文献

J-GLOBAL ID：201702231446943284   整理番号：17A0464848

遊星ギアボックスの故障診断のための深畳み込みニューラルネットワークに因る適応型マルチセンサデータ融合法

An Adaptive Multi-Sensor Data Fusion Method Based on Deep Convolutional Neural Networks for Fault Diagnosis of Planetary Gearbox

著者 (4件)： JING Luyang (Tianjin Univ., Tianjin, CHN) ,  WANG Taiyong (Tianjin Univ., Tianjin, CHN) ,  ZHAO Ming (Xi’an Jiaotong Univ., Xi’an, CHN) ,  WANG Peng (Tianjin Univ., Tianjin, CHN)
資料名： Sensors (Web)  (Sensors (Web))
巻： 17  号： 2  ページ： WEB ONLY  発行年： 2017年02月 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： マルチセンサデータ融合に因る故障診断アプローチは,機械システムの複雑な損傷検出問題に対処する有望なツールである。それにもかかわらず,このアプローチには,(1)様々なタイプの感覚データからの特徴抽出,および(2)適切な融合レベルの選択という2つの課題がある。特定の故障診断タスクに最適な特徴または融合レベルを選択することは通常困難であり,これらの選択中に広範なドメイン専門知識および人的労力が極めて要求される。この2つの課題を解決するために,筆者らは,故障診断のための深畳み込みニューラルネットワーク(DCNN)に因る適応型マルチセンサデータ融合法を提案した。提案手法は,生データから特徴を学習し,異なる融合レベルの組み合わせを適応的に最適化して,故障診断タスクの要件を満たすことができた。提案した方法は,遊星ギアボックス試験装置を用いて試験した。実験では,ハンドクラフト特徴,手動選択融合レベル,単一感覚データ,および2つの伝統的インテリジェントモデル,バックプロパゲーションニューラルネットワーク(BPNN)およびサポートベクターマシン(SVM)を比較として使用した。その結果,提案手法は,実験におけるすべての比較方法の中で最良の診断精度で効率的に遊星ギアボックスの状態を検出することができることを示した。(翻訳著者抄録)

シソーラス用語： 遊星歯車 ,  *故障診断 ,  *ニューラルネットワーク ,  *データ融合 ,  システム ,  特徴抽出 ,  畳込み
準シソーラス用語： *マルチセンサデータ融合 ,  機械システム ,  遊星ギヤ

分類 (2件)： 歯車,歯車装置  (QB01060O) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： 遊星ギア ,  ボックス ,  故障診断 ,  畳み込みニューラルネットワーク ,  マルチセンサデータ融合