文献

J-GLOBAL ID：201702220953212875   整理番号：17A1486242

システムの故障分類のための仮想化と深い認識【Powered by NICT】

Virtualization and deep recognition for system fault classification

著者 (4件)： Wang Peng (Department of Mechanical and Aerospace Engineering, Case Western Reserve University, Cleveland, OH, 44106, USA) ,  Ananya (Department of Mechanical and Aerospace Engineering, Case Western Reserve University, Cleveland, OH, 44106, USA) ,  Yan Ruqiang (Department of Mechanical and Aerospace Engineering, Case Western Reserve University, Cleveland, OH, 44106, USA) ,  Gao Robert X. (Department of Mechanical and Aerospace Engineering, Case Western Reserve University, Cleveland, OH, 44106, USA)
資料名： Journal of Manufacturing Systems  (Journal of Manufacturing Systems)
巻： 44  号： P2  ページ： 310-316  発行年： 2017年 
JST資料番号： D0396B  ISSN： 0278-6125  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： 力学系の診断結果の効率的なギヤボックスのヘルスモニタリングと効果的な表現では,挑戦のままである。本論文では,提示した,代表例として歯車箱である一次元時系列解析の診断結果を故障タイプと重症度説明のためのグラフィック画像への深い学習を用いたへの新しいアプローチ。具体的には,時系列は最初の時間-周波数画像にウェーブレット解析により変換される。次に,深い畳込みニューラルネットワーク(DCNN)はこれらの画像からの時間周波数領域の特徴を学習し,故障分類を行う。歯車箱データ上での実験を行い,99.5%よりも良好な分類精度で開発した手法の有効性と効率を実証した。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： 力学系 ,  ニューラルネットワーク ,  時系列分析 ,  周波数 ,  歯車箱 ,  周波数領域 ,  *故障 ,  畳込み ,  一次元 ,  画像
準シソーラス用語： 分類精度 ,  ウェーブレット解析 ,  ヘルスモニタリング ,  *仮想化 ,  *故障分類 , 【Automatic Indexing@JST】

著者キーワード (3件)： 状態監視 ,  ディープ機械学習 ,  仮想化

分類 (1件)： 切削一般  (QC02010V)

タイトルに関連する用語 (2件)： 故障分類 ,  仮想化