214122)
資料名： Zaosheng yu Zhendong Kongzhi  (Zaosheng yu Zhendong Kongzhi)
巻： 37  号： 4  ページ： 166-170,179  発行年： 2017年 
JST資料番号： C2428A  ISSN： 1006-1355  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： 転がり軸受の故障診断において,異なる軸受データの特徴選択の困難さと単一分類器の方法の精度が低い。。 1 . 1の問題を解決するための方法を提案したが,これらの問題を解決した。分類と回帰木に基づくXgboost(eXtreme Gradient Boosting)軸受故障診断アルゴリズムを提案し、Xgboostは複数分類器を含むアンサンブル学習方法である。転がり軸受の故障診断の精度は,Xgboostの改善によって改善される。最初に,時間領域特性パラメータを,転がり軸受の振動信号から抽出した。次に,Xgboostアルゴリズムを用いて,転がり軸受故障を診断した。実験結果は,従来の分類装置(サポートベクトルマシン,隣接アルゴリズム,人工神経回路網),および単一分類回帰木の診断結果と比較して,Xgboostが,軸受故障診断において,上記のアルゴリズムより優れていることを示した。計算時間は,従来のリフティング決定木アルゴリズムよりも短かった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： サポートベクトルマシン ,  *故障診断 ,  アルゴリズム ,  *転がり軸受 ,  *軸受 ,  *故障 ,  特徴選択 ,  ディシジョンツリー ,  CPU時間 ,  ニューラルネットワーク ,  分類装置
準シソーラス用語： 振動信号 ,  時間領域 ,  アンサンブル学習 ,  回帰木 , 【Automatic Indexing@JST】

著者キーワード (5件)： vibration and wave ,  rolling bearing ,  fault diagnosis ,  SVM ,  Xgboost

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (3件)： 転がり軸受 ,  故障診断 ,  応用