文献

J-GLOBAL ID：201702228829676361   整理番号：17A0328781

中心傾向に基づく時間領域特徴を用いたボールベアリングの故障分類精度【Powered by NICT】

Enhancing Fault Classification Accuracy of Ball Bearing Using Central Tendency Based Time Domain Features

著者 (5件)： Tahir Muhammad Masood (Department of Electrical Engineering, International Islamic University, Islamabad, Pakistan) ,  Khan Abdul Qayyum (Department of Electrical Engineering, Pakistan Institute of Engineering and Applied Sciences, Islamabad, Pakistan) ,  Iqbal Naeem (Department of Electrical Engineering, Pakistan Institute of Engineering and Applied Sciences, Islamabad, Pakistan) ,  Hussain Ayyaz (Department of Computer Science, International Islamic University, Islamabad, Pakistan) ,  Badshah Saeed (Department of Mechanical Engineering, International Islamic University, Islamabad, Pakistan)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 72-83  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 時間領域(TD)統計的特徴が頻繁に回転機械の故障を同定するための振動に基づくパターン認識(PR)モデルで利用されている。ランダム振動信号における可能な変動やスパイクの存在は,抽出された特徴の統計値に大きな影響を与えることができる。本論文では,振動信号に発生した玉軸受における局在欠陥を分類しながら変動に対してTD特徴の感度を検討した。感度レベルに基づいて,特徴はPRモデルにおける分類器を用いた前に統計的に加工した。中心傾向ベース特徴前処理法は,適切な値を提供することにより,分類器の診断能力を増強することを提案した。特徴処理は診断モデルに対するゆらぎの望ましくない影響を減少させた。いくつかの分類器を用いて,提案した方法の性能を評価し,その結果は,その有効性の明白である。生データの従来の前処理上の特徴前処理の利点は,その計算効率である。特徴分布における少数の値のみが大きなTD振動データセットで処理したよりも対応する必要があることを言及する価値がある。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： 前処理 ,  統計量 ,  回転機械 ,  *玉軸受 ,  ゆらぎ ,  パターン認識 ,  不規則振動
準シソーラス用語： 計算効率 ,  振動信号 ,  統計的特徴 ,  *故障分類 ,  *時間領域 , 【Automatic Indexing@JST】

分類 (3件)： 神経系の診断  (GN02000H) ,  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)： 時間領域 ,  ボールベアリング ,  故障 ,  分類精度