文献

J-GLOBAL ID：201702229809561486   整理番号：17A0293539

回転子故障特徴抽出のためのマルチスケールLAPLACE特徴マッピング法【JST・京大機械翻訳】

Multi-scale Laplace Feature Mapping for Rotor Fault Feature Extraction

著者 (3件)： Wang Guangbin (Hunan University of Science and Technology, Hunan Provincial Key Laboratory of Health Maintenance for Mechanical Equipment) ,  Du Xiaoyang (Hunan University of Science and Technology, Hunan Provincial Key Laboratory of Health Maintenance for Mechanical Equipment) ,  Luo Jun (Hunan University of Science and Technology, Hunan Provincial Key Laboratory of Health Maintenance for Mechanical Equipment)
資料名： Zhongguo Jixie Gongcheng  (Zhongguo Jixie Gongcheng)
巻： 27  号： 20  ページ： 2791-2797  発行年： 2016年 
JST資料番号： C2243A  ISSN： 1004-132X  CODEN： ZJGOE8  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： マルチスケール分解理論と多様体学習のアイデアを統合して,回転子故障特徴抽出のためのマルチスケールLAPLACE特徴マッピングアルゴリズムを提案した。まず第一に,回転子故障振動信号をマルチスケールウェーブレットパケット分解によって分解して,特性パラメータマトリックスを構築して,その固有次元を推定して,次に,特性パラメータデータを低周波数空間に埋め込むことによって,故障の最も敏感な特性を得た。最終的に,故障の正確な認識を決定するために融合決定を実行する。実験結果は,主成分分析アルゴリズム,局所線形埋込みアルゴリズム,およびLAPLACE特性マッピングアルゴリズムと比較して,マルチスケールLAPLACE特性マッピング法によって抽出した回転子故障信号の特徴がより容易に認識されることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *故障 ,  線形性 ,  LF【周波数】 ,  *特徴抽出 ,  主成分分析 ,  *写像
準シソーラス用語： 特性パラメータ ,  ウェーブレットパケット分解 ,  振動信号 ,  多様体学習 ,  *マルチスケール , 【Automatic Indexing@JST】

著者キーワード (4件)： rotor system ,  Laplacian eigenmap ,  multi-scale ,  feature extraction

分類 (3件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 回転子 ,  故障 ,  特徴抽出 ,  マルチスケール ,  マッピング法