文献

J-GLOBAL ID：201702226648904726   整理番号：17A1394913

積層スパースオートエンコーダに基づく診断転がり軸受の故障【Powered by NICT】

Rolling bearing fault diagnose based on stacked sparse auto encoder

著者 (3件)： Hou Peng (School of Automation, Hangzhou Dianzi University, Hangzhou, 310018) ,  Wen ChengLin (School of Automation, Hangzhou Dianzi University, Hangzhou, 310018) ,  Dong DeYi (School of Automation, Hangzhou Dianzi University, Hangzhou, 310018)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCC  ページ： 7027-7032  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 故障診断を行うために統計解析法,設計パラメータによる影響の使用では,情報は隠れたであろう。その結果,データの全情報を抽出できなかった。情報の損失を低減するためには,データの構造を記述するための深部構造を使用する必要がある。本論文では,深い学習の方法を用いて,転がり軸受の振動信号を扱うことである。同時に,良好な学習能力を持っているので教師なし多層積層スパース自己符号器ネットワークを提案し,振動信号の複雑な構造を学習するために用いた。本論文では,振動信号処理は二つの側面:時間領域と周波数領域で処理される。深層学習アルゴリズムは,データからの隠れた情報を学ぶことができる,分類器は非常に良好な結果を得ることができた。実験結果は,Case Western Reserve大学の軸受振動信号に対して良く機能する本論文で提案したアルゴリズムであることを示した。特に周波数領域では,結果はほぼ完全であった。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 統計解析 ,  アルゴリズム ,  ネットワーク ,  学習アルゴリズム ,  多層 ,  *転がり軸受 ,  *透視図法 ,  故障診断 ,  周波数領域 ,  *軸受 ,  符号器
準シソーラス用語： 時間領域 ,  学習能力 ,  振動信号 ,  設計変数 , 【Automatic Indexing@JST】

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (3件)： 診断 ,  転がり軸受 ,  故障