文献

J-GLOBAL ID：201702258833487785   整理番号：17A1651198

ウェーブレット極端学習機械に基づく新しいころ軸受故障診断法【Powered by NICT】

A novel roller bearing fault diagnosis method based on the wavelet extreme learning machine

著者 (3件)： Yu Xin (College of Energy and Power Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Shunming Li (College of Energy and Power Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Jingrui Wang (College of Energy and Power Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing, 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： ころ軸受の安全性と信頼性は常に回転機械の顕著な重要性を持っている。baring破壊を監視・診断する効率的で優れた精度法を構築するために必要である。新しい方法を本報で報告した高精度を考慮したウェーブレット関数および究極の学習マシン(ELM)による故障特徴を分類することであると効率的であった。morletウェーブレット関数は,ELMニューラルノードの活性化関数として構築した。最良のウェーブレット基底関数を構築するために。最小ShannonエントロピーとSVD法はmorletウェーブレットの最適形状因子とスケールパラメータを選択するために使用した。提案した方法は,ころ軸受の実用的分類と故障診断に適用した。結果は,提案した方法がころ軸受の欠陥診断のための従来のニューラルネットワークと他のELM法より信頼性が高く,適し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： 安全性 ,  *波束 ,  回転機械 ,  スケールパラメータ ,  *ころ軸受 ,  *学習 ,  形状因子 ,  *故障 ,  ニューラルネットワーク ,  *故障診断 ,  信頼性 ,  基底関数
準シソーラス用語： 情報エントロピー ,  高精度 ,  *極度学習機械 , 【Automatic Indexing@JST】

分類 (1件)： 弾性表面波デバイス  (NC03120T)

タイトルに関連する用語 (4件)： ウェーブレット ,  極端学習機械 ,  ころ軸受 ,  故障診断