文献

J-GLOBAL ID：201702222652036919   整理番号：17A1751036

主成分分析とKNNアルゴリズムに基づく回転機械故障識別方法【JST・京大機械翻訳】

Method of Rotating Machinery Fault Pattern Recognition Based on PCA and KNN Algorithm

著者 (2件)： Zhang Jinping (沈陽化工大学机械工程学院,遼寧沈陽,110142) ,  Bai Guangbin (沈陽化工大学机械工程学院,遼寧沈陽,110142)
資料名： Jixie Sheji yu Zhizao  (Jixie Sheji yu Zhizao)
号： 6  ページ： 23-25,29  発行年： 2017年 
JST資料番号： C3693A  ISSN： 1001-3997  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： 回転機械の高次元故障データを正確に同定することは難しい。本稿では,主成分分析(PCA)とK近傍(K-nearest neighbour,KNN)アルゴリズムに基づく回転機械故障同定法を提案した。各状態信号の時間領域、周波数領域の特徴指標を合理的に選択し、高次元特徴空間を構築し、主成分分析アルゴリズムに次元縮小処理を行い、低次元の敏感特徴を抽出し、簡約後の状態サンプルをKNNアルゴリズムに入力して故障識別を行う。転がり軸受と回転子の実験結果により,本方法は,高次元故障サンプルの特性を,単純に,そして,サンプルデータの可視化を実現することができ,そして,故障サンプルを,正確に識別することができた。従来の方法と比較して,本方法は,単純な構造および高い認識率の長所を持ち,そして,機械的故障診断の研究に対して,一定の工学的意義を持った。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 周波数領域 ,  高次元 ,  次元縮小 ,  可視化 ,  *主成分分析 ,  *回転機械 ,  *アルゴリズム ,  転がり軸受 ,  *故障 ,  回転子
準シソーラス用語： 認識率 ,  低次元 ,  特徴空間 ,  時間領域 ,  *故障識別 , 【Automatic Indexing@JST】

著者キーワード (4件)： PCA ,  KNN ,  Rotating Machinery ,  Fault Recognition

分類 (1件)： 発電機・電動機一般  (NB07010Y)

タイトルに関連する用語 (5件)： 主成分分析 ,  KNN ,  アルゴリズム ,  回転機械 ,  故障識別