文献

J-GLOBAL ID：201702253546246815   整理番号：17A1651221

ギアボックス故障分類のためのウェーブレット変換に基づく畳込みニューラルネットワーク【Powered by NICT】

Wavelet transform based convolutional neural network for gearbox fault classification

著者 (3件)： Liao Yixiao (School of Mechanical and Automotive Engineering, South China University of Technology, GuangZhou, China) ,  Zeng Xueqiong (School of Mechanical and Automotive Engineering, South China University of Technology, GuangZhou, China) ,  Li Weihua (School of Mechanical and Automotive Engineering, South China University of Technology, GuangZhou, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： PHM (Harbin)  ページ： 1-6  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： 時間-周波数解析の有効な方法として,ウェーブレット変換(WT)は,歯車箱故障診断のための大きな助けを提供することができる。しかし,時間-周波数分布による歯車箱の故障条件を診断するために,多くの人間の専門知識と事前知識を必要とする。添加では,異なる故障と雑音の結合は,歯車箱の運転条件を正確に診断困難にしている。本論文では,畳込みニューラルネットワーク(CNN)は,WTにより生成された時間-周波数画像を用いた歯車箱の健康状態の分類に適用した。深層学習の典型的なモデルとして,CNNは,画像認識における容量を区別した。時間-周波数画像,人工特徴抽出の不確実性を低下させるから故障特徴を抽出可能にしている。比較のために,S変換(ST)と短時間Fourier変換(STFT)は同じ分類タスクのためのCNNと組み合わせた。実験結果は,WTとCNNの組合せである他の方法より優れていることを示した。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： 不確実性 ,  *ニューラルネットワーク ,  *歯車箱 ,  故障診断 ,  画像 ,  *ウェーブレット変換 ,  *故障 ,  画像認識 ,  周波数 ,  *畳込み ,  特徴抽出 ,  雑音
準シソーラス用語： 深層学習 ,  事前知識 ,  時間周波数解析 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ギア ,  ボックス ,  故障分類 ,  ウェーブレット変換 ,  畳込みニューラルネットワーク